[ADSP] 데이터분석 준전문가 <2과목> 데이터 분석 기획 - 02장 분석 마스터플랜

01. 마스터플랜 수립

1. 마스터플랜 수립

(1) 분석 마스터플랜의 개념

• 분석 마스터플랜 : 어떤 하나의 분석 프로젝트를 위한 전체 설계도. 분석 방법론과 과제 발굴 과정을 모두 아우르는 광의의 개념
• 마스터플랜 수립 단계에서는 분석 과제의 우선 순위를 결정하고,
  기업의 상황을 고려하여 분석 과제의 적용 범위 및 방식을 결정하여 분석 구현 로드맵을 수립한다.

 

(2) 분석 마스터플랜 수립 프레임워크 ★★★

• 분석 마스터플랜을 수립하는 가장 첫 단추는, 발굴한 분석 과제의 우선 순위를 정하는 일이다.
  • 우선 순위 설정 기준 : 전략적 중요도, 비즈니스 성과 및 ROI, 분석 과제의 실행 용이성
• 우선 순위와 함께 분석 과제의 적용 범위 및 방식을 설정해야 한다.
  • 업무 내재화 적용 수준 (분석 과제를 업무에 내재화할 것인지)
  • 분석 데이터 적용 수준 (분석 데이터를 내부의 데이터로 한정할 것인지, 외부의 데이터까지 포함할 것인지)
  • 기술 적용 수준
• 분석 과제의 우선 순위와 적용 범위 및 방식을 종합적으로 고려하여 최종적으로 분석 구현의 로드맵을 수립한다. 이러한 일련의 과정과 형식을 마스터플랜 수립 프레임워크라 부른다.

 

---

2. 수행 과제 도출 및 우선순위 평가

(1) 일반적인 IT 프로젝트 우선순위 평가 ★★

• 기업에서 고려하는 중요 가치 기준에 따라 다양한 관점에서의 우선 순위 기준을 수립하여 평가한다.
  • 전략적 중요도(전략적 필요성, 시급성), 실행 용이성(투자 용이성, 기술 용이성), 비즈니스 성과/ROI

 

(2) 빅데이터의 특징을 고려한 분석 ROI 요소 ★★

• 투자 비용 요소와 비즈니스 효과 요소가 있다.
• 빅데이터의 특징인 4V를 ROI 관점으로 살펴보면,
  • 비즈니스 효과(Return) 측면의 요소 : 가치(Value; 분석 결과 활용 및 실행을 통한 비즈니스 가치)
  • 투자 비용(Investment) 측면의 요소 : 크기(Volume; 데이터 크기/양), 다양성(Variety; 데이터 종류/유형), 속도(Velocity; 데이터 생성/처리 속도)

 

(3) ROI를 활용한 우선 순위 평가 기준 ★★

• 전략적 중요도에 따른 시급성 판단 → 비즈니스 효과 측면
  • 전략적 중요도(기여도) : 적정 시기 고려(현재 관점, 미래의 중장기적 관점 어디에 전략적 가치를 둘 것인지)
  • 분석 과제의 목표 가치(KPI)
• 난이도 : 적용 비용과 범위 측면에서 과제를 바로 적용하기 쉬운(Easy)지 어려운(Difficult)지 판단하는 기준 → 투자 비용 측면
  • 데이터 분석의 적합성 여부 (데이터 획득/저장/가공 비용, 분석 적용 비용, 분석 수준)

 

(4) 포트폴리오 사분면(Quadrant) 분석을 활용한 우선 순위 평가 기준 ★★

• 시급성과 난이도를 동시에 고려해 판단한다.
• 우선 추진해야 하는 분석 과제와, 단기적/중장기적으로 추진해야 하는 분석 과제 등 4가지 유형으로 구분해 순위를 결정한다.

• '시급성'이 평가 기준인 경우 : III → I → IV → II
• '난이도'가 평가 기준인 경우 : III → IV → I → II
• 한국데이터산업진흥원 / '시급성'이 평가 기준인 경우 : I을 생략한 III → IV → II
• 한국데이터산업진흥원 / '난이도'가 평가 기준인 경우 : IV를 생략한 III → I → II
  • 절대적인 기준이 될 수 없고 기업의 상황에 따라 탄력적으로 운용함

[ 기타 IT 용어 ]

• ISP(Information Strategic Planning; 정보 전략 계획) : 정보기술 및 정보시스템을 전략적으로 활용하기 위해 먼저 조직의 내외부 환경을 분석하고 문제점을 도출하며, 사용자의 요구를 분석하여 시스템 구축 우선순위를 결정하는 등의 중장기 마스터플랜을 수립하는 절차
  • 마스터플랜과 ISP는 전반적인 구조나 방법론이 매우 유사하여 차이점을 명확하게 구분하기 어려움. 마스터플랜은 하나의 정보시스템 구축 중심의 개념인 반면, ISP는 하나의 단일 정보시스템 구축을 위한 것이 아니라 조직 전체의 경영목표 전략을 효과적으로 지원하기 위한 정보화전략 및 비전을 정의하고 IT 사업과제 도출 및 로드맵을 수립하는 활동. 마스터플랜을 포괄하는 좀 더 넓은 개념
  • 기업의 환경분석에 관한 부분이 가장 큰 차이점. 마스터플랜은 조직의 경영 목표 전략을 분석하는 환경 분석 활동은 필요하지 않음
• SI(System Integration) : 시스템 구축의 약자. 전산시스템을 필요로 하는 곳으로부터 하청을 받아 시스템의 기획, 개발, 유지보수, 운영 등을 대신해주는 업종. 개인보다 기업이나 관공서가 주된 고객
  • 고객의 요청에 따라 제안서를 작성하고, PM과 개발자를 투입하여 프로젝트를 수행한 뒤, 소요된 인건비와 솔루션의 단가 등을 수임료로 벌어들이는 형태의 산업. 도급 시스템과 파견 업무를 그 특성으로 한다.
• SM(System Management) : 시스템 운영 또는 유지보수의 약자. 최근에는 SM과 ITSM을 구분하여 사용(Information Technology Service Management)

 

---

3. 이행 계획 수립

(1) 로드맵 수립 과정

1. 분석 과제에 대한 포트폴리오 사분면 분석을 통해 과제의 우선 순위를 결정
2. 분석 과제별 적용 범위 및 방식을 고려하여 최종 우선 순위 결정
3. 단계적 구현 로드맵 수립
4. 단계별로 추진하고자 하는 목표를 명확히 정의
5. 추진 과제별 선후행 관계를 고려하여 단계별 추진 내용 정렬

 

(2) 세부 이행계획 수립 ★

• 반복적인 모델링 과정을 통해 프로젝트의 완성도를 높이는 방식을 주로 사용한다.
• 모든 방식을 반복하는 것은 아니고, 모델링 단계를 반복적으로 수행하는 혼합형(Analytics)을 많이 적용한다.
  • 기존 구현 방식 : 설계 → 구현 → 테스트
  • Analytics 구현 방식 : 분석 데이터 수집/확보 → 분석 데이터 준비 → 모델링 및 평가(반복)

 

---

02. 분석 거버넌스 체계 수립

1. 거버넌스 체계 개요

(1) 분석 거버넌스 체계 개요

• 거버넌스(Governance) : '통치'라는 뜻으로, 기업에서 의사결정을 위한 데이터의 분석과 활용을 위한 체계적인 관리를 의미
  • 어떤 목적으로, 어떤 분석을 수행하고, 어떻게 데이터를 활용할 것인지 결정하고, 데이터 분석을 기업의 문화로 정착시키고, 데이터 분석 업무를 지속적으로 고도화하기 위해 데이터 관리 체계를 수립하는 것.

 

(2) 분석 거버넌스 체계 구성 요소 ★

• 조직(Organization) : 분석 기획 및 관리를 수행
• 과제 기획 및 운영 프로세스(Process)
• 분석 관련 시스템(System)
• 데이터(Data)
• 분석 관련 교육 및 마인드 육성 체계(Human Resource)

 

---

2. 데이터 분석 성숙도 모델 및 수준 진단

(1) 분석 수준 진단 프레임워크

최근 들어 데이터를 어떻게 활용하느냐가 기업의 경쟁력을 좌우하는 궁극적 요소로 자리 잡고 있다. 이에 따라 기업들은 데이터 분석의 도입 여부와 활용 여부에 대한 명확한 분석 수준을 점검할 필요가 있다.

• 분석 준비도, 분석 성숙도를 통하여 데이터 분석 수준을 진단하고 데이터 분석 기반을 구현하기 위해 무엇을 준비하고 보완해야 하는지 등 분석의 유형 및 분석의 방향성을 결정할 수 있다.

 

(2) 분석 준비도 ★★★

• 분석 준비도 : 기업의 데이터 분석 도입의 수준을 파악하기 위한 진단 방법
• [분석 업무, 분석 인력 및 조직, 분석 기법, 분석 데이터, 분석 문화, 분석 인프라] 6가지 영역을 대상으로 수준을 파악한다. 

분석 업무 파악	분석 인력 및 조직	분석 기법
- 발생한 사실 분석 업무 - 예측 분석 업무 - 시뮬레이션 분석 업무 - 최적화 분석 업무 - 분석 업무 정기적 개선	- 분석 전문가 직무 존재 - 분석 전문가 교육 훈련 프로그램 - 관리자 기본 분석 능력 - 전사총괄조직 - 경영진 분석 업무 이해	- 업무별 적합한 분석 기법 사용 - 분석 업무 도입 방법론 - 분석 기법 라이브러리 - 분석 기법 효과성 평가 - 분석 기법 정기적 개선

분석 데이터	분석 문화	IT 인프라
- 분석 업무를 위한 데이터 - 충분성/신뢰성/적시성 - 비구조적 데이터 관리 - 외부데이터 활용 체계 - 기준 데이터 관리(MDM)	- 사실에 근거한 의사결정 - 관리자의 데이터 중시 - 회의 등에서 데이터 활용 - 경영진 직관보다 데이터 활용 - 데이터 공유 및 협업 문화	- 운영 시스템 데이터 통합 - EAI, ETL 등 데이터 유통 체계 - 분석 전용 서버 및 스토리지 - 빅데이터/통계/비주얼 분석 환경

 

(3) 분석 성숙도 ★★

• 개발 업무 능력, 조직/프로세스 자체의 성숙도, 업무 프로세스 개선을 위한 조직 역량 등을 CMMI(Capability Maturity Model Integration) 모델을 활용하여 조직의 성숙도를 평가한다.
• 데이터 분석 성숙도를 비즈니스 부문, 조직 및 역량 부문, IT 부문의 3개 부문을 대상으로 수준을 나누어 볼 수 있다.

단계	내용	부문
		비즈니스 부문	조직/역량 부문	IT 부문
[1단계] 도입	분석 시작, 환경과 시스템 구축	- 실적 분석 및 통계 - 정기 보고 수행 - 운영 데이터 기반	- 일부 부서에서 수행 - 담당자 역량에 의존	- 데이터 웨어하우스 - 데이터 마트 - ETL/EAI - OLAP
[2단계] 활용	분석 결과를 업무에 적용	- 미래 결과 예측 - 시뮬레이션 - 운영 데이터 기반	- 전문담당부서 수행 - 분석 기법 도입 - 관리자가 분석 수행	- 실시간 대시보드 - 통계 분석 환경
[3단계] 확산	전사 차원에서 분석 관리, 공유	- 전사성과 실시간 분석 - 프로세스 혁신 3.0 - 분석규칙 관리 - 이벤트 관리	- 전사 모든 부서 수행 - 분석 COE 운영 - 데이터 사이언티스트 확보	- 빅데이터 관리 환경 - 시뮬레이션, 최적화 - 비주얼 분석 - 분석 전용 서버
[4단계] 최적화	분석을 진화시켜 혁신 및 성과 향상에 기여	- 외부 환경 분석 활용 - 최적화 업무 적용 - 실시간 분석 - 비즈니스 모델 진화	- 데이터 사이언스 그룹 - 경영진 분석 활용 - 전략 연계	- 분석 협업 환경 - 분석 SandBox - 프로세스 내재화 - 빅데이터 분석

 

(4) 분석 수준 진단 결과

• 분석 관점에서 4가지 유형으로 분석 수준 진단 결과를 구분해 향후 고려해야 하는 데이터 분석 수준에 대한 목표 방향을 정의하고, 유형별 특성에 따라 개선 방안을 수립한다. → 경쟁사의 분석 수준과 비교해 경쟁력 확보 및 강화를 위한 목표 수준 설정

[ 분석 준비도 및 성숙도 진단 결과를 4분면으로 구분 ] ★★★

'준-정-확-도'로 머리글자를 따서 암기

 

 

---

3. 분석 지원 인프라 방안 수립

(1) 플랫폼으로 인프라 구축

• 분석 과제 단위별로 별도의 분석 시스템을 구축하는 경우, 관리의 복잡도 및 비용의 증대라는 부작용이 나타난다.
• 마스터플랜을 기획하는 단계부터 장기적/안정적으로 활용할 수 있는 확장성을 고려한 플랫폼 구조를 도입하는 것이 적절하다.
  • 개별 시스템 : 시스템 간 자체적인 데이터 교환, 시스템별 독립적인 데이터 관리, 확장 시 시스템 간 인터페이스 폭증
  • 플랫폼 구조 : 플랫폼을 이용한 공동 기능 활용, 중앙집중적 데이터 관리, 시스템 간 인터페이스 최소화
    • 플랫폼 : 단순한 분석 응용 프로그램뿐 아니라 서비스를 위한 응용프로그램이 실행될 수 있는 기초를 이루는 컴퓨터 시스템. 일반적으로 하드웨어에 탑재되어 데이터 분석에 필요한 프로그래밍 환경과 실행 및 서비스 환경을 제공하는 역할을 수행한다.

 

---

4. 데이터 거버넌스 체계 수립

(1) 데이터 거버넌스 구성 요소

1) 개요

• 데이터 거버넌스 : 전사 차원의 모든 데이터에 대해 [정책 및 지침, 표준화, 운영 조직 및 책임 등]의 표준화된 관리 체계를 수립하고 운영을 위한 프레임워크 및 저장소를 구축하는 것
  • 한국데이터산업진흥원 ; 기업에서 보유하고 있는 데이터의 관리 정책, 지침, 표준, 전략 및 방향을 수립하고, 데이터를 관리할 수 있는 조직 및 서비스를 구축하는 정책과 프로세스 관점에서의 IT 관리 체계
• 주요 관리 대상 : 마스터 데이터, 메타데이터, 데이터 사전 등

2) 구성 요소

• 원칙(Principle) : 데이터를 유지 관리하기 위한 지침과 가이드 ex) 보안 & 품질 기준, 변경 관리
• 조직(Organization) : 데이터를 관리할 조직의 역할과 책임 ex) 데이터 관리자, DB 관리자, 데이터 아키텍트
• 프로세스(Process) : 데이터 관리를 위한 활동과 체계 ex) 작업 절차, 모니터링 활동, 측정 활동

 

(2) 데이터 거버넌스 체계

1) 데이터 표준화

• 데이터 표준 용어 설정 : 관용화된 용어를 사용하여 사용자 간 의사소통을 명확히 하도록 한다.
  • 표준 단어 사전, 표준 도메인 사전, 표준 코드 등으로 구성. 사전 간 상호 검증이 가능하게 점검 프로세스를 포함해야 함
  • '직원급여'라고 표현할 경우 1년인지, 1달에 대한 급여인지 애매함 → '직원 월급'이라는 표현을 사용하기로 결정
• 명명 규칙(Name Rule) 수립 : 직원 월급을 컴퓨터상 영어로 표현한다면 어떻게 표현할 것인가?
  • EmployeeSalary? EmpSal? → 메모리 공간을 작게 차지하도록 EmpSal을 사용하기로 결정
  • 카멜 표기법 : commentWriterId / 팟홀 표기법 : comment_writer_id
• 데이터 사전 구축 : 관리될 모든 데이터에 대한 명명 규칙 수립의 연장된 작업이다.
  • 직원 번호 : EmpNumber / 직원 주민등록번호 : EmpSSN / 직원 월급 : EmpSal
• 메타데이터(Metadata) 구축

2) 데이터 관리 체계

• 데이터 정합성, 활용의 효용성을 위해 → 표준 데이터, 메타데이터, 데이터 사전의 관리 원칙을 수립한다.
  • 수립된 원칙에 근거하여 항목별 상세 프로세스를 만들고,
    관리와 운영을 위한 담당자 및 조직별 역할과 책임을 상세하게 준비한다.
• 빅데이터의 경우, 데이터 양의 급증으로 데이터 생명 주기 관리 방안(Data Life Cycle Management)을 수립하지 않으면 데이터 가용성 및 관리 비용 증대 문제에 직면할 수도 있다.
  • 데이터 생명 주기 관리 방안 : 데이터는 시간이 지날수록 가치가 감소하는 것이 일반적이기 때문에, 오래된 데이터를 보관할 경우 관리 비용이 데이터의 가치보다 더 클 수 있다. 따라서 생명주기를 정해 주기가 만료된 데이터는 폐기하도록 한다.

3) 데이터 저장소 관리(Repository)

• 메타데이터 및 표준 데이터를 관리하기 위한 전사 차원의 저장소를 구성한다.
  1. 저장소는 데이터 관리 체계 지원을 위한 워크플로 및 관리용 응용 소프트웨어를 지원해야 한다.
  2. 저장소는 관리 대상 시스템과의 인터페이스를 통한 통제가 이루어져야 한다.
  3. 데이터 구조 변경에 따른 사전 영향 평가도 수행되어야 효율적인 활용이 가능하다.

4) 표준화 활동

• 데이터 거버넌스 체계를 구축한 후 표준 준수 여부를 주기적으로 점검하고 모니터링을 실시한다.
• 거버넌스의 조직 내 안정적인 정착을 위한 지속적인 변화 관리 및 주기적인 교육을 진행한다.
• 지속적인 데이터 표준화 개선 활동을 통해 실용성을 높여야 한다.

 

---

5. 데이터 조직 및 인력방안 수립

(1) 데이터 분석 조직 및 인력방안 개요

1) 데이터 분석 조직 ★

• 기업 내에 존재하는 빅데이터 속에서 가치를 찾아 전파하고 행동화하는 역할을 한다.
  • 목표 : 기업의 경쟁력 확보를 위하여 비즈니스 질문과 이에 부합하는 가치를 찾고 비즈니스를 최적화하는 것
  • 역할 : 전사/부서의 분석 업무를 발굴하고 전문적 기법과 분석 도구를 활용하여 기업 내 존재하는 빅데이터 속에서 인사이트를 찾아 전파하고 이를 행동화하는 것
  • 구성 : 기초 통계학/분석 방법에 대한 지식과 분석 경험을 보유하고 있는 인력으로 전사/부서 내 조직으로 구성하여 운영

 

(2) 데이터 분석 조직 유형 ★★★

1) 집중형 조직 구조

• 조직 내에 별도의 독립적인 분석 전담 조직을 구성, 모든 분석 업무를 전담 조직에서 담당
  • 분석 전담 조직 내부에서 전사 분석 과제의 전략적인 중요도에 따라 우선순위를 정해 추진할 수 있다.
  • 단점 : 일부 현업 부서와 분석 업무가 중복 또는 이원화될 가능성이 있다.

2) 기능 중심의 조직 구조

• 일반적으로 분석을 수행하는 형태. 별도로 분석 조직을 구성하지 않고 각 해당 업무 부서에서 직접 분석
  • 단점 : 전사적 관점에서 핵심 분석이 어려움. 특정 업무 부서에 국한된 분석을 수행할 가능성이 높음. 일부 중복된 분석 업무를 수행할 수 있음.

3) 분산형 조직 구조

• 분석 조직의 인력을 현업 부서에 배치해 분석 업무를 수행하는 형태
  • 장점 : 전사 차원에서 분석 과제의 우선 순위를 선정해 수행이 가능. 분석 결과를 신속하게 실무에 적용 가능

분석 조직 = DSCoE(Data Science Center of Excellence)

 

---

6. 분석 과제 관리 프로세스 수립

(1) 분석 과제 관리 프로세스 수립 개요

• 마스터플랜 수립, 과제 수행이 완료되었다면 지속적인 분석 니즈 및 기회가 분석 과제 형태로 도출될 수 있다.
  → 도출된 분석 과제들을 체계적으로 관리하기 위한 프로세스가 요구된다. 체계적인 분석 과제 관리 프로세스를 수행함으로써 기업 내 분석 문화를 내재화할 수 있다.

 

(2) 분석 과제 관리 프로세스

• 과제 발굴 : 개별 조직/개인이 과제를 발굴하고 이를 과제화하여 POOL(사용 가능한 데이터의 집합)로 관리하고 과제를 선정
• 과제 수행 : 선정된 과제에 대해 팀을 구성하고 분석 과제를 수행하면서 지속적인 모니터링, 결과를 공유 및 개선
  • ★ (과제 발굴) 분석 아이디어 발굴 → 분석 과제 후보 제안 → 분석 과제 확정 → (과제 수행) 팀 구성 → 분석 과제 실행 → 분석 과제 진행 관리 → 결과 공유/개선

 

---

7. 분석 교육 및 변화관리

(1) 분석 교육 및 변화관리의 개요

• 분석 교육 : 빅데이터의 등장으로 인한 비즈니스의 변화에 대응하기 위해 적합한 분석 업무를 도출하고, 가치를 높여줄 수 있도록 분석 조직 및 인력에 대한 지속적인 교육과 훈련을 실시해야 한다.
• 변화관리 : 사실 기반의 의사결정을 할 수 있는 문화를 정착시키려는 변화관리를 지속적으로 계획하고 수행해야 한다.

 

(2) 분석 도입에 대한 문화적 대응 ★

• 과거에는 분석 업무를 기업의 분석가가 담당하였지만, 현재는 모든 구성원이 데이터를 분석하고 업무에 즉시 활용할 수 있도록 분석 문화를 정착시키려는 움직임이 있다.
• 새로운 체계를 도입할 때 도입 이전의 과거로 돌아가려는 관성이 존재하여 분석과 관련된 변화관리가 필요하다.

준비기	도입기	안정 추진기
[A] 분석 중심 문화가 미도입된 현재의 상태 / 막연한 불안감 존재	[B] 기존의 행태로 되돌아가려는 경향 [C] 성공 시 강한 탄성에 의한 변화 가속화	[D] 분석 활용이 일상화된 균형 상태

 

(3) 분석 교육

• 단순한 툴(R, Python, SAS 등) 교육이 아닌 분석 역량 확보 및 강화에 초점을 맞추어 진행해야 한다.
• 조직 구성원 모두에게 분석 기반의 업무를 정착시킬 수 있어야 한다.
  • 분석 기획자 : 데이터 분석 큐레이션 교육
  • 분석 실무자 : 데이터 분석 기법 및 도구에 대한 교육
  • 업무 수행자 : 분석 기회 발굴 및 시나리오 작성법 등의 교육