02_데이터 분석계획(12)_데이터 분석 거버넌스

1) 데이터 분석 거버넌스(Governance) 개요

① 데이터 분석 거버넌스의 필요성

● 데이터 분석 업무를 하나의 기업 문화로 정착하고 이를 지속적으로 고도화 해나가기 위해 필요하다.

 

② 데이터 분석 거버넌스의 구성요소

● 데이터 분석 기획과 관리를 수행하는 조직(Organization)

● 데이터 분석 과제 기획과 운영 프로세스(Process)

● 데이터 분석 지원 인프라(System)

● 데이터 거버넌스(Data)

● 데이터 분석 교육 및 마인드 육성 체계(Human Resource)

 

3) 데이터 분석 과제 기획과 운영 프로세스

① 데이터 분석 과제 관리 프로세스의 구성

● 과제 발굴 단계

ー 개별 조직이나 개인이 도출한 데이터 분석 아이디어를 발굴한다.

ー 발굴된 아이디어를 과제화하여 데이터 분석 과제 풀로 관리한다.

ー 데이터 분석 프로젝트를 선정하는 작업을 수행한다.

 

● 과제 수행 및 모니터링 관계

ー 데이터 분석을 수행할 팀을 구성한다.

ー 데이터 분석 과제 실행 시 지속적인 모니터링을 수행한다.

ー 데이터 분석 과제 결과를 공유하고 개선한다.

 

② 데이터 분석 과제 관리 프로세스의 특징

● 조직 내에 데이터 분석 문화를 내재화하여 경쟁력을 확보할 수 있다.

● 결과물을 잘 축적하여 관리함으로써 향후 유사 데이터 분석 과제 수행시 시행착오를 최소화할 수 있다.

● 데이터 분석 프로젝트를 효율적으로 진행할 수 있다.

 

4) 데이터 분석 지원 인프라

① 데이터 분석 플랫폼 구축

● 데이터 분석 마스터 플랜을 기획하는 단계에서부터 장기적, 지속적, 안정적으로 활용할 수 있도록 고려한다.

ー단기적으로 구축하기 쉬운 개별 시스템보다는 확장성을 고려한 플랫폼 구조 도입이 적절하다.

 

② 데이터 분석 플랫폼의 정의

● 데이터 분석 서비스를 위한 응용프로그램이 실행될 수 있는 환경과 기초를 이루는 컴퓨터 시스템이다.

 

③ 데이터 분석 플랫폼의 특징

● 데이터 분석에 필요한 프로그래밍 및 실행, 이를 서비스할 수 있는 환경을 제공한다.

● 새로운 데이터 분석 니즈가 발생할 경우 개별 시스템을 추가하지 않으면서도 추가적인 서비스 제공이 가능하다.(확장성 증대)

 

 

5) 데이터 거버넌스

① 데이터 거버넌스의 필요성

● 개별 시스템 단위로 데이터를 관리할 경우 데이터 중복, 비표준화에 따른 정합성 오류 등으로 데이터 활용도가 저하될 수 있다.

● 빅데이터 프로젝트의 효과적 추진 및 효과의 지속성을 얻기 위해서는 데이터 거버넌스 체계 수립이 필요하다.

ー데이터 거버넌스가 없는 빅데이터의 적용은 단발성 효과에 불과할 가능성이 높다.

 

② 데이터 거버넌스의 정의

● 전사 차원의 모든 데이터에 대하여 정책 및 지침, 표준화, 운영조직과 책임 등의 표준화된 관리 체계를 수립하고 운영하기 위한 프레임워크와 저장소를 구축하는 것이다.

 

③ 데이터 거버넌스의 주요 관리 대상

● 마스터 데이터(Master Data)

ー 마스터 파일을 형성하는 데이터이며, 데이터를 처리 및 조작하기 위하여 사용되는 기본 데이터이다.

 

● 메타 데이터(Meta Data)

ー 데이터에 대한 구조화된 데이터이며, 다른 데이터를 설명하기 위해 사용되는 데이터이다.

 

● 데이터 사전(Data Dictionary)

ー 효과적인 데이터 자원 관리를 위해 자료의 이름, 표현방식, 자료의 의미와 사용방식, 다른 자료와의 관계 등을 저장해놓은 데이터이다.

 

④ 데이터 거버넌스의 특징

● 데이터의 가용성, 유용성, 통합성, 보안성, 안전성을 확보할 수 있다.

● 빅데이터 프로젝트를 성공으로 이끄는 기반을 마련할 수 있다.

● 독자적인 구축도 가능하지만 전사 차원의 IT거버넌스나 EA(Enterprise Architecture)의 구성요소가 될 수 있다.

 

⑤ 빅데이터 거버넌스의 특징

● 데이터 거버넌스에 추가적으로 빅데이터가 갖는 고유한 특성들을 고려하여 관리체계를 수립한 것이다.

ー 빅데이터의 효율적 관리, 다양한 데이터의 관리체계, 데이터 최적화, 정보보호, 데이터 생명주기 관리, 데이터 카테고리별 관리 책임자 지정 등 다양한 요소들을 포함할 수 있다.

 

⑥데이터 거버넌스의 구성요소

● 원칙(Principle)

ー 데이터를 유지하고 관리하기 위한 지침 및 가이드

ー 보안, 품질기준, 변경관리 등

 

● 조직(Organization)

ー 데이터를 관리할 조직의 역할과 책임

ー 데이터 관리자, 데이터베이스 관리자, 데이터 아키텍트 등

 

● 프로세스(Process)

ー 데이터 관리를 위한 활동과 체계

ー 작업 절차, 모니터링 활동, 측정 활동 등

 

⑦ 데이터 거버넌스의 체계

● 데이터 표준화

ー 데이터 표준 용어 설정

표준 단어 사전, 표준 도메인 사전, 표준 코드 등으로 구성되며, 각 사전 간 상호 검증이 가능한 점검 프로세스를 포함한다.

 

ー 명명 규칙 수립

필요시 언어별로 작성되어 기준 언어와의 연결 상태(mapping)를 유지한다.

 

ー 메타 데이터 및 데이터 사전 구축

데이터의 원활한 활용을 위한 데이터 구조 체계를 마련하며, 메타 엔티티 관계 다이어그램 등을 제공한다.

 

● 데이터 관리 체계

ー 표준 데이터를 포함한 메타 데이터와 데이터 사전의 관리 원칙 수립 및 이에 근거한 항목별 상세 프로세스를 수립한다.

ー 데이터 관리와 운영을 위한 담당자 및 조직별 역할과 책임을 구체적으로 마련한다.

ー 빅데이터의 경우 데이터 생명 주기 관리방안도 수립하여야 한다.

 

● 데이터 저장소 관리

ー 메타 데이터 및 표준 데이터를 관리하기 위한 전사 차원의 저장소를 구성한다.

ー 저장소는 데이터 관리 체계 지원을 위한 Workflow 및 관리용 Application을 지원하여야 한다.

ー 관리 대상 시스템과의 인터페이스를 통한 통제가 가능해야 한다.

ー 데이터 구조 변경에 따른 사전 영향 평가 등을 수행하여야 한다.

 

● 표준화 활동

ー 데이터 거버넌스 체계를 구축한 후 표준 준수 여부를 주기적으로 점검한다.

ー 데이터 거번스의 조직 내 안정적인 정착을 위한 계속적인 변화관리 및 주기적인 교육을 진행하여야 한다.

ー 지속적인 데이터 표준화 개선 활동을 통해 실용성을 증대할 수 있다.

 

6) 데이터 분석 교육 및 마인드 육성 체계

① 데이터 분석 교육 및 마인드 육성을 위한 변화 관리 필요성

● 데이터 분석의 가치를 극대화하고 내재화하여 안정적인 추진기로 접어들기 위해 필요하다.

ー 새로운 체계를 도입하고자 할 경우 저항이나 기존 형태로 돌아가고자 하는 관성이 발생한다.

② 데이터 분석 문화 도입 방안

● 적극적 도입방안

ー 적합한 데이터 분석 과제를 도출한다.

ー 효율적인 데이터 분석 업무 수행을 위한 데이터 분석 조직을 마련한다.

ー 데이터 분석 마인드 형성을 위해 인력에 대한 지속적인 교육과 훈련을 실시한다.

ー 데이터 기반 의사결정을 할 수 있는 기업문화를 정착시키기 위한 변화관리를 지속적으로 계획하고 수행한다.

 

● 데이터 분석 교육 방향

ー 단순한 도구 사용법 교육이 아닌 데이터 분석 역량을 확보하고 강화하는 방향으로 진행한다.

ー 데이터 분석 기획자에 대한 데이터 분석 큐레이션 교육을 진행한다.

ー 데이터 분석 실무자에 대한 데이터 분석 기법 및 도구 사용에 대한 교육을 진행한다.

ー 기존 업무 수행자를 대상으로 데이터 분석 기회 발굴과 시나리오 작성법 등을 교육한다.

ー 조직 내 데이터 분석 기반 업무 수행 문화가 정착되도록 분석적인 사고 향상 교육을 실시한다.

ー 데이터를 바라보는 관점이나 데이터 분석과 활용 등이 하나의 문화로 받아들여지도록 유도한다.