반응형
데이터 분석
- 대용량의 데이터 집합으로부터 유용한 정보를 찾고 결과를 예측하기 위해 목적에 따라 분석기술과 방법론을 기반으로 정형/비정형 대용량 데이터를 구축, 탐색, 분석하고 시각화를 수행하는 업무
- 인사이트를 발굴하고 이를 공유하여 의사결정을 지원하는 것을 목표
- 데이터 정의, 수집, 변환, 모델링, 시각화 하는 과정
데이터 분석의 현황
- 대다수의 기업들은 빅데이터가 갖고 있는 무한한 비즈니스 잠재력을 규명하는 초기 프로젝트에 머무름
- 빅데이터를 활용하기 위한 장애물은 비용보다 데이터 분석을 수행하기 위한 분석적 방법과 성과에 대한 이해의 부족임
데이터 분석의 지향점
전략적 통찰이 없는 데이터 분석 배제
- 단순하게 데이터 분석을 자주, 많이 한다고해서 경쟁 우위를 가져다주는 것이 아님
- 경쟁의 본질을 제대로 바라보지 못한 분석은 불필요한 결과를 만들어냄
일차원적인 데이터 분석 지양
- 대부분의 기업들은 업계 내부의 문제에만 중점을 둠
- 주로 부서단위로 관리되어 전체 비즈니스 관점의 핵심적인 역할 기대가 어려움
- 즉, 소규모 부서 단위로 진행되는 데이터 분석보다 좀 더 넓은 시야에서의 데이터 분석이 필요
| 산업군 | 데이터 분석 내용 |
| 운송 | 일정관리, 노선배정, 수익관리 |
| 병원 | 약품거래, 질병관리 |
| 정부 | 사기방지, 범죄 방지 |
| 그 외 등등 | |
전략 도출을 위한 가치 기반 데이터 분석 지향
- 사업 성과를 견인하는 요소들과 차별화를 꾀할 기회에 대해 전략적 인사이트를 주는 가치 기반 분석 단계로 나아가야 함
- 사업과 관련 트렌드에 대한 청사진을 그리고, 인구통계학적 변화나 사회경제적 트렌드 및 고객 니즈의 변화등을 고려하여 분석을 수행해야 함
데이터 분석에 대한 회의론
- 솔루션 도입 후 가치를 창출에 대한 과제를 수행해야 하는 상황이 반복되며 고가의 솔루션 방치
- 빅데이터 분석 성공사례들의 대다수가 기존 데이터 분석 프로젝트 재포장에 한정
데이터 분석 시 고려사항
- 데이터 분석은 규모가 아니라 어떤 시각과 통찰을 얻을 수 있는가의 문제
- 전략과 비즈니스의 핵심 가치에 집중하고 관련된 분석 평가지표를 개발하여 시장과 고객 변화에 효과적으로 대응하는 것이 중요
- 빅데이터 분석 또한 인사이트를 발굴하여 성과를 창출하는 것이 관건
참고
반응형