데이터 분석 준전문가(adsp) - 분석 거버넌스 체계 수립

 

1. 거버넌스 체계

 

가.개요 

- 기업에서 데이터를 이용한 의사결정이 강조될수록 데이터 분석과 활용을 위한 체계적인 관리가 중요해진다. 단순히 대용량 데이터를 수집,축적하는 것보다는 어떤 목적으로 어떤 데이터를 어떻게 분석에 활용할 것인가가 더욱 중요하기 때문이다. 그리고 조직 내 분석 관리체계를 수립해야 하는 이유는 데이터 분석을 기업의 문화로 정착하고 데이터 분석업무를 지속적으로 고도화하기 위해서이다.

 

나. 구성요소 

- 마스터 플랜 수립 시점에서 데이터 분석의 지속적인 적용과 확산을 위한 거버넌스 체계는 분석 기획 및 관리를 수행하는 조직 ( Organization ) , 과제 기획 및 운영 프로세스 ( Process ) , 분석 관련 시스템 ( System ) , 데이터 ( Data ) , 분석 관련 교육 및 마인드 육성 체계 ( Human Resource ) 로 구성된다. 

 

 

2. 데이터 분석 수준진단

 

가. 개요 

 

- 기업들은 데이터 분석의 도입여부와 활용에 명확한 분석 수준을 점검할 필요가 있다. 데이터분석의 수준진단을 통해 데이터 분석 기반을 구현하기 위해서는 무엇을 준비하고 보완해야 하는지 등 분석의 유형 및 분석의 방향성을 결정할 수 있다.

- 데이터 분석 수준 진단을 위한 분석 준비도 ( readiness ) 와 분석 성숙도 ( maturity ) 의 구성

 

분석 준비도 ( Readiness ) : 분석업무 , 분석 인력,조직 , 분석기법 , 분석 데이터 , 분석 문화 , 분석 인프라 

분석 성숙도 ( Maturity ) : 도입 --> 활용 --> 확산 --> 최적화 , 비즈니스 --> 조직 및 역량 --> IT 

 

 

나. 수준 진단 목표 2가지 

 

1) 정의 

- 기업의 현재 분석 수준을 명확히 이해하고 , 수준진단 결과를 토대로 미래의 목표수준을 정의한다.

- 데이터 분석을 위한 기반 또는 환경이 유사업종 또는 타 경쟁사에 비해 어느정도 수준이고 , 데이터를 활용한 분석의 경쟁력 확보를 위해 어떠한 영역에 선택과 집중을 해야 하는지 , 어떤관점을 보완해야 하는지 등 개선방안을 도출한다. 

 

 

2) 분석 준비도 

 

가) 목표 : 기업의 데이터 분석 도입의 수준을 파악하기 위한 진단방법 

나) 구성 : 총 6가지 ( 분석업무파악 , 인력 및 조직 , 분석기법 , 분석 데이터 , 분석문화 , IT 인프라 ) 

다) 진단 과정 : 

 

(1) 영역별로 세부 항목에 대한 수준파악 

(2) 진단결과 전체 요건 중 일정 수준이상 충족하면 분석업무 도입 

(3) 충족하지 못할 시 분석 환경 조성 

 

 

분석업무 파악 

- 발생한 사실 분석업무

- 예측 분석업무

- 시뮬레이션 분석업무

- 최적화 분석업무

- 분석업무 정기적 개선 

 

인력 및 조직

- 분석 전문가 직무 존재 

- 분석 전문가 교육 훈련 프로그램

- 관리자들의 기본적 분석 능력 

- 전사 분석업무 총괄 조직 존재

- 경영진의 분석 업무 이해 능력 

 

분석기법

- 업무별 적합한 분석기법 사용 

- 분석업무 도입 방법론

- 분석기법 라이브러리

- 분석기법 효과성 평가

- 분석기법 정기적 개선 

 

 

분석 데이터 

- 분석업무를 위한 데이터 충분성

- 분석업무를 위한 데이터 신뢰성

- 분석업무를 위한 데이터 적시성

- 비구조적 데이터 관리

- 외부 데이터 활용 체계

- 기준 데이터 관리 ( MDM ) 

 

분석 문화 

- 사실에 근거한 의사결정

- 관리자의 데이터 중시 정도

- 회의 등에서 데이터 활용 상황 

- 경영진의 직관 Vs 데이터 기반의 의사 결정

- 데이터 공유 및 협업 문화 

 

 

3) 분석 성숙도 모델 

 

가) 조직의 성숙도 평가 도구 

- CMMI ( Capability Matutiry Model Integration ) 모델 

 

나) 성숙도 수준분류 

- 도입단계 , 활용단계 , 확산단계 , 최적화단계 

 

다) 분석 성숙도 진단 분류 

- 비즈니스 부문 , 조직 , 역량 부문 , IT 부문 

 

 

4) 분석 수준 진단 결과 

 

- 기업의 현재 분석 수준을 객관적으로 파악 

- 경쟁사의 분석 수준과 비교하여 분석 경쟁력 확보 및 강화를 위한 목표 수준 설정 가능 

 

 

가) 분석 관점에서의 사분면 분석 

- 분석 수준 진단결과를 구분

- 데이터 분석 수준에 대한 목표 방향을 정의

- 유형별 특성에 따른 개선방안 수립 

 

 

3. 분석지원 인프라 방안 수립 

 

가. 개요 

- 분석과제 단위별로 별도의 분석시스템을 구축하는 경우 , 관리의 복잡도 및 비용의 증대라는 부작용이 나타나게 된다. 따라서 분석마스터 플랜을 기획하는 단계에서부터 장기적이고 안정적으로 활용할 수 있는 확장성을 고려한 플랫폼 구조를 도입하는 것이 적절하다.

 

 

나. 플랫폼 

- 단순한 분석 응용프로그램뿐만 아니라 분석 서비스를 위한 응용프로그램이 실행될 수 있는 기초를 이루는 컴퓨터 시스템을 의미한다.

- 일반적으로 하드웨어에 탑재되어 데이터 분석에 필요한 프로그래밍 환경과 실행 및 서비스 환경을 제공하는 역할을 수행한다.

- 분석플랫폼이 구성되어 있는 경우에는 새로운 데이터 분석 니즈가 존재할 경우 개별적인 분석 시스템을 추가하는 방식이 아닌 서비스를 추가적으로 제공하는 방식으로 확장성을 높일 수 있다.

 

 

4.데이터 거버넌스 체계 수립 

 

가. 데이터 거버넌스의 개요 

 

1) 전사 차원의 모든 데이터에 대하여 정책 및 지침 , 표준화 , 운영조직 및 책임 등의 표준화된 관리체계를 수립하고 운영을 위한 프레임워크 ( Framework ) 와 저장소 ( Repository ) 를 구축하는 것을 말한다.

 

2) 마스터 데이터 , 메타 데이터 , 데이터 사전은 데이터 거버넌스의 중요한 관리 대상이다.

- 기업은 데이터 거버넌스 체계를 구축함으로써 데이터의 가용성 , 유용성 , 통합성 , 보안성 , 안정성을 확보할 수 있다.

- 데이터 거버넌스는 독자적으로 수행될 수도 있지만 전사 차원의 IT 거버넌스나 EA 의 구성요소로써 구축되는 경우도 있다. 

- 빅데이터 거버넌스는 이러한 데이터 거버넌스의 체계에 대하여 빅데이터의 효율적인 관리 , 다양한 데이터의 관리체계, 데이터 최적화 , 정보보호 , 데이터 생명주기 관리 , 데이터 카테고리별 관리 책임자 지정 등을 포함한다.

 

 

 

나. 데이터 거버넌스 구성요소

 

1) 개요 

- 구성요소인 원칙 ( Principle ) , 조직 ( Organization ) , 프로ㅔ스 ( Process ) 는 유기적으로 조합하고 효과적으로 관리하여 데이터를 비즈니스 목적에 부합하도록 하고 최적의 정보 서비스를 제공할 수 있도록 한다 

 

2) 구성 3요소 

 

가) 원칙 ( Principle ) : 데이터를 유지 관리하기 위한 지침과 가이드 , 보안 , 품질 기준 , 변경관리 

 

나) 조직 ( Organization ) : 데이터를 관리할 조직의 역할과 책임 , 데이터 관리자 , 데이터베이스 관리자 , 데이터 아키텍트 

 

다) 프로세스 ( Process ) : 데이터 관리를 위한 활동과 체계 , 작업 절차 , 모니터링 활동 , 측정 활동 

 

 

다. 데이터 거버넌스 체계 

 

1) 데이터 표준화 

- 데이터 표준화는 데이터 표준 용어 설정 , 명명 규칙 수립 , 데타 데이터 구축 , 데이터 사전 구축 등의 업무로 구성된다.

- 데이터 표준용어는 표준 단어사전 , 표준 도메인사전 , 표준 코드 등으로 구성되며 사전간 상호검증이 가능하도록 점검 프로세스를 포함해야 한다.

- 명명 규칙은 필요시 언어별 ( 한글 , 영어 ) 로 작성되어 매핑 상태를 유지해야 한다. 

 

 

2) 데이터 관리 체계 

- 데이터 정합성 및 활용의 효율성을 위하여 표준 데이터를 포함한 메타 데이터와 데이터 사전의 관리 원칙을 수립한다.

- 수립된 원칙에 근거하여 항목별 상세한 프로세스를 만들고 관리와 운영을 위한 담당자 및 조직별 역할과 책임을 상세하게 준비한다.

 

- 빅데이터의 경우 데이터양의 급증으로 데이터의 생명 주기 관리방안 ( Data Life Cycle Manage ment ) 을 수립하지 않으면 데이터 가용성 및 관리비용 증대 문제에 직면하게 될 수 있다.

 

 

3) 데이터 저장소 관리 ( Repository ) 

- 메타데이터 및 표준 데이터를 관리하기 위한 전사 차원의 저장소를 구성한다

- 저장소는 데이터 관리 체계 지원을 위한 워크플로우 ( Workflow ) 및 관리용 응용 소프트웨어 ( Application ) 를 지원하고 관리 대상 시스템과의 인터페이스를 통한 통제가 이루어져야 한다.

- 데이터 구조 변경에 따른 사전 영향 평가도 수행되어야 효율적인 활용이 가능하다

 

 

4) 표준화 활동 

- 데이터 거버넌스 체계를 구축한 후 표준 준수 여부를 주기적으로 점검하고 모니터링을 실시한다.

- 거버넌스의 조직 내 안정적 정착을 위한 계속적인 변화 관리 및 주기적인 교육을 진행한다.

- 지속적인 데이터 표준화 개선 활동을 통하여 실용성을 높여야 한다

 

 

 

5. 데이터 조직 및 인력방안 수립 

 

가. 현황 

- 빅데이터 등장에 따라 기업의 비즈니스도 많은 변화를 겪고 있는데 , 이러한 비즈니스 변화를 인식하고 기업의 차별화된 경쟁력을 확보하는 수단으로서 데이터 과제 발굴 , 기술 검토 및 전사 업무 적용계획 수립 등 데이터를 효과적으로 분석 , 활용하기 위해 기획 , 운영 및 관리를 전담할 수 있는 전문 분석조직의 필요성이 제기되고 있다.

 

나. 분석 조직의 개요 

- 데이터 분석 조직은 기업의 경쟁력 확보를 위해 데이터 분석의 가치를 발견하고 , 이를 활용하여 비즈니스를 최적화하는 목표를 갖고 구성되어야 한다. 이를 위해 기업의 업무 전반에 걸쳐 다양한 분석 과제를 발굴해 정의하고 , 데이터 분석을 통해 의미있는 인사이트를 찾아 실행하는 역할을 수행할 수 있어야 한다. 다양한 분야의 지식과 경험을 가진 인력과 업무 담당자 등으로 구성된 전사 또는 부서 내 조직으로 구성할 수 있다.

 

목표 : 기업의 경쟁력 확보를 위하여 비즈니스 질문 ( Question ) 과 이에 부합하는 가치 ( Value ) 를 찾고 비즈니스를 최적화 ( Optimization ) 하는 것 

역할 : 전자 및 부서의 분석 업무를 발굴하고 전문적 기법과 분석 도구를 활용하여 기업 내 존재하는 빅데이터 속에서 insight를 전파하고 이를 Action화 하는 것 

구성 : 기초통계학 및 분석 방법에 대한 지식과 분석 경험을 가지고 있는 인력으로 전사 또는 부서 내 조직으로 구성하여 운영 

 

 

다. 조직 및 인력 구성 시 고려사항 

 

1) 주요 고려사항 

 

조직 구조 

- 비즈니스 질문 ( Question ) 을 선제적으로 찾아 낼 수 있는 구조인가?

- 분석 전담조직과 타 부서간 유기적인 협조와 지원이 원활한 구조인가?

- 효율적인 분석 업무를 수행하기 위한 분석 조직의 내부 조직구조는?

- 전사 및 단위부서가 필요 시 접촉하여 지원할 수 있는 구조인가?

- 어떤 형태의 조직(중앙집중형 , 분산형 ) 으로 구성하는 것이 효율적인가?

 

 

인력 구성 

- 비즈니스 및 IT 전문가의 조합으로 구성되어야 하는가?

- 어떤 경험과 어떤 스킬을 갖춘 사람으로 구성해야 하는가?

- 통계적 기법 및 분석 모델링 전문 인력을 별도로 구성해야 하는가?

- 전사 비즈니스를 커버하는 인력이 없다 . 그렇다면 ? 

- 전사 분석업무에 대한 적합한 인력 규모는 어느 정도인가? 

 

 

2) 분석을 위한 3가지 조직 구조 

 

3) 분석조직의 인력구성 

- 전문역량을 갖춘 각 분야의 인재들을 모아 조직을 구성하여 분석조직의 경쟁력을 극대화 할 수 있다.

 

 

 

6. 분석 과제 관리 프로세스 수립

 

가. 현황 

- 분석 마스터 플랜이 수립되고 초기 데이터 분석 과제가 성공적으로 수행되는 경우 , 지속적인 분석니즈 및 기회가 분석 과제 형태로 도출될 수 있다. 이런 과정에서 분석 조직이 수행할 주요한 역할 중의 하나가 분석 과제의 기획 및 운영이므로 이를 체계적으로 관리하기 위한 프로세스를 수립해야 한다.

 

나. 과제 관리 프로세스 

 

1) 과제 발굴 

- 개별 조직이나 개인이 도출한 분석 아이디어를 발굴하고 이를 과제화하여 분석 과제 풀 ( Pool ) 로 관리하면서 분석 프로젝트를 선정하는 작업을 수행한다. 

 

2) 과제 수행 

- 분석을 수행할 팀을 구성하고 분석 과제 실행 시 지속적인 모니터링과 과제결과를 공유하고 개선하는 절차를 수행한다.

 

- 분석 조직이 지속적이고 체계적인 분석 관리 프로세스를 수행함으로써 조직 내 분석 문화내재화 및 경쟁력을 확보할 수 있다.

- 해당 과제를 진행하면서 만들어진 시사점 ( Lesson Learned ) 을 포함한 결과물을 풀 ( Pool )에 잘 축적하고 관리함으로써 향후 유사한 분석과제 수행 시 시행착오를 최소화하고 프로젝트를 효율적으로 진행할 수 있다.

 

 

7. 분석 교육 및 변화관리 

 

가.개요 

- 빅데이터의 등장으로 많은 비즈니스 영역에서 변화를 가져왔다. 이러한 변화에 보다 적극적으로 대응하기 위해서는 기업에 맞는 적합한 분석 업무를 도출하고 ,가치를 높여줄 수 있도록 분석 조직 및 인력에 대한 지속적인 교육과 훈련을 실시하여야 한다. 또한 경영층이 사실 기반 의사결정을 할 수 있는 문화를 정착시키는 등 지속적인 변화관리를 계획하고 수행하여야 한다.

 

- 새로운 체계의 도입시에는 저항 및 기존 형태로 되돌아가는 관성이 존재하기 때문에 분석의 가치를 극대화하고 내재화하는 안정적인 추진기로 접어들기 이해서는 분석에 관련된 교육 및 마인드 육성을 위한 적극적인 변화 관리가 필요하다 

 

 

 

나. 분석 교육의 목표 

- 단순한 툴 교육이 아닌 분석역량을 확보하고 강화하는 것에 초점을 맞추어 진행되어야 한다. 

- 분석적인 사고를 업무에 적용할 수 있도록 다양한 교육을 통해 조직 구성원 모두에게 분석기반의 업무를 정착시키고 이를 통해 데이터를 바라보는 관점 , 데이터 분석과 활용 등이 기업 문화로 자연스럽게 확대되어야 한다.