이 글의 요약
- 반복적인 분석 체계는 모든 단계를 반복하기보다 데이터 수집 및 확보와 분석 데이터를 준비하는 단계를 순차적으로 진행하고, 모델링 단계는 반복적으로 수행하는 혼합형을 많이 적용한다.
- 데이터 거버넌스의 3가지 구성 요소는 원칙, 조직, 절차이다.
- 데이터 거버넌스 4가지 체계 요소는 데이터 표준화, 데이터 관리 체계, 데이터 저장소 관리, 표준화 활동이다.
목차
분석 마스터플랜
분석 마스터플랜은 분석 대상이 되는 과제를 도출하고 우선순위를 평가하여 단기적인 세부 이행계획과 중장기적인 로드뱁을 작성하는 것이다.
분석 로드맵의 과제들이 잘 수행되도록 하기 위해서는 분석 거버넌스 체계 수립이 필요하고 분석 거버넌스 역량을 높이기 위해서는 현재 분석 수준이 어떤지를 살펴보는 분석 성숙도 측정이 필요하다.
분석 마스터플랜은 일반적인 정보전략계획(ISP, Information Strategy Planning) 방법론을 활용하며 이는 전사적인 종합정보 추진 계획이다.
일반적인 IT프로젝트의 우선순위 평가 예시
빅데이터 특징을 고려한 분석 ROI
ROI 관점에서의 분석 과제 우선순위 평가 기준 ★
1) 전략적 중요도에 따른 시급성이 가장 중요한 기준이다.
2) 데이터를 생성, 저장, 가공, 분석하는 비용과 현재 기업의 분석 수준을 고려한 난이도 역시 적용 우선순위를 선정하는데 중요한 기준이 될 수 있다.
3) 난이도는 현 시점에서 과제를 추진하는 것이 비용측면과 범위측면에서 바로 적용하기 쉬운 것인지 또는 어려운 것인지에 대한 판단 기준이다.
4) 데이터 양, 데이터 특성, 분석 범위 등에 따라 난이도 조정은 경영진 또는 실무 담당자의 의사결정에 따라 적용 우선순위를 조정할 수 있다.
포트폴리오 사분면 분석을 통한 과제 우선순위를 선정하는 기법
분석 과제의 적용 우선순위 기준
1) 시급성 : 3-4-2
2) 난이도 : 3-1-2
분석 과제 우선순위 조정
1) 9번 같은 분석과제는 데이터의 양, 데이터 특성, 분석범위 등에 따라 난이도를 조율한다.
2) 기술적 요소에 따라서 적용 우선순위 조정할 수 있다.
3) 분석 범위에 따라서 적용 우선순위 조정할 수 있다.
분석 마스터플랜의 이행계획 수립
1) 로드맵 수립 : 최종적인 실행 우선순위를 결정한 후 단계적 구현 로드맵을 수립한다.
2) 세부 이행계획 수립 : 반복적인 분석 체계는 모든 단계를 반복하기보다 데이터 수집 및 확보와 분석 데이터를 준비하는 단계를 순차적으로 진행하고, 모델링 단계는 반복적으로 수행하는 혼합형을 많이 적용한다. 이에 따라 세부적인 일정 계획도 수립해야 한다.
분석 거버넌스
분석 거버넌스 체계 수립
분석 거버넌스는 규칙, 규범 등과 같이 내부적인 관리 방식이나 프로세스를 의미한다.
분석 거버넌스 체계 구성 요소
분석 수준 진단 프레임워크
데이터 분석 수준 진단을 통해 데이터 분석 기반을 구현하기 위해 무엇을 준비하고 보완해야 하는지 등 분석의 유형 및 분석의 방향성을 결정할 수 있다.
데이터 분석 준비도 프레임 워크 ★★★
| 분석 업무 파악 | 인력 및 조직 | 분석 기법 |
| 발생한 사실 분석 업무 예측분석 업무 시뮬레이션 분석 업무 최적화 분석 업무 분석 업무 정기적 개선 |
분석 전문가 직무 존재 분석 전문가 교육훈련 프로그램 관리자들의 기본적 분석 능력 전사 분석 업무 총괄 조직 존재 경영진 분석 업무 이해 능력 |
업무별 적합한 분석 기법 사용 분석업무 도입 방법론 분석기법 라이브러리 분석기법 효과성 평가 분석기법 정기적 개선 |
| 분석 데이터 | 분석 문화 | IT 인프라 |
| 분석업무를 위한 데이터 충분성 분석업무를 위한 데이터 신뢰성 분석업무를 위한 데이터 적시성 비구조적 데이터 관리 외부 데이터 활용 체계 기준데이터 관리(MDM) |
사실에 근거한 의사결정 관리자의 데이터 중시 회의 등에서 데이터 활용 경영진의 직관보다 데이터 데이터 공유 및 현업 문화 |
운영시스템 데이터 통합 EAL, ETL 등 데이터 유통체계 분석 적용 서버 및 스토리지 빅데이터 분석 환경 통계 분석 업무 환경 비주얼 분석 환경 |
분석 성숙도 모델 ★★★
소프트웨어공학에서는 시스템 개발 업무능력과 성숙도를 파악하기 위해 CMMI(Capability Maturity Model Integration) 모델을 기반으로 조직의 성숙도를 평가한다.
| 단계 | 도입 | 활용 | 확산 | 최적화 |
| 설명 | 분석을 시작하여 환경과 시스템을 구축 |
분석 결과를 실제 업무에 적용 |
전사 차원에서 분석을 관리하고 공유 |
분석을 진화시켜서 혁신 및 성과향상에 기여 |
| 비즈니스 부문 |
실적분석 및 통계 정기보고 수행 운영 데이터 기반 |
미래 결과 예측 시뮬레이션 운영 데이터기반 |
전사 성과 실시간분석 프로세스혁신3.0 분석규칙 관리 이벤트 관리 |
외부환경 분석 활용 최적화 업무 적용 실시간 분석 비즈니스모델 진화 |
| 조직 역량부문 |
일부 부서에서 수행 담당자 역량에 의존 |
전문 담당부서에서 수행 분석 기법 도입 관리자가 분석 수행 |
전사 모든 부서 수행 분석 CoE 조직운영 데이터 사이언티스트 확보 |
데이터 사이언스 그룹 경영진 분석 활용 전략 연계 |
| IT부문 | 데이터웨어하우스 데이터 마트 ETL/EAI OLAP |
실시간 대시보드 통계분석 환경 |
빅데이터 관리 환경 시뮬레이션 최적화 비주얼 분석 분석 전용 서버 |
분석 협업 환경 분석 Sandbox 프로세스 내재화 빅데이터 분석 |
분석 수준 진단 결과(사분면 분석)
데이터 거버넌스
- 전사 차원의 모든 데이터에 대하여 정책, 지침, 표준화, 운영조직 및 책임 등의 표준화된 관리체계를 수립하고 운영을 위한 프레엠워크, 저장소를 구축하는 것을 말한다.
- 마스터 데이터, 메타 데이터, 데이터 사전은 데이터 거버넌스의 중요한 관리 대상이다.
- 데이터 거버넌스를 구축함으로써 데이터의 가용성, 유용성, 통합성, 보안성, 안정성을 확보한다.
데이터 거버넌스 3가지 구성 요소 ★
데이터 거버넌스의 3가지 구성 요소는 원칙, 조직, 절차이다.
- 원칙 : 데이터를 유지 관리하기 위한 지침과 가이드 보안, 품질관리, 변경관리
- 조직 : 데이터 관리자, 데이터베이스 관리자, 데이터 아키텍트
- 절차(프로세스) : 데이터 관리를 위한 활동과 체계, 작업절차 모니터링 활동, 측정 활동
데이터 거버넌스 4가지 체계 요소 ★★★
데이터 거버넌스 4가지 체계 요소는 데이터 표준화, 데이터 관리 체계, 데이터 저장소 관리, 표준화 활동이다.
- 데이터 표준화 : 데이터 표준 용어 설명, 명명 규칙, 메타데이터 구축, 데이터 사전 구축
- 데이터 관리 체계 : 메타데이터와 데이터 사전의 관리 원칙을 수립 / 빅데이터의 경우 데이터 생명주기 관리 방안 수립
- 데이터 저장소 관리 : 메타데이터 및 표준 데이터를 관리하기 위한 전사 차원의 저장소를 구성. 저장소는 데이터 관리 체계 지원을 위한 워크플로우 및 관리용 소프트웨어를 지원하고 관리 대상 시스템과의 인터페이스를 통한 통제가 이루어져야 한다. 또한 데이터 구조 변경에 따른 사전영향평가도 수행되어야 효율적인 활용이 가능하다.
- 표준화 활동 : 데이터 거버넌스 체계를 구축한 후 표준 준수 여부를 주기적으로 점검하고 모니터링을 시행
빅데이터 거버넌스 = 데이터 거버넌스 + 효율적인 관리 + 다양한 데이터의 관리 체계 + 데이터 최적화 + 정보보호 + 데이터 생명주기 관리 + 데이터 카테고리별 관리 책임자 지정 등
분석업무 수행 주체, 분석 과제 관리 프로세스
분석업무 수행 주체에 따른 3가지 구조
| 집중구조 | 기능구조 | 분산구조 |
| 전사 분석업무를 별도의 분석 전담 조직에서 담당 | 일반적인 분석수행구조 | 분석조직 인력들을 현업부서로 직접 배치하여 분석업무 수행 |
| 전략적 중요도에 따라 분석조직이 우선순위를 정해서 진행 가능 | 별도 분석조직이 없고 해당 업무부서에서 분석 수행 | 전사 차원의 우선순위 수행 |
| 현업 업무부서의 분석업무와 이중화/이원화 가능성이 높음 | 전사적 핵심분석이 어려우며, 부서현황 및 실적통계 등 과거 실적에 국한된 분석 수행 가능성이 높음 | 분석 결과에 따른 신속한 액션 가능 |
| 베스트 프렉티스 공유 가능 | ||
| 부서 분석업무와 역할분담 명확히 해야함 |
분석 과제 관리 프로세스
참고자료 : ADsP한권으로끝내기(김계철 지음)
<함께보면 좋은 글>
ADsP(데이터분석 준전문가) 자격 안내, 시험 일정, 공부 방법
이 글의 요약ADsP(데이터분석 준전문가) 란 데이터 이해에 대한 기본지식을 바탕으로 데이터분석 기획 및 데이터분석 등의 직무를 수행하는 실무자이다.시험과목은 데이터 이해, 데이터분석 기
jomosi.tistory.com
ADsP(데이터분석 준전문가) 1과목 데이터 이해 시험 요약 공부
이 글의 요약데이터, 정보, 지식을 통해 최종적으로 지혜를 얻어내는 과정을 피라미드 형태로 나타낸 것이 DIKW 피라미드이다. 예시로는 데이터(Data)는 A마트의 연필 가격은 100원, B마트의 연필 가
jomosi.tistory.com
ADsP(데이터분석 준전문가) 1과목 데이터 이해 시험 요약 공부 - 빅데이터, 개인정보, 데이터 3법
이 글의 요약빅데이터는 없었던 것이 새로 등장한 것이 아니라 기존의 데이터, 처리방식, 다루는 사람과 조직 차원에서 일어나는 변화를 의미함. 빅데이터 시대의 위기 요인에는 사생활 침해,
jomosi.tistory.com
ADsP(데이터분석 준전문가) 1과목 데이터 이해 시험 요약 공부 - 데이터 사이언티스트, ETL, 하둡
이 글의 요약데이터 사이언티스트가 갖춰야 할 역량(가트너) 4가지는 데이터 관리(데이터에 대한 이해), 분석 모델링(분석론에 대한 지식), 비즈니스 분석(비즈니스 요소에 초점), 소프트 기능(커
jomosi.tistory.com
ADsP(데이터분석 준전문가) 2과목 데이터 분석 기획 시험 요약 공부 - 분석 주제 유형, KDD분석방법
이 글의 요약분석 방법론의 구성 요소 4가지 : 상세한 절차(Procedure), 방법(Methods), 도구와 기법(Tools & Techniques), 템플릿과 산출물(Templates & Outputs) KDD(Knowledge Discovery in Database)는 1996년 Fayyad가 체계적
jomosi.tistory.com
ADsP(데이터분석 준전문가) 2과목 데이터 분석 기획 시험 요약 공부 - 애자일모델, 워터폴모델, 분
이 글의 요약 상향식 접근 방식 이란 문제의 정의 자체가 어려울 경우 데이터를 기반으로 문제의 재정의 및 해결방안을 탐색하고 이를 지속적으로 개선하는 방식이다. - Diverse(발산), 애자일 모
jomosi.tistory.com
트위터 아이디 찾기
이 글의 요약 회원가입을 한 후에 이메일을 입력한 후 "이미 등록된 이메일입니다." 라는 문구가 뜨면 해당 이메일 주소로 트위터 아이디 찾기 새로운 이메일로 회원가입을 한 후에 @twittersupport
jomosi.tistory.com
알바천국 이력서 양식 다운
▼아르바이트 이력서 양식 다운로드(doc 파일, hwp 파일)▼ 아래에서 자세히 확인하세요▼ 알바천국, 알바몬, 사람인, 잡코리아 등 인력 채용 플랫폼이 경쟁하며 시장에서 활발하게 활동하고 있습
jomosi.tistory.com
ENA, ENA PLAY, ENA DRAMA 편성표 및 채널번호
ENA 채널은 Entertainment DNA 의 약자로 KT 그룹 계열사인 skyTV(스카이라이프) 가 운영하는 채널입니다. ENA 외에 ENA PLAY, ENA DRAMA, ENA STORY 등 다양한 채널을 주제에 맞게 방영하고 있으며 최근에는 오은
jomosi.tistory.com