1. 분석 절차
분석 절차는 데이터 분석의 시발점이 되는 문제 인식에서부터 시작하여 데이터를 확보하고 분석하여 결과를 도출 및 제시하는 단계가지의 일반적인 과정을 정형화한 프로세스이다.
① 분석 절차의 특징
- 데이터 분석을 수행하기 위한 기본적인 과정을 명시하고 있다.
- 분석 방법론을 구성하는 최소 요건이다.
- 상황에 따라 단계를 추가할 수도 있으며 생략 가능하다.
② 일반적인 분석 절차
문제인식 → 연구조사 → 모형화 → 데이터 수집 → 데이터 분석 → 분석 결과 제시
※ 데이터 분석의 절차는 데이터 수집 → 저장 → 처리 → 분석 → 시각화 → 이용 → 폐기 단계로 정의할 수도 있다.
2. 작업 계획
분석 작업 계획은 분석 절차에 따라 데이터 분석 업무를 수행하기 위한 전반적인 작업 내용들을 세부적으로 정의하는 과정이다.
① 분석 작업 계획 수립
- 프로젝트 소요비용 배분
- 프로젝트 작업분할구조 수립
- 프로젝트 업무분장 계획 및 배분
② 분석 작업 계획 수립을 위한 작업분할구조(WBS: Work Breakdown Structure) 작성
- 데이터 분석과제 정의
- 데이터 준비 및 탐색
- 데이터 분석 모델링 및 검증
- 산출물 정리
※ 작업분할구조 : 프로젝트의 범위와 최종 산출물을 세부요소로 분할한 계층적 구조도
3. 분석목표정의서
문제의 개선방향에 맞는 현실적인 분석목표를 수립하여 필요한 데이터에 대한 정보나 분석 타당성 검토 및 성과측정 방법을 정리한 정의서이다.
① 분석목표정의서 구성요소
- 원천 데이터 조사
- 분석 방안 및 적용 가능성 판단
- 성과평가 기준
4. 분석 프로젝트 관리
1) 분석 프로젝트
분석 프로젝트는 과제 형태로 도출된 분석 기회를 프로젝트화하여 그 가치를 증명하기 위한 수단이다.
※ 도출된 결과의 재해석을 통한 지속적인 반복과 정교화가 수행되는 경우가 대부분이다.
① 분석 프로젝트의 특징
- 데이터 영역과 비즈니스 영역에 대한 이해와 더불어 지속적인 반복이 요구되는 분석 프로젝트의 특성을 이해하여 프로젝트 관리방안을 수립해야 한다.
- 지속적인 개선 및 변경을 염두에 두고 프로젝트 기한 내에 가능한 최선의 결과를 도출할 수 있도록 프로젝트 구성원들과 협업이 필요하다.
② 분석 프로젝트의 추가적 속성
- 데이터 크기(Data Size) : 데이터가 지속적으로 생성되어 증가하는 점을 고려한다.
- 데이터 복잡도(Data Complexity) : 정형, 비정형 데이터와 다양한 시스템에 산재되어 있는 원천 데이터들을 통합하는 진행이 필요하다.
- 속도(Speed) : 분석 결과가 도출되어 이를 활용하는 시나리오 측면에서의 속도까지 고려하여야 한다.
- 분석 모형의 복잡도(Analytic Model Complexity) : 분석 모형의 정확도와 복잡도는 Trade Off 관계에 있다.
- 정확도와 정밀도(Accuracy & Precision) : 분석 결과를 활용하는 측면에서는 Accuracy가 중요하다. 분석 모형의 안정성 측면에서는 Precision이 중요하다. Accuracy와 Precision은 Trade Off인 경우가 많다.
2) 분석 프로젝트의 영역별 주요 관리 항목
① 범위 관리(Scope Management)
② 일정 관리(Time Management)
③ 원가 관리(Cost Management)
④ 품질 관리(Quality Management)
⑤ 통합 관리(Integration Management)
⑥ 조달 관리(Procurement Management)
⑦ 인적자원 관리(Human Resource Management)
⑧ 위험 관리(Risk Management)
⑨ 의사소통 관리(Communication Management)
⑩ 이해관계자 관리(Stakeholder Management)