우선순위 고려요소 + 분석 ROI(투자비용 3V / 가치) / 시급성·난이도 우선순위 매트릭스 & 설정 순서
미출제기출 0회분 중 0문항
학습 목표
우선순위 고려요소 + 분석 ROI(투자비용 3V / 가치) / 시급성·난이도 우선순위 매트릭스 & 설정 순서
01
마스터 플랜 — 우선순위 고려요소
마스터 플랜 수립 흐름
3요소우선순위 고려요소
전략적 중요도
비즈니스 성과/ROI
실행 용이성
3수준적용 범위·방식
업무 내재화 적용 수준
분석 데이터 적용 수준
기술 적용 수준
결과Analytics 구현 로드맵우선순위 설정 후 수립
• 분석 마스터 플랜은 정보전략계획(ISP) 방법론을 활용해 중장기 관점에서 세운다. 순서: 분석 과제 도출 → 우선순위 평가 → 이행 계획(로드맵) 수립 • 함정: '기술 적용 수준'은 우선순위가 아니라 적용 범위·방식 쪽, '실행 용이성'은 우선순위 쪽 • 분석을 도입할 때는 여러 분석을 한꺼번에 벌이지 않고 핵심 분석 과제에 집중한다
일반 IT 프로젝트의 우선순위 평가 기준(ISP)
기준
세부 요소
전략적 중요도
전략적 필요성 · 시급성
실행 용이성
투자 용이성(기간·인력·예산 확보) · 기술 용이성(적용 기술의 안정성, 유지보수, 개발 기술 성숙도)
우선순위는 시급성과 난이도를 함께 평가한다. 난이도는 기업의 상황에 따라 조율할 수 있다.
02
분석 ROI 요소
투입 요소ROI 요소연결되는 평가 기준
3V
Volume양
Variety다양성
Velocity속도
→
투자비용Investment
3V가 클수록 난이도↑
→
난이도
3V · 적용 비용 · 분석 범위 · 현재 분석 수준
+ 4번째 V
Value활용 가치
→
비즈니스 효과Return
4번째 V인 Value
→
시급성
전략적 중요도 · 목표 가치(KPI) · Value
시급성과 난이도를 판단하는 기준 ★기출 반복
평가 기준
연결
판단 요소
시급성
비즈니스 효과 (Value)
전략적 중요도 · 목표 가치(KPI) — 전략적 가치를 현재에 둘지 미래에 둘지
난이도
투자비용 (3V)
데이터 획득·저장·가공 비용 · 분석 적용 비용 · 분석 수준 — 지금 바로 적용하기 쉬운지
03
시급성·난이도 우선순위 매트릭스
난이도 ↑어려움쉬움
I현재 · 어려움
II미래 · 어려움최저 우선순위
III현재 · 쉬움★ 최우선
IV미래 · 쉬움
현재시급성 →미래
• 시급성을 우선하면 Ⅲ → Ⅳ → Ⅱ, 난이도를 우선하면 Ⅲ → Ⅰ → Ⅱ 순으로 적용한다 • Ⅰ(현재·어려움)은 항상 최우선이 아니다 — 데이터의 양·특성, 분석 범위를 조정해 난이도를 낮추면 우선순위를 조정할 수 있다. 난이도는 기업의 현재 상황에 따라 조율한다
04
우선순위 설정 순서
시급성 기준
1순위III현재 · 쉬움
2순위IV미래 · 쉬움
3순위II미래 · 어려움
난이도 기준
1순위III현재 · 쉬움
2순위I현재 · 어려움
3순위II미래 · 어려움
※I 사분면(현재 시급하지만 어려움)은 경영진·실무자 판단에 따라 우선순위 조정 가능
• 평가 절차: 분석 과제 도출 → 우선순위 평가 → 우선순위 정련(과제 수행의 선후 관계를 분석해 순위 조정) • 사분면 분석은 1차 우선순위다. 과제별 적용 범위·방식까지 따져 최종 실행 순위를 정하고 로드맵을 세운다 • Ⅰ사분면(시급하지만 어려움)은 데이터의 양·특성·분석 범위를 조정해 난이도를 낮추면 먼저 추진할 수 있다 — 여건과 관계없이 항상 최우선인 것은 아니다
05
이행계획 수립
우선순위 평가 후, 과제별 적용 범위·방식을 고려해 단계적 구현 로드맵을 수립
로드맵 수립 절차
1과제 우선순위 결정
2과제별 적용 범위·방식 검토
3단계별 추진 목표 정의
4추진 일정 정렬선·후행 관계 고려
↻반복적 정련으로 완성도↑
분석 로드맵 3단계 ★기출
단계
목표
추진 과제
① 데이터 분석 체계 도입
비즈니스 문제를 식별해 분석 과제 정의
분석 기회 발굴 · 분석 과제 정의 · 마스터 플랜 수립
② 데이터 분석 유효성 검증
파일럿으로 유효성·타당성·기술적 실현 가능성 검증
분석 알고리즘·아키텍처 설계 · 분석 과제 파일럿 수행
③ 데이터 분석 확산 및 고도화
검증된 과제를 업무 프로세스에 내재화, 전사 확산
업무 프로세스 내재화를 위한 변화 관리 · 빅데이터 분석·활용 시스템 구축 · 유관 시스템 고도화
• 분석 체계는 폭포수 방식도 있지만 반복적인 정련으로 완성도를 높이는 방식을 주로 쓴다 • 모든 단계를 반복하는 것이 아니다 — 데이터 수집·확보와 준비는 순차적으로, 모델링 단계를 반복하는 혼합형이 많다. 일정 계획도 이 특성을 반영한다 • 과제 사이의 선후 관계를 고려해 단계별 추진 내용을 정렬한다
과제 중심적 접근은 당면 과제를 빠르게 해결(Quick-Win)하고 속도와 검증(Speed & Test)을 중시하는 단기 방식이고, 마스터 플랜 방식은 중장기 접근이다.
06
분석 거버넌스 5요소
분석 거버넌스 체계 5요소
조Organization
분석 기획·관리·추진 조직
프Process
과제 기획 및 운영 프로세스
시System
분석 인프라 / IT 시스템
데Data
데이터 거버넌스
인Human Resource
분석 교육·마인드 육성
비용구성요소 아님
• 분석 거버넌스 체계 = 분석 업무를 전사 차원에서 지속적으로 관리·통제하는 체계 • 함정: 비용도 성숙도도 구성요소가 아니다(성숙도는 분석 수준을 진단하는 기준) • 분석 교육은 단순한 도구 교육이 아니라 분석 역량을 확보·강화하는 데 초점을 둔다. 한시적인 교육으로 끝내지 않고 지속적인 변화 관리가 필요하다 • 대상별 교육: 분석 기획자 = 분석 큐레이션 / 분석 실무자 = 분석 기법과 도구 / 업무 수행자 = 분석 기회 발굴·시나리오 작성
07
데이터 거버넌스
전사 차원의 데이터를 표준화·관리하기 위한 체계
구성요소 3가지
원Principle
원칙
조Organization
조직
프Process
프로세스
1데이터 표준화
표준 용어 설정
명명 규칙 수립
메타데이터 구축
데이터 사전 구축
데이터 거버넌스 체계 네 가지 ★기출 반복
체계
하는 일
데이터 표준화
표준 용어 설정 · 명명 규칙 수립 · 메타데이터 구축 · 데이터 사전 구축
데이터 관리 체계
메타데이터·데이터 사전의 관리 원칙 수립, 담당자·조직별 역할과 책임, 데이터 생명 주기 관리 방안
데이터 저장소 관리
메타데이터·표준 데이터를 관리하는 전사 차원의 저장소 구성, 구조 변경에 따른 영향 평가
표준화 활동
구축 뒤 표준 준수 여부를 주기적으로 점검·모니터링, 변화 관리와 교육
• 데이터 거버넌스 = 전사의 모든 데이터에 대해 정책·지침·표준·조직·책임을 정해 관리하는 체계 • 중요한 관리 대상: 마스터 데이터 · 메타데이터 · 데이터 사전 • 효과: 데이터의 가용성·유용성·통합성·보안성·안전성 확보 • 독자적으로 수행할 수도 있고, 전사 IT 거버넌스나 EA의 구성요소로 구축하기도 한다. 전담 조직이 다른 부서 없이 단독으로 운영하는 것이 아니다 • 빅데이터 거버넌스는 여기에 데이터 최적화·정보 보호·생명 주기 관리·데이터 관리 책임자(Data Steward) 지정 등을 더한다
• 표준 용어는 표준 단어 사전·표준 도메인 사전·표준 코드로 구성하고, 사전 사이에 상호 검증이 되도록 점검 프로세스를 둔다 • 빅데이터는 데이터양이 급증하므로 생명 주기 관리 방안이 없으면 데이터 가용성과 관리 비용 문제가 생긴다
08
분석 준비도 (Readiness) — 6영역
분석 준비도 6영역 · 대표 키워드
1분석 업무
발생사실
예측
시뮬레이션
최적화
2분석 인력·조직
분석 전문가
전담 조직
교육훈련
3분석 기법
방법론
기법 라이브러리
효과성 평가
4분석 데이터
충분성
신뢰성
적시성
외부 데이터
5분석 문화
데이터 기반 의사결정
공유
협업
6IT 인프라
분석 시스템
데이터 처리 환경
• 진단의 목적: 현재 분석 수준을 객관적으로 파악하고 분석 역량을 높일 목표와 방향을 정하는 것(개인의 인사 평가가 아니다) • 수준 진단은 준비도와 성숙도를 함께 본다. 결과를 경쟁사와 비교해 목표 수준을 정할 수 있다 • 함정: '분석 비용·예산'은 6영역이 아니다 · 데이터의 충분성·신뢰성·적시성은 '분석 문화'가 아니라 '분석 데이터' 영역
'분석 데이터' 영역에서는 데이터의 충분성·신뢰성·적시성과 함께 기준 데이터 관리(MDM), 외부 데이터 활용 체계를 본다. 영역별 수준이 기준에 못 미치면 분석 환경부터 조성한다.
09
분석 성숙도 (Maturity) — 4단계
1단계도도입
분석 시작, 환경·시스템 구축
2단계활활용
분석 결과를 업무에 적용
3단계확확산
전사 차원으로 분석 확산
4단계최최적화
분석 고도화, 혁신·성과 창출
기반 모델
CMMI
3부문 평가
비즈니스 · 조직·역량 · IT
암기
도·활·확·최
단계별 특징 ★기출
단계
비즈니스
조직·역량
IT
도입
실적 분석·통계, 정기 보고
일부 부서에서 수행, 담당자 역량에 의존
데이터 웨어하우스 · 데이터 마트 · ETL · OLAP
활용
미래 결과 예측 · 시뮬레이션
전문 담당 부서에서 수행, 분석 기법 도입
실시간 대시보드 · 통계 분석 환경
확산
전사 성과 실시간 분석 · 분석 규칙·이벤트 관리
전사 모든 부서 수행 · 분석 CoE 운영 · 데이터 사이언티스트 확보
빅데이터 관리 환경 · 시뮬레이션·최적화 · 분석 전용 서버
최적화
외부 환경 분석 · 최적화 업무 적용 · 실시간 분석
데이터 사이언스 그룹 · 경영진의 분석 활용
분석 협업 환경 · 분석 샌드박스 · 프로세스 내재화
10
진단 결과 4유형
성숙도 ↑높음낮음
정착형준비↓ · 성숙↑
확산형준비↑ · 성숙↑
준비형준비↓ · 성숙↓
도입형준비↑ · 성숙↓
낮음준비도 →높음
유형별 상태와 방향
유형
상태
방향
준비형
데이터·인력·조직·분석 업무·기법이 갖추어지지 않음
사전 준비가 필요
정착형
준비도는 낮지만 내부에서 제한적으로 분석을 쓰고 있음
우선 분석의 정착이 필요
도입형
분석 업무·기법은 부족하지만 조직·인력 등 준비도가 높음
바로 도입할 수 있음
확산형
6가지 분석 구성요소를 갖추고 부분적으로 도입됨
지속적인 확산이 필요
진단 결과를 사분면으로 나누어 보면 분석 수준의 목표 방향을 정하고 유형별 개선 방안을 세울 수 있다.
11
분석 조직 구조 & 인프라
분석 조직 구조 3유형
집중형
전담 조직이 전체 분석
장점 · 우선순위 통제 쉬움
기능 중심형
현업 부서가 직접
한계 · 전사 관점 어려움
분산형
전담 인력을 현업에 배치
장점 · 전사 우선순위 선정 + 현업 신속 적용
인프라 구조
개별 시스템인터페이스 폭증
→
플랫폼 구조중앙집중 · 인터페이스 최소화
• 집중 구조: 전담 조직이 전사 분석을 맡아 전략적 중요도에 따라 우선순위를 정한다. 현업 부서와 업무가 중복·이원화될 수 있다 • 기능 구조: 별도 분석 조직 없이 각 부서가 직접 분석 → 전사 관점의 핵심 분석이 어렵다 • 분산 구조: 분석 조직 인력을 현업에 배치 → 결과를 신속하게 실무에 적용, 베스트 프랙티스 공유 • 분석 조직은 분석 전문 인력뿐 아니라 도메인 전문가·IT 인력·변화 관리와 교육 담당으로 구성한다. 최종 의사결정의 주체는 아니다
분석 플랫폼의 범위 ★기출
구분
구성
협의의 분석 플랫폼
데이터 처리 프레임워크 · 분석 엔진 · 분석 라이브러리
광의의 분석 플랫폼
협의 + 분석 서비스 제공 엔진 · 분석 애플리케이션 · 분석 서비스 제공 API · 운영체제 · 하드웨어
• 분석 조직의 목표: 데이터 분석의 가치를 발견하고 이를 활용해 비즈니스를 최적화하는 것 • 과제마다 개별 시스템을 만들면 관리 복잡도와 비용이 커진다 → 마스터 플랜 단계부터 확장성을 고려한 플랫폼 구조를 도입한다 • 플랫폼이 있으면 새 분석 요구가 생겨도 시스템을 추가하지 않고 서비스를 추가하는 방식으로 확장한다
12
분석 과제 관리 프로세스
분석 과제는 발굴부터 수행까지 지속적으로 관리한다
과제 발굴
1분석 아이디어 발굴
2후보 제안
3과제 확정
→분석 과제 Pool→
과제 후보와 결과물을 모아 관리
과제 수행
1팀 구성
2과제 실행
3진행 관리
4결과 공유·개선
↻결과 공유·개선 → Pool에 다시 반영
• 풀(Pool)로 관리하는 것은 두 가지다 — 발굴한 아이디어를 과제화한 분석 과제 후보, 그리고 과제를 진행하며 얻은 시사점을 포함한 결과물 • 결과물을 쌓아 두면 비슷한 과제를 할 때 시행착오를 줄일 수 있다 • 팀 구성과 결과 공유는 과제 수행 단계에 속한다
분석 과제 관리 프로세스는 크게 과제 발굴과 과제 수행 두 단계다. 발굴한 아이디어를 과제화해 풀로 관리하면서 분석 프로젝트를 선정한다.