[내배캠] 2일차 - ADsP 자격증 챌린지 4주차

• 마스터플랜 수립 프레임워크

 

• 마스터플랜 수립 개요

우선순위 고려요소		→	적용범위 / 방식 고려요소
전략적 중요도	적용 우선순위 설정		업무 내재화 적용 수준	Analytics 구현 로드맵 수립
비즈니스 성과/ROI			분석 데이터 적용 수준
실행 용이성			기술 적용 수준

 

 

• ISP(information Strategy Planning)

기업 및 공공기관에서는 시스템의 중장기 로드맵을 정의하기 위한 정보전략계획. ISP는 정보기술 또는 정보시스템을 전략적으로 활용하기 위하여 조직 내/외부 환경을 분석하여 기회나 문제점을 도출하고 사용자의 요구사항을 분석하여 시스템 구축 우선순위를 결정하는 등 중장기 마스터 플랜을 수립하는 절차이다. 분석 마스터 플랜은 일반적인 ISP(정보 전략 계획) 방법론을 활용하되 데이터 분석 기획의 특성을 고려하여 수행하고 기업에서 필요한 데이터 분석 과제를 빠짐없이 도출한 후 과제의 우선순위를 결정하고 단기 및 중/장기로 나누어 계획을 수립한다.

 

 

• 수행 과제 도출 및 우선순위 평가

 

 

• 빅데이터의 특징을 고려한 ROI 요소

빅데이터의 특징인 4V를 ROI 관점으로 살펴보면, 크기(Volume), 다양성(Variety), 속도(Velocity)의 3V는 투자 비용 측면의 요소라고 볼 수 있다.  분석 결과를 활용하거나 실질적인 실행을 통해 얻게 되는 비즈니스 가치(Value)는 비즈니스 효과 측면의 요소라고 볼 수 있다.

 

 

• ROI를 활용한 우선순위 평가 기준

	-시급성
		전략적 중요도와 목표가치에 부합하는지에 따른 시급성이 가장 중요한 기준이다. 시급성의 판단 기준은 전략적 중요도가 핵심이며, 이는 현재의 관점에서 전략적 가치를 둘 것인지, 미래의 중장기적 관점에서 전략적인 가치를 둘 것인지를 고려하고, 분석 과제의 목표가치(KPI)를 함께 고려하여 시급성 여부를 판단한다. Value, 비즈니스 효과와 연결
	-난이도
		데이터를 생성, 저장, 가공, 분석하는 비용과 현재 기업의 분석 수준을 고려한 난이도 역시 중요한 기준이다. 난이도는 현시점에서 과제를 추진하는 것이 적용 비용 측면과 범위 측면에서 바로 적용하기 쉬운 것인지 또는 어려운 것인지에 대한 판단 기준으로서, 데이터 분석의 적합성 여부를 따져 살펴본다. 3V와 연결

 

 

우선순위 기준	시급성 기준	난이도 기준
순서	3  →  4   →  2	3  →  1  →  2

 

 

• 로드 맵 수립

추진 단계	1단계 데이터 분석체계 도입	2단계 데이터 분석 유효성 검증	3단계 데이터 분석 확산 및 고도화
단계별 추진 목표	분석 기회 발굴 분석 과제 정의 분석 로드맵 수립	분석 과제 수행 성과 검증 분석 아키텍처 설계	분석 과제를 업무 프로세스에 내재화 검증결과 확산 활용 시스템 구축 및 고도화
추진 과제	[추진과제 0] 분석 기회 발굴 및 과제 정의 분석 로드맵 수립	[추진과제 1] 알고리즘 및 아키텍처 설계 분석 과제 Plot 수행	[추진과제 2] 업무 프로세스 내재화를 위한 Process Innovation 변화 관리 [추진과제 3] 빅데이터 분석 활용 시스템 구축 유관시스템 고도화

 

 

 

 

 

• 분석 거버넌스 체계 수립

• 분석 거버넌스 개요

       의사결정을 위한 데이터의 분석과 활용을 위한 체계적인 관리, 일정한 규칙과 규범을 의미한다.

       어떤 목적으로 어떤 데이터를 어떻게 분석에 활용할 것인가가 중요하다.

 

 

• 분석 거버넌스 체계 구성요소

       조직 (Organization) / 과제 기획 및 운영 프로세스 (Process) / 분석 관련 시스템 (System) /데이터 (Data) /

       분석 관련 교육 및 마인드 육성 체계 (Human Resouce) 

 

 

 

• 분석 준비도

진단 영역	분석 업무 파악	인력 및 조직	분석 기법
세부항목	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 관리자 기본적 분석 능력 전사 분석업무 총괄 조직 존재 경영진 분석 업무 이해	업무별 적합한 분석기법 사용 분석 업무 도입 방법론 분석 기법 라이브러리 분석 기법 효과성 평가 분석 기법 정기적 개선

진단 영역	분석 데이터	분석 문화	IT 인프라
세부항목	분석 업무를 위한 데이터 충분성 / 신뢰성 / 적시성 비구조적 데이터 관리 외부 데이터 활용 체계 기준데이터관리(MDM)	사실에 근거한 의사결정 관리자의 데이터 중시 회의 등에서 데이터 활용 경영진의 직관보다 데이터 데이터 공유 및 협업 문화	운영 시스템 데이터 통합 EAI, ETL 등 데이터 유통체계 분석 전용 서버 및 스토리지 빅데이터/통계/비주얼 분석환경

 

• 분석 성숙도

단계	1단계 도입 단계	2단계 활용 단계	3단계 확산 단계	4단계 최적화 단계
내용	분석 시작, 환경과 시스템 구축	분석 결과를 업무에 적용	전사 차원에서 분석 관리, 공유	분석을 진화시켜 혁신 및 성과 향상에 기여
비즈니스 부문	실적 분석 및 통계 정기 보고 수행 운영 데이터 기반	미래결과 예측 시뮬레이션 운영 데이터 기반	전사성과 실시간 분석 프로세스 혁신 3.0 분석규칙 관리 이벤트 관리	외부 환경 분석 활용 최적화 업무 적용 실시간 분석 비즈니스 모델 진화
조직/역량 부문	일부 부서에서 수행 담당자 역량에 의존	전문 담당부서에서 수행 분석기법 도입 관리자가 분석 수행	전사 모든 부서 수행 분석 COE 조직 운영 데이터 사이언티스트 확보	데이터 사이언스 그룹 경영진 분석 활용 전략 연계
IT 부문	데이터 웨어하우스 데이터 마트 ETL/EAL OLAP	실시간 대시보드 통계분석 환경	빅데이터 관리 환경 시뮬레이션/최적화 비주얼 분석 분석 전용 서버	분석 협업환경 분석 SandBox 프로세스 내재화 빅데이터 분석

 

 

• 분석수준 진단 결과

 

 

 

• 데이터 거버넌스 체계 수립

       표준화된 관리 체계를 수립하고 운영을 위한 프레임워크 및 저장소를 구축하는 것

       마스터 데이터(Master Data) / 메타 데이터(Meta Data) / 데이터 사전(Data Dictionary)

 

 

• 데이터 거버넌스 구성요소

요소	설명	예시
원칙 (Principle)	데이터를 유지 관리하기 위한 지침과 가이드	보완, 품질 기준, 변경 관리
조직 (Organization)	데이터를 관리할 조직의 역할과 책임	데이터 관리자, DB 관리자, 데이터 아키텍트(Data Architect)
프로세스 (Process)	데이터 관리를 위한 활동과 체계	작업 절차, 모니터링 활동, 측정 활동

 

 

• 데이터 거버넌스 체계

	1. 데이터 표준화
		데이터 표준화는 데이터 표준 용어 설정, 명명 규칙(Name Rule) 수립, 메타 데이터(Metadata) 구축, 데이터 사전(Data Dictionary) 구축 등의 업무로 구성된다. 데이터 표준 용어는 표준 단어 사전, 표준 도메인 사전, 표준 코드 등으로 구성되며 사전 간 상호 검증이 가능하게 점검 프로세스를 포함해야 한다. 명명 규칙은 필요시 언어별(한글, 영어 등)으로 작성되어 매핑 상태를 유지해야 한다.
	2. 데이터 관리 체계
		데이터 정합성 및 활용의 효율성을 위하여 표준 데이터를 포함한 메타 데이터와 데이터 사전의 관리 원칙을 수립한다. 수립된 원칙에 근거하여 상세한 프로세스를 만들고 관리와 운영을 위하 담당자와 및 조직별 역할과 책임을 상세하게 준비한다. 빅데이터의 경우 데이터 양의 급증으로 데이터 생명주기 관리방안(Data Life Cycle Management)을 수립하지 않으면 데이터 가용성 및 관리비용 증대문제에 직면할 수 있다.
	3. 데이터 저장소 관리
		메타데이터 및 표준 데이터를 관리하기 위한 전사 차원의 저장소를 구성한다. 저장소는 관리 체계 지원을 위한 워크플로우 및 관리용 응용소프트웨어(Application)를 지원하고 관리 대상 시스템과의 인터페이스를 통한 통제가 이루어져야 한다. 데이터 구조 변경에 따른 사전 영향 평가도 수행되야 효율적인 활용이 가능하다.
	4. 표준화 활동
		데이터 거버넌스 체계를 구축한 후 표준 준수 여부를 주기적으로 점검하고 모니터링을 실시한다. 거버넌스 조직 내 안정성 정착을 위한 계속적인 변화관리 및 주기적인 교육을 진행한다. 지속적인 데이터 표준화 개선 사업을 통해 실용성을 높여야 한다.

 

 

 

• 데이터 분석 조직

데이터 분석 조직은 기업의 경쟁력 확보를 위해 데이터 분석의 가치를 발견하고, 이를 활용하여 비즈니스 최적화하는 목표를 갖고 구성되어야 한다. 기업의 업무 전반에 걸쳐 다양한 분석 과제를 발굴해 정의하고, 데이터 분석을 통해 의미있는 인사이트를 찾아 실행하는 역할을 수행 할 수 있어야 한다. 다양한 분야의 지식과 경험을 가진 인력과 업무 담당자 등으로 구성된 전사 또는 부서내 조직으로 구성할 수 있다.

 

 

 

• 데이터 분석 조직 유형

	1. 집중형 조직 구조
		조직 내에서 별도의 독립적인 분석 전담조직을 구성하고, 회사 내의 모든 분석 업무를 전담조직에서 담당한다. 분석 전담조직 내부에서 전사 분석 과제의 전략적인 중요도에 따라 우선순위를 정하여 추진할 수 있다.
	2. 기능 중심의 조직 구조
		일반적으로 분석을 수행하는 형태이며, 별도로 분석 조직을 구성하지 않고 각 해당 업무 부서에서 직접 분석하는 형태다 전사적 관점에서 핵심 분석이 어려우며, 특정 업무 부서에 국한된 분석을 수행할 가능성이 높거나 일부 중복된 업무를 수행할 수도 있는 조직구조다.
	3. 분산된 조직 구조
		분석 조직의 인력들을 현업 부서에 배치해 분석 업무를 수행하는 형태다. 전사 차원에서 분석 과제의 우선순위를 선정해 수행이 가능하며, 분석 결과를 신속하게 실무에 적용할 수 있는 장점이 있다.

 

 

 

• 분석 과제 관리 프로세스

 

 

 

• 분석 교육 및 변화 관리

 

• A : 분석 중심 문화가 미도입된 현재 균형상태 / 막연한 불안감 존재
• B : 기존 행태로 되돌아가려는 성향
• C : 성공 시 강한 탄성에 의해 변화 가속화
• D : 분석 활용이 일상화된 균형 상태