[개미의 걸음 ADsP 2과목] 분석과제 발굴 방법론 - 하향식 접근법, 상향식 접근법

분석과제 발굴 방법론

    ① 하향식 접근법[Top Down Approach]

하향식 분석 접근법은 현황 분석을 통해 기회나 문제를 탐색[Problem Discovery]하고 해당 문제를 정의[Problem Definition], 해결방안을 탐색[Solution Search]을 한다. 그리고 데이터 분석의 타당성 평가[Feasibility Study]를 거쳐 분석과제를 도출하는 과정으로 구성된다.

 

     문제탐색[Problem Discovery]단계 - 하향식 접근법 1단계

• 전체적인 관점의 기준모델을 활용해 빠짐없이 문제를 도출하고 식별하는 것이 중요
• 새로운 문제를 찾는 것이 아니라 문제가 주어져 있는 상태에서 답을 구하는 전통적인 분석과제 발굴방식
• 전체적인 관점의 기준모델로는 기업 내*외부환경을 포괄하는 비즈니스 모델과 외부참조 모델이 존재
• 과제발굴 단계에서는 세부적인 구현 및 솔루션에 초점을 맞추는게 아니라, 문제를 해결함으로써 발생하는 가치에 중점을 두는 것이 중요

          비즈니스 모델기반 문제탐색

기업 내*외부 환경을 포괄하고 있는 비즈니스 모델이라는 틀[Flame]을 활용해 비즈니스 모델 캔버스의 9가지 블록을 단순화하여 업무[Operation], 제품[Product], 고객[Customer]단위로 문제를 발굴하고 이를 관리하는 두가지 영역인 규제와 감사영역과 지원인프라 영역에 대한 기회를 추가로 도출하는 작업을 수행한다.

과제발굴방법	내    용	예
업무 [Operation]	제품 및 서비스를 생산하기 위해서 운영하는 내부 프로세스 및 주요자원 관련 주제도출	생산 공정 최적화 재고량 최소화
제품 [Product]	생산 및 제공하는 제품*서비스를 개선하기 위한 관련 주제도출	제품의 주요기능 개선 서비스 모니터링 지표도출
고객 [Customer]	제품*서비스를 제공받는 사용자 및 고객, 이를 제공하는 채널의 관점에서 관련 주제도출	고객 Call 대기시간 최소화 영업점 위치 최적화
규제와 감사 [Regulation&Audit]	제품생산 및 전달과정 프로세스 중에서 발생하는 규제 및 보안의 관점에서 주제도출	제공 서비스 품질 이상징후 관리 새로운 환경규제시 예상되는 제품 추출 등
지원인프라 [IT&Human Resource]	분석을 수행하는 시스템 영역 및 이를 운영*관리하는 인력의 관점에서 주제도출	EDW 최적화 적정 운영인력 도출 등

2020/07/04 - [빅데이터[ADsP]] - [ADsP 2과목] Business Model Canvas

 

          분석기회발굴의 범위확장

 

 

          외부참조모델 기반 문제탐색

유사*동종 사례 벤치마킹을 통한 분석기회 발굴은 제공되는 산업별, 업무 서비스 별 분석 테마 후보그룹[Pool]을 통해 "Quick&Easy"방식으로 필요한 분석기회가 무엇인지에 대한 아이디어를 얻고 기업에 적용할 분석테마후보목록을 워크숍 형태의 브레인스토밍을 통해 빠르게 도출하는 방법이다.

 

          분석유즈케이스[Analytics Use Cases]

현재의 비즈니스 모델 및 유사*동종 사례 탐색을 통해서 빠짐없이 도출한 분석 기회들을 구체적인 과제로 만들기 전에 분석 유즈케이스로 표기하는 것이 필요하다. 분석유즈케이스는 풀어야 할 문제에 대한 상세한 설명 및 해당 문제를 해결했을 때 발생하는 효과를 명시함으로써 향후 데이터 분석 문제로의 전환 및 적합성 평가에 활용하도록 한다.

 

 

     문제정의[Problem Definition]단계 - 하향식 접근법 2단계

• 문제 탐색을 통해 식별된 비즈니스 문제를 데이터 문제로 변환하여 정의하는 단계
• 앞서 수행한 문제탐색의 단계는 무엇을[What], 어떤 목적으로[Why] 수행해야 하는지에 대한 관점

    → 이 단계는 이를 달성하기 위해 필요한 데이터 및 기법[How]을 정의하기 위한 데이터 분석의 문제로의 변환을 수행

 

• 데이터 분석은 분석을 수행하는 당사자 뿐만 아니라 해당 문제가 해결되었을 때, 효용을 얻을 수 있는 최종사용자[End User]관점에서 이루어져야 한다.
• 데이터분석 문제가 잘 정의되었을 때, 필요한 데이터의 정의 및 기법 발굴이 용이하기 때문에 가능한 정확하게 분석의 관점으로 문제를 재정의할 필요가 있다.

 

 

    해결방안 탐색[Solution Search]단계 - 하향식 접근법 3단계

• 정의된 데이터 분석문제를 해결하기 위한 다양한 방안이 모색되는 단계

기존 정보시스템의 단순한 보완으로 분석이 가능한지 고려

엑셀 등의 간단한 도구로 분석이 가능한지 고려

하둡 등 분산병렬처리를 활용한 빅데이터 분석도구를 통해 보다 체계적이고 심도있는 방안 고려

• 분석역량을 기존에 가지고 있는지의 여부를 파악하여 보유하고 있지 않는 경우에는 교육이나 전문인력 채용을 통한 역량을 확보하거나 분석전문업체를 활용하여 과제를 해결하는 방안에 대해 사전검토를 수행한다.

	분석 역량[Who]
분석 기법 및 시스템 [How]		확  보	미확보
	기존 시스템	기존시스템 개선 활용	교육 및 채용을 통한 역량확보
	신규 도입	시스템 고도화	전문업체 Sourcing

<해결방안 탐색영역>

 

 

    타당성 검토[Feasibility Study] - 하향식 접근법 4단계

도출된 분석문제나 가설에 대한 대안을 과제화하기 위해서는 다각적인 타당성 분석이 수행되어야 한다.

       ① 경제적 타당성

비용 대비 편익[효익] 분석관점의 접근이 필요하다. 비용 항목은 데이터, 시스템, 인력, 유지보수 등과 같은 분석 비용으로 구성되고 편익으로는 분석결과를 적용함으로써 추정되는 실질적 비용절감, 추가적 매출과 수익 등과 같은 경제적 가치로 산출된다.

       ② 데이터 및 기술적 타당성

데이터 분석에는 데이터 존재 여부, 분석시스템환경, 그리고 분석 역량이 필요 특히, 분석역량의 경우, 실제 프로젝트 수행시 걸림돌이 되는 경우가 많기 때문에 기술적 타당성 분석시 역량확보방안을 사전에 수립하고 이를 효과적으로 평가하기 위해서는 비즈니스 지식과 기술적 지식이 요구된다.

 

위의 타당성 검토를 위해 도출된 대안을 통해

• 평가 과정을 거쳐 가장 우월한 대안을 선택한다.
• 도출한 데이터분석문제 및 선정된 솔루션 방안을 포함한다.
• 분석과제 정의서의 형태로 명시하는 후속작업을 시행한다.
• 프로젝트 계획의 입력물로 활용한다.

 

 

    ② 상향식 접근법[Bottom Up Approach]

• 상향식 접근 방법은 다양한 원천 데이터를 대상으로 분석을 수행해 가치있는 모든 문제를 도출하는 일련의 과정
      - 한 의약제조사는 특허기간이 만료된 의약품들의 데이터를 분석*상호 결합하여 새로운 의약품을 개발
      - 의약품들을 조합할 수 있는 경우는 매우 많기 때문에 후보군을 줄이기 위해 다양한 기법을 적용해 데이터 분
• 상향식 접근방법은 기존 하향식 접근법의 한계를 극복하기 위한 분석 방법론
      - 하향식 접근방법은 문제가 주어져 있는 상태에서 답을 구하는 전통적인 분석과제 발굴방식
      - 대규모의 데이터가 생성되고 빠르게 변하는 기업환경에서는 문제 자체의 변화가 심해져 문제를 사전에 정확히 정의하는 것이 어려워짐
      - 이에 문제정의 자체가 어려워 이를 데이터 기반으로 탐색하고 지속적으로 개선해 나가는 방식인 상향식 접근방식이 등장
      - 즉, 다량의 데이터분석을 통해 "왜"그런 일이 발생하는지 역으로 추적하면서 문제를 도출하거나 재정의 할 수 있는 것이 상향식 접근방법
      - 새로운 상품개발이나 전략수립 등 중요한 의사결정을 할 때, 하향식 접근방식과 상향식 접근방식을 혼용해 사용하며 분석의 가치를 높일 수 있는 최적의 의사결정은 두 접근방식이 상호보완 관계에 있을 때 가능
• 빅데이터 분석에서는 인과관계로부터 상관관계 분석으로의 변화  
      - 통계적 분석에서는 인과관계를 분석하기 위해 가설을 설정하고 이를 검정하기 위해 모집단으로부터 표본을 추출하고 그 표본을 이용한 가설검정을 실시하는 방식으로 문제를 해결
      - 그러나 빅데이터 환경에서는 이와 같은 논리적인 인과관계 분석 뿐만 아니라 상관관계분석 또는 연관분석을 통해 다양한 문제해결에 도움을 받을 수 있다.
• 일반적으로 상향식 접근방법의 데이터분석은 비지도 학습방법에 의해 수행    
      - 비지도 학습은 데이터 분석목적에 명확히 정의된 형태의 특정 필드의 값을 구하는 것이 아니라 데이터 자체의 결합, 연관성, 유사성 등을 줌심으로 데이터의 상태를 표현하는 것

# 지도 학습[Supervised Learning]

명확한 목적하에 데이터분석을 실시하는 것

분류, 추측, 예측, 최적화를 통해 사용자의 주도하에 분석을 실시하고 지식을 도출하는 것이 목적

 

     디자인 사고[Design Thinking]

 상향식 접근방식의 발산단계와 하향식 접근방식의 수렴단계를 반복적으로 수행하는 등 상호보완적인 동적 환경을 통해 분석가치를 높일 수 있는 최적의 의사결정 방식

기존 접근방법인 논리적인 단계별 접근법은 문제의 구조가 분명하고 문제를 해결하고 해결책을 도출하기 위한 데이터 분석가 및 의사결정자에게 주어져 있음을 가정하고 있기 때문에 솔루션 도출에는 유효하지만 새로운 문제의 탐색에는 한계가 있다. 따라서 기존의 논리적인 단계별 접근법 기반의 문제해결방식은 최근 복잡하고 다양한 환경에서 발생하는 문제에는 적합하지 않을 수 있다. 이를 해결하기 위해 스탠포드 대학의 d.school에서는 디자인사고 접근법을 통해 전통적인 분석적 사고를 극복하려고 한다.

통상적인 관점에서는 분석적으로 사물을 인식하려는 'Why'를 강조하지만 이는 우리가 알고 있다고 가정하는 것이기 때문에 문제와 맞지 않는 솔루션인 경우 오류가 발생할 소지가 있다. 그러므로 답을 미리 내는 것이 아니라 사물을 있는 그래도 인식하는 'What'의 관점에서 보아야 한다는 것이다. 즉, 객관적으로 존재하는 데이터 그 자체를 관찰하고 실제적으로 행동에 옮김으로써 대상을 좀 더 잘 이해하는 방식으로의 접근을 수행하는 것이다. 이와 같은 점을 고래해 d.school에서는 디자인 사고의 첫단계인 '감정이입[Empathize]'을 특히 강조하고 있다.

<디자인사고[Design Thinking]의 프로세스>

 

     프로토타이핑 방법론

사용자가 요구사항이나 데이터를 정확히 규정하기가 어렵고 데이터소스도 명확히 파악하기 어려운 상황에서 일단 분석을 시도해보고 그 결과를 확인해가며 반복적으로 개선해 나가는 방법

• 하향식 접근방법은 문제가 정형화되어 있고 문제해결을 위한 데이터가 완벽하게 조직에 존재할 경우 효과적
• 이에 반해 프로토타이핑 방법론은 비록 완전하지 않더라도 신속하게 해결책이나 모형을 제시하고 이를 바탕으로 문제를 좀 더 명확히 인식하고 필요한 데이터를 식별하여 구체화할 수 있게 하는 유용한 상향식 접근방법
• 지속적인 반복을 통해 의도했던 결과에 더욱 가까워지는 형태로 프로젝트를 진행
• 데이터 분석가는 모형의 정확도를 높이고 고객 요구사항을 만족시키기 위해 프로젝트 관리를 실시한다.
• 프로토타이핑 방법론의 기본적인 프로세스는 가설 생성, 디자인에 대한 실험, 실제환경에서의 테스트, 테스트 결과에서의 통찰도출 및 가설확인으로 구성

<프로토타이핑 방법론>

       빅데이터 분석 환경에서 프로토타이핑의 필요성

     ① 문제에 대한 인식 수준

문제 정의가 불명확하거나 이전에 접해보지 못한 새로운 문제일 경우, 사용자 및 이해관계자는 프로토타입을 이용해 문제를 이해하고, 이를 바탕으로 구체화하는데 도움을 받을 수 있다.

     ② 필요 데이터 존재 여부의 불확실성

문제해결을 위한 필요한 데이터의 집합이 모두 존재하지 않을 경우, 그 데이터의 수집을 어떻게 할 것인지 또는 그 데이터를 다른 데이터로 대체할 것인지 등에 대한 사용자와 분석자간의 반복적이고 순환적인 협의 과정이 필요 대체 불가능한 데이터가 존재하는지 사전에 확인한다면 불가능한 프로젝트를 수행하는 리스크를 사전에 방지할 수 있다.

     ③ 데이터 사용목적의 가변성

데이터 가치는 사전에 정해진 수집목적에 따라 확정되는 것이 아니고, 지속적으로 변화 가능 따라서 조직에서 보유중인 데이터라 하더라도 기존의 데이터 정의를 재검토하여 데이터의 사용목적과 범위를 확대 가능