분석 기획 방향성 도출
과목 IⅠ 제1장 데이터 분석 기획의 이해
목차
1. 분석 기획의 정의와 특징
분석 기획의 정의
분석 기획이란 실제 분석을 수행하기 전, 분석 과제를 정의하고 의도했던 결과를 도출할 수 있도록 관리방안을 사전에 계획하는 작업을 의미한다. 이는 분석을 직접 수행하는 단계는 아니지만, 어떠한 목표(What)을 달성하기 위해 어떠한 데이터(Data)를 가지고 어떠한 방식(How)으로 수행할지에 대한 일련의 계획(Plan)을 수립하는 중요한 사전 작업(Preliminary Work)입니다.
분석 기획의 특징
분석을 기획하는 데는 데이터를 다루는 영역의 특성상 데이터 사이언티스트의 요구 역량인 수학/통계학적 지식, 분석 도구인 데이터 및 프로그래밍 기술, 해당 비즈니스에 대한 이해와 전문성에 대한 고른 역량과 시각 등이 요구됩니다.
분석 기획의 중요성
분석 기획은 명확한 목표 설정을 통해 불필요한 분석 과정을 줄여 효율성을 높이고, 데이터의 특성을 파악하여 적절한 데이터를 확보함으로써 분석 결과의 신뢰성을 높이는 데 중요한 역할을 한다. 또한, 분석 프로젝트의 위험 요소를 사전에 파악하고 대응 방안을 수립하여 성공 가능성을 높이며, 분석 결과를 실제 비즈니스에 효과적으로 활용할 수 있도록 지원한다. 효율적인 의사소통에도 기여하는데, 분석과 관련된 모든 이해관계자들 사이의 원활한 의사소통을 돕고, 분석의 목적과 방향을 명확히 공유함으로써 오해를 줄이고 협력을 증진시킨다.
분석 대상과 그 방법에 따른 4가지 분석 주제
-
최적화(Optimisation): 주어진 목표를 가장 효율적으로 달성하기 위한 최적의 솔루션을 찾는 분석입니다. 문제와 해결 방법이 모두 명확한 상태에서, 효율성 극대화에 초점을 둡니다. 주로 정량적 기법을 활용하여 최적의 결과를 도출합니다.
-
솔루션(Solution): 해결해야 할 문제는 명확하지만, 분석 방법이나 모델이 불분명한 경우입니다. 데이터 분석을 통해 적절한 해결 방법을 도출합니다.
-
통찰(Insight): 분석 도구나 방법은 알고 있지만, 무엇을 분석해야 할지 불명확한 경우입니다. 탐색적 데이터 분석(EDA)을 통해 의미 있는 패턴이나 트렌드를 발견하고, 이를 바탕으로 분석할 문제를 정의 합니다.
-
발견(Discovery): 문제와 분석 방법이 모두 불분명한 경우입니다. 데이터의 특성을 파악하고 분석 방향을 설정하며, 숨겨진 패턴이나 관계를 통해 새로운 가치를 창출합니다.
| 분석 주제 (Analysis Theme) | 분석 대상 (Analysis Object) | 분석 방법 (Analysis Method) | 예시 (Example) |
|---|---|---|---|
| 최적화 (Optimization) | 알고 있음 (Known) | 알고 있음 (Known) | 생산 공정 최적화, 마케팅 캠페인 효율 극대화 |
| 솔루션 (Solution) | 알고 있음 (Known) | 모름 (Unknown) | 고객 이탈 원인 분석, 특정 제품 판매 부진 원인 파악 |
| 통찰 (Insight) | 모름 (Unknown) | 알고 있음 (Known) | 소셜 미디어 데이터 분석을 통한 소비자 트렌드 파악, 웹 로그 분석을 통한 사용자 행동 패턴 발견 |
| 발견 (Discovery) | 모름 (Unknown) | 모름 (Unknown) | 새로운 시장 기회 발굴, 혁신적인 제품 개발 아이디어 도출 |
목표 시점별 분석 기획
당면한 과제를 언제 해결해야 하는가에 대하여 분석 기획을 두 가지 종류로 나누어 볼 수 있습니다.
과제 중심적인 접근:
- 단기적인 문제 해결에 초점을 맞추어, 빠른 의사 결정과 실행을 강조합니다.
- 분석 결과의 정확성 보다는 신속성이 중요하며, 테스트를 통해 빠르게 결과를 검증합니다.
- 애자일 방법론(Agile Methodology)과 같은 유연한 접근 방식을 사용하여 변화에 빠르게 대응합니다.
- 주로 데이터 분석을 통한 빠른 의사결정이 중요할때 사용되며, 빠른시간내에 결과를 도출하는것에 집중합니다.
장기적인 마스터플랜:
- 장기적인 관점에서 분석 역량을 내재화하고, 지속 가능한 분석 환경을 구축하는 데 초점을 맞춥니다.
- 정확한 문제 정의와 체계적인 분석 프로세스를 통해 신뢰성 높은 분석 결과를 도출합니다.
- 데이터 거버넌스(Data Governance)와 같은 데이터 관리 체계를 구축하여 데이터의 품질과 보안을 확보합니다.
- 분석을 통해 장기적으로 회사의 경쟁우위를 확보하고 분석역량을 회사내에 내재화 시키는것이 목표입니다.
| 당면한 분석 주제 해결 (과제 단위) |
지속적 분석 문화 내재화 (마스터플랜 단위) |
|
|---|---|---|
| 목적 (Purpose) | 빠르게 해결하는 것이 목적 | 지속적으로 해결하는 것이 목적 |
| 1차 목표 (Primary Goal) | Speed & Test (속도 및 테스트) | Accuracy & Deploy (정확도 및 배포) |
| 과제 유형 (Task Type) | Quick & Win (빠른 승리) | Long Term View (장기적 관점) |
| 접근 방식 (Approach) | Problem Solving (문제 해결) | Problem Definition (문제 정의) |
분석 기획 시 고려사항
가용 데이터 고려
분석의 기본이 되는 데이터가 확보될 수 있는지에 대한 고려가 필요합니다. 데이터가 존재하더라도 데이터 유형에 따라 분석 방법이 다르기 때문에 데이터 유형에 대한 분석이 선행적으로 이루어져야 합니다. 데이터의 양, 품질, 적시성(Timeliness), 관련성(Relevance) 등을 종합적으로 평가하여 분석에 적합한 데이터를 선정해야 합니다. 데이터 출저, 수집 방법, 데이터 거버넌스 정책 등을 고려하여 데이터의 신뢰성(Reliability)을 확보해야 합니다.
적절한 활용 방안과 Usecase의 탐색
‘바퀴를 재발명하지 마라(Don’t reinvent the wheel)’라는 격언처럼, 기존에 잘 구현되어 활용되고 있는 유사 시나리오 및 솔루션을 최대한 활용하는 것이 중요합니다. 과거의 유사한 분석 사례가 있다면, 그 시나리오를 최대한 활용하여 과거의 실패를 반복하지 않거나, 성공적인 분석을 위한 가이드로서 참조할 수 있습니다. 분석 결과가 실제 비즈니스에 적용되어 가치를 창출할 수 있는 활용 방안(Utilisation Plan)과 유즈케이스(Usecase)를 탐색해야 합니다.
장애요소에 대한 사전 계획 수립
분석을 수행할 때 발생 가능한 장애요소(Obstacles)에 대한 사전 계획 수립이 필요합니다. 데이터 부족, 분석 기술 부족, 시스템 문제, 예산 부족, 시간 부족 등 다양한 장애요소를 예측하고, 이에 대한 대응 방안(Countermeasures)을 마련해야 합니다. 장애요소 발생 시 신속하게 대응할 수 있도록 비상 계획(Continegency Plan)을 수립해야 합니다. 분석 프로젝트의 성공적인 수행을 위해 지속적인 모니터링과 위험 관리가 필요합니다. 분석 결과의 활용 및 지속적인 교율등의 변화 관리 또한 필요합니다.
기업의 합리적 의사결정 방해요소
- 고정 관념(Stereotypes): 과거의 경험이나 지식에 기반한 고정된 사고방식은 새로운 정보나 변화에 대한 유연한 대응을 방해합니다. 특히, 급변하는 시장 환경에서 고정 관념은 잘못된 판다으로 이어질 수 있습니다.
- 편향된 생각(Bias): 개인 주관적인 경험, 감정, 선호 등이 의사결정에 영향을 미쳐 객관적인 판단을 흐리게 할 수 있습니다.
- 프레이밍 효과(Framing effect): 동일한 사건이나 상황이라도 제시 방식에 따라 개인의 판단이나 선택이 달라지는 현상입니다. 긍정적인 프레임과 부정적인 프레임에 따라 위험 회피 또는 위험 추구 성향이 달라질 수 있습니다.