3편 · 데이터 분석 기획의 이해 — 방법론과 과제 발굴

학습 경로 · 2과목 1장

← 2편 · 빅데이터의 가치와 데이터 사이언스 · 다음: 4편 · 분석 마스터플랜 →

범위: 교재 2과목 1장 — 01 분석 기획과 분석 방법론, 02 분석 과제 발굴, 03 분석 프로젝트 관리 방안.

형광펜 읽는 법: 노랑 핵심 정의·결론 · 빨강 시험에서 헷갈리는 구분·함정 · 파랑 외워야 할 순서·목록

---

단원 도입

PART 1 · 분석 기획

1. 분석 기획이란

분석가에게 필요한 역량: 수학·통계학적 지식 + IT·프로그래밍 기술 + 해당 비즈니스(도메인)에 대한 이해, 그리고 이를 아우르는 균형 잡힌 시각.

2. 분석 주제의 4가지 유형

분석 대상(What) 과 분석 방법(How) 을 아는지 모르는지로 나눈다.

• 대상·방법 모두 앎 → 개선만 하면 됨 → 최적화
• 대상은 아는데 방법 모름 → 방법을 찾아야 함 → 솔루션
• 방법은 있는데 대상 모름 → 데이터를 돌려 보며 새 시사점 → 통찰
• 둘 다 모름 → 처음부터 찾아 나섬 → 발견

3. 목표 시점별 분석 기획 방안

둘은 대립하지 않는다. 당면 과제는 빠르게 해결하면서(Quick-Win), 그 경험을 장기 마스터플랜으로 엮는 혼합 방식이 바람직하다.

4. 분석 기획 시 고려사항

1. 가용 데이터(Available data): 분석의 기본. 데이터 확보 가능 여부와 유형(정형·반정형·비정형)을 먼저 파악한다.
2. 적절한 유스케이스(Proper use-case): 이미 잘 구현된 유사 분석 시나리오·솔루션을 최대한 활용한다.
3. 장애요소에 대한 사전 계획(Low barrier of execution): 비용, 사용자 교육, 변화 관리를 미리 계획하고, 일회성 분석이 아니라 조직 역량으로 내재화한다.

합리적 의사결정을 가로막는 요소: 고정관념(stereotype), 편향된 생각(bias), 프레이밍 효과(framing effect) — 같은 사실도 어떻게 제시되느냐에 따라 판단이 달라지는 현상.

PART 2 · 분석 방법론

5. 분석 방법론의 구성과 모델

구성요소: 상세한 절차 · 방법 · 도구와 기법 · 템플릿과 산출물

계층적 프로세스 모델: 단계(Phase) → 태스크(Task) → 스텝(Step)

• 단계: 프로세스 그룹. 단계별 산출물이 나오고 베이스라인(baseline) 으로 관리·버전 관리.
• 태스크: 단계를 구성하는 단위 활동. 물리적·논리적 산출물.
• 스텝: 단기간에 수행하는 WBS의 워크 패키지(work package). 입력 → 처리·도구 → 출력.

6. KDD 분석 방법론

KDD(Knowledge Discovery in Databases) — 1996년 Fayyad가 체계화한, 데이터에서 패턴을 찾는 프로세스.

데이터셋 선택 → 데이터 전처리 → 데이터 변환 → 데이터 마이닝 → 결과 평가 ("선전변마평")

7. CRISP-DM 분석 방법론

CRISP-DM(Cross Industry Standard Process for Data Mining) — 1996년 유럽연합 프로젝트에서 시작. 4레벨 구조: 단계(Phases) → 일반화 태스크(Generic Tasks) → 세분화 태스크(Specialized Tasks) → 프로세스 실행(Process Instances)

6단계: 업무 이해 → 데이터 이해 → 데이터 준비 → 모델링 → 평가 → 전개 — 단계 간 피드백(되돌아가기) 이 있다.

KDD · CRISP-DM · SEMMA 대응

SEMMA: Sample → Explore → Modify → Model → Assess — SAS사가 만든, 기술·통계 중심 방법론.

8. 빅데이터 분석 방법론

분석 기획 → 데이터 준비 → 데이터 분석 → 시스템 구현 → 평가 및 전개

위험 대응 방법: 회피(Avoid) · 전이(Transfer) · 완화(Mitigate) · 수용(Accept) ("회전완수")

PART 3 · 분석 과제 발굴

9. 하향식 접근법 (Top-down)

문제 탐색 → 문제 정의 → 해결방안 탐색 → 타당성 검토

① 문제 탐색 (Problem Discovery)

빠짐없이 문제를 도출하는 것이 중요하며, 세부 솔루션보다 문제를 해결했을 때 생기는 가치에 초점을 둔다.

• 비즈니스 모델 캔버스 기반: 9블록을 단순화한 업무 · 제품 · 고객 · 규제와 감사 · 지원 인프라 5영역
• 외부 참조 모델 기반: 유사·동종 업계 사례 벤치마킹, 분석 유스케이스 정의
• 분석 기회 발굴의 범위 확장

② 문제 정의 (Problem Definition)

비즈니스 문제를 데이터 분석 문제로 변환한다. 예: "고객 이탈 증가"(비즈니스 문제) → "이탈 가능성이 높은 고객을 예측하는 분류 모델"(분석 문제). 최종 사용자 관점에서 정의하고, 필요한 데이터와 기법(How)을 정의하기 위한 단계다.

③ 해결방안 탐색 (Solution Search)

④ 타당성 검토 (Feasibility Study)

• 경제적 타당성: 비용 대비 편익 분석
• 데이터 및 기술적 타당성: 데이터 존재 여부, 분석 시스템 환경, 분석 역량 확보 방안
• 도출된 대안을 평가해 최적 대안을 분석 과제 정의서로 만든다.

10. 상향식 접근법 (Bottom-up)

• 절차 예: 프로세스 분류 → 프로세스 흐름 분석 → 분석 요건 식별 → 분석 요건 정의
• 프로토타이핑 접근법: 일단 분석을 시도해 결과를 보고 반복 개선. 사용자 요구가 불명확하거나, 필요한 데이터가 있는지 불확실하거나, 새로운 시도일 때 유용하다.
• 장바구니 데이터에 연관분석을 돌려 "어떤 품목이 함께 팔리는가"를 먼저 발견하는 식이다.

11. 혼합 접근과 디자인 씽킹

• 발산(Diverge) 단계: 상향식으로 가능한 옵션을 넓게 도출
• 수렴(Converge) 단계: 하향식으로 도출된 옵션을 분석·검증해 좁힘
• 디자인 씽킹(Design Thinking): 사용자 공감에서 출발해 발산과 수렴을 반복 — 공감 → 문제 정의 → 아이디어 도출 → 프로토타입 → 테스트

PART 4 · 분석 프로젝트 관리

12. 분석 과제 정의서와 5가지 주요 특성

분석 과제 정의서: 필요한 소스 데이터, 분석 방법, 데이터 입수·분석 난이도, 분석 수행 주기, 결과 검증 오너십, 상세 분석 과정 등을 정의. 이해관계자가 프로젝트 방향을 설정하고 성공 여부를 판단하는 기준이 된다.

분석 과제의 5가지 주요 특성(관리 영역)

13. 분석 프로젝트 관리 10개 영역

ISO 21500 / PMBOK 기반: 통합 · 이해관계자 · 범위 · 자원 · 시간 · 원가 · 리스크 · 품질 · 조달 · 의사소통

분석 프로젝트의 특징: 데이터 영역과 비즈니스 영역의 현황을 함께 이해해야 하므로 구성원 간 협업이 중요하고, 반복·정련 과정이 많아 애자일 방식이 잘 맞는다.

단원 마무리

장 요약

• 분석 주제: 최적화(대상○방법○) · 솔루션(대상○방법×) · 통찰(대상×방법○) · 발견(대상×방법×).
• 단기 과제 중심(Speed & Test, Quick-Win, Problem Solving) ↔ 장기 마스터플랜(Accuracy & Deploy, Long Term View, Problem Definition).
• KDD 선택 → 전처리 → 변환 → 마이닝 → 평가, CRISP-DM 업무 이해 → 데이터 이해 → 데이터 준비 → 모델링 → 평가 → 전개, SEMMA Sample → Explore → Modify → Model → Assess.
• 빅데이터 방법론 기획 → 준비 → 분석 → 구현 → 평가·전개, 위험 대응 회피·전이·완화·수용.
• 하향식(Why, 지도 학습): 탐색 → 정의 → 해결방안 → 타당성. 상향식(What, 비지도 학습): 데이터에서 문제 발견, 프로토타이핑.
• 디자인 씽킹: 발산(상향식) + 수렴(하향식).

단답형 연습

1. 대상과 방법을 모두 알 때의 분석 주제 유형은? ______________
2. 단기 과제 중심 접근의 과제 유형을 무엇이라 하는가? ______________
3. 같은 사실도 제시 방식에 따라 판단이 달라지는 현상은? ______________
4. 계층적 프로세스 모델에서 WBS의 워크 패키지에 해당하는 것은? ______________
5. KDD에서 변수 선택과 차원 축소를 하는 단계는? ______________
6. CRISP-DM에서 데이터 탐색과 품질 확인이 이루어지는 단계는? ______________
7. SAS가 만든 5단계 분석 방법론의 이름은? ______________
8. 빅데이터 분석 방법론에서 SOW가 작성되는 단계는? ______________
9. 거시적 관점의 문제 탐색 프레임 다섯 글자는? ______________
10. 분석 프로젝트에서 반복 작업의 일정을 통제하는 기법은? ______________

책을 덮고 꺼내 보기

• 방법은 알지만 대상을 모르는 유형은 통찰이다.
• CRISP-DM의 마지막 단계는 전개다.
• 문제 정의가 어려울 때 데이터에서 출발하는 접근은 상향식 접근이다.
• 위험 대응 네 가지는 회피·전이·완화·수용이다.

분석 주제 4유형을 대상·방법의 앎 여부로 설명하면?

최적화(대상 앎·방법 앎), 솔루션(대상 앎·방법 모름), 통찰(대상 모름·방법 앎), 발견(둘 다 모름).

모름헷갈림알고 있음

CRISP-DM 6단계는?

업무 이해 → 데이터 이해 → 데이터 준비 → 모델링 → 평가 → 전개.

모름헷갈림알고 있음

CRISP-DM의 4레벨 구조는?

단계(Phases) → 일반화 태스크(Generic Tasks) → 세분화 태스크(Specialized Tasks) → 프로세스 실행(Process Instances).

모름헷갈림알고 있음

KDD 5단계와 각 단계의 핵심 작업은?

데이터셋 선택 → 전처리(잡음·이상값·결측값 처리) → 변환(변수 선택·차원 축소) → 데이터 마이닝 → 결과 평가.

모름헷갈림알고 있음

빅데이터 분석 방법론 5단계와 분석 기획 단계의 태스크는?

분석 기획 → 데이터 준비 → 데이터 분석 → 시스템 구현 → 평가 및 전개. 분석 기획은 비즈니스 이해·범위 설정(SOW), 프로젝트 정의·계획(WBS), 위험계획 수립.

모름헷갈림알고 있음

하향식 문제 탐색에서 비즈니스 모델 캔버스를 단순화한 5영역은?

업무, 제품, 고객, 규제와 감사, 지원 인프라.

모름헷갈림알고 있음

해결방안 탐색 매트릭스의 네 칸은?

역량 확보 + 기존 시스템 → 기존 시스템 개선 활용, 역량 미확보 + 기존 시스템 → 교육·채용, 역량 확보 + 신규 도입 → 시스템 고도화, 역량 미확보 + 신규 도입 → 전문 업체 소싱.

모름헷갈림알고 있음

나선형 모델과 프로토타입 모델의 핵심 차이는?

나선형은 반복하며 위험 요소를 분석·제거하는 데 초점, 프로토타입은 요구사항이 불명확할 때 시제품을 먼저 만들어 보완하는 데 초점.

모름헷갈림알고 있음

다음으로 갈 기준: 방법론 네 개의 단계를 막힘없이 쓰고, CRISP-DM 태스크 하나를 단계에 꽂을 수 있으면 다음 편으로 간다: 4편 · 분석 마스터플랜.

정답과 해설

확인 문제 정답

1. 솔루션(Solution).
2. 평가(Evaluation) 단계. 모델링 단계의 "모델 평가"와 구분한다.
3. 분석 기획 → 데이터 준비 → 데이터 분석 → 시스템 구현 → 평가 및 전개.
4. 문제 탐색 → 문제 정의 → 해결방안 탐색 → 타당성 검토.
5. 경쟁자 확대 관점.
6. 분석 복잡성(Analytic Complexity).

단답형 정답

1. 최적화(Optimization)
2. Quick-Win
3. 프레이밍 효과(Framing effect)
4. 스텝(Step)
5. 데이터 변환(Transformation)
6. 데이터 이해(Data Understanding)
7. SEMMA
8. 분석 기획(Planning)
9. STEEP
10. 타임 박싱(Time Boxing)