데이터 분석 기획의 이해

Об этом предложении

데이터 분석 기획의 이해 데이터 분석 기획 은 실제 분석을 수행하기 전에 어떤 문제를 분석할 것인지 정의하고, 원하는 결과를 얻기 위해 분석 과정과 방법을 미리 계획하는 작업이다. 1. 분석 기획 방향성 도출 분석 기획이란? 분석 기획 은 실제 분석을 수행하기에 앞서 분석 과제의 정의와 의도한 결과를 도출하기 위한 관리 방안을 사전에 계획 하는 작업이다. 효과적인 분석 기획을 위해서는 하나의 분야만 아는 것이 아니라 다음과 같은 역량을 고르게 갖추는 것 이 중요하다. 컴퓨터 사이언스 수학 및 통계학 비즈니스 분석 능력 📌 분석 기획 = 무엇을 분석할지 정하고, 어떻게 분석하여 원하는 결과를 얻을지 미리 계획하는 것 2. 분석 주제 유형 분석 주제는 분석 대상 과 분석 방법 을 알고 있는지 여부에 따라 4가지 유형으로 구분할 수 있다. 유형 분석 대상 분석 방법 설명 최적화 알고 있음 알고 있음 분석 대상과 방법을 모두 알고 있어 현 문제를 최적화 솔루션 알고 있음 모름 분석 대상은 정해져 있지만 방법을 몰라 적절한 솔루션을 찾음 통찰 모름 알고 있음 알고 있는 분석 방법을 활용하여 새로운 인사이트를 도출 발견 모름 모름 분석 대상과 방법을 모두 모르므로 분석을 통해 새로운 대상을 발견 ⭐ 시험 빈출 암기 분석 대상과 방법을 기준으로 다음과 같이 기억하면 쉽다. 방법 O 방법 X 대상 O 최적화 솔루션 대상 X 통찰 발견 📌 최적화 = 대상 O + 방법 O 📌 솔루션 = 대상 O + 방법 X 📌 통찰 = 대상 X + 방법 O 📌 발견 = 대상 X + 방법 X 3. 목표 시점별 분석 기획 방안 분석 기획은 목표 시점에 따라 크게 과제 중심적인 접근 방식 과 장기적인 마스터 플랜 방식 으로 나눌 수 있다. 1 과제 중심적인 접근 방식 현재 당면한 문제를 빠르게 해결하는 데 초점 을 둔다. Quick-Win Quick-Win 은 말 그대로 즉각적인 실행을 통해 빠르게 성과를 도출 하는 것이다. 프로세스를 진행하는 과정에서 일반적인 상식이나 경험을 통해 원인이 명백하게 파악되는 불합리한 요소가 있다면, 이를 굳이 이후 단계까지 미루지 않고 바로 개선하여 단기간에 성과를 얻는 방식 이다. 2 장기적인 마스터 플랜 방식 단기적인 문제 해결보다는 장기적인 관점에서 지속적으로 분석 역량을 조직 내부에 내재화 하는 데 초점을 둔다. 3 두 가지 방식의 융합 실제 분석 기획에서는 어느 한 가지 방식만 사용하는 것보다 과제 중심 접근 방식과 장기적인 마스터 플랜을 융합하여 적용 하는 것이 바람직하다. ⭐ 시험 포인트 과제 중심 접근 → 빠른 문제 해결, Quick-Win 마스터 플랜 → 지속적인 분석 내재화 4. 분석 기획 시 고려 사항 1 가용한 데이터 분석을 수행하기 위해서는 데이터 확보가 필수적 이다. 데이터의 유형에 따라 적용 가능한 솔루션과 분석 방법이 달라질 수 있다. 따라서 분석에 앞서 데이터 유형에 대한 분석이 선행 되어야 한다. 2 적절한 유스케이스 탐색 비슷한 분석을 수행한 사례나 이미 존재하는 솔루션이 있다면 이를 최대한 활용 하는 것이 중요하다. 3 장애 요소에 대한 사전 계획 분석을 시작하기 전에 예상되는 장애 요소에 대해서도 미리 계획을 세워야 한다. 정확도 향상을 위한 비용 을 사전에 고려 조직의 분석 역량 내재화를 위한 지속적인 교육 고려 분석 결과를 실제 업무에서 활용하기 위한 변화관리 고려 📌 분석 기획 시 고려 사항 가용한 데이터 → 적절한 유스케이스 → 장애 요소에 대한 사전 계획 5. 분석 방법론 데이터 분석을 체계적으로 수행하기 위해서는 일정한 절차와 방법을 정의한 분석 방법론 이 필요하다. 대표적인 분석 방법론으로 KDD 와 CRISP-DM 이 있다. 6. KDD 분석 방법론 KDD(Knowledge Discovery in Database) 는 1996년 Fayyad 가 체계적으로 정리한 데이터 마이닝 프로세스이다. 데이터 마이닝뿐만 아니라 기계학습, 인공지능, 패턴인식, 데이터 시각화 등 다양한 분야에서 응용할 수 있는 구조를 가지고 있다. KDD 분석 절차 데이터셋 선택(Selection) 분석에 필요한 데이터셋을 선택한다. 데이터 전처리(Preprocessing) 잡음, 이상값, 결측치 등을 제거하거나 처리한다. 데이터 변환(Transformation) 변수 선택, 차원 축소 등의 작업을 수행한다. 데이터 마이닝(Data Mining) 분석 목적에 적합한 데이터 마이닝 기법과 알고리즘을 선택하여 데이터의 패턴을 찾고 분류 및 예측 등을 수행한다. 데이터 마이닝 결과 평가(Evaluation) 분석 결과를 해석하고 평가하여 실제 활용 가능성을 확인한다. 분석을 시작하기 전에는 분석 대상의 비즈니스 도메인을 이해하고 프로젝트 목표를 정확하게 설정 하는 것이 중요하다. ⭐ KDD 단계 암기 선택 → 전처리 → 변환 → 마이닝 → 평가 영문으로는 Selection → Preprocessing → Transformation → Data Mining → Evaluation 순서이다. 7. CRISP-DM 분석 방법론 CRISP-DM(Cross Industry Standard Process for Data Mining) 은 1996년 유럽 연합의 ESPRIT 프로젝트에서 시작 된 데이터 마이닝 방법론이다. CRISP-DM은 계층적 프로세스 모델 이며, 4개의 레벨 로 구성된다. CRISP-DM 분석 절차 업무 이해(Business Understanding) 비즈니스 관점에서 프로젝트의 목적과 요구사항을 이해하고 초기 프로젝트 계획을 수립한다. 데이터 이해(Data Understanding) 분석에 필요한 데이터를 수집하고 데이터의 속성을 이해한다. 데이터 기술 분석, 데이터 탐색 및 데이터 품질 확인 등을 수행한다. 데이터 준비(Data Preparation) 분석 기법에 적합하도록 데이터셋을 선택하고 데이터 정제, 통합, 포맷팅 등을 수행한다. 모델링(Modeling) 적절한 모델링 기법과 알고리즘을 선택하고 파라미터를 최적화한다. 이 과정에서 과적합 여부도 고려한다. 평가(Evaluation) 만들어진 모델이 프로젝트의 목적에 부합하는지 평가한다. 분석 결과뿐만 아니라 모델링 과정과 실제 적용 가능성도 평가한다. 전개(Deployment) 완성된 모델을 실제 업무에 적용하기 위한 계획을 수립하고 유지보수 계획을 마련한다. 프로젝트 종료 보고서 작성 및 프로젝트 리뷰도 수행한다. ⭐ CRISP-DM 6단계 암기 업무 이해 → 데이터 이해 → 데이터 준비 → 모델링 → 평가 → 전개 영문으로는 다음과 같다. Business Understanding → Data Understanding → Data Preparation → Modeling → Evaluation → Deployment 8. KDD와 CRISP-DM 비교 구분 KDD CRISP-DM 등장 1996년 Fayyad가 체계화 1996년 유럽 연합 ESPRIT 프로젝트에서 시작 주요 특징 데이터 마이닝 중심의 프로세스 비즈니스 관점에서 시작하는 체계적인 분석 프로세스 단계 5단계 6단계 순서 선택 → 전처리 → 변환 → 마이닝 → 평가 업무 이해 → 데이터 이해 → 데이터 준비 → 모델링 → 평가 → 전개 ⭐ 오늘의 시험 빈출 포인트 1 분석 주제 유형 분석 대상과 분석 방법의 유무 를 기준으로 4가지를 구분해야 한다. 대상 O + 방법 O → 최적화 대상 O + 방법 X → 솔루션 대상 X + 방법 O → 통찰 대상 X + 방법 X → 발견 2 목표 시점별 분석 기획 과제 중심 → 당면 과제를 빠르게 해결 → Quick-Win 마스터 플랜 → 지속적인 분석 역량 및 분석의 내재화 실무에서는 두 방식을 융합하여 적용 3 KDD 선택 → 전처리 → 변환 → 데이터 마이닝 → 평가 4 CRISP-DM 업무 이해 → 데이터 이해 → 데이터 준비 → 모델링 → 평가 → 전개 📌 암기 팁 KDD는 데이터를 골라서 → 정리하고 → 변환하고 → 마이닝 → 평가 CRISP-DM은 업무를 이해하고 → 데이터를 이해하고 → 준비 → 모델링 → 평가 → 실제 전개 📚 핵심 용어 정리 용어 의미 분석 기획 분석 과제와 결과를 정의하고 분석 수행 방법을 사전에 계획하는 작업 Quick-Win 즉각적인 실행을 통해 단기간에 성과를 도출하는 방식 유스케이스 유사한 분석 사례나 활용 시나리오 KDD 데이터 마이닝 중심의 분석 방법론 CRISP-DM 업무 이해부터 실제 전개까지 포함하는 데이터 마이닝 분석 방법론