본문 바로가기
[ADsP] 2-2. 분석 마스터 플랜 (1) 마스터 플랜 수립 framework 1. 분석 마스터 플랜 수립 framework 우선순위 고려요소 : 전략적 중요도(전략적 필요성, 시급성), 비즈니스 성과 및 ROI, 실행 용이성(투자, 기술 용이성) 적용범위 및 방식 고려요소 : 업무내재화 적용 수준, 분석데이터 적용 수준, 기술적용 수준 ISP(Information Strategy Planning) - 정보기술 전략적 활용 위한 중장기 마스터 플랜 수립 절차 - 조직 내외부 환경 분석 → 기회, 문제점 도출 → 사용자 요구사항 분석 → 시스템 구축 우선순위 결정 분석 마스터 플랜 - 일반적 ISP 방법론 활용 - 데이터 분석 기획 특성 고려하여 수행, 기업에 필요한 데이터 분석 과제 도출 - 과제 우선순위 결정 - 단기, 중, 장기 나눠 계획 수립 2. 우선순위 평가 방법 및 절차..
[ADsP] 2-1. 데이터 분석 기획의 이해 (4) 분석 과제 발굴 및 관리 방안 1. 하향식 접근 방식 기회 및 문제 탐색, 해당 문제를 데이터 문제로 정의, 해결방안 탐색, 타당성 평가의 과정을 통해 분석 과제 도출 문제 탐색 단계 비즈니스 모델 기반 문제 탐색 - 업무 : 제품, 서비스 생산 위해 운영하는 내부 프로세스 및 주요 자원 관련 주제 도출 - 제품 : 생산 및 제공하는 제품 및 서비스 개선 위한 관련 주제 도출 - 고객 : 제품, 서비스 제공받는 사용자 및 고객, 이를 제공하는 채널 관점에서 관련 주제 도출 - 규제와 감사 : 제품 생산, 전달 과정 프로세스 중 발생하는 규제 및 보안 관점에서 주제 도출 - 지원 인프라 : 분석 수행 시스템 영역 및 운영, 관리 인력 관점에서 주제 도출 * 거시적 관점 - STEEP(Social, Technology, Economic,..
[ADsP] 2-1. 데이터 분석 기획의 이해 (3) 빅데이터 분석 방법론 빅데이터 분석 방법론 : 계층적 프로세스 모델 (3계층) 단계 (Phase) - 프로세스 그룹 통해 완성된 단계별 산출물 생성 - 기준선(baseline)으로 설정되어 관리되어야 함 - 버전 관리 통해 통제가 이루어져야 함 태스크 (Task) - 단계를 구성하는 단위활동 - 물리적, 논리적 단위 품질 검토 항목 스텝 (Step) - WBS(Work Breakdown Structure)의 Work Package 해당 - 입력자료, 처리 및 도구, 출력자료로 구성된 단위 프로세스 분석 절차 분석 기획 비즈니스 이해 및 범위 설정 > 비즈니스 이해 - 내부 업무 매뉴얼, 관련자료, 외부 관련 비즈니스 자료 조사, 향후 프로젝트 방향 설정 - 중장기입력자료 : 업무 매뉴얼, 업무 전문가 지식, 빅데이터 분석 대..
[ADsP] 2-1. 데이터 분석 기획의 이해 (2) 분석 방법론 1. 분석 방법론 개요 데이터 분석 방법론 데이터 분석이 효과적으로 정착하기 위해 체계화된 절차 및 방법인 분석 방법론이 필수적으로 필요 Procedure(절차), Method(방법), Tools&Technique(도구와 기법), Templates&Outputs(템플릿과 산출물)로 구성 방법론의 적용 업무의 특성에 따른 모델 폭포수 모델 - 순차적 진행 - 이전 단계 완료되어야 다음 단계로 진행, 문제 발견 시 피드백 나선형 모델 - 반복 통해 점증적 개발 - 관리 체계 효과적으로 갖추지 못하면 복잡도 상승 프로토타입 모델 - 폭포수 모델 단점 보완 위해 점진적으로 시스템 개발해나가는 접근 방식 - 완벽 요구 분석 어려움 해결 위해 개발 일부분만 우선 개발 → 사용자 시험 사용 → 요구 분석, 정당성 점..
[ADsP] 2-1. 데이터 분석 기획의 이해 (1) 분석 기획 방향성 도출 분석 기획 : 목표 달성 위해 어떤 데이터를 어떤 방식으로 수행할지에 대한 사전 계획을 수립하는 작업 1. 분석 기획의 특징 분석 기획을 위한 필요 역량 수학/통계학적 지식 + 정보기술(IT, 해킹, 통신기술) + 해당 비즈니스에 대한 이해, 전문성 ( + 프로젝트 관리 역량, 리더십 역량) 위 역량들에 대한 균형 잡힌 시각 가지고 방향성 및 계획 수립해야 함 분석의 대상 및 방법에 따른 분석 기획 방안 4가지 유형 넘나들며 분석 수행 및 결과 도출하는 과정 반복 목표시점별 분석 기획 방안 과제 해결을 중심으로 하는 단기적 접근 방식 + 지속적인 분석 문화를 내재화하기 위한 장기적 마스터 플랜 방식 융합하여 적용 2. 분석 기획 시 고려사항 데이터에 대한 고려 - 분석의 기본이 되는 데이터에 대한 고려가..
[ADsP] 1-3. 가치 창조를 위한 데이터 사이언스와 전략 인사이트 1. 빅데이터 분석과 전략 인사이트 빅데이터 열풍과 회의론 거품현상 우려하는 시선도 적지 않았음 이러한 회의론으로 인해 실제 빅데이터 분석에서 찾을 수 있는 가치 발굴 전에 차단해버릴수도 있음 회의론의 원인 : 투자효과 거두지 못한 사례 존재 (과거의 CRM) 및 빅데이터 성공 사례가 기존 분석 프로젝트 포함한 경우도 많음 싸이월드의 퇴보 원인 - 싸이월드도 OLAP 같은 분석 인프라가 존재했으나, 중요한 의사결정이 데이터 분석에 기초하지 않았음 - 웹로그 분석을 일차원적으로 분석하여 사업 상황을 확인하기 위한 협소한 문제에만 집중 - 소셜 네트워킹 활동 특성 등과 관련 분석은 하지 않음 - 트렌드 변화가 사업모델에 미치는 영향 알아차리지 못함 → 전략적 분석은 치열한 시장에서 기업 생존을 좌우할 정도로..
[ADsP] 1-2. 데이터의 가치와 미래 (2) 빅데이터 가치와 영향 1. 빅데이터의 가치 가치선정이 어려운 이유 데이터 활용 방식 변경 : 재사용, 재조합(mashup), 다목적용 데이터 개발이 일반화되면서 특정 데이터를 언제, 어디서, 누가 활용할지 알 수 없음 새로운 가치 창출 : 기존에 없던 가치를 창출하여 가치 측정이 어려움 분석 기술 발전 : 현재 가치 없는 데이터도 거대한 가치를 만들어내는 재료가 될 가능성 있음 2. 빅데이터의 영향 빅데이터가 가치를 만들어내는 5가지 방식 (by 맥킨지) 투명성 제고로 연구개발 및 관리 효율성 제고 시뮬레이션으로 수요 포착 및 주요 변수 탐색으로 경쟁력 강화 고객 세분화 및 맞춤 서비스 제공 알고리즘 활용한 의사결정 보조 및 대체 비즈니스 모델, 제품, 서비스 혁신 빅데이터 가치 창출 방식의 영향 기업 : 소비자 행동 분석,..
[ADsP] 1-2. 데이터의 가치와 미래 (1) 빅데이터의 이해 1. 빅데이터의 정의 일반적 DB 소프트웨어로 저장, 관리, 분석할 수 있는 범위를 초과하는 규모의 데이터 (맥킨지, 2011) 다양한 대규모 데이터로부터 저렴한 비용으로 가치 추출, 수집, 발굴, 분석 지원하도록 고안된 차세대 기술 및 아키텍쳐 (IDC, 2011) 대용량 데이터로 작은 용량에서는 얻을 수 없었던 새로운 통찰이나 가치를 추출해내는 일 (메이어-쇤베르거와쿠키어, 2013) 빅데이터의 3V : Volume(양 - 규모 측면), Variety(다양성 - 유형 측면), Velocity(속도 - 수집 및 처리 측면) 3가지 관점에 따른 빅데이터의 정의 좁은 범위 : 데이터 특성 변화 초점 (3V) 중간 범위 : 처리, 분석 기술적 변화 포함 (새로운 데이터 처리, 저장, 분석 기술 및 아키텍쳐,..

티스토리툴바