[2과목] 01장 데이터 분석 기획의 이해 - (2) 분석 과제 발굴

1. 분석 과제 발굴 개요

🔷 분석 과제 '발굴' 과 '탐색'

 

 

⚫분석 과제 발굴

• 해결해야 할 다양한 기업(혹은 분석의 주체)의 문제를 '데이트 분석 문제'로 변환하는 것을 포함하는 개념이다.
• 분석 과제는 이해관계자들이 이해할 수 있게 프로젝트 수행 목적의 과제 정의서 형태로 도출

 

⚫ 분석 과제 탐색 방법

 

❤️ 하향식 접근법 (Top-Down Approach)

: 문제가 주어졌을 때 우리가 해결해야 할 과제가 무엇인지를 찾는 전통적인 Top-Down 수행 방법으로, 각 과정이 치계적으로 단계화 되어 문제를 해결하는 방식

 

❤️ 상향식 접근법 (Bottom Up Approach)

: 문제 정의 자체가 어려운 경우 데이터를 기반으로 문제의 재정의 및 해결방안을 탐색하고 이를 지속적으로 개선하는 방식,

다양한 데이터의 조합 속에서 인사이트를 찾아내는 Bottom-Up 방식

 

 

[분석 과제 발굴 방법론 개념도]

하향식 접근법은 현황 분석을 통해서 또는 인식된 문제로부터 기회나 문제를 탐색하고, 문제를 정의, 해결 방안을 탐색, 데이터의 타당서을 평가하는 과정을 거쳐 분석 과제를 도출하는 과정으로 구성되어 있다.

 

 

 

🔷디자인 씽킹

♦️ IDEO사의 디자인 씽킹

 

 

 

♦️ 스탠퍼드대학 d.school 디자인 씽킹

 

① 공감(Empathize)

② 문제 정의(Define)

③ 아이디어 도출(Ideate)

④ 프로토타입 (Prototype)

⑤ 테스트(Test)

⑥ 평가 (ASSESS)

 

---

 

 

2. 하향식 접근법 ❤️❤️❤️

🔷 ✔️[1단계] - 문제 탐색 단계

 

① 비즈니스 모델 기반 문제 탐색

• 업무, 제품, 고객 단위로 문제를 발굴하고 이를 관리하는 규제와 감사, 지원 인프라의 두 가지 영역에 대한 기회를 추가로 도출하는 작업
• 새로운 관점의 접근으로 새로운 유형의 분석 기회와 주제를 발굴

② 분석 기회 발굴 범위의 확장

거시적, 경쟁자, 시장니즈, 역량의 재해석

 

 

③ 외부 참조 모델 기반 문제 탐색

• 유사 동종 업계에서 기존에 수행한 문제 탐색 및 분석 과제 등을 활용
• 유사동종 벤치마킹
• 산업별, 서비스별 분석테마 후보 그룹을 통해 빠르고 쉬운 (Quick & Easy)방식으로 분석 기회가 무엇인지 아이디어를 얻는 브레인스토밍 활용 방법

④ 분석 유스케이스 정의

• 도출한 분석 기회들을 세부과제로 도출하기 전에 '분석 유스케이스 (Analytics Use Case)'로 정의
• 문제에 대한 상세 설명과 기대효과를 명시하여 향후 데이터 분석 문제로의 전환 및 적합성 평가에 활용

 

[비즈니스 모델 캔버스]

 

 

🔷 ✔️[2단계] - 문제 정의 단계

• 식별된 비즈니스 문제를 데이터적인 문제로 변환하여 정의
• 필요한 데이터와 기법을 정의하기 위한 데이터 분석 문제로 변환
• 데이터 분석 문제의 정의는 최종 사용자(End-User)관점에서 이루어져야 한다.

 

🔷 ✔️[3단계] - 해결 방안 탐색 단계

• 정의된 데이터에서 분석 문제를 해결하기 위한 다양한 방안들을 모색
• 기업 수준에서 분석이 가능한 시스템을 갖추었는지, 분석을 수행할 인력을 확보되었는지 탐색

분석 기법 및 시스템, 분석 역량, 아웃 소싱, 외주, 시스템 고도화

 

🔷 ✔️[4단계] - 타당성 평가 단계

• 도출된 분석 문제, 가설에 대한 대안을 과제화하기 위한 타당성을 분석
• 도출된 여러 대안 중 평가 과정을 거쳐 가장 우월한 대안을 선택

경제적 타당성 : 비용 대비 편익 분점 관점의 접근이 필요

- 비용 항목은 데이터, 시스템, 인력, 유지보수 등 분석 비용

- 편익은 분석 결과를 적용하여 발생 가능한 실질적 비용 절감, 추가적 매출과 수익 등의 경제적 가치 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 분석과, 시스템 엔지니어등과 협업

 

 

---

 

3. 상향식 접근법 ❤️❤️❤️

🔷 상향식 접근법 개요

 

⚫ 상향식 접근법 개념

• 상향식 접근법은 분석 대상이 무엇인지 모를 경우 분석 과제 발굴을 위해 사용하는 방법
• 원천 데이터로부터 통찰과 지식을 얻는 접근 방법

 

⚫ 상향식 접근법 특징

• 다량의 데이터 분석을 통해 왜(why) 그러한 일이 발생했는지 역으로 추적하면서 문제를 도출하거나 재정의할 수 있는 방식
• 데이터를 활용하여 생각지도 못했던 인사이트 도출 및 시행착오를 통한 개선이 가능
• 일반적으로 비지도학습 방법에 의해 수행
• d.school의 디자인 씽킹은 상향식 접근법에 속함

---

🔷 지도학습과 비지도학습 ❤️❤️❤️

 

✔️지도학습 : 정답이 있는 데이터를 활용하여 분석 모델을 학습

• 지도학습은 레이블(Label)이 범주형인 분류와 연속형인 회귀로 나누어진다
• ex) 머신러닝, 의사결정 트리, 인공신경망 모형, 분류 분석

 

✔️비지도학습 : 정답을 알려주지 않고 학습

• 정답 레이블이 없는 데이터를 비슷한 특징을 가진 데이터끼리 군집화하여 새로운 데이터에 대한 결과 예측
• 목적이 명확하게 정의된 특정 필드의 값을 구하는 것이 아니라, 데이터 자체의 결합, 연관성, 유사성 등을 중심으로 데이터의 상태를 표현
• 일반적으로 상향식 접근법 데이터분석은 비지도학습에 의해 수행됨
• 새로운 유형의 인사이트를 도출하기에 유용한 방식
• ex) 장바구니 분석, 기술통계, 프로파일링, 군집분석, 주성분분석, 다차원척도

 

🔷프로토타이핑 접근법

프로토타이핑 접근법 : 일단 먼저 분석을 시도해보고 그 결과를 확인하면서 반복적으로 개선해나가는 방식

• 상향식 접근법 중 하나로 시행착오 해결법이라고도 함
• 사용자가 요구사항이나 데이터를 정확히 정의하기 어렵고 원천데이터도 명확하지 않을 때 주로 사용

⚫ 프로토타이핑 접근법의 필요성

♦️ 문제에 대한 인식 수준

♦️ 필요 데이터 존재 여부의 불확실성

♦️ 데이터 사용 목적의 가변성

 

 

 

 

⚫ 프로세스

특징

• 잘 설계된 프로토타이핑을 지속하는 경우 실험이 가지고 있는 불확실성은 감소하고 의도했던 결과를 도출할 가능성이 높아진다.
• 분석환경에서는 최대한 분석 결과를 보여주고 이를 가지고 지속적으로 반복하는 방법이 효과적이다.

구성

① 가설의 생성 (Hypotheses)

② 디자인에 대한 실험 (Design Experiments)

③ 실제 환경에서의 테스트(Test)

④ 테스트 결과에서의 통찰(Insight) 도출 및 가설 확인

 

 

 

 

 

 

 

[참고 도서]

출처 :

이지패스 2024 ADsP 데이터분석 준전문가

2024 이기적 빅데이터분석기사 필기 기본서