1절 마스터 플랜 수립 프레임 워크
1-1. 분석 마스터 플랜 수립 프레임워크
분석 마스터플랜은 분석 대상이 되는 과제를 도출하고, 우선순위를 계산하여 세부 이행 계획을 수립하는 로드맵을 작성하는 것을 의미한다. 또한 분석 로드맵상의 과제가 잘 수행되기 위하여 분석 거버넌스의 체계를 수립하는 것을 의미한다.
수행 과제 도출 및 우선순위 평가
1. 우선 순위 평가 방법 및 절차
- 정의된 데이터 과제에 대한 실행순서를 정하는 것이며 우선순위 평가 기준에 따라 평가하여 적용 순위를 조정해 최종확정한다.
2. 일반적인 IT프로젝트의 우선순위 평가 예시
- 우선순위 평가를 위해 전략적 중요도, 실행 용이성 등 기업에서 고려하는 중요 가치 기준에 따라 우선순위 기준을 수립하여 평가한다.
3. ROI 관점에서 빅데이터의 핵심 특징
- 투자비용 요소
- 크기(Volume) : 데이터의 규모 및 양
- 다양성(Variety) : 다양한 종류의 형태를 가진 데이터
- 속도(Velocity) : 데이터 생성 속도 및 처리속도를 빠르게 가공/분석하는 기술
- 비즈니스 효과 요소
- 가치(Value) : 기업데이터 분석을 통해 추구하거나 달서하고자 하는 목표 가치
4. 데이터 분석과제 추진시 고려해야 하는 우선순위 평가 기준
- 시급성 : 전략적 중요도를 판단기준으로 삼으며 현재 중요한지 미래에 중요한지로 판단을 한다. 따라서, 현재 전략적 중요도가 중요한 것이 미래보다 우선시 된다.
- 난이도 : 현 시점에서 과제를 수행하는 경우 비용과 범위 측면을 고려했을 때, 적용이 쉬운지 어려운지 판단한다. 쉬운 것을 우선시 수행한다.
5. 포트폴리오 사분면 분석을 통한 과제 우선순위 선정
- 가장 우선적으로 분석 과제 적용이 필요한 영역은 Ⅲ영역
- 분석 과제의 적용 우선순위 '시급성' 기준 : Ⅲ -> Ⅳ -> Ⅱ (반시계 방향)
- 분석 과제의 적용 우선순위 '난이도' 기준 : Ⅲ -> Ⅰ -> Ⅱ (시계 방향)
이행 계획 수립
1. 로드맵 수립
- 분석 과제에 대한 포트폴리오 사분면 분석을 통해 1차적 우선순위를 결정
- 분석 과제별 적용범위 및 방식을 고려하여 최종 실행 우선순위를 결정 후 단계적 구현 로드맵 수힙
- 단계별로 추진하고자 하는 목표 정의
- 추진 과제별 선/후행 관계를 고려하여 단계별 추진 내용을 정렬
2. 세부 이행계획 수립
- 데이터 분석체계는 고전적인 폭포수 방식도 있으나 반복적인 정련과정을 통하여 프로젝트의 완성도를 높이는 방식을 주로 사용한다.
- 반복적인 분석 체계는 모든 단계를 반복하는 것이 아닌 데이터 수집 및 확보와 분석 데이터를 준비하는 단계를 순차적으로 진행하고 모델링 단계는 반복적으로 수행하는 혼합형을 많이 적용하며, 이러한 특성을 고려하여 일정계획도 수립
2절 분석 거버넌스 체계 수립
2-1. 거버넌스 체계
데이터가 강조될수록 데이터 분석과 활용에 대한 체계적인 관리의 중요성 또한 올라가며 이는 단순히 대용량 데이터를 수집·축적하는 것보다는 어떤 목적으로 어떤 데이터를 어떻게 분석해 활용할 것인가가 더욱 중요하기 때문이다.
분석의 지속적인 개발과 확산·서비스 관리를 위한 분석 거버넌스 체계는 기업의 현 분석수준을 정확히 진단하고, 분석 조직 및 분석 전문인력 배치, 분석관련 프로세스 및 분석 교육 등의 관점에서 정의할 수 있다.
거버넌스 체계 구성요소
- 분석 기획 및 관리를 수행하는 조직
- 과제 기획 및 운영 프로세스
- 분석 관련 시스템
- 데이터 관련 교육 및 마인드 육성 체계
2-2. 데이터 분석 수준 진단
데이터 분석의 도입 여부와 활용에 명확한 분석 수준을 점검할 필요가 있어 데이터 분석 수준 진단을 통해 무엇을 준비하고 보완해야 하는지 등 분석의 유형 및 분석의 방향성을 결정할 수 있다.
데이터 분석 수준 진단을 위한 분석 준비도와 분석 성숙도가 있다.
수준 진단의 목표는 기업의 현재 분석 수준을 명확히 이해하고, 결과를 토대로 미래의 목표수준을 정의한다.
분석 준비도
- 목표: 기업의 데이터 분석 도입 수준을 파악하기 위한 진단방법
- 구성: 분석업무, 인력 및 조직, 분석 기법, 분석 데이터, 분석 문화, IT 인프라 등 총 6가지 영역을 대상으로 현 수준을 파악한다.
- 진단과정: 진단 영역별로 세부 항목에 대한 수준을 파악하고, 진단 결과 전체 요건 중 일정 수준 이상 충족하면 분석 업무를 도입하고, 충족하지 못하면 먼저 분석 환경을 조성한다.
분석 성숙도 모델
- 조직의 성숙도 평가 도구 : CMMI 모델
- 성숙도 수준 분류 : 도입, 활용, 확산, 최적화 단계
- 분석 성숙도 진단 분류 : 비즈니스, 조직, 역량, IT부문
| 단계 | 도입단계 | 활용단계 | 확산단계 | 최적화단계 |
| 설명 | 분석 시작 및 환경과 시스템을 구축 | 분석 결과를 실제 업무에 적용 | 전사 차원에서 분석을 관리하고 공유 | 분석을 진화시켜서 혁신 및 성과 향상에 기여 |
| 비즈니스 부문 |
실적분석 및 통계 정기보고 수행 운영 데이터 기반 | 미래 결과 예측 시뮬레이션 운영 데이터 기반 | 전사 성과 실시간 분석 프로세스 혁신 3.0 분석규칙 관리 이벤트 관리 | 외부 환경분석 활용 최적화 업무 적용 실시간 분석 비즈니스 모델 진화 |
| 조직·역량 부문 |
일부 부서에서 수행 담당자 역량에 의존 | 전문 담당부서에서 수행 분석기법 도입 관리자가 분석 수행 | 전사 모든 부서 수행 분석 COE 조직 운영 데이터 사이언티스트 확보 | 데이터 사이언스그룹 경영진 분석 활용 전략 연계 |
| IT 부문 | 데이터 웨어하우스 데이터 마트 ETL/EAI OLAP |
실시간 대시보드 통계분석 환경 |
빅데이터 관리 환경 시뮬레이션·최적화 비주얼 분석 분석 전용 서버 |
분석 협업환경 분석 Sandbox 프로세스 내재화 빅데이터 분석 |
분석 수준 진단 결과
기업의 현재 분석 수준을 객관적으로 파악하고 경쟁사의 분석 수준과 비교하여 경쟁력 확보 및 강화를 위한 목표 수준 설정이 가능하다.
분석 관점에서의 사분면 분석
- 분석 수준 진단결과를 구분
- 데이터 분석 수준에 대한 목표 방향을 정의
- 유형별 특성에 따른 개선방안 수립
2-3. 분석 지원 인프라 방안 수립
별도의 분석시스템을 구축하는 경우, 관리의 복잡도와 비용의 증대로 부작용이 나타나게 되어 분석 마스터 플랜을 기획하는 단계에서 장기적이고 안정적으로 활용할 수 있는 확장성을 고려한 플랫폼 구조를 도입하는 것이 적절하다.
플랫폼 구조
- 단순한 분석 응용 프로그램이 아닌 분석 서비스를 위한 응용프로그램이 실행될 수 있는 기초를 이루는 컴퓨터 시스템을 의미한다.
- 일반적으로 하드웨어에 탑재되어 데이터 분석에 필요한 프로그래밍 환경과 실행 및 서비스 환경을 제공하는 역할을 수행한다.
2-4. 데이터 거버넌스 체계 수립
전사 차원의 모든 데이터에 대하여 정책 및 지침, 표준화, 운영조직 및 책임 등의 표준화된 관리체계를 수립하고 운영을 위한 프레임워크 및 저장소 구축을 의미한다.
마스터 데이터, 메타 데이터, 데이터 사전은 데이터 거버넌스의 중요한 관리 대상이며 기업은 데이터 거버넌스 체계를 구축함으로써 데이터의 가용성, 유용성, 통합성, 보안성, 안정성을 확보할 수 있다.
데이터 거버넌스 구성요소
1. 원칙 : 데이터를 유지, 관리하기 위한 지김과 가이드
2. 조직 : 데이터를 관리할 조직의 역할과 책임
3. 프로세스 : 데이터 관리를 위한 활동과 체계
데이터 거버넌스 체계
데이터 표준화
- 데이터 표준 용어 설정, 명명 규칙 수립, 메타 데이터 구축, 데이터 사전 구축 등의 업무로 구성
- 데이터 표준 용어는 단어사전, 도메인사전, 표준 코드 등으로 구성되며 명명 규칙은 언어별로 작성되어 매핑 상태를 유지해야 함
데이터 관리 체계
- 데이터 정합성 및 활용의 효율성을 위하여 표준 데이터를 포함한 메타 데이터와 데이터 사전의 관리 원칙을 수립
- 수립된 원칙에 근거하여 상세한 프로세스를 만들고 관리와 운영을 위한 담당자 및 조직별 역할과 책임을 상세하게 준비
데이터 저장소 관리
- 데이터 관리를 위한 전사 차원의 저장소를 구성하며 워크플로우 및 관리용 응용 소프트웨어를 지원하고 관리 대상 시스템과의 인터페이스를 통한 통제가 이루어져야한다.
표준화 활동
- 데이터 거버넌스 체계를 구축한 후 표준 준수 여부를 주기적으로 점검하고 모니터링한다.
- 조직 내 안정적 정착을 위한 계속적인 변화 관리 및 주기적인 교육을 진행
- 표준화 개선활동을 통해 실용성을 높여야 한다.
2-5. 데이터 조직 및 인력방안 수립
데이터 분석 조직은 기업의 경쟁력을 확보하기 위해 데이터 분석의 가치를 발견하고, 이를 활용해 비즈니스를 최적화하는 목표를 갖고 구성돼야 한다. 이를 위해 기업이 업무 전반에 걸쳐 다양한 분석 과제를 발굴·정의하고, 데이터 분석을 통해 의미 있는 인사이트를 찾아 실행하는 역할을 수행할 수 있어야 한다.
분석 조직의 인력 구성
전문역량을 갖춘 각 분야의 인재들을 모아 조직을 구성하여 분석 조직의 경쟁력을 극대화 할 수 있다.
2-6. 분석 과제 관리 프로세스 수립
분석 조직이 수행할 주요한 역할 중의 하나가 분석 과제의 기획 및 운영이므로 이를 체계적으로 관리하기 위한 프로세스를 수립해야한다.
과제 관리 프로세스
1. 과제 발굴
- 개별 조직이나 개인이 도축한 분석 아이디어를 발굴하고 이를 과제하하여 분석 프로젝트를 선정하는 작업을 수행
2. 과제 수행
- 분석을 위한 팀을 구성하고 과제 실행 시 지속적인 모티너링과 과제 결과를 공유하고 개선하는 절차를 수행한다.
2-7. 분석 교육 및 변화 관리
빅데이터의 등장은 여러 비즈니스 영역에서 변화를 가져왔다. 이러한 변화에 더 적극적으로 대응하기 위해서는 기업에 맞는 적합한 분석 업무를 도출하고, 가치를 높여줄 수 있도록 분석 조직 및 인력에 대한 지속적인 교육과 훈련을 실시해야 한다.
분석 교육의 목표는 단순한 교육이 아닌 분석역량을 확보하고 강화하는 것에 초점을 맞추어 진행돼야 한다. 분석 기획자에 대한 데이터 분석 큐레이션 교육, 분석 실무자에 대한 데이터 분석 기법 및 틀에 대한 교육, 업무 수행자에 대한 분석기회 발굴, 구체화, 시나리오 작성법 등 분석적인 사고를 업무에 적용할 수 있도록 다양한 교육을 통해 조직 구성원 모두에게 분석기반의 업무를 정착시킬 수 있어야하며 이를 통해 데이터를 바라보는 관점, 데이터 분석과 활용 등이 기업 문화로 자연스럽게 스며들게 확대돼야 한다.
'자격증 > ADSP' 카테고리의 다른 글
| [Adsp] 2-1장 데이터 분석 기획의 이해 (0) | 2023.01.30 |
|---|---|
| [Adsp] 1-3장 가치 창조를 위한 데이터 사이언스와 전략 인사이트 (0) | 2023.01.30 |
| [Adsp] 1-2장 데이터의 가치와 미래 (0) | 2023.01.30 |
| [Adsp] 1-1장 데이터의 이해 (0) | 2023.01.30 |
| ADsP란? (0) | 2023.01.30 |