분석 기획 — 무엇을 먼저 할 것인가

기술을 다 알아도 무엇부터 할지를 정하지 못하면 아무것도 안 된다. 이 글이 그 부분이다.

분석을 가로막는 것

교과서의 한 줄이 인상적이었다 — 분석 비용보다, 분석 방법과 성과에 대한 이해 부족이 더 큰 장애다. 돈이 없어서 못 하는 게 아니라 무엇을 얻을 수 있는지 몰라서 안 한다는 뜻이다.

같은 맥락에서, 빅데이터 분석에서 먼저 볼 것은 데이터의 규모가 아니라 시급성과 통찰이다.

분석 대상과 방법 — 네 가지 유형

무엇을(What) 아는가 × 어떻게(How) 아는가의 2×2 다. 이 표는 뒤에서 계속 다시 나온다.

	What: 알고 있다	What: 모른다
How: 알고 있다	최적화 Optimization	통찰 Insight
How: 모른다	솔루션 Solution	발견 Discovery

문제도 방법도 알면 → 잘하는 일을 더 잘하게 최적화한다
방법은 아는데 문제를 모르면 → 그 방법을 들이대 보며 통찰을 얻는다
문제는 아는데 방법을 모르면 → 솔루션을 찾는다
둘 다 모르면 → 발견의 영역이다

시점으로 나누기

접근	성격	산출
단기(과제 중심)	당면 과제를 빠르게	Quick-Win
중장기(마스터플랜)	분석 문화 내재화	전사 장기 과제 도출
혼합	분석 기획을 과제 단위로 하되 마스터플랜에 얹는다	가치 증대, 과제 해결, 가치 조기 체험

실무에서는 혼합이 답이다. 마스터플랜만 세우면 결과가 늦고, Quick-Win 만 하면 쌓이지 않는다.

우선순위를 어떻게 정하는가

IT 프로젝트와 데이터 분석 프로젝트는 기준이 다르다

	IT 프로젝트	데이터 분석 프로젝트
우선 기준	전략적 중요도, 시급성	투자 비용 요소와 비즈니스 효과
알려진 것	요구사항이 대체로 확정	요구사항이 확정되지 않음
판단	실용성 · 투자 용이성	ROI

3V 와 1V 로 갈린다

앞 글의 5V 가 여기서 쓰인다.

축	무엇	5V 중
투자 비용 요소	규모(Volume) · 형태(Variety) · 속도(Velocity)	3V
비즈니스 효과	가치(Value)	1V

ROI 관점으로 다시 쓰면 이렇게 된다.

축	구성 요소
시급성	전략적 중요도, KPI 기여도, 비즈니스 효과
난이도	데이터 획득·가공·저장 비용, 분석 비용, 분석 수준, 투자 비용 요소

사분면과 조정

시급성과 난이도로 사분면을 그리면 순서가 나온다. 일반적으로는 난이도가 낮고 시급한 것부터 하지만, 조정이 들어간다.

기술적 조정 — 빅데이터의 저장·처리·분석 기술과 시스템 영향도를 본다. 운영 시스템에 주는 영향을 최소화하거나 별도 시스템으로 떼면 난이도가 내려간다.
범위 조정 — 범위를 줄이면 난이도가 내려간다.

로드맵 — 세 단계

	1단계	2단계	3단계
목표	분석 체계 도입	분석 유효성 검증	분석 확산 및 고도화
하는 일	분석 기회 발굴, 과제 정의, 마스터플랜 수립	유즈케이스 타당성 검증, 기술 실현성 검증, 분석 알고리즘·아키텍처 설계	업무 프로세스 내재화, 변화 관리, 빅데이터 활용 시스템 구축

PoC(개념 검증)는 2단계에 들어간다. 검증 없이 3단계로 뛰면 확산할 것이 없다.

하향식 접근 — 문제를 알고 시작한다

Top-Down Approach. 문제가 주어져 있고 해법을 찾아 수렴(converge) 한다.

네 단계

단계	하는 일
1. 문제 탐색 Problem Discovery	비즈니스 모델 기반, 외부 참조(벤치마킹), 분석 유즈케이스
2. 문제 정의 Problem Definition	식별된 비즈니스 문제를 데이터 문제로 바꾼다
3. 해결방안 탐색 Solution Search	기존 시스템·역량으로 되는가, 새로 사야 하는가
4. 타당성 평가 Feasibility Study	경제적 타당성 + 데이터·기술적 타당성

2단계가 가장 자주 건너뛰어진다. “매출을 올리자”는 비즈니스 문제고, “이탈 확률을 예측하자”가 데이터 문제다. 이 번역을 하지 않으면 분석이 시작되지 않는다.

문제 탐색에 쓰는 도구

비즈니스 모델 캔버스 — 업무, 제품, 고객 세 축에 규제·감사, 지원 인프라를 더해 훑는다. 분석 기회는 다섯 영역에서 나온다 — 업무, 제품, 고객, 규제와 감사, 지원 인프라.

외부 환경 분석으로 넓히면 이렇다.

축	무엇을 보는가
거시적 관점	사회(S) · 기술(T) · 경제(E) · 환경(E) · 정치(P)
경쟁자 확대	대체재 · 경쟁자 · 신규 진입자
시장 니즈 탐색	고객 · 채널 · 영향자
역량의 재해석	내부 역량 · 파트너 네트워크

해결방안을 어디서 구할 것인가

	분석 역량: 확보됨	분석 역량: 없음
기존 시스템	기존 시스템 개선·활용	교육 · 채용을 통한 역량 확보
신규 도입	시스템 고도화	전문 업체 아웃소싱

타당성 평가

경제적 타당성 — 데이터·시스템·인력·유지보수 등 총 소유비용과 비용 절감·추가 매출 같은 경제적 가치를 견준다.
데이터 및 기술적 타당성 — 데이터 존재 여부, 분석 시스템 환경, 분석 역량이 있는가. 여기서 비즈니스 지식과 기술 지식이 모두 필요하므로 협업이 필수다.

상향식 접근 — 문제를 모르고 시작한다

Bottom-Up Approach. 데이터에서 출발해 발산(diverge) 한다.

왜 필요한가

하향식은 이미 알려진 문제만 다룬다. 새로운 문제를 탐색하기 어렵고, 복잡하고 다양한 문제 앞에서 한계에 부딪힌다. 상향식은 역으로 문제를 도출한다 — 성격상 비지도학습(USL)에 가깝다.

두 가지 방법

디자인 씽킹 — 공감(Empathize) → 정의(Define) → 아이디어 구상(Ideate) → 프로토타입(Prototype) → 테스트(Test). 상향식으로 문제를 열고 하향식으로 좁히는 것을 번갈아 한다.

비지도학습으로 데이터의 결과를 먼저 보고 통찰을 얻는 방식이며, 빅데이터 환경의 분석은 인과관계에서 상관관계, 연관관계로 넘어간다.

프로토타이핑 — 먼저 분석해 보고 반복해 개선한다.

	내용
필요한 상황	문제 인식 수준이 낮다 / 필요 데이터의 존재 여부가 불확실하다 / 데이터 사용 목적이 가변적이다
특징	잘 되면 불확실성이 줄고, 빅데이터 환경에서는 빠른 분석 반복이 가능하다
구성	가설 → 실험 설계(DOE) → 테스트 → 인사이트 도출 및 가설 검증

두 접근의 차이

	하향식	상향식
방향	수렴	발산
강조	Why	What
관점	현상 관찰·감소·이해, 대상 관점 전환	실행하며 이해

분석 방법론

방법론은 암묵지를 형식지로 만들고(형식화), 형식지를 체계화하며, 다시 내재화하는 순환이다. 앞의 지식 창조 메커니즘과 같은 구조다.

계층적 프로세스 모델

단계(Phase) → 태스크(Task) → 스텝(Step) 세 층으로 나눈다.

소프트웨어 개발 생명주기 (SDLC)

계획 → 요구분석 → 설계 → 구현 → 시험 → 유지보수.

모델	특징
폭포수	단계가 순차적. 앞 단계로 돌아가지 않는 것이 전제
프로토타입	요구사항 반영을 반복. 실무 프로세스는 도구 중심
나선형	반복하며 발전. 위험 분석이 들어간다

폭포수의 흐름을 What / How / Operation 으로 보면 계획·분석이 What, 설계·개발이 How, 시험·유지보수가 Operation 자리에 온다.

원문에서 풀지 못한 것

원본 슬라이드의 축약 중 다음은 지금의 나도 무엇의 두문자인지 확신할 수 없어 그대로 남긴다. 나중에 교재를 다시 보고 채운다.

분석 지향점 — 전통D분 / 다차D분 / 가기D분
데이터 사이언티스트 소양 — 균시분방계수
필요 역량 — 사가D / 적사탐 / 발요고