PART03.1장 데이터 분석 기획의 이해(분석 과제 발굴)

PART03.1장 데이터 분석 기획의 이해(분석 과제 발굴)

---

분석 과제 발굴 방법론

---

• 개요
  • 분석 문제로 변환한 후 관계자들이 이해하고 프로젝트로 수행할 수 있는 과제 정의서 형태로 도출
  • 분석의 대상을 아는 경우는 Top-Down 방식, 대상을 모르는 경우는 Bottom-up 방식이 주로 사용
  • 실제 새로운 상품 개발이나 전략 수립 등의 의사 결정할 때는 혼용
  • 분석의 가치를 높일 수 있는 최적의 의사결정은 두 접근 방식이 상호보완 관계에 있을 때 가능
    1. Design Thinking : Bottom-up의 발산과 Top-Down의 수렴이 반복적으로 수행
• Top-Down 접근
  • 기회나 문제를 탐색 -> 문제를 정의 -> 해결방안을 탐색 -> 분석의 타당성 평가
    ▶ 분석 과제를 도출하는 과정으로 구성
  • 문제 탐색(1단계)
    1. 비즈니스 모델 기반 + 외부 사례 기반
    2. 세부적인 구현 및 Solution에 초점을 맞추는 게 아니라, 문제를 해결함으로써 발생하는 가치에 중점을 두는 게 중요
    3. 비즈니스 모델 기반 문제 탐색
       - 비즈니스 모델 캔버스의 9가지 블록을 단순화
       - 새로운 관점의 접근을 통해 새로운 유형의 분석 기회 및 주제 발굴
         ① 업무(Operation) : 내부 프로세스 및 주요 자원 관련 주제 도출(생산공정/재고량 등)
         ② 제품(Product) : 제품/서비스를 개선하기 위한 주제 도출(기능 개선 및 서비스 모니터링 지표 도출)
         ③ 고객(Customer) : 고객 및 서비스를 제공하는 채널의 관점에서 관련 주제 도출
             (Call 대기 시간 최소화 / 영업점 위치 최적화)
         ④ 규제와 감사(Reguglation & Audit) : 규제 및 보안의 관점에서 도출
             (품질 이상 징후 관리 / 새로운 규제 시 예상되는 제품 추출)
         ⑤ 지원 인프라(IT&Human Resource) : 운영 관리하는 인력의 관점에서 도출
             (EDW 최적화, 적정 운영 인력 도출)
    4. 새로운 관점의 접근을 통해 새로운 유형의 분석 기회 및 주제 발굴 수행
    5. 분석 기회 발굴의 범위 확장
       - 관점별
         ① 거시적 관점 : 사회 / 기술 / 경제 / 환경 / 정치
         ② 경쟁자 확대 : 대체제 / 경쟁자 / 신규 진입자
         ③ 시장 니즈 탐색 : 고객 / 채널 / 영향자들
         ④ 역량의 변화 : 내부역량 / 파트너 네트워크
    6. 외부 참조 모델 기반 문제 탐색
       - 후보 목록을 워크숍 형태의 브레인스토밍을 통해 빠르게 도출하는 방법
       - Quick & Easy
       - 평상시 지속적인 조사와 데이터 분석을 통한 가치 발굴 사례를 정리하여 pool을 만들어 둔다면 과제 발굴 시 빠르고 의미 있는 도출 가능
    7. 분석 유즈 케이스
       - 풀어야 할 문제에 대한 상세한 설명 및 해당 문제를 해결했을 때 발생하는 효과 명시
  • 문제 정의 단계(2단계)
    1. 식별된 비즈니스 문제를 데이터 문제로 변환
    2. 이를 달성하기 위해서 필요한 데이터 및 기법을 정의하기 위한 데이터 분석의 문제로 전환
    3. 데이터 분석 문제의 정의 및 요구사항은 End User 관점에서 이루어져야 함
    4. 분석 문제가 잘 정의되었을 때는 데이터 정의 및 기법 발굴이 용이
  • 해결방안 탐색(3단계)
    1. 정의된 데이터 분석 문제를 해결하기 위한 다양한 방법 모색
    2. 분석 역량의 확보와 분석 기법 및 시스템의 확보 여부에 따라 방안이 달라짐
       - 기존 시스템 + 분석 역량 확보 : 기존 시스템 개선
       - 기존 시스템 + 미확보 : 교육 및 채용을 통한 역량 확보
       - 신규 도입 필요 + 분석 역량 확보 : 시스템 고도화
       - 신규 도입 필요 + 분석 역량 미확보 : 전문업체 Sourcing
  • 타당성 검토
    1. 경제적 타당성
    2. 데이터 및 기술적 타당성
       - 데이터 타당성 :데이터 존재 여부, 분석 시스템 환경, 분석 역량에 대한 검토
• 상향식 접근법(Bottom-up)
  • 기존 하향식 접근법의 한계를 극복하기 위한 방법론
    1. 기존 : 문제의 구조가 분명하고 문제를 해결하고 해결책을 도출하기 위한 데이터 분석가 및 의사결정자에게 주어져 있음을 가정 ▶ Solution 도출에는 유용하지만 새로운 문제 탐색에는 한계
    2. Design Thinking
       - 첫 단계인 감정이입을 중요시
    3. 답을 미리내는 것이 아닌 사물을 그대로 인식하는 "What" 관점
  • 비지도 학습과 지도 학습
  • 시행착오를 통한 문제 해결
    1. 프로토타입 접근법
    2. 필요성
       - 문제에 대한 인식 수준 : 문제를 이해하고 구체화하는데 도움
       - 필요 데이터 존재 여부의 불확실성 : 사용자와 분석가 간의 반복적이고 순환적인 협의 과정
       - 데이터 사용 목적의 가변성 : 기존 데이터의 재검토를 통해