거버넌스 governance 란 다양한 의미로 사용되고 있으나 공통적으로 포함하는 개념은 관리와 통제로 볼 수 있다. 분석 거버넌스는 데이터에 관한 규제나 관리 프로세스를 말한다. 분석 거버넌스 체계는 마스터 플랜 수립 시점부터 고려해야 하며, 다음과 같은 구성 요소로 이루어져 있다.
- 프로세스 process
- 시스템 system
- 데이터 data
- 조직 organization
- 교육/육성 human resource
1. 데이터 분석 수준 진단
데이터 분석 수준을 진단함으로써 분석 기반을 마련하기 위해 무엇을 준비해야 할지 알 수 있게 된다. 분석 준비도와 분석 성숙도를 함께 평가함으로써 데이터 분석 수준을 진단할 수 있다.
1) 분석 준비도 readiness
분석 준비도는 데이터 분석 도입의 수준을 파악하기 위한 방법이다. 총 6 가지 영역을 대상으로 현재의 수준을 파악한다.
1-1) 분석업무 파악
- 발생한 사실 분석 업무
- 예측, 시뮬레이션, 최적화 분석 업무, 분석업무 정기개선
1-2) 인력/조직
- 분석 전문가 직무 존재, 분석 전문가 교육 훈련 프로그램, 관리자들의 기본적인 분석능력
- 전사 분석업무 총괄 조직 존재, 경영진의 분석 업무 이해 능력
1-3) 분석 기법
- 업무별 적합한 분석기법 사용
- 분석 업무 도입 방법론
- 분석기법 라이브러리/효과성 평가/정기적 개선
1-4) 분석 데이터
- 데이터 충분석/신뢰성/적시성, 비구조적(비정형) 데이터 관리
- 외부 데이터 활용 체계, 기준 데이터 관리 MDM master data management
1-5) 분석 문화
- 사실(팩트, 숫자)에 근거한 의사결정, 관리자의 데이터 중시
- 데이터 활용, 경영진의 직관보다 데이터
- 데이터 공유 및 협업 문화
1-6) IT 인프라
- 운영시스템 데이터 통합, 데이터 유통체계
- 분석 전용 서버 및 스토리지(저장소), 빅데이터 분석 환경(클라우드)
- 통계 분석 환경, 비주얼 분석 환경
2) 분석 성숙도 모델
CMMI capability maturity model integration 모델을 기반으로 조직의 성숙도를 평가한다. 비즈니스 부문, 조직 및 역량 부분, IT 부분을 대상으로 성숙도 수준에 따라 도입, 활용, 확산, 최적화 단계로 나눌 수 있다.
2-1) 도입
분석을 시작하고 환경을 구축한다. DW 를 통한 실적분석 및 통계 수준이며 담당자의 역량에 의존한다.
2-2) 활용
분석 결과를 실무에 적용하는 수준이다. 실시간 대시보드를 활용하며 시뮬레이션을 한다. 전문 부서가 있다.
2-3) 확산
전사 차원에서 분석을 관리하고 공유한다. 전사적인 성과를 실시간으로 분석하며 분석 규칙을 관리한다. 모든 부서에서 분석을 수행한다.
2-4) 최적화
분석을 진화시켜서 혁신 및 성과 향상에 기여한다. 데이터 사이언스 그룹이 있고 협업환경이 잘 갖춰져 있다.
2. 분석수준 진단결과
참고로 분석수준 결과 **형 이라면 **이 필요하다는 말이다. 예를 들어 정착형이라면 정착이 되었다는 게 아니라 정착이 필요하다는 뜻이다.
준비도와 성숙도를 기반으로 4 가지 경우의 수가 나온다.
- 준비도가 낮고 성숙도도 낮으면 사전 준비가 필요하다(준비형).
- 준비도는 낮지만 성숙도가 높으면 특정 부서만 잘 하고 있기 때문에 다른 부서에도 정착이 필요하다(정착형).
- 준비도 잘 되어 있고, 성숙도 잘 되어 있으면 지속적인 확산만 시키면 된다(확산형).
- 준비는 잘 되어 있지만, 성숙도가 낮으면 바로 도입만 하면 된다(도입형).
3. 분석 지원 인프라 방안 수립
분석 과제단위 별로 분석 시스템을 구축하는 경우 관리도 복잡하고 비용도 증가한다. 분석 마스터 플랜을 기획하는 단계에서부터 플랫폼 구조를 도입하는 것이 적절하다. 플랫폼 구조는 서비스를 추가하는 방식이기 때문에 확장성이 뛰어나고 장기적으로 안정적인 활용이 가능하다는 장점이 있다.
4. 데이터 거버넌스 체계 수립
빅데이터는 전사적인 데이터 거버넌스의 필요성을 부각시킨다. 데이터 거버넌스란 전사적으로 모든 데이터에 대한 표준 관리 체계를 수립하고, 프레임워크와 저장소를 구축하는 것을 말한다.
1) 데이터 거버넌스의 중요한 관리대상
- 마스터 데이터 : 기본 자료로 제공되는 자료
- 메타 데이터 : 다른 데이터를 설명해주는 데이터. 속성정보.
- 데이터 사전
2) 데이터 거버넌스의 구성 요소
원칙 : 데이터를 유지관리하기 위한 지침과 가이드
조직 : 데이터 관리 조직의 역할과 책임
프로세스 : 데이터 관리를 위한 활동과 체계
3) 데이터 거버넌스 체계 요소
- 데이터 표준화 : 표준용어, 명명규칙 name rule 수립, 메타데이터 구축, 데이터 사전 구축
- 데이터 저장소 관리 repository
- 데이터 관리 체계 : 메타데이터와 데이터 사전의 관리 원칙 수립
- 표준화 활동 : 지속적인 데이터 표준화 활동
5. 데이터 조직 및 인력방안 수립
빅데이터 등장으로 데이터를 효과적으로 분석, 활용하기 위해 전문 분석 조직의 필요성이 제기되고 있다. 분석 조직은 비즈니스(비즈니스 이해, 분석 요소 협의), IT 기술(기술 동향 파악, 기술 아키텍처 수립), 분석(고급 통계기법, 모델링), 변화관리(분석문화 확산), 교육(심도있는 교육) 등 각 분야의 인재들을 모아 구성하는 것이 바람직하다. 참고로 변화관리와 교육 인력은 중복이 가능한다.
조직 구조는 크게 3 가지의 유형으로 나눌 수 있다.
1) 집중형 조직
조직 내에 별도의 전담조직이 있다. 모든 분석업무를 전담조직에서 담당한다. 현업부서와 업무가 중복될 수 있다.
2) 기능 중심 조직
별도의 조직 없이 각 부서에서 직접 분석을 한다. 전담 팀이 없기 때문에 일이 많아지게 된다. 전사적인 관점에서의 분석이 어렵다. 과거 실적 분석 등으로 분석이 제한될 가능성이 높고 업무가 중복될 수 있다.
3) 분산 조직
별도의 분석 조직(DSCoE : 데이터 사이언스 전문 부서)이 있고, 분석 인력들을 각 부서로 파견하여 배치하는 구조다. 전사 차원의 분석이 가능하며 분석 결과를 신속하게 실무에 적용할 수 있다. 부서 분석업무와 역할 분담이 명확해야 한다.
6. 분석과제 관리 프로세스 수립
분석 조직의 역할 중 하나가 기획 및 운영이므로 이를 관리하기 위한 프로세스를 수립해야 한다.
1) 과제 발굴 단계
아이디어를 발굴하고 이를 과제화한다. 분석과제 풀 pool 을 관리하면서 분석 프로젝트를 선정한다.
2) 과제 수행 및 모니터링 단계
팀을 구성하고 지속적인 모니터링을 한다. 결과를 공유하고 개선한다.
7 분석 교육 및 변화관리
분석조직 및 인력에 대한 지속적인 교육과 훈련을 해야 한다. 경영층이 데이터에 기반한 의사결정을 하는 문화를 정착시키는 노력을 해야 한다. 지속적인 변화관리를 계획하고 수행한다.
'ADsP' 카테고리의 다른 글
| ADsP R 데이터 구조 및 외부 파일 읽기 (0) | 2021.03.12 |
|---|---|
| ADsP R프로그램 소개 및 설치 (0) | 2021.03.12 |
| ADsP 321 분석 마스터플랜 수립 (0) | 2021.03.11 |
| ADsP 314 분석 프로젝트 관리방안 (0) | 2021.03.10 |
| ADsP 313 분석 과제 발굴 (0) | 2021.03.10 |