츄래블의 개발여정✈️

04_분석 프로젝트 관리 1) 분석 프로젝트분석 프로젝트는 과제 형태로 도출된 분석 기회를 프로젝트화하여 그 가치를 증명하기 위한 수단이다. ① 분석 프로젝트의 특징● 데이터 영역과 비즈니스 영역에 대한 이해와 더불어 지속적인 반복이 요구되는 분석 프로세스의 특성을 이해하여 프로젝트 관리방안을 수립해야 한다.● 지속적인 개선 및 변경을 염두해 두고 프로젝트 기한 내에 가능한 최선의 결과를 도출할 수 있도록 프로젝트 구성원들과 협업이 필요하다. ② 분석 프로젝트의 추가적 속성관리 영역내용데이터 크기(Data Size)● 데이터가 지속적으로 생성되어 증가하는 점을 고려한다.데이터 복잡도(Data Complexity)● 정형, 비정형 데이터와 다양한 시스템에 산재되어 있는 원천 데이터들을 통합하는 진행이 필요..

3) 분석 목표 정의서문제의 개선방향에 맞는 현실적인 분석목표를 수립하여 필요한 데이터에 대한 정보나 분석 타당성 검토 및 성과측정 방법 등을 정리한 정의서이다. ①분석목표정의서 구성요소● 원천 데이터 조사구분내용데이터 정보● 데이터 축적 기간, 획득 주기, 테이블 스키마, 메타 데이터를 확인한다.데이터 수집난이도● 데이터 수집 및 정제 과정, 시기와 방법을 확인한다.● 데이터 수집 난이도가 높을 경우 데이터 활용을 재고한다. ● 분석 방안 및 적용 가능성 판단ー 개선 목표와 현시점의 분석 목표 간 차이를 고려하여 분석 목표를 조정하거나 상황에 따라 우선순위를 조정한다.ー 분석 목표에 부합한 데이터 분석 기법이 있더라도 현재 적합한 분석 환경이 구축되지 않았다면 분석 목표를 조정한다. ● 성과평가 기준구..

03_분석 절차와 작업 계획1)분석 절차분석 절차는 데이터 분석의 시발점이 되는 문제 인식에서부터 시작하여 데이터를 확보하고 분석하여 결과를 도출 및 제시하는 단계까지의 일반적인 과정을 정형화한 프로세스이다. ① 분석 절차의 특징● 분석 방법론을 구성하는 최소 요건이다.● 상황에 따라 단계를 추가할 수도 있으며 생략 가능하다. ▶ 분석 절차 비교일반적 데이터 분석 절차NCS 데이터 분석 절차단계별 산출물● 문제인식● 연구조사● 도메인 이슈 도출● 분석 목표 수립● 데이터 요건 정의서● 분석 목표 정의서● 모형화● 데이터 수집● 데이터 분석● 프로젝트 계획 수립● 보유 데이터 자산 확인● 작업 분할 구조도(WBS)● 데이터 품질 보고서● 분석 결과 제시● 데이터 분석결과 시각화● 분석 보고서 ② 일반적인 ..

4) 생성된 분석 변수의 정제를 위한 점검항목 정의분석 기회 단계에서 도출된 문제 인식, 해결을 위한 개념적 대안 설계를 통해 도출된 데이터에 대해 가용성을 평가하고 점검항목을 정의한다. ① 분석 변수 점검의 필요성● 데이터의 가용성과 적정성이 부족할 경우 문제 해결 및 활용 시나리오 적용을 통해 가치 있는 결과를 도출하기 어렵다.● 실행 전 분석 변수를 논리적 지표에 따라 점검한다. ② 분석 변수 점검항목 정의● 데이터 분석 도구, 활용 등 다각도로 분석 변수 점검 항목을 정의한다.● 데이터 수집 시 분석 적합성과 데이터 확보 유무를 고려하여 기획한다.● 데이터의 중복, 범위 연관성 등을 도출할 수 있는 방법을 기획한다.● 데이터 적합성을 고려하여 수행할 수 있는 분석 검증 방법을 기획한다.● 수집 데..

1) 데이터 확보를 위한 사전 검토사항① 필요 데이터 정의● 분석 목적에 맞는 데이터를 정의하고, 필요한 데이터를 확보할 수 있는지 확인하여야 하며, 확보할 수 없다면 대안을 함께 고려하여야 한다. ● 기업 내부 및 외부 공공기관이나 협력관계의 타 기업 담당자, 전문가 등 이해관계자들과 확보 가능한 데이터의 목록과 기대효과 등을 작성한다. ② 보유 데이터의 현황파악● 사전에 정의한 데이터의 존재 여부와 해당 데이터가 최신성을 보장하는지 확인한다.● 분석 품질을 보장할 만큼 데이터 품질이 우수한지, 충분한 양이 존재하는지 확인한다. ③ 분석 데이터의 유형● 분석 데이터 확보를 위해 수집 대상 데이터의 유형을 고려해야 한다.● 어떤 데이터를 어떤 기법을 이용하여 분석할 것인지 수립된 계획에 따라 데이터의 유..

01_분석 작업 개요분석 작업 계획을 수립하기 위해 데이터 처리 프로세스 전체에 대한 이해가 필요하며, 데이터 처리 영역과 데이터 분석 영역으로 나누어 살펴볼 수 있다. 1) 데이터 처리 영역데이터 분석을 위한 기초데이터를 정의하고 수집 및 저장, 분석하기 수월하도록 물리적인 환경을 제공하는 영역이다.단계내용데이터 소스기업 내 각 부서나 서비스별 적재되고 있는 내부 데이터와 다른 기업이나 공공 데이터 등 외부 데이터가 있다.데이터 수집사용자로부터 데이터를 직접 입력받거나 로그수집기, 크롤링, 센서네트워크 등을 통해 데이터를 수집한다.데이터 저장데이터를 유형별로 나눠 최적의 설계를 하여 데이터 스토리지에 저장한다.데이터 처리저장된 대용량의 데이터를 신속하고 정확하게 처리하기 위하여 실시간 처리 및 분산 처..

1) 데이터 분석 수준진단 개요① 분석 수준진단 필요성● 조직 경쟁력 강화를 위한 데이터 분석의 도입 여부와 활용을 위해 현 상테에 대한 명확한 점검이 필요하다.ー 데이터 분석의 수준진단을 통해 데이터 분석 기반을 만들기 위해 무엇을 준비하고 더 보완해야 하는지 확인 가능하고, 데이터 분석의 유형이나 방향을 결정할 수 있다. ② 분석 수준진단 목표● 각 조직이 현재 수행하고 있는 데이터 분석 수준을 명확히 이해하고, 수준진단 결과를 바탕으로 미래 목표수준을 정의한다.ー 데이터 분석을 위한 기반이나 환경이 타사 대비 어느 정도 수준이고, 어느 영역에 선택과 집중을 해야 하는지, 무엇을 보완해야 하는지 등 개선 방안을 도출한다. ③ 분석 수준진단 프레임워크● 6개 영역의 분석 준비도와 3개 영역의 분석 성숙..

1) 데이터 분석 거버넌스(Governance) 개요① 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 프로세스① 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 관리한..

1) 빅데이터 분석 방법론 개요분석 방법론은 응용 서비스 개발을 위한 3계층으로 구성되었다.단계(Phase)● 데이터 분석을 수행하기 위한 절차이다.● 기준선(Baseline)을 설정하고 버전관리를 통해 통제되어야 한다.테스크(Task)● 각 단계별로 수행되어야 하는 세부 업무이다.● 각 태스크가 완료되면 그에 대한 성과를 얻을 수 있다.스텝(Step)● 단기간 내에 수행 가능한 워크패키지(Work Package)이다.● 입력자료, 처리 및 도구, 출력자료로 구성된 단위 프로세스이다. 2) 빅데이터 분석 방법론의 개발 절차① 분석 기획(Planning)분석 기획비즈니스 이해 및 범위 설정● 비즈니스 이해● 프로젝트 범위 설정프로젝트 정의 및 계획 수립● 데이터 분석 프로젝트 정의● 프로젝트 수행 계획 수..

6) SEMMA 분석 방법론SEMMA(Sample, Explore, Modify, Model and Assess)는 SAS Institute의 주도로 만들어진 기술과 통계 중심의 데이터 마이닝 프로세스이다. ①SEMMA 분석 방법론의 특징● SAS Institute의 데이터 마이닝 도구와 손쉽게 접목하여 활용할 수 있다.● 주로 데이터 마이닝 프로젝트의 모델링 작업에 중점을 두고 있다. ②SEMMA 분석 방법론의 분석 절차단계내용세부요소/산출물추출(Sample)● 분석할 데이터 추출● 모델을 평가하기 위한 데이터 준비● 통계적 추출● 조건 추출탐색(Explore)● 분석용 데이터 탐색● 데이터 오류 확인● 비즈니스 이해● 이상 현상 및 변화 탐색● 그래프● 기초통계● Clustering● 변수 유의성 및..