분석 기획과 분석 방법론

분석 기획

분석 대상과 그 방법에 따른 4가지 분석 주제

목표 시점별 분석 기획

• 과제 중심적 접근 방식: 빠르게 해결, 빠른 수행과 문제 해결이 목적
• 장기적인 데이터플랜 방식: 지속적인 분석 내제화, 정확도와 무엇이 문제인지 정의가 목적

분석기획 시 고려사항

• 가용 데이터 고려: 분석의 기본이 되는 데이터 확보 및 파악
• 적절한 활용 방안과 유스케이스 탐색: 기존에 잘 구현되고 있는 유사 시나리오 및 솔류션 활용
• 장애요인에 대한 사전 계획 수립

분석 방법론 개요

방법론 구성 요소의 이해

상세한 절차, 방법, 도구와 기법, 템플릿과 산출물

기법의 합리적 의사결정 방해 요소

고정 관념, 편향된 생각, 프레이밍 효과

프레이밍 효과: 동일 상황인데 개인의 판단, 생각이 달라질 수 있는 상황

분석 방법론 모델

• 폭포수 모델
• 프로토타입: 일부분 먼저 개발 → 보완
• 나선형: 반복을 통해 점진적 개발, 위험요소 사전 제거 초점
• 계층적 프로세스: 단계 → 테스크 → 스텝

전통적인 분석 방법론 두가지

KDD 분석 방법론

• 데이터 마이닝 프로세스
• 데이터 선택 → 데이터 전처리 → 데이터 변환 → 데이터 마이닝 → 해석과 평가

CRISP-DM 분석 방법론

업무 이해 → 데이터 이해 → 데이터 준비 → 모델링 → 평가 → 전개

빅데이터 분석 방법론

5단계 빅데이터 분석 방법론 플로우

1. 분석 기획
   1. 비즈니스 이해 및 범위 설정
   2. 프로젝트 정의 및 계획 수립
   3. 프로젝트 위험계획 수립
2. 데이터 준비
   1. 필요 데이터 정의
   2. 데이터 스토어 설계
   3. 데이터 수집 및 정합성 검정
3. 데이터 분석
   1. 분석용 데이터 준비
   2. 텍스트 분석
   3. 탐색적 분석
   4. 모델링
   5. 모델 평가 및 검증
4. 시스템 구현
   1. 설계 및 구현
   2. 시스템 테스트 및 운영
5. 평가 및 전개
   1. 모델 발전 계획
   2. 프로젝트 평가 및 보고

위험 대응 계획 수립

회피, 전이, 완화, 수용

분석 과제 발굴

분석 과제 탐색 방법

분석 과제 발굴

하향식 접근법

1단계 - 문제 탐색 단계

• 비즈니스 무델 캔버스 9 block → 5가지 단순화: 업무, 제품, 고객, 규제와 감사, 지원인프라
• 분석기회 발굴 범위의 확장
  • 거시적 관점: 영향 탐색 (사회, 기술, 경제, 환경, 정치)
  • 경쟁자 확대 관점: 위협이 될 상황 탐색 (대체자, 경쟁자, 신규진입자)
  • 시장의 니즈 탐색: 고객, 채널, 영향자들
  • 역량의 재해석: 다시 기업 내부 들여보기 (내부 역량, 파트너와 네트워크)

2단계 - 문제 정의 단계

식별된 비즈니스 문제를 데이터의 문제로 변환하여 정의

 

3단계 - 해결 방안 탐색 단계

기존 시스템 활용, 역량 확보, 시스템 고도화, 전문업체 아웃소싱

 

4단계 - 타당성 검토

• 경제적 타당성: 비용-편의 고려
• 데이터 및 기술적 타당성: 데이터 존재 여부, 분석 시스템 환경, 분석 역량 고려

상향식 접근법

• 분석 대상이 뭔지 모를 경우
• 비지도 학습에 이용

지도 학습과 비지도 학습

지도 학습

• 정답이 있는 데이터 학습 (하향식 접근법)
• 머신러닝, 의사결정트리, 인공신경망 모형, 분류 분석

비지도 학습

• 정답이 없는 학습 데이터 (상향식)
• 장바구니 분석, 기술통계, 군집분석, 주성분분석, 다차원척도

프로토타이핑 접근법

• 상향식 접근법
• 가설의 생성 → 디자인에 대한 실험 →  실제 환경에서의 테스트 → 테스트 결과로부터 인사이트 도출 및 가설 확인

분석 프로젝트 관리 방안

분석 과제 고려 5가지 속성

데이터 양, 데이터 복잡도, 분석 속도, 분석 복잡도, 정확도&정밀도

 

분석 과제 관리 방안

통합, 이해관계자, 범위, 자원, 시간, 원가, 리스크, 품질, 조달, 의사소통