ADsP 2과목 2-2 분석 거버넌스 체계 수립 | 정리📝

분석 거버넌스 체계 구성요소

• Process(과제 기획/운영)
• System(IT 시스템/프로그램)
• Organization(분석 기획/관리 및 추친 조직)
• Data(데이터 거버넌스)
• Human Resource(분석 관련 교육/마인드 육성체계)

분석 준비도(Readiness) 평가

분석 업무 파악, 분석 데이터의 진단항목, 분석 기법 중요!

 

분석 수준 진단의 대상: 분석 업무, 분석 인력 및 조직, 분석 기법, 분석 데이터, 분석 문화, 분석 인프라

 

 

분석 성숙도 평가
능력 분석 및 분석 결과 활용에 대한 조직 성숙도를 의미함

소프트웨어 공학에서는 개발 업무능력과 조직, 프로세스 자체의 성숙도와 업무 프로세스 개선을 위한 조직 역량 등을 CMMI(Capbility Maturity Model Integration) 모델을 활용해 평가함

 

 

분석 준비도 및 성숙도 진단 결과를 4분면으로 구분 - 준정확도

 

 

데이터 거버넌스

• 전사 차원의 모든 데이터에 대해 정책 및 지침, 표준화, 운영 조직 및 책임 등의 표준화된 관계를 수립하고 운영을 위한 프레임워크(Framework) 및 저장소(Repository)를 구축하는 것
• 마스터데이터(Master Data), 메타데이터(Meta Data), 데이터사전(Data Dictionary)은 데이터 거버넌스의 중요관리 대상
• 구성요소: 원칙(Principle), 조직(Organization), 프로세스(Process)는 유기적으로 조합하고 효과적으로 관리하여, 데이터를 비즈니스 목적에 부합하도록 하고 최적의 정보 서비스를 제공할 수 있게 함
• 기업은 데이터 거버넌스 체계를 구축함으로써 데이터의 가용성, 유용성, 통합성, 보안성, 안정성을 확보할 수 있음
• 독자적으로 수행될 수도 있지만, 전사 차원의 IT 거버넌스나 EA의 구성요소로써 구축되는 경우도 있음

데이터 거버넌스 체계

• 데이터 표준화
  • 데이터 표준 용어 설정
  • 명명 규칙 수립
  • 메타데이터 구축
  • 데이터 사전 구축 등의 업무로 구성
• 데이터 관리 체계
  데이터 적합성 및 활용의 효용성을 위하여 표준 데이터를 포함한 메타데이터와 데이터 사전의 관리 원칙을 수립함
  빅데이터의 경우, 데이터 양의 급증으로 데이터의 생명주기 관리 방안을 수립하지 않으면 데이터 가용성 및 관리비용 증대 문제에 직면할 수 있음
• 데이터 저장소 관리
• 표준화 활동

 

빅데이터 거버넌스

• 단순히 대용량 데이터를 수집, 축적하는 것보다는 어떤 목적으로 어떤 데이터를 어떻게 분석에 활용할 것인가가 더욱 중요함
• ERD는 운영 중인 데이터베이스와 일치하기 위하여 철저한 변경관리가 필요함
• 산업분야별, 데이터 유형별, 정보 거버넌스 요소별로 구분해 작성함

 

분석 조직의 유형

• 집중구조
  전사 분석 업무를 별도의 분석 전담 조직에서 담당하는 형태
  • 전략적 중요도에 따라 분석 조직이 우선순위를 정해서 진행 가능함
  • 현업 업무부서의 분석 업무와 이중화, 이원화 가능성이 높음
• 기능구조
  별도의 분석 조직이 없고 해당 업무 부서에서 분석을 수행하는 방식
  • 해당 부처에서 직접 분석을 수행하면서 국한된 분석 수행 이슈가 존재함
• 분산구조
  분석 조직의 인력을 현업 부서에 배치해 분석 업무를 수행하는 형태
  • 분석 결과에 따른 신속한 Action 가능

*분석 조직: 분석 전문 인력뿐만 아니라 도메인 전문가, IT인력, 변화관리 및 교육담당 인력으로 구성되어야 효율적인 운영이 가능함

 

 

분석 과제 관리 프로세스

과제 발굴 단계: 분석 아이디어 발굴, 분석과제 후보제안, 분석과제 확정 프로세스

과제 수행 단계: 팀 구성, 분석과제 식별, 분석과제 진행관리, 결과 공유 프로세스

• 해당 과제를 진행하며 만들어진 시사점을 포함한 결과물을 풀(Pool)에 축적하고 지속적으로 관리함
  • 향후 유사한 분석과제 수행 시 시행착오 최소화 및 효율적인 진행 가능
  • 풀(Pool): 과제후보, 과제결과를 관리함

    

 

분석 도입에 대한 문화적 대응

A: 분석 중심 문화가 미도입된 현재의 상태 / 막연한 불안감 존재

B: 기존의 형태로 되돌아가려는 경향

C: 성공 시 강한 탄성에 의한 변화 가속화

D: 분석 활용이 일상화된 균형 상태

 

 

비즈니스 영역

• 분석 조직 및 인력에 대한 지속적인 교육과 훈련 실시
• 사실 기반(Fack-Based) 의사결정 문화 정착
• 단순한 툴 교육인 아닌 분석역량을 확보하고 강화하는 데 초점

 

 

<추가 정리>

기존 데이터 분석 VS 빅데이터 분석

• 고급분석은 둘 다 사용함
• 분석대상 데이터를 모든 형태 및 내외부 데이터로 확대
• 데이터의 생산 시점에서부터 실시간에 가까운 분석이 가능함
• 데이터 마트에 정형 데이터를 적재하고 데이터 분석을 통해 모델 생성 가능

 

Self Service Analytics

• 주요 기능: BI 도구, Ad hoc Report, OLAP, Visual Discovery, Machine Learning 등
• 성공적인 적용을 위해선 Reference Method 작성 및 공유, 표준 데이터의 활용, 데이터 거버넌스, 도구 사용에 대한 지속적인 교육이 필요함
• R, Python 등 데이터 분석 언어와 많은 통계적 지식이 필요함
• 분산처리를 지원하지 않음

 

빅데이터 분석 활용의 효과

제조업의 경우에도 생산성 향상, 불량률 감소 등에 대한 성과를 거둘 수 있음 (제조업 축소X)

 

 

분석 활용 시나리오: 데이터 분석 결과를 실제 업무에서 어떻게 적용할 것인지에 대한 결과를 포함함

• 기존 업무 프로세스와 개선된 업무 프로세스의 차이점을 상세하게 분석
• 분석 결과가 어떻게 업무 효율성이나 성과를 개선하는 데 도움이 될 것인지 이해하고, 필요한 변경사항 구체화 가능

 

일차원적 분석 유즈케이스

• 재무관리 — 자금 시재 예측
• 마케팅 관리 — 상점과 가게 위치 선정
• 공급 체인 관리 — 적정 재고량 결정
• 인력관리 — 이직 인력 예측