ADsP · 데이터 분석 기획 (과목2)

• 분석 기획

  실제 분석 수행 전, 무엇을 어떤 목적으로 어떻게 분석할지 정의하는 사전 작업.

  🔑 분석 전 방향 설정=기획

• 분석 대상과 방법 4사분면

  대상(What)과 방법(How)의 앎/모름 조합으로 Optimization·Solution·Insight·Discovery 구분.

  🔑 대상×방법=최적화·솔루션·통찰·발견

• Discovery(발견)

  분석 대상도 방법도 모를 때. 새로운 것을 발견하는 접근.

  🔑 대상·방법 모두 모름=발견

• Insight(통찰)

  방법은 알지만 대상을 모를 때 새로운 통찰을 얻는 접근.

  🔑 방법 알고 대상 모름=통찰

• 목표 시점별 접근

  단기는 과제 중심(Quick-Win), 중장기는 마스터플랜 중심으로 접근.

  🔑 단기=과제, 장기=마스터플랜

• 분석 방법론 구성요소

  상세한 절차·방법(Methods)·도구와 기법·템플릿과 산출물로 구성.

  🔑 절차·방법·도구·산출물

• 방법론 계층(3단계)

  Phase(단계)→Task(태스크)→Step(스텝)의 계층으로 구성.

  🔑 Phase→Task→Step

• 폭포수 모델

  단계를 순차적으로 진행하며, 필요 시 이전 단계로 되돌아가는(피드백) 하향식 모델.

  🔑 순차 진행=폭포수

• 나선형 모델

  반복을 통해 점증적으로 개발. 위험 분석을 강조하나 관리가 복잡.

  🔑 반복·위험분석=나선형

• KDD 분석 절차

  데이터셋 선택→전처리→변환→데이터 마이닝→해석·평가의 5단계.

  🔑 선택·전처리·변환·마이닝·평가

• CRISP-DM 6단계

  업무 이해→데이터 이해→데이터 준비→모델링→평가→전개. 반복적 수행.

  🔑 업무·데이터이해·준비·모델링·평가·전개

• 빅데이터 분석 방법론 5단계

  분석 기획→데이터 준비→데이터 분석→시스템 구현→평가 및 전개.

  🔑 기획·준비·분석·구현·전개

• 하향식 접근법(Top-down)

  문제가 주어지고 이를 구조화해 해결책을 찾는 전통적 방식. 문제 탐색→정의→해결방안→타당성.

  🔑 문제→구조화→해결=하향식

• 상향식 접근법(Bottom-up)

  문제 정의가 어려울 때 데이터 기반으로 문제를 도출. 디자인 씽킹·프로토타이핑 활용.

  🔑 데이터에서 문제 발견=상향식

• 디자인 씽킹

  상향식과 하향식을 반복하며 발산·수렴을 오가는 문제 해결 사고법.

  🔑 발산·수렴 반복=디자인 씽킹

• 비즈니스 모델 캔버스(문제 탐색)

  업무·제품·고객 단위 + 규제와 감사·지원 인프라 영역으로 기회를 탐색.

  🔑 업무·제품·고객·규제·인프라

• 분석 유즈케이스

  풀어야 할 문제를 어떻게 분석해 활용할지 정의한 활용 사례.

  🔑 분석 활용 사례=유즈케이스

• 프로토타이핑 접근법

  일단 결과를 도출한 뒤 반복 개선하는 방식. 상향식 분석에 적합.

  🔑 일단 만들고 개선=프로토타입

• 분석 과제 정의서

  분석 과제의 목표·데이터·수행 방법·일정 등을 명세한 문서(중요 산출물).

  🔑 과제 명세 문서

• 분석 프로젝트 5대 관리 영역(속성)

  Data Size·Data Complexity·Speed·Analytic Complexity·Accuracy&Precision.

  🔑 규모·복잡도·속도·분석복잡도·정확·정밀

• Accuracy vs Precision

  Accuracy(정확도)는 참값에 가까운 정도, Precision(정밀도)은 반복 결과의 일관성. 둘은 상충할 수 있음.

  🔑 정확=참값근접, 정밀=일관성

• 과제 우선순위 평가 기준

  전략적 중요도·비즈니스 성과(ROI)·실행 용이성 등을 기준으로 우선순위 결정.

  🔑 중요도·ROI·실행용이성

• ROI 관점 4V

  투자비용 요소 3V(Volume·Variety·Velocity) + 비즈니스 효과 Value로 타당성 평가.

  🔑 투자=3V, 효과=Value

• 난이도·시급성 포트폴리오

  난이도(X)와 시급성(Y) 사분면으로 우선순위 결정. 일반적으로 시급성 우선.

  🔑 시급성 우선 → 3사분면

• 적용 우선순위 3요소

  업무 내재화 적용 수준·분석 데이터 적용 수준·기술 적용 수준.

  🔑 업무·데이터·기술 적용 수준

• 분석 성숙도 모델

  도입→활용→확산→최적화 단계로 조직의 분석 성숙도를 진단.

  🔑 도입·활용·확산·최적화

• 분석 준비도(Readiness)

  분석 업무·인력·기법·데이터·문화·IT 6개 영역의 준비 수준을 진단.

  🔑 업무·인력·기법·데이터·문화·IT

• 분석 수준 진단(사분면)

  준비도와 성숙도 조합으로 준비형·정착형·도입형·확산형으로 분류.

  🔑 준비도×성숙도=4유형

• 데이터 거버넌스 3대 구성요소

  원칙(Principle)·조직(Organization)·프로세스(Process).

  🔑 원칙·조직·프로세스

• 데이터 거버넌스 체계

  데이터 표준화·데이터 관리 체계·데이터 저장소 관리·표준화 활동으로 구성.

  🔑 표준화·관리·저장소·활동

• 마스터 데이터

  여러 시스템이 공유하는 핵심 기준 데이터(고객·상품 등).

  🔑 전사 공유 기준 데이터

• 분석 조직 구조

  집중형(전담 조직)·기능형(현업 부서)·분산형(전담+현업 배치) 구조.

  🔑 집중·기능·분산

• 하둡(Hadoop)

  대용량 데이터를 분산 저장·처리하는 오픈소스 프레임워크. HDFS + 맵리듀스.

  🔑 분산 저장·처리=하둡

• 맵리듀스(MapReduce)

  Map(분할·처리)과 Reduce(집계)로 대용량 데이터를 병렬 처리하는 모델.

  🔑 Map+Reduce=병렬 처리

비슷한 덱

• ADsP · 데이터의 이해 (과목1)

  한국어 · 38장

• ADsP · 데이터 분석 (과목3)

  한국어 · 45장