ADsP 2과목 Day 5 <데이터 분석 기획의 이해 II> 완벽요약+ 기출

PART 2 데이터 분석

1. 데이터 분석 기획의 이해
2. 분석 마스터 플랜 

---

분석 과제 발굴 

# 분석 과제 발굴 방법론

• 풀어야 할 문제 -> 분석 문제로 변환 -> 과제 정의서 형태
• 하향식 접근 방식 (Top Down Approach)  - 분석 과제가 주어지고, 이에 대한 해법을 찾기 위해 각 과정이 체계적으로 단계화되어 수행하는 방식
• 상향식 접근 방식 (Bottom Up Approach) - 문제의 정의 자체가 어려운 경우 데이터를 기반으로 문제의 지속적으로 개선하는 방식 

하향식 접근법 Top Down Approach

• 문제를 해결함으로써 발생하는 가치가 중점 

 

# 1) 문제 탐색 (problem discovery)

• 비즈니스 모델 캔버스 기반 문제 탐색: 업무, 제품, 고객, 규제와 감사, 지원 인프라 등 5가지 영역으로 기업의 비즈니스를 분석
  • 업무 - 생산 공정 최적화, 재고량 최소화
  • 제품 - 제품의 주요기능 개선, 서비스 모니터링 지표 도출
  • 고객 - 고객 콜 대기 시간 최소화
  • 규제/감사 - 서비스 품질의 이상 징후 관리 
  • 지원인프라 - 운영 인력 도출
• 분석 기회 발굴의 범위 확장
  • 거시적 관점: 사회, 기술, 경제, 환경, 정치 (STEEP)
  • 경쟁자 확대: 대체재, 경쟁자, 신규 진입자 
  • 시장니즈 탐색: 고객, 채널 (고객에게 전달하는 경로), 영향자들
  • 역량의 재해석: 내부역량, 파트너 네크워크 
• 외부 참조 모델 기반의 문제 탐색: 유사, 동종 사례를 벤치마킹을 통해 분석 기회를 발굴
  • 산업/서비스별 분석 테마 후보 그룹 (pool), quick&easy 방식으로 분석기획 아이디어 도출
  • pool: 교통, 안전, 행정, 의료, 유통, 등
• 분석 유즈 케이스 (Analytics Use Case) 정의
  • 현재 비즈니스 모델 및 유사/동종사례 탐색을 통해서 빠짐없이 도출한 분석기회들을 구체적인 과제로 만들기 전에 분석 유즈 케이스로 표기
  • 문제에 대한 상세 설명, 발생하는 효과 명시 

 

# 2) 문제 정의 (problem definition)

• 비즈니스 문제를 데이터의 문제로 변환하여 정의하는 단계 
• e.g. 비즈니스 문제 '고객 이탈의 증대' => 이에 영향을 미치는 요인 식별, 가능성 예측하는 데이터 분석 문제
• e.g. 비즈니스 문제 '예상치 못한 설비 장애로 인한 판매량 감소' => 신호 감지하여 요인 식별, 발생 시점과 가능성 예측
• 최종사용자의 관점

 

# 3) 해결방안탐색 (solution search)

• 데이터 분석 문제를 해결하기 위한 다양한 방안 모색
• 분석역량(who), 분석기법 및 시스템 (how)의 여부에 따라 해결 방안 탐색
• 기존 시스템 개선 활용? 시스템 고도화? 교육과 채용을 통한 역량 확보? 전문업체?

 

# 4) 타당성검토 (feasibility study) 

• 경제적 타당성 - 비용대비 편익 분석 관점
• 데이터 및 기술적 타당성 검토 - 데이터 존재 여부, 시스템 환경, 분석 역량 

 

Q. 하향식 데이터 분석기획에서 문제 탐색 단계에 대한 설명으로 부적절한 것은? (28회)

(ㄱ) 빠짐없이 문제를 도출하고 식별하는 것이 중요 (ㄴ) 문제를 해결함으로써 발생하는 가치에 중점

(ㄷ) 비즈니스 모델 캔버스는 문제 탐색 도구로 활용 (ㄹ) 문제 탐색은 유즈케이스 활용보다는 새로운 이슈 탐색이 우선

(ㄹ) 문제 탐색은 유즈케이스 활용보다는 새로운 이슈 탐색이 우선

Q. 하향식 접근법의 과제 도출 단계로 적절한 것은? (28회)

problem discovery -> problem definition -> solution search -> feasibility study 

Q. 비즈니스 모델 캔버스 9가지 블록을 단순화하여, (가), (나), 고객단위로 문제를 발굴하고 이를 관리하는 규제와 감사, (다) 영역으로 나눠 분석 기회를 도출한다. 

(가) - 업무

(나) - 제품

(다) - 지원인프라 

Q. 하향식 접근법에서 문제 탐색 단계에 대한 내용 중 틀린 것은? (30회)

과제 발굴단계에서는 세부적인 구현 및 솔루션에 중점을 둔다. 

Q. 현재의 비즈니스 모델 및 유사/동종사례 탐색을 통해서 빠짐없이 도출한 분석 기회들을 구체적인 과제로 만들기 전에 (ㄱ)로 표기하는 것이 필요하다. 풀어야 할 문제에 대한 상세설명 및 해당 문제 해결했을 때 발생하는 효과를 명시함으로써 향후 데이터 분석 문제로의 전환 및 적합성 평가에 (ㄱ)를 활용하도록 한다. (31회)

분석 유즈 케이스 

 

상향식 접근 방식 Bottom  Up Approach

# 정의

• 기업이 보유하고 있는 다양한 원천 데이터로부터 분석을 통하여 통찰력 & 지식을 얻는 접근법
• 다양한 원턴 데이터를 대상으로 분석 수행, 가치 있는 모든 문제를 도출

# 특징

• 기존 하향식 접근법 = 솔루션 도출엔 유효하나, 새로운 문제 탐색에는 한계가 있음 
  • 최근 복잡하고 다양한 환경에서 발생하는 문제를 해결하기 어려움
• 디자인적 사고를 통해 Why -> What 관점으로 존재하는 데이터 자체를 객관적으로 관찰하여 문제 해결 
  • Design Thinking의 첫 단계: 감정이입 (emphasize)
• 비지도 학습 방법  (unsupervised learning)으로 수행되며, 데이터 자체의 결합, 연관성, 유사성 중심 접근하여 데이터의 상태를 표현
  
  • 비지도 학습의 데이터 마이닝 기법 예시 - 장바구니 분석, 군집 분석, 기술 통계
  • 지도 학습 - 명확한 목적 하에 데이터분석 실시 (e.g. 분류분석)

# 시행착오를 통한 문제 해결: 프로토타이핑 접근법 

• 프로토타입 접근법: 일단 분석을 시도해 보고, 그 결과를 확인하면서 반복적으로 개선하는 방법
  • 하향식 접근은 문제가 정형화 되어있고, 데이터가 완벽하게 존재할 경우에 효과적
  • 반면, 프로토타이핑 방법은 완전하지 않아도 신속하게 해결책이나 모형을 제시함
• 과정: 가설 생성 → 디자인 실험 → 실제 환경에서 테스트 → 통찰 도출 및 가설 확인 
• 프로토타이핑의 필요성: 문제 정의 불명확할 시, 필요 데이터 여부의 불확실 시, 데이터 사용 목적 가변성 

 

Q. 문제의 정의가 어려운 경우 데이터를 기반으로 문제의 재정의 및 해결 방안을 탐색하고 개선하는 분석과제 발굴 방식은? (29회)

상향식 접근 방식 

Q. 분석과제를 발굴하기 위한 접근법 중 상향식 접근방식의 특징으로 올바른 것은? (30회)

인사이트를 도출한 후 반복적인 시행착오를 통해서 수정하며 문제를 도출하는 일련의 과정이다. 

Q. 다음 중 프로토타입 방법론의 기본적인 프로세스와 가장 관련이 없는 것은? (31회)

반복적으로 위험분석을 수행하여 위험을 관리하며 순환적으로 개선 

Q. 사물을 있는 그대로 인식하는 "what"관점에서 접근하는 분석과제 발굴 방식은 무엇인가? (31회)

상향식

 

분석과제 정의

# 분석과제 정의서에는 무엇을 정의할까?

• 소스데이터, 데이터 입수 난이도, 분석방법
• 분석경과에 대한 검증 오너십
• 상세 분석 과정 등..

 

분석과제 관리 방안

# 분석과제 관리를 위한 5가지

• 분석 프로젝트는 범위, 일정, 품질, 리스크, 의사소통 등 영역별 관리가 수행되어야 할 뿐 아니라, 데이터에 기반한 분석 기법을 적용하기 때문에 5가지 주요 속성을 고려해야 함

 

1. Data Size - 데이터의 양 (하둡은 엄청난 데이터양을 기반, 기존 정형 데베는 시간 당 생성되는 데이터를 분석)
2. Data Complexity - 해당 데이터에 잘 적용될 수 있는 분석 모델의 선정 
3. Speed - 모델의 성능 및 속도를 고려한 테스트 수행 
4. Analytic Complexity - 해석이 가능하면서도 정확도를 올릴 수 있는 최적 모델 찾기
5. Accuracy & Precision - trade-off 관계, 정확도와 일관성 

 

# 분석 프로젝트 특성

• 데이터 영역과 비즈니스 영역의 중간에서 분석 모델을 통한 조율
• 데이터 분석의 반복 및 개선을 통하여 의도했던 결과에 가까워지기 

# 분석 프로젝트 관리 방안

• 범위 - 데이터 형태와 양, 적용되는 모델의 알고리즘에 따라 범위가 변경됨. 결과물이 분석 보고서 형태인지 시스템인지에 따라서 범위 바뀜.
• 시간 - 많은 시간 소요될 수 있음. Time Boxing 기법으로 일정관리.
• 원가 - 외부데이터 사용은 고가의 비용 소요될 수 있음. 
• 품질 - 품질 통제, 품질 보증 
• 통합 - 프로세스가 통합적으로 운영되어야함 
• 조달 - 목적에 맞는 외부 소싱 운영
• 자원 - 전문가 확보 검토
• 리스크 - 데이터 미확보 혹은 알고리즘의 한계와 같은 위험 식별, 대응방안 사전수립
• 의사소통 - 결과를 모든 프로젝트 이해관계자에게 공유
• 이해관계자 -  데이터 전문가, 비즈니스 전문가, 분석 전문가, 시스템 전문가 

 

Q. 분석과제 관리 프로세스에 대한 설명으로 가장 부적절한 것은? (28회)

(ㄱ) 과제발굴단계에는 분석 아이디러 발굴, 분석과제 후보제안, 분석과제 확정 프로세스가 있다. 

(ㄴ) 분석과제 중에 발생된 시사점과 분석 결과물은 pool로 관리하고 공유된다. 

(ㄹ) 과제수행단계에서는 팀 구성, 분석과제 실행, 분석과제 진행관리, 결과 공유 프로세스가 있다. 

(ㄷ) 분석과제로 확정된 분석과제를 풀(pool)로 관리한다.

(*이건 하향식 접근법)

Q. 분석과제의 특징 중 Accuracy & Precision에 대한 설명으로 가장 부적절한 것은?  (29회)

분석의 활용적인 측면에서는 precision이 중요하며 안정성 특면에서는 accuracy가 중요.

 

 

 

 

 

 

 

↓ ADsP Day 6 학습하러가기↓