[ADsP] 과목 2 - 2장 정리

2- 2장. 분석 마스터 플랜

1절. 마스터 플랜 수립 프레임 워크

 

1. 분석 마스터 플랜 수립 프레임 워크

 

1. 마스터 플랜 수립 개요

- 적용 우선 순위 설정 : 1) 전략적 중요도 2) 비즈니스 성과/ROI 3)실행 용이성

- 데이터 분석 구현 로드맵 수립 : 1) 업무 내재화 적용 수준 2) 분석 데이터 적용 수준 3) 기술 적용 수준

 

** ISP(Information Strategy Planning)

- 시스템의 중장기 로드맵 정의

- 정보기술 또는 정보시스템을 전략적으로 활용하기 위하여 조직 내외부 환경을 분석하여 기회나 문제점을 도출하고 사용자의 요구사항을 분석하여 시스템 구축 우선순위를 결정하는 등 중장기 마스터 플랜을 수립하는 절차이다.

 

** 분석 마스터 플랜

- 일반적인 ISP 방법론을 활용하되 데이터 분석 기획의 특성을 고려하여 수행하고 기업에서 필요한 데이터 분석 과제를 빠짐없이 도출한 후 과제의 우선순위를 결정하고 단기 및 중장기로 나누어 계획을 수립한다.

 

2. 과제 우선순위 평가기준

* 절차

분석 과제 도출 > 우선 순위 평가 > 우선 순위 정련

 

*우선 순위 평가 기준 예시

1) 전략적 중요도

- 전략적 필요성 : 전략적 목표 및 본원적 업무에 직접적인 연관관계가 밀접한 정도, 이슈 미해결시 발생하게 될 위험 및 손실에 대한 정도

- 시급성 : 사용자 요구사항, 업무능률 향상을 위해 시급히 수행되어야 하는지에 대한 정도, 향후 경쟁우위 확보를 위한 중요성 정도

2) 실행 용이성

투자 용이성 : 기간 및 인력 투입 용이성 정도, 비용 및 투자예산 확보 가능성 정도

기술 용이성 : 적용 기술의 안정성 검증 정도, 응용시스템, H/W 유지보수 용이성 정도, 개발 스킬 성숙도 및 신기술 적용성 정도

 

* ROI(return - investment) 관점에서 빅데이터의 핵심 특징

1) 투자비용(Investment) 요소 : 크기, 다양성, 속도

크기(Volume)

- 데이터의 규모 및 양을 의미, 대용량 데이터를 저장처리하고 관리하기 위해서는 새로운 투자가 필요하다.

다양성(Variety)

- 다양한 종류와 형태를 가진 데이터를 입수하는데 있어 투자가 필요하다.

속도(Velocity)

- 데이터 생성 속도 및 처리속도를 빠르게 가공분석하는 기술이 요구된다.

2) 비즈니스 효과(Return) 요소 : 가치

가치(Value)

- 분석 결과를 활용하거나 실질적인 실행을 통해 얻게 되는 비즈니스 효과 측면의 요소로, 기업데이터 분석을 통해 추구하거나 달성하고자 하는 목표 가치를 의미한다.

 

* 과제 추진 시 고려해야하는 우선순위 평가기준

1) 시급성

- 전략적 중요도와 목표 가치에 부합하는지에 따른 시급성

- 판단 기준은 전략적 중요도가 핵심( 현재의 관점 or 미래의 중장기적 관점)

- 분석 과제의 목표가치(KPI) 고려 - >가치(Value) - 비즈니스 효과(Return)

2) 난이도

- 데이터를 생성, 저장, 가공, 분석하는 비용과 현재 기업의 분석 수준을 고려

- 현 시점에서 과제를 추진하는 것이 적용 비용 측면과 범위 측면에서 바로 적용하기 쉬운 것인지 또는 어려운 것인지에 대한 판단 기준

- 데이터 분석의 적합성 여부 파악

- 크기(Volume), 다양성(Variety), 속도(Velocity) 고려 -> 투자비용 요소(Investment)

 

=> 시급성, 난이도를 고려하여 분석 과제를 4가지 유형으로 구분 => 우선 순위 선정

 

* 포트폴리오 사분면 분석

- 가장 우선 영역 : 3사분면(난이도 하 , 시급성 현재 관점)

- 시급성 기준 : 3 -> 4-> 2

- 난이도 기준 : 3 -> 1 -> 2

 

3. 이행 계획 수립

 

* 로드맵 수립

- 분석 과제에 대한 포트폴리오 사분면(Quadrant) 분석을 통해 과제의 1차적 우선순위를 결정한다.

- 분석 과제별 적용범위 및 방식을 고려하여 최종적인 실행 우선순위를 결정한 후 단계적 구현 로드맵을 수립한다.

- 단계별로 추진하고자 하는 목표를 정의

- 추진 과제별 선·후행 관계를 고려하여 단계별 추진 내용을 정렬한다.

 

*세부 이행계획 수립

- 고전적인 폭포수 방식 or 반복적 정련 과정

- 반복은 모델링 단계에서 진행

 

2절. 분석 거버넌스 체계 수립

1. 거버넌스 체계

* 거버넌스 체계 구성요소

- 마스터 플랜 수립 시점에서 데이터 분석의 지속적인 적용과 확산을 위한 거버넌스 체계는 분석 기획 및 관리를 수행하는

조직(Organization), 과제 기획 및 운영 프로세스(Process), 분석 관련 시스템(System), 데이터(Data), 분석 관련 교육 및 마인드 육성 체계(Human Resource)로 구성된다.

 

2. 데이터 분석 수준 진단

 

* 데이터 분석 수준 진단 2가지 : 분석 준비도, 분석 성숙도

 

1) 분석 준비도

- 목표 : 기업의 데이터 분석 도입의 수준을 파악하기 위한 진단방법

- 구성(6가지) : 분석 업무 파악, 인력 및 조직, 분석기법, 분석 데이터, 분석문화, IT인프라

1) 분석 업무 파악 : 발생한 사실 분석 / 예측 분석 / 시뮬레이션 분석 / 최적화 분석 / 분석 업무 정기적 개선

2) 인력 및 조직 : 분석 전문가 직무 존재 / 분석 전문가 교육 훈련 프로그램 / 관리자들의 기본적 분석 능력 / 전사 분석업무 총괄 조직 존재 / 경영진의 분석 업무 이해 능력

3)분석기법 : 업무별 적합한 분석기법 사용 / 분석 업무 도입 방법론 / 분석기법라이브럴 / 분석기법 효과성 평가 / 분석기법 정기적 개선

4) 분석 데이터 : 분석업무를 위한 데이터 충분성.신뢰성.적시성 / 비구조적 데이터 관리 / 외부 데이터 활용 체계 / 기준데이터관리(MDM)

5) 분석 문화 : 사실에 근거한 의사결정/ 관리자의 데이터 중시 정도 / 회의 등에서 데이터 활용 상황 / 직관 VS 데이터 기반 의사결정 / 데이터 공유 및 협업 문화

6) IT 인프라 : 운영시스템 데이터 통합/ EAI,ETL 등 데이터 유통체계/ 분석 전용 서버 및 스토리지 / 빅데이터 분석 환경 / 통계 분석 환경 / 비쥬얼 분석 환경

- 진단 과정

1. 영역별로 세부 항목에 대한 수준파악

2. 진단결과 전체 요건 중 일정 수준이상 충족하면 분석업무 도입

3. 충족하지 못할 시 분석 환경 조성

 

2) 분석 성숙도

- 조직의 성숙도 평가 도구 : CMMI(Capability Maturity Model Integration) 모델

- 성숙도 수준 분류 :

1. 도입 단계 : 분석을 시작하여 환경과 시스템을 구축

-> 2. 활용 단계 : 분석 결과를 실제 업무에 적용

-> 3. 확산 단계 : 전사 차원에서 분석을 관리하고 공유

-> 4. 최적화 단계 : 분석을 진화시켜서 혁신 및 성과 향상에 기여

- 분석 성숙도 진단 분류 : 비지니스 부문, 조직역량 부문, IT부문

 

* 분석 관점에서 사분면 분석(Analysis Quadrant)

- 데이터 분석 수준 진단 결과

- 준비도 & 성숙도 기준

1) 확산형 : 기업에 필요한 6가지 분석 구성요소를 갖추고 있고, 현재 부분적으로 도입되어 지속적인 확산이 필요한 기업 - 성숙도 높음, 준비도 높음

2) 도입형 : 기업에서 활용하는 분석 업무, 기법 등은 부족하지만 적용 조직 등 준비도가 높아 바로 도입할 수 있는 기업 - 성숙도 낮음, 준비도 높음

3) 준비형 : 기업에서 필요한 데이터, 인력, 조직, 분석 업무, 분석 기법, 등이 적용되어 있지 않아 사전 준비가 필요한 기업 - 성숙도 낮음, 준비도 낮음

4) 정착형 : 준비도는 낮으나 조직, 인력, 분석 업무, 분석 기법 등을 기업 내부에서 제한적으로 사용하고 있어 1차적으로 정착이 필요한 기업 - 성숙도 높음, 준비도 낮음

 

3. 분석지원 인프라 방안 수립

* 분석과제 단위별로 별도의 분석 시스템을 구축하는 건 비용 증대.

-> 분석 마스터 플랜을 기획하는 단계에서부터 확장성을 고려한 플랫폼 구조를 도입하는 것이 적절.

 

* 분석플랫폼

- 단순한 분석 응용프로그램뿐만 아니라 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.

- 분석플랫폼이 구성되어 있는 경우에는 새로운 데이터 분석 니즈가 존재할 경우 개별적인 분석 시스템을 추가하는 방식이 아닌 서비스를 추가적으로 제공하는 방식으로 확장성을 높일 수 있다.

 

4. 데이터 거버넌스 체계 수립

* 데이터 거버넌스

- 전사 차원의 모든 데이터에 대하여 정책 및 지침, 표준화, 운영조직 및 책임 등의 표준화된 관리체계를 수립하고 운영을 위한 프레임워크(Framework) 및 저장소(Repository)를 구축하는 것을 말한다.

- 마스터 데이터(Master Data), 메타 데이터(Meta Data), 데이터 사전(Data Dictionary)은 데이터 거버넌스의 중요한 관리 대상이다.

 

* 데이터 거버넌스 구성 3요소

1) 원칙(Principle)

- 데이터를 유지관리하기 위한 지침과 가이드

- 보안, 품질 기준, 변경관리

2) 조직(Organization)

- 데이터를 관리할 조직의 역할과 책임

- 데이터 관리자, 데이터베이스 관리자, 데이터 아키텍트(Data Architect)

3) 프로세스(Process)

- 데이터 관리를 위한 활동과 체계

- 작업절차, 모니터링 활동, 측정 활동

 

* 데이터 거버너스 체계

1) 데이터 표준화

- 데이터 표준화는 데이터 표준 용어 설정, 명명 규칙(Name Rule)수립, 메타 데이터(Meta Data)구축, 데이터 사전(Data Dictionary)구축 등의 업무로 구성된다.

- 데이터 표준용어는 표준 단어사전, 표준 도메인사전, 표준 코드 등으로 구성되며 사전간 상호 검증이 가능하도록 점검 프로세스를 포함해야 한다.

- 명명 규칙은 필요시 언어별(한글, 영어 등)로 작성되어 매핑 상태를 유지해야 한다.

 

2) 데이터 관리 체계

- 데이터 정합성 및 활용의 효율성을 위하여 표준 데이터를 포함한 메타 데이터(Meta Data)와 데이터 사전(Data Dictionary)의 관리 원칙을 수립한다.

- 수립된 원칙에 근거하여 항목별 상세한 프로세스를 만들고 관리와 운영을 위한 담당자 및 조직별 역할과 책임을 상세하게 준비한다.

- 빅데이터의 경우 데이터양의 급증으로 데이터의 생명 주기 관리방안(Data Life Cycle Management)을 수립하지 않으면 데이터 가용성 및 관리비용 증대 문제에 직면하게 될 수 있다.

 

3) 데이터 저장소 관리(Repository)

- 메타데이터 및 표준 데이터를 관리하기 위한 전사 차원의 저장소를 구성한다.

- 저장소는 데이터 관리 체계 지원을 위한 워크플로우(Workflow) 및 관리용 응용 소프트웨어(Application)를 지원하고 관리 대상 시스템과의 인터페이스를 통한 통제가 이루어져야한다.

- 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 안정적 정착을 위한 계속적인 변화 관리 및 주기적인 교육을 진행한다.

- 지속적인 데이터 표준화 개선 활동을 통하여 실용성을 높여야 한다.

 

5. 데이터 조직 및 인력방안 수립

* 조직 구조 / 인력 구성

 

* 분석을 위한 3가지 조직 구성

1) 집중구조

- 전사 분석업무를 별도의 분석전담 조직에서 담당

- 전략적 중요도에 따라 분석조직이 우선순위를 정해서 진행 가능

- 현업 업무부서의 분석업무와 이중화/이원화 가능성 높음

2) 기능구조

- 일반적인 부석 수행 구조, 별도 분석조직이 없고 해당 업무 부서에서 분석 수행

- 별도 분석조직이 없고 해당 업무 부서에서 분석 수행

- 전사적 핵심분석이 어려우며, 부서 현황 및 실적 통계 등 과거 실적에 국한된 분석 수행 가능성 높음

3) 분산구조

- 분석조직 인력들을 현업부서로 직접 배치하여 분석업무 수행

- 전사차원의 우선순위 수행

- 분석결과에 따른 신속한 Action 가능

- 베스트 프랙티스 공유 가능

- 부서 분석업무와 역할 분담 명확히 해야함(->업무과다 이원화 가능성)

 

*인력 구성

- 비즈니스 인력 / it기술 인력 / 분석전문 인력 / 변화관리 인력 / 교육 담당 인력

 

6. 분석 과제 관리 프로세스 수립

* 분석 과제 관리 프로세스

1) 과제 발굴 : 개별 조직이나 개인이 도출한 분석 아이디어를 발굴하고 이를 과제화하여 분석 과제 풀(Pool)로 관리하면서 분석 프로젝트를 선정하는 작업을 수행한다.

- 분석 과제 중에 발생된 시사점과 분석 결과물은 풀POOL로 관리하고 공유된다.

프로세스 : 1.분석 Idea 발굴 -> 2.분석과제 후보제안 -> 3.분석과제 확정

 

2) 과제 수행 : 분석을 수행할 팀을 구성하고 분석 과제 실행 시 지속적인 모니터링과 과제결과를 공유하고 개선하는 절차를 수행한다.

프로세스 : 4.팀구성 -> 5.분석과제 실행 -> 6.분석과제 진행관리 -> 7.결과 공유/개선

 

+)

 

*4차 산업혁명

MASS Production / Mass Customization / Servitzation

Servitzation은 제품과 서비스의 결합(product servitization), 서비스의 상품화(service productization), 기존 서비스와 신규 서비스의 결합.