반응형
분석 문제 정의 개요
분석 과제 도출
- 해결해야 할 다양한 문제들을 데이터 분석 문제로 변환하여 분석 프로젝트로 수행할 수 있는 과제정의서 형태로 도출
대표적인 분석 과제 도출 방법
- 문제가 먼저 주어지고 이에 대한 해법을 찾아가는 하향식 접근 방식
- 데이터를 기반으로 문제의 재정의 및 해결방안을 탐색하는 상향식 접근 방식
최적의 의사결정을 위한 혼합방식
- 동적인 환경에서 발산과 수렴 단계를 반복적으로 수행하며 상호 보완을 통해 분석의 가치 극대화
- 주로 신상품 개발이나 전략 수립 등 중요한 의사결정이 필요할 때 사용
- 상향식 접근 방식의 발산(Diverage) 단계 : 가능한 옵션 도출
- 하향식 접근 방식의 수렴(Converge) 단계 : 도출된 옵션을 분석하고 검증
분석 과제 정의
- 다양한 방식으로 도출한 분석 과제들을 명확하게 정의하여 상세히 작성
- 필요한 데이터, 데이터 수집과 분석 난이도, 분석 방법과 수행 주기, 상헤 분석 과정, 분석 결과에 대한 검증 책임자 등
- 분석 데이터는 조직 내부뿐만 아니라 외부 데이터도 포함
- 데이터 유형이나 종류를 가리지 않고 범위를 확장하여 고려
- 분석 프로젝트를 수행하는 이해관계자가 프로젝트의 방향을 설정하고 성공 여부를 판단할 수 있는 자료로 사용
- 향후 프로젝트 수행계획의 입력물로 사용
하향식 접근 방식(Top Down Approach)
- 문제가 주어지고 이에 대한 해법을 찾기 위해 각 과정이 체계적으로 단계화되어 수행하는 방식
- 하향식 접근 방식의 단계
- 문제 탐색(Problem Discovery) : 비즈니스 모델 기반 문제 탐색 또는 외부 사례 기반 문제 탐색
- 문제 정의(Problem Definition) : 데이터 분석 문제 변환
- 해결방안 탐색(Solution Search) : 수행 옵션 도출
- 타당성 평가(Feasibility Study) : 타당성 평가 후 과제 선정
문제 탐색(Problem Discovery) 단계
- 전체적인 관점의 기준 모델을 활용하여 누락 없이 문제를 도출하고 식별해야 함
- 전체적인 관점 기준 모델에는 기업 내/외부 환경을 포괄하는 비즈니스 모델과 외부 참조 모델 존재
- 세부적인 내용보다 문제를 해결하여 발생하는 가치에 중심을 두어야 함
| 구분 | 내용 |
| 비즈니스 모델 기반 문제 탐색 |
- 해당 기업이 사업 모델을 도식화한 비즈니스 모델 캔버스의 블록을 단순화하여 기회 추가 도출 - 새로운 관점의 접근으로 새로운 유형의 분석 기회와 주제 발굴 |
| 외부 참조 모델 기반 문제 탐색 |
- 유사 또는 동종의 환경에서 기존에 수행한 분석 사례 벤치마킹 - 제공되는 산업별, 업무 서비스별 분석테마 후보 그룹을 통해 빠르고 쉬운 방식으로 접근 |
| 분석 유즈케이스 정의 | - 도출한 분석 기회들을 구체적인 과제로 만들기 전에 분석 유즈 케이스로 정의 - 문제에 대한 상세 설명과 기대효과를 명시하여 향후 데이터 분석 문제로의 전환 및 적합성 평가에 활용 |
문제 정의(Problem Definition) 단계
- 식별된 비즈니스 문제를 데이터적인 문제로 변환하여 정의
- 필요한 데이터와 기법을 정의하기 위한 데이터 분석 문제로 변환
- 분석 수행자 외 문제 해결 시 효용을 얻을 최종 사용자 관점에서 정의
해결방안 탐색(Solution Search) 단계
- 정의된 데이터 분석 문제를 해결하기 위한 다양한 방안 모색
- 기법 및 시스템과 분석 역량 보유 여부에 따라 세분화
타당성 평가(Feasibility Study) 단계
도출된 분석 문제, 가설에 대한 대안을 과제화하기 위한 타당성 분석
| 경제적 타당성 |
- 비용 대비 편익 분석 관점의 접근 필요 - 항목은 데이터, 시스템, 인력, 유지보수 등 분석 비용 - 편익은 분석 결과를 적용하여 발생 가능한 실질적 비용 절감, 추가적 매출과 수익 등이 경제적 가치로 산출 |
| 데이터 및 기술적 타당성 |
- 데이터 분석 시 데이터, 분석 시스템 환경 분석 역량 필요 - 기술적 타당성 분석 시 역량 확보 방안의 사전수립 필요 - 비즈니스 분석가, 데이터 분석가, 시스템 엔지니어 등과 협업 |
하향식 접근 방식의 문제 탐색 방법
비즈니스 모델 캔버스를 활용한 과제 발굴
* 비즈니스 모델 캔버스 : 새로운 사업 모형을 개발하고 기존의 모형을 문서화하기 위한 경영전략 템플릿
- 해당 기업의 사업 모델을 도식화한 비즈니스 모델 캔버스의 9가지 블록을 단순화하여 도출
- 문제 발굴 : 3개의 단위
- 문제 관리 : 2개의 영역
| 업무 단위 (Operation) |
제품이나 서비스를 생산하기 위한 내부 프로세스 및 주요 자원과 관련하여 주제 도출 |
| 제품 단위 (Product) |
생산 및 제공하는 제품이나 서비스를 개선하기 위한 관련 주제들을 도출 |
| 고객 단위 (Customer) |
제품이나 서비스를 제공받은 사용자나 고객 또는 이를 제공하는 채널 관점에서 관련 주제들을 도출 |
| 규제와 감사 영역 (Audit&Regulation) |
제품 생산과 전달 과정에서 발생하는 규제나 보안 관점에서 관련 주제들을 도출 |
| 지원 인프라 영역 (IT&Human Resource) |
분석을 수행하는 시스템 영역과 이를 운영 및 관리한느 ㅇ니력의 관점에서 관련 주제들을 도출 |
분석 기회 발굴의 범위 확장
- 새로운 문제의 발굴이나 장기적인 접근을 위해서는 환경과 경쟁 구도의 변화 및 역량의 재해석을 통한 혁신 관점의 분석 기회 추가 도출 필요
| 관점 | 영역 | 내용 |
| 거시적 관점 | 사회 영역 (Social) |
고객영역을 확장하여 전체 시장을 사회, 문화, 구조적 트렌드 변화에 기반하여 분석 기회 도출 |
| 기술 영역 (Technological) |
과학, 기술, 의학 등 최신 기술의 등장변화에 따른 역량 내 재화와 제품 및 서비스 개발에 대한 분석 기회 도출 | |
| 경제 영역 (Economic) |
산업과 금융 전반의 변동성과 경제 구조 변화 동향에 따른 시장 흐름을 파악하고 분석 기회 도출 | |
| 환경 영역 (Environmental) |
환경과 관련된 정부, 사회단체, 시민사사회의 관심과 규제 동향을 파악하고 분석 기회 도출 | |
| 정치 영역 (Political) |
주요 정책방향, 정세, 지정학적 동향 등의 거시적인 흐름을 토대로 하여 분석 기회 도출 | |
| 경쟁자 확대 관점 |
대체재 영역 (Substitute) |
현재 생산하고 있는 제품 또는 서비스의 대체재를 파악하고 고려한 분석 기회 도출 |
| 경쟁자 영역 (Competitor) |
현재 생산하고 있는 제품이나 서비스의 주요 경쟁자에 대한 동향을 파악하고 고려한 분석 기회 도출 | |
| 신규 진입자 영역 (New Entrant) |
향후 시장에서 파괴적인 역할을 수행할 수 있는 신규 진입자에 대한 동향을 파악하고 고려한 분석 기회 도출 | |
| 시장의 니즈 탐색 관점 |
고객 영역 (Customer) |
고객의 구매 동향 및 고객의 컨텍스트를 더욱 깊게 이해하여 제품 또는 서비스의 개선에 필요한 분석 기회 도출 |
| 채널 영역 (Channel) |
자체 채널뿐 아니라 최종 고객에게 상품이나 서비스를 전달 가능한 모든 경로를 파악하여 경로별 채널 분석 기회를 확대하여 탐색 | |
| 영향자들 영역 (Influencer) |
주주, 투자자, 협의 및 기타 이해관계자의 주요 관심사항에 파악하고 분석 기회 탐색 | |
| 역량의 재해석 관점 |
내부 역량 영역 (Competency) |
지식, 기술, 스킬 등 노하우와 인프라적인 유형 자산에 대해서도 폭넓게 재해석하고 분석 기회를 탐색 |
| 파트너와 네트워크 영역 (Partners & Network) |
관계사와 공급사 등의 역량을 활용해 수행할 수 있는 기능을 파악해 보고 분석 기회 추가적 도출 |
상향식 접근 방식(Bottom Up Approach)
- 문제의 정의 자체가 어려운 경우 데이터를 기반으로 문제의 재정의 및 해결방안 탐색, 이를 지속적으로 개선하는 방식
상향식 접근 방식의 특징
- 다량의 데이터 분석을 통해 왜(why) 그러한 일이 발생하는지 역으로 추적하면서 문제를 도출하거나 재정의할 수 있는 방식
- 데이터를 활용하여 생각지도 못했던 인사이트 도출 및 시행착오를 통한 개선 가능
상향식 접근 방식의 등장배경
- 기존 하향식 접근 방식의 한계를 극복하기 위해 등장
- 하향식 접근 방식의 한계
- 솔루션 도출은 유효하지만 새로운 문제 탐색의 어려움
- 복잡하고 다양한 환경에서 발생한 문제에 대한 부적합성
- 하향식 접근 방식의 한계
- 논리적 단계별 접근법은 문제의 구조가 분명하고 이에 대한 해결책을 도출하기 위한 데이터가 분석가나 의사결정자에게 주어져 있음을 가정
상향식 접근기반 전통적 분석 사고 극복방안
- 디자인 사고 접근법
- 현장 관찰과 감정이입, 대산 관점으로의 전환 수행
- 답을 미리 내는 것이 아니라 사물을 있는 그대로 인식하는 What 관점으로 접근
- 통상적으로는 분석적으로 사물을 인식하려는 Why 강조
- 객관적으로 존재하는 데이터 자체를 관찰하고 실제 행동으로 옮김으로써 대상을 좀 더 잘 이해하는 방식으로 접근
- 비지도학습 방법에 의한 수행
- 목표값을 사전에 학습하거나 정의하지 않고 데이터 자체만을 가지고 결과 도출
- 새로운 유형의 인사이트를 도출하기에 유용
- 빅데이터 환경에서의 분석
- 인과관계, 상관관계, 연관분석을 통하여 다양한 문제 해결
- 통계적 분석환경에서는 인과관계 분석을 위해 가설을 설정하고 검증하기 위해 모집단으로부터 표본을 추출하여 가설 검증
- 인과관계, 상관관계, 연관분석을 통하여 다양한 문제 해결
상향식 접근 방식의 문제 해결 방법
- 프로토타이핑 접근법
- 일단 먼저 분석을 시도해 보고 그 결과를 확인하면서 반복적으로 개선해 나가는 방식
- 사용자가 요구사항이나 데이터를 정확히 정의하기 어렵고 원천 데이터도 명확하지 않을 때 주로 사용
- 완전하지는 않지만 신속하게 해결책이나 모형을 제시하여 이를 바탕으로 문제를 더 명확하게 인식하고 필요한 데이터를 식별하여 구체화
<프로토타이핑 접근법의 필요성>
| 관점 | 내용 |
| 문제에 대한 인식 수준 |
- 문제 정의가 불명확하거나 새로운 문제일 경우 사용자나 이해관계자는 프로토타입을 이용하여 문제를 이해하고 구체화 |
| 필요 데이터 존재 여부의 불확실성 |
- 문제 해결을 위해 필요한 모든 데이터가 존재하지 않을 경우, 이에 대한 수집방안이나 대체방안 수립 - 대체 불가능한 데이터가 존재하는지 사전에 확인하여 프로젝트가 중도에 중단되는 위험 방지 |
| 데이터 사용 목적의 가변성 |
- 데이터의 가치는 사전에 정해진 수립 목적에 따라 확정되는 것이 아니며 가치가 지속적으로 변화 - 기존에 보유 중인 데이터도 데이터 정의를 재검토하여 데이터의 사용 목적과 범위 확대 |
<프로토타이핑 접근법의 프로세스>
| 특징 | - 잘 설계된 프로토타이핑을 지속하는 경우 실험이 가지고 있는 불명확성은 감소하고 의도했던 결과 도출 가능성 상승 - 빅데이터 분석환경에서는 최대한 빨리 분석 결과를 보여주고 지속적으로 반복하는 방법이 효과적 |
| 구성 | - 가설의 생성(Hypotheses) - 디자인에 대한 실험(Design Experiments) - 실제 환경에서의 테스트(Test) - 테스트 결과에서의 통찰(Insight) 도출 및 가설 확인 |
참고
반응형