2024 ADsP 데이터분석 준전문가 시험공부 6일차/20
02 분석 거버넌스 체계 수립
1. 거버넌스 체계 개요
(1) 분석 거버넌스 체계 개요
- 거버넌스(Governance) : '통치'라는 뜻. 기업에서 의사결정을 위한 데이터의 분석과 활용을 위한 체계적인 관리
- 단순히 대용량 데이터를 수집·축적하는 것보다는 어떤 목적으로 어떤 분석을 수행하고, 분석을 위해 어떻게 데이터를 활용할 것인지 결정하고, 데이터 분석을 기업의 문화로 정착시키고 데이터 분석 업무를 지속적으로 고도화하기 위해 데이터 관리 체계를 수립하는 것
(2) 분석 거버넌스 체계 구성 요소 ★
- 조직(Organization) : 분석 기획 및 관리를 수행
- 과제 기획 및 운영 프로세스(Process)
- 분석 관련 시스템(System)
- 데이터(Data)
- 분석 관련 교육 및 마인드 육성 체계(Human Resource)
2. 데이터 분석 성숙도 모델 및 수준 진단
(1) 분석 수준 진단 프레임 워크
- 데이터를 어떻게 활용하느냐가 기업의 경쟁력을 좌우하는 궁극적 요소가 됨
- 기업들은 데이터 분석의 도입 여부와 활용 여부에 대한 명확한 분석 수준을 점검할 필요가 있음
- 분석 준비도와 분석 성숙도를 통해 데이터 분석 수준을 진단하고 분석의 유형 및 분석의 방향성 결정 필요
(2) 분석 준비도 ★★★
: 기업의 데이터 분석 도입의 수준을 파악하기 위한 진단 방법
- 분석 준비도 평가 :
| 분석 업무 파악 | 분석 인력 및 조직 | 분석 기법 |
| - 발생한 사실 분석 업무 - 예측 분석 업무 - 시뮬레이션 분석 업무 - 최적화 분석 업무 - 분석 업무 정기적 개선 |
- 분석전문가 직무 존재 - 분석전문가 교육 훈련프로그램 - 관리자 기본 분석 능력 - 전사총괄조직 - 경영진 분석 업무 이해 |
- 업무별 적합한 분석 기법 사용 - 분석 업무 도입 방법론 - 분석 기법 라이브러리 - 분석 기법 효과성 평가 - 분석 기법 정기적 개선 |
| 분석 데이터 | 분석 문화 | IT 인프라 |
| - 분석 업무를 위한 데이터 - 충분성/신뢰성/적시성 - 비구조적 데이터 관리 - 외부데이터 활용 체계 - 기준 데이터 관리(MDM) |
- 사실에 근거한 의사결정 - 관리자의 데이터 중시 - 회의 등에서 데이터 활용 - 경영진 직관보다 데이터 활용 - 데이터 공유 및 협업 문화 |
- 운영 시스템 데이터 통합 - EAI, ETL 등 데이터 유통체계 - 분석 전용 서버 및 스토리지 - 빅데이터/통계/비주얼 분석환경 |
(3) 분석 성숙도 ★★
- 소프트웨어 공학에서는 개발 업무능력과 조직, 프로세스 자체의 성숙도와 업무 프로세스 개선을 위한 조직 역량 등을 CMMI(Capability Maturity Model Integration) 모델을 활용하여 조직 성숙도 평가
- 분석 성숙도 평가 :
| 단계 | 내용 | 부문 | ||
| 비즈니스 부문 | 조직 · 역량 부문 | IT 부문 | ||
| [1단계] 도입 |
분석 시작, 환경과 시스템 구축 |
- 실적 분석 및 통계 - 정기 보고 수행 - 운영 데이터 기반 |
- 일부 부서에서 수행 - 담당자 역량에 의존 |
- 데이터 웨어하우스 - 데이터 마트 - ETL/EAI - OLAP |
| [2단계] 활용 |
분석 결과를 업무에 적용 |
- 미래결과 예측 - 시뮬레이션 - 운영 데이터 기반 |
- 전문담당부서 수행 - 분석 기법 도입 - 관리자가 분석 수행 |
- 실시간 대시보드 - 통계분석 환경 |
| [3단계] 확산 |
전사 차원에서 분석 관리, 공유 |
- 전사성과 실시간 분석 - 프로세스 혁신 3.0 - 분석규칙 관리 - 이벤트 관리 |
- 전사 모든 부서 수행 - 분석 COE 운영 - 데이터 사이언티스트 확보 |
- 빅데이터 관리 환경 - 시뮬레이션 · 최적화 - 비주얼 분석 - 분석 전용 서버 |
| [4단계] 최적화 |
분석을 진화시켜 혁신 및 성과 향상에 기여 |
- 외부 환경 분석 활용 - 최적화 업무 적용 - 실시간 분석 - 비즈니스 모델 진화 |
- 데이터 사이언스 그룹 - 경영진 분석 활용 - 전략 연계 |
- 분석 협업환경 - 분석 SandBox - 프로세스 내재화 - 빅데이터 분석 |
(4) 분석 수준 진단 결과 ★★★
준비형 : 낮은 준비도, 낮은 성숙도
- 분석을 위한 데이터, 조직 및 인력, 분석 업무, 분석 기법이 적용되지 않으므로 사전 준비 필요 기업
정착형 : 낮은 준비도, 높은 성숙도
- 준비도는 낮은 편, 조직, 인력, 분석 업무, 분석 기법을 제한적으로 사용. 우선적으로 분석의 정착 필요 기업
확산형 : 높은 준비도, 높은 성숙도
- 6가지 분석 구성 요소를 모두 갖춤. 지속적 확산이 가능 기업
도입형 : 높은 준비도, 낮은 성숙도
- 분석 업무 및 분석 기법 부족, 조직 및 인력 등 준비도가 높음. 데이터 분석 바로 도입 가능 기업
3. 분석 지원 인프라 방안 수립
(1) 플랫폼으로 인프라 구축
- 플랫폼 : 단순한 분석 응용 프로그램뿐 아니라 서비스를 위한 응용프로그램이 실행될 수 있는 기초를 이루는 컴퓨터 시스템. 일반적으로 H/W에 탑재되어 데이터 분석에 필요한 프로그래밍 환경과 실행 및 서비스 환경을 제공하는 역할 수행
| 개별 시스템 | 플랫폼 구조 |
| - 시스템 간 자체적인 데이터 교환 - 시스템별 독립적인 데이터 관리 - 확장 시 시스템 간 인터페이스 폭증 |
- 분석 플랫폼을 활용한 공동 기능 활용 - 중앙집중적 데이터 관리 - 시스템 간 인터페이스 최소화 |
4. 데이터 거버넌스 체계 수립
(1) 데이터 거버넌스 구성 요소
① 개요
- 데이터 거버넌스 : 전사 차원의 모든 데이터에 대해 정책 및 지침, 표준화, 운영 조직 및 책임 등의 표준화된 관리 체계를 수립하고 운영을 위한 프레임워크 및 저장소를 구축하는 것
- '기업에서 보유하고 있는 데이터의 관리 정책, 지침, 표준, 전략 및 방향을 수립하고, 데이터를 관리할 수 있는 조직 및 서비슷 구축하는 정책과 프로세스 관점에서의 IT 관리 체계' - 한국데이터산업진흥원
- 중요 관리 대상 : 마스터 데이터, 메타데이터, 데이터 사전 등
② 데이터 거버넌스 구성 요소
- 원칙(Principle) : 데이터를 유지 관리하기 위한 지침과 가이드
ex) 보안 & 품질 기준, 변경 관리
- 조직(Organization) : 데이터를 관리할 조직의 역할과 책임
ex) 데이터 관리자, DB 관리자, 데이터 아키텍트
- 프로세스(Process) : 데이터 관리를 위한 활동과 체계
ex) 작업 절차, 모니터링 활동, 측정 활동
(2) 데이터 거버넌스 체계
① 데이터 표준화
- 데이터 표준화는 데이터 표준 용어 설정, 명명 규칙 수립, 메타데이터 구축, 데이터 사전 구축 등의 업무로 구성
- 데이터 표준 용어는 표준 단어 사전, 표준 도메인 사전, 표준 코드 등으로 구성되며 사전 간 상호 검증이 가능하게 점검 프로세스를 포함해야 함
- 데이터 표준화 예시 :
| 데이터 표준 용어 설정 | '직원급여' (1년에 대한 급여인지 1달에 대한 급여인지 애매함) → '직원월급' |
| 명명 규칙 수립 | 컴퓨터상에서 '직원월급' 표현 → 'EmpSal' 카멜 표기법 : employeeSalary 팟홀 표기법 : employee_salary |
| 데이터 사전 구축 | 직원번호 : EmpNumber 직원 주민등록번호 : EmpSSN 직원월급 : EmpSal |
② 데이터 관리 체계
- 데이터 정합성 및 활용의 효율성을 위해 표준 데이터를 포함한 메타데이터와 데이터 사전의 관리 원칙 수립
- 데이터 생명주기 관리 방안(Data LIfe Cycle Management) : 데이터는 시간이 지날수록 가치가 감소하는 것이 일반적이기 때문에 오래된 데이터를 보관할 경우 관리 비용이 데이터의 가치보다 더 클 수 있음. 따라서 데이터의 생명주기를 정해 주기가 만료된 데이터는 폐기
③ 데이터 저장소 관리(Repository)
- 데이터 저장소 : 메타데이터 및 표준 데이터를 관리하기 위한 전사 차원의 저장소
- 데이터 관리 체계 지원을 위한 워크플로 및 관리용 응용 S/W를 지원하고 관리 대상 시스템과의 인터페이스를 통한 통제 이루어져야함. 또한 데이터 구조 변경에 따른 사전 영향 평가도 수행돼야 효율적인 활용 가능
④ 표준화 활동
- 데이터 거버넌스 체계를 구축한 후 표준 준소 여부를 주기적으로 점검하고 모니터링 실시
- 거버넌스의 조직 내 안정적인 정착을 위한 지속적인 변화 관리 및 주기적인 교육 진행
- 지속적인 데이터 표준화 개선 활동을 통해 실용성 높이기
5. 데이터 조직 및 인력방안 수립
(1) 데이터 분석 조직 및 인력방안 개요
① 데이터 분석 조직
- 분석 조직 : 기업 내에 존재하는 빅데이터 속에서 가치를 찾아 전파하고 이를 행동화하는 역할 수행
| 목표 | 기업의 경쟁력 확보를 위하여 비즈니스 질문과 이에 부합하는 가치를 찾고 비즈니스를 최적화하는 것 |
| 역할 | 전사 및 부서의 분석 업무를 발굴하고 전문적 기법과 분석 도구를 활용하여 기업 내 존재하는 빅데이터 속에서 insight를 찾아 전파하고 이를 Action화하는 것 |
| 구성 | 기초 통계학 및 분석 방법에 대한 지식과 분석 경험을 보유하고 있는 인력으로 전사 또는 부서 내 조직으로 구성하여 운영 |
② 조직 및 인력 구성 시 고려사항
| 구분 | 주요 고려사항 |
| 조직 구조 | - 비즈니스 질문을 선제적으로 찾아낼 수 있는 구조인가? - 분석 전담조직과 타 부서 간 유기적인 협조와 지원이 원활한 구조인가? - 효율적인 분석 업무를 수행하기 위한 분석 조직의 내부 조직 구조는? - 전사 및 단위부서가 필요할 경우 접촉하며 지원할 수 있는 구조인가? - 어떤 형태의 조직으로 구성하는 것이 효율적인가? |
| 인력 구성 | - 비즈니스 및 IT전문가의 조합으로 구성되어야 하는가? - 어떤 경험과 스킬을 갖춘 사람으로 구성되어야 하는가? - 통계적 기법 및 분석 모델링 전문 인력을 별도로 구성해야 하는가? - 전사 비즈니스를 커버하는 인력이 없다. 그렇다면? - 전사 분석 업무에 대한 적합한 인력 규모는 어느 정도인가? |
(2) 데이터 분석 조직 유형 ★★★
① 집중형 조직 구조
- 조직 내에 별도의 독립적인 분석 전담 조직 구성, 회사의 모든 분석 업무를 전담 조직에서 담당
- 분석 전담 조직 내부에서 전사 분석 과제의 전략적인 중요도에 따라 우선순위를 정해 추진 가능
- 일부 현업 부서와 분석 업무가 중복 또는 이원화될 가능성 있음 (단점)
② 기능 중심의 조직 구조
- 일반적으로 분석을 수행하는 형태, 별도로 분석 조직을 구성하지 않고 각 해당 업무 부서에서 직접 분석하는 형태
- 전사적 관점에서 핵심 분석 어려움. 특정 업무 부서에 국한된 분석을 수행할 가능성이 높거나 일부 중복된 분석 업무를 수행할 수 있는 조직 구조
③ 분산형 조직 구조
- 분석 조직의 인력을 현업 부서에 배치해 분석 업무를 수행하는 형태
- 전사 차원에서 분석 과제의 우선순위를 선정해 수행이 가능하며, 분석 결과를 신속하게 실무에 적용 가능 (장점)
6. 분석 과제 관리 프로세스 수립
(1) 분석 과제 관리 프로세스 수립 개요
- 분석 마스터플랜이 수립되고 분석 과제가 성공적으로 수행되었다면 지속적인 분석 니즈 및 기회가 분석 과제 형태로 도출되고 이렇게 도출된 분석 과제들을 체계적으로 관리하기 위한 프로세스가 요구됨. 체계적인 분석 과제 관리 프로세스를 수행함으로써 기업 내 분석 문화를 내재화 할 수 있음
(2) 분석 과제 관리 프로세스 ★★
- 과제 발굴, 과제 수행
- 과제 발굴 : 개별 조직 혹은 개인이 과제를 발굴하고 이를 과제화하여 POOL(사용 가능한 데이터의 집합)로 관리하고 분석 과제 선정
- 과제 수행 : 선정된 과제에 대하여 팀을 구성하고 분석 과제를 수행하면서 지속적인 모니터링 작업을 병행하고 그 결과를 공유 및 개선하는 절차 수행
7. 분석 교육 및 변화관리
(1) 분석 교육 및 변화관리의 개요
- 빅데이터 등장으로 많은 비즈니스 영역에서 변화를 가져옴 -> 변화에 대응하기 위해 기업은 적합한 분석 업무를 도출하고, 가치를 높여줄 수 있도록 분석 조직 및 인력에 대한 지속적인 교육과 훈련 실시 필요, 경영층이 사실 기반의 의사결정을 할 수 있는 문화를 정착시키려는 변화관리를 지속적으로 계획하고 수행해야 함
(2) 분석 도입에 대한 문화적 대응 ★
(3) 분석 교육
- 목적 : 단순한 툴(R, Python, SAS 등) 교육이 아닌 분석 역량 확보 및 강화에 초점을 맞춰 진행
- 분석 기획자 : 데이터 분석 큐레이션 교육
- 분석 실무자 : 데이터 분석 기법 및 도구에 대한 교육
- 업무 수행자 : 분석 기회 발굴 및 시나리오 작성법 등의 교육
==> 조직 구성원 모두에게 분석 기반의 업무를 정착시킬 수 있어야 함