[데이터] 데이터의 분석 기획

데이터 분석의 이해

1. 분석 기획이란?

분석 기획은 실제 분석을 시작하기 전에 수행할 과제의 정의 및 의도했던 결과를 분석으로 이끌어낼 수 있도록 적절하게 관리하는 방안을 사전에 계획하는 일련의 작업을 의미합니다. 분석 과제 및 프로젝트를 직접 수행하지 않으나, 어떤 목표를 달성하기 위해 어떤 데이터를 가지고 어떤 방법으로 수행할지에 대한 일련의 계획을 수립하는 작업입니다. 성공적인 분석 결과를 도출하기 위한 중요한 사전 작업입니다.

2. 분석 기획에서의 데이터 사이언스 역량

분석 기획에서는 다음과 같은 데이터 사이언스 역량이 요구됩니다:

• 문제영역에 대한 전문 역량
• 수학통계학적 지식을 활용하는 분석 역량
• 데이터 및 프로그래밍 기술 역량

이러한 역량을 균형잡힌 시각으로 방향성 및 계획을 수립하는 것이 중요합니다.

3. 분석 주제 유형

• 최적화: 분석의 대상과 방법을 알고 있는 경우 (둘 다 앎)
• 솔루션: 분석의 대상을 알지만 방법을 모르는 경우 (대상을 앎)
• 통찰: 분석의 대상이 명확하지 않지만 분석 방법을 아는 경우 (방법을 앎)
• 발견: 분석 대상과 분석 방법을 모르는 경우 (둘 다 모름)

4. 당면한 분석 주제의 해결과 지속적인 문화 내재화

1) 당면한 분석 주제의 해결 "과제 중심적인 접근 방식"

1차 목표: 속도와 검사
과제유형: 즉각적인 실행을 통한 성과 도출
접근방식: 문제 해결

2) 지속적인 분석 문화 내재화 "장기적 마스터 플랜"

1차 목표: 정확도와 전개
과제유형: 장기적 관점
접근방식: 문제 정의

* 과제 중심적 접근 방식이 아닌 것은? 지속적인 분석 문화 내재화에 속하는 것입니다.

5. 분석 기획 시 고려사항

1) 가용한 데이터

분석의 기본이 되는 데이터에 대한 고려가 필요합니다. 데이터 확보는 필수적이며, 적용 가능한 솔루션 및 분석 방법이 데이터 유형에 따라 다를 수 있습니다.

• 정형 데이터: 형태가 있고 연산이 가능하며 주로 관계형 데이터베이스에 저장됨. 데이터 수집 난이도가 낮음. 내부 시스템에서 대부분 수집.
• 비정형 데이터: 형태가 없고 연산이 불가능하며 주로 NoSQL에 저장됨. 데이터 수집 난이도가 높음. 텍스트 마이닝 필요. 예: 소셜데이터, 이메일, 보고서, GPS
• 반정형 데이터: 형태가 있으나 연산이 불가능. 주로 파일에 저장됨. 데이터 수집 난이도가 중간. API 형태로 제공. 예: XML, HTML, 로그, 머신 데이터

2) 적절한 유스 케이스

분석을 통해 가치가 창출될 수 있는 적절한 활용 방안과 유스 케이스를 탐색해야 합니다. 기존에 잘 구현되어 활용되고 있는 유사 분석 시나리오 및 솔루션을 최대한 활용하는 것이 중요합니다.

3) 과제 분석 수행을 위한 장애 요소

분석을 수행함에 있어서 장애 요소들에 대한 사전 계획 수립이 필요합니다. 사용자가 쉽게 이해하고 활용할 수 있는 방안을 수립해야 하며, 분석 수행 시 발생할 수 있는 문제에 대해 고려해야 합니다.

6. 분석 방법론

1) 분석 방법론의 모델 4가지

• 폭포수 모델: 단계를 순차적으로 진행하며, 이전 단계가 완료되어야 다음 단계를 진행할 수 있습니다. 피드백 과정이 수행됩니다.
• 에자일(Agile) 방법론: 폭포수 모델의 반대 개념으로, 끊임없이 개발하고 수정하는 일을 반복하며 고객의 반응을 반영하여 개발하는 방법론입니다. 주기적으로 프로토타입을 시험합니다.
• 나선형 모델(Spiral Model): 여러 번의 개발 과정을 거쳐 점진적으로 프로젝트를 완성하는 모델입니다. 처음 시도하는 프로젝트에 적합합니다.
• 프로토타입 모델(Prototype): 폭포수 모델의 단점을 보완하기 위한 모델로, 정보시스템의 미완성 버전 또는 주요 기능들이 포함된 시스템 초기 모델입니다.

2) 계층적 프로세스 모델

• 단계: 각 단계별로 세부 작업을 정의하여 체계적으로 진행합니다.
• 태스크(Task): 각 단계에서 수행해야 할 구체적인 작업을 정의합니다.