[데이터분석 전문가/준전문가] 과목 3 - 2 장 - 분석 마스터 플랜

개인적으로 한국데이터산업진흥원에서 출판한 데이터 분석 전문가 가이드를 읽으면서 정리한 내용입니다

---

제 1 절 마스터 플랜 수립

---

1. 분석 마스터 플랜 수립 프레임워크

- 분석 과제를 대상으로 전략적 중요도, 비지니스 성과 및 ROI, 분석 과제의 실행 용이성 등 다양한 기준을 고려해 적용할 우선 순위를 설정 
- 분석을 업무에 내제화할 것인지, 별도의 분석화면으로 적용할 것인지, 분석 데이터를 내부 데이터로 한정할 것인지, 외부데이터까지 포함할 것인지, 분석 기술은 어느 기술 요소까지 적용할 것인지 등 분석 적용 범위 및 방식에 대해서도 종합적으로 고려하여 데이터 분석을 실행하기 위한 로드맵을 수립

- 기업 및 공공기관에서는 시스템의 중장기 로드맵을 정의하기 위해 정보전략계획인 ISP를 수행 
: 정보기술 또는 정보 시스템을 전략적으로 활용하기 위해 조직 내/외부 환경을 분석하거나 기회나 문제점을 보출하고 사용자의 요구사항을 분석하여 시스템 구축 우선 순위를 결정하는 등 중장기 마스터 플랜을 수립하는 절차

2. 수행 과제 도출 및 우선 평가

• 정의된 데이터 과제에 대한 실행순서를 정하는 것
• 업무 영역별로 도출된 분석 과제를 우선 순위 평가 기준에 따라 평가하고 과제 수행의 순/후행 관계를 고려하여 적용 순위를 조정

• 빅데이터의 특징을 고려한 분석 ROI 요소 

Volume	• 데이터 규모/양	투자비용 요소 (Investiment)
Variety	• 데이터 종류/유형
Velocity	• 데이터 생성속도/처리속도
Value	• 분석 결과 활용 및 실행을 통한 비지니스 가치   • 기존의 3V에 더하여, 빅데이터의 비정형데이터와 정형데이터가 결합하여 새로운 가치(value)를 창출한다는 점에서 빅데이터를 4V로 정의함	비지니스 효과 (Return)

※ 기존의 빅데이터의 3V: Volume, Variety, Velocity 

• 분석 우선 순위 평가 기준 

분석 과제 우선 순위 평가 기준	설명
시급성	• 시급성의 판단 기준: 전략적 중요도 - 현재의 관점에 전략적 가치를 둘 것인가? 미래의 중/장기적인 관점에 전략적 가치를 둘 것인가? • 목표가치 (KPI) • 빅데이터의 비지니스 효과 (return)와 관련이 있음
난이도	• 현 시점에서 과제를 추진하는 것이 비용 측면과 범위 측면에서 바로 적용할 수 있는지의 여부  - 데이터 획득/저장/가공 - 분석 적용 비용 - 분석 수준

• 분석 과제 우선순위 선정 매트릭스 (포트폴리오 사분면)

	시급성 현재	시급성 미래
난이도 어려움	• 1 사분면 영역  • 전략적 중요도가 높아 경영에 미치는 영향이 크므로 현재 시급하게 추진이 필요함 • 난이도가 높아 현재 수준에서 과제를 바로 적용하기는 어려움	• 2 사분면 영역 • 현재 시점에서는 전략적 중요도가 높지 않지만 중장기적 관점에서는 반드시 추진되어야 함  • 분석과제를 바로 적용하기에는 난이도가 높음
난이도 쉬움	• 3 사분면 영역 • 전략적 중요도가 높아 현재 시점에 전략적 가치를 두고 있음  • 과제의 추진의 난이도가 어렵지 않아 우선적으로 바로 적용 가능할 필요성 있음	• 4 사분면 영역 • 전략적 중요도가 높지 않아 중장기적 관점에서 과제 추진이 바람직함 • 과제를 바로 적용하는 것은 어렵지 않음

※ 시급성에 우선순위를 둔다면: 3 → 4 → 2 영역 순서 
※ 시급성에 난이도에 둔다면: 3 → 1 → 2 영역 순서 

• 분석 과제 우선 순위 조정
- 시급성과 난이도가 높은 1사분면은 경영진 또는 실무 담당자의 의사결정에 따라 적용 우선 순위를 조정
- 기술적 요소에 따라서도 적용 우선순위를 조정할 수 있음 
- 분석 범위에 따라서도 적용 우선순위를 조정할 수 있음 

3. 이행 계획 수립 

■ 로드맵 수립
분석 과제에 대한 포트폴리오 사분면 분석을 통해 결정된 과제의 우선순위를 토대로 분석 과제별 적용 범위 및 방식을 고려하여 최종적인 실행 우선순위를 결정한 후, 단계적 구현 로드맵을 수립한다. 단계별로 추진하고자 하는 목표를 명확히 정의하고 추진 과제별 선/후행 관계를 고려하여 단계별 추진 내용을 정렬한다. 

■ 세부 이행 계획 수립
반복적인 정련과정을 통해서 프로젝트의 완성도를 높이는 방식이 주로 사용된다. 이러한 반복적인 분석 체계는 모든 단계를 반복하기 보다는 데이터 수집 및 확보와 분석 데이터를 준비하는 단계를 순차적으로 진행하고 모델링 단계는 반복적으로 수행하는 혼합형을 많이 적용하며, 이러한 특성을 고려하여 세부적인 일정계획도 수립해야 한다. 

 

---

제 2 절 분석 거버넌스 체계 수립

---

1. 거버넌스 체계 개요

• 조직 내 분석 관리 체계를 수립해야하는 이유: 데이터 분석을 기업의 문화로 정착하고 데이터 분석 업무를 지속적으로 고도화하기 위함
• 마스터 플랜 수립 시점에서 데이터 분석의 지속적인 적용과 확산을 위한 거버넌스 체계 
   1) 분석 기획 및 관리를 수행하는 조직 (Organization)
   2) 과제 기획 및 운영 프로세스 (Process)
   3) 분석 관련 시스템 (system) 
   4) 데이터 (Data)
   5) 분석 관련 교육 및 마인드 육성 체계 (Human Resource) 

2. 데이터 분석 성숙도 모델 및 수준진단 

• 데이터 분석 수준 진단은 6개 영역에서의 분석 준비도와 3개 영역에서의 분석 성숙도를 함께 평가함으로써 수행될 수 있음
• 분석을 위한 준비도 및 성숙도를 진단하는 궁극적인 목표
: 각 기업이 수행하는 현재의 분석 수준을 명확하게 이해하고, 수준진단 결과를 토대로 미래의 목표수준을 정의하는 것

1) 분석 준비도 

준비도	분석 업무 파악	인력 및 조직	분석 기법
설명	• 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 • 관리자들의 기본적 분석 능력 • 전사 분석업무 총괄 조직 존재 • 경영진 분석 업무 이해 능력	• 업무별 적합한 분석 기법 사용 • 분석 업무 도입 방법론  • 분석 기법 라이브러리 • 분석 기법 효과성 평가 • 분석 기법 정기적 개선
준비도	분석 데이터	분석 문화	IT 인프라
설명	• 분석 업무를 위한 데이터 충분성 • 분석 업무를 위한 데이타 신뢰성 • 분석 업무를 위한 데이터 적시성  • 비구조적 데이터 관리 • 외부 데이터 활용 체계 • 기준 데이터 관리 (MDM)	• 사실에 근거한 의사결정 • 관리자의 데이터 중시 • 회의 등에서 데이터 활용 • 경영진의 직관보다는 데이터  • 데이터 공유 및 협업 문화	• 운영 시스템 데이터 통합  • EAI,ETL 등 데이터 유통 체계  • 분석 전용 서버 및 스토리지 • 빅데이터 분석 환경  • 통계 분석 환경 • 비쥬얼 분석 환경

 

2) 분석 성숙도 모델

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 성과 향상에 기여
비지니스 부분	• 실적 분석 및 통계 • 정기 보고 수행 • 운영 데이터 기반	• 미래 결과 예측 • 시뮬레이션 • 운영데이터 기반	• 전사 성과 실시간 분석 • 프로세스 혁신 3.0 • 분석 규칙 관리 • 이벤트 관리	• 외부 환경분석 활용 • 최적화 업무 적용 • 실시간 분석  • 비지니스 모델 진화
조직/역량 부분	• 일부 부서에서 수행 • 담당자 역량에 의존	• 전문 담당부서에서 수행 • 분석 기법 도입 • 관리자가 분석 수행	• 전사 모든 부서 수행 • 분석 COE 조직 운영 • 데이터 사이언티스트 확보	• 데이터 사이언스 그룹  • 경영진 분석 활용 • 전략 연계
IT 부분	• 데이터 웨어하우스 • 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

 

3) 분석 수준 진단 결과
• 기업의 분석 준비도와 성숙도 진단 결과를 토대로 기업의 현재 분석 수준을 객관적으로 파악할 수 있음 
• 4가지 유형의 분석 수준진단 결과

	준비도 낮음	준비도 높음
성숙도 높음	• 정착형  준비도는 낮으나 조직, 인력, 분석 업무, 분석 기법 등을 기업 내부에서 제한적으로 사용하고 있어 1차적으로 정착이 필요한 기업	• 확산형 기업에 필요한 6가지 분석 구성요소를 갖추고 있고, 현재 부분적으로 도입되어 지속적인 확산이 필요한 기업
성숙도 낮음	• 준비형 기업에 필요한 데이터, 인력, 조직, 분석 업무, 분석 기법 등이 적용되어 있지 않아 사전 준비가 필요한 기업	• 도입형 기업에서 활용하는 분석 업무, 기법 등은 부족하지만, 적용 조직 등 준비도가 높아 바로 도입할 수 있는 기업

 

3. 분석 지원 인프라 방안 수립 

분석 과제 단위 별로 별도의 분석 시스템을 구축하는 경우, 관리의 복잡도 및 비용의 증대라는 부작용이 나타난다. 따라서 분석 마스터 플랜을 기획하는 단계에서부터 장기적이고 안정적으로 활용할 수 있는 확장성을 고려한 플랫폼 구조의 도입이 적절하다.

4. 데이터 거버넌스 체계 수립 

데이터 거버넌스란 전사 차원의 모든 데이터에 대하여 정책 및 지침, 표준화, 운영 조직 및 책임 등의 표준화된 관리 체계를 수립하고 운영을 위한 프레임워크 및 저장소를 구축하는 것을 의미한다. 특히, 마스터 데이터 (Master Data), 메타 데이터 (Meta Data), 데이터 사전 (Data Dictionary)은 데이터 거버넌스의 중요한 관리 대상이다. 

• 데이터 거버넌스로부터의 이점: 데이터의 가용성, 유통성, 통합성, 보안성, 안전성을 확보할 수 있음 
• 빅데이터 거버넌스: 데이터 거버넌스의 체계 + 빅데이터의 효율적인 관리 + 다양한 데이터의 관리체계 + 데이터 최적화 + 정보 보호 + 데이터 생명주기 관리 + 데이터 카테고리별 관리 책임자 지정

• 데이터 거버넌스의 구성 요소: 원칙(Principle), 조직 (Organization), 프로세스 (Process)

구성 요소	설명
원칙	• 데이터를 유지 관리하기 위한 지침과 가이드 • 보안, 품질 기준, 변경 관리
조직	• 데이터를 관리할 조직의 역활 및 책임 • 데이터 관리자, 데이터 베이스 관리자, 데이터 아키텍트
프로세스	• 데이터 관리를 위한 활동과 체계  • 작업 절차, 모니터링 활동, 측정 활동

• 데이터 거버넌스 체계 

데이터 거버넌스 체계	설명
데이터 표준화	• 데이터 표준 용어 설정, 명명 규칙 설정, 메타 데이터 구축, 데이터 사전 구축  • 메타 데이터와 데이터 사전: 데이터 구조 체계를 형성하는것으로써 데이터 활용을 원활하게 하기 위한 데이터 구조 체계나 메타 엔터티 관계 다이어그램을 제공
데이터 관리 체계	• 표준 데이터를 포함한 메타 데이터와 데이터 사전의 관리 원칙을 수립 • 수립된 원칙에 근거, 프로세스, 관리와 운영을 위한 담당자 및 조직별 역활을 준비
데이터 저장소 관리	• 메타 데이터 및 표준 데이터를 관리하기 위한 전사 차원의 저장소를 구성
표준화 활동	• 데이터 거버넌스 체계를 구축한 후 표준 준수 여부를 주기적으로 점검 및 모니터링 실시  • 거버넌스 정착을 위한 지속적인 교육활동 실시

5. 데이터 조직 및 인력 방안 수립

• 분석 조직의 목표와 역확, 조직 구성 

	설명
목표	• 기업의 경쟁력 확보를 위해서 비지니스 질문과 이에 부합하는 가치를 찾고 비지니스를 최적화하는 것
역활	• 전사 및 부서의 분석 업무를 발굴하고 전문적 기법과 분석 도구를 활용하여 기업 내 존재하는 빅데이터 속에서 Insight를 찾아 전파하고 이를 Action화하는 것
구성	• 기초 동계학 및 분석 방법에 대한 지식과 분석 경험을 가지고 있는 인력으로 전사 또는 부서 내 조직으로 구성하여 운영

• 분석 조직 및 인력 구성 시 고려할 사항 

구분	주요 고려 사항
조직 구조	• 비지니스 질문을 선제적으로 찾아낼 수 있는 구조인가? • 분석 전담 조직과 타 부서간 유기적인 협조와 지원이 원활한 구조인가? • 효율적인 분석 업무를 수행하기 위한 분석 조직의 내부 조직 구조는? • 전사 및 단위 부서가 필요 시 접촉하며 지원할 수 있는 구조인가? • 어떤 형태의 조직(중앙집중형, 분산형)으로 구성하는 것이 효율적인가?
인력 구성	• 비지니스 및 IT 전문가의 조합으로 구성되어야 하는가? • 어떤 경험과 어떤 스킬을 갖춘 사람으로 구성해야 하는가? • 통계적 기법 및 분석 모델링 전문 인력을 별도로 구성해야 하는가? • 전사 비지니스를 커버하는 인력이 없다. 그렇다면? • 전사 분석 업무에 대한 적합한 인력 규모는 어느정도인가?

• 데이터 분석을 위한 조직 구조: 3가지 유형의 조직 구조 

	집중형 조직 구조	기능형 조직 구조	분산형 조직 구조
설명	• 전사 분석 업무를 별도의 분석 전담조직에서 담당 • 전력적 중요도에 따라 분석 조직이 우선순위를 정해서 진행 가능  • 현업 업무 부서의 분석 업무와 이중화/이원화 가능성 높음	• 일반적인 분석 수행 구조  • 별도 분석 조직이 없고 해당 업무부서에서 분석 수행 • 전사적 핵심 분석이 어려우며 부서 현황 및 실적 통계 등 과거 실적에 국한된 분석 수행 가능성 높음	• 분석 조직 인력들을 현업 부서로 직접 배치하여 분석 업무 수행 • 전사차원의 우선 순위 수행 • 분석 결과에 다른 신속한 Action가능  • 베스트 프랙티스 공유 가능  • 부서 분석 업무와 역활 분담을 명확히 해야 함

 

6. 분석 과제 관리 프로세스 수립

• 분석 과제 관리 프로세스는 크게 과제 발굴과 과제 수행 및 모니터리으로 나누어진다. 

과제 발굴	1) 분석 Idea 발굴	2) 분석 과제 후보 제안 - 과제 후보 pool	3) 분석 과제 확정 - 전사분석 조직 - 분석 과제	4) 팀구성 - 과제 제안자 및 과제 추진팀
과제 수행	7) 결과 공유/개선	6) 분석 과제 진행 관리	5) 분석 과제 실행

- 숫자는 프로세스의 진행순서를 의미

7. 분석 교육 및 변화관리

- 최근 구성원들에게 데이터 분석 교육을 받도록 독려하는 기업이 늘어나는 추세
- 모든 구성원들이 직접 데이터를 보고 분석하고 가설을 검증할 수 있는 능력을 갖춤으로써 데이터 활용을 통한 비지니스 가치를 전사적으로 확대하기 위함. 
- 새로운 체계 도입 시에는 저항 및 기존 형태로 돌아가려는 관성이 존재하기 때문에 분석의 가치를 극대화하고, 내재화하는 안정적인 추진기로 접어들기 위해서는 분석에 관련된 교육 및 마인드 육성을 위한 적극적인 변화관리가 필요하며 지속적이고 계획적으로 수행되어야 함. 
- 분석 교육의 목표는 단순 툴 교육이 아닌 분석 역량을 확보하고 강화하는 것에 초점을 맞추어야 함.