데이터분석 준전문가 (ADsP) 데이터분석 기획의 이해 핵심정리

분석 주제 유형은 대상과 방법을 아는지(Known) 모르는지(Un-Known)로 나눕니다.

• 대상 앎 + 방법 앎 → 최적화(Optimization)
• 대상 앎 + 방법 모름 → 솔루션(Solution): 해결 방법을 찾아냄
• 대상 모름 + 방법 앎 → 통찰(Insight)
• 대상 모름 + 방법 모름 → 발견(Discovery)

틀린 선지

• 최적화: 대상과 방법을 모두 알 때 개선하는 방식입니다.
• 통찰: 대상은 모르고 방법만 알 때 쓰는 방식입니다.
• 발견: 대상과 방법을 모두 모를 때 쓰는 방식입니다.

분석 대상과 방법이 모두 정해지지 않았다면, 먼저 무엇을 분석할지부터 찾아야 합니다. 이것이 발견(Discovery) 접근입니다.

• 최적화: 대상 앎·방법 앎
• 솔루션: 대상 앎·방법 모름
• 통찰: 대상 모름·방법 앎
• 발견: 대상 모름·방법 모름

틀린 선지

• 통찰: 분석 방법은 알지만 대상이 명확하지 않을 때입니다.
• 솔루션: 대상은 알지만 방법을 모를 때입니다.
• 최적화: 대상과 방법을 모두 알 때입니다.

CRISP-DM은 6단계로 이루어집니다.

1. 업무 이해(Business Understanding)
2. 데이터 이해(Data Understanding)
3. 데이터 준비(Data Preparation)
4. 모델링(Modeling)
5. 평가(Evaluation)
6. 전개(Deployment)

데이터를 정제·통합해 분석용 데이터셋을 만드는 '데이터 준비'를 마친 뒤 모델링을 합니다. 단계 사이는 필요하면 앞뒤로 오갈 수 있습니다.

틀린 선지

• 데이터 이해: 데이터 준비보다 한 단계 앞입니다.
• 업무 이해: 첫 번째 단계입니다.
• 평가: 모델링 다음 단계입니다.

상향식 접근법은 문제가 무엇인지 미리 정하기 어려울 때 데이터를 먼저 들여다보며 문제를 찾는 방식입니다.

• 'Why(왜)'보다 'What(무엇이 보이는가)'에서 출발
• 목표값(정답) 없이 패턴을 찾는 비지도 학습을 많이 씀 (예: 군집분석, 연관분석)
• 디자인 사고의 발산(Diverge) 단계와 연결됨

틀린 선지

• 하향식 접근법: 문제가 주어진 상태에서 해법을 찾아가는 방식입니다.
• 폭포수 모델: 단계를 차례로 진행하는 방법론 모델입니다.
• 분석 마스터 플랜: 중장기 분석 과제를 계획하는 것입니다.

프로젝트 위험 대응 방법은 네 가지입니다.

• 회피(Avoid): 위험이 생기지 않도록 계획 자체를 바꿈
• 전이(Transfer): 보험·외부 위탁 등으로 위험의 영향을 제3자에게 넘김
• 완화(Mitigate): 위험이 생길 가능성이나 피해 크기를 줄임
• 수용(Accept): 위험을 그대로 받아들이고 생기면 대응함

틀린 선지

• 완화: 위험의 가능성이나 영향을 줄이는 것이지, 다른 쪽에 넘기는 것이 아닙니다.
• 회피: 위험이 생기는 원인 자체를 없애는 것입니다.
• 수용: 위험을 그대로 받아들이는 것입니다.

분석 기획은 목표 시점에 따라 두 가지 접근으로 나뉩니다.

| 구분 | 과제 중심(단기) | 마스터 플랜(중장기) |
|---|---|---|
| 1차 목표 | Speed & Test | Accuracy & Deploy |
| 과제 유형 | Quick-Win | Long Term View |
| 접근 방식 | Problem Solving | Problem Definition |

단기 접근은 당장 풀어야 할 과제를 빨리 해결하고 시험해 보는 데 초점을 둡니다.

틀린 선지

• Accuracy & Deploy: 중장기 마스터 플랜 접근의 목표입니다.
• Problem Definition: 중장기 접근의 방식입니다. 단기는 Problem Solving입니다.
• Long Term View: 중장기 접근의 과제 유형입니다.

KDD 분석 절차는 5단계입니다.

1. 데이터셋 선택(Selection): 분석 목적에 맞는 데이터를 고름
2. 데이터 전처리(Preprocessing): 잡음·이상값·결측값을 찾아 정리
3. 데이터 변환(Transformation): 변수 선택, 차원 축소 등으로 분석하기 좋게 바꿈
4. 데이터 마이닝(Data Mining): 알고리즘으로 패턴을 찾음
5. 결과 평가(Interpretation/Evaluation): 결과를 해석하고 평가

'먼저 정리(전처리)하고, 그다음 모양을 바꾼다(변환)'로 기억하세요.

틀린 선지

• 변환이 전처리보다 앞: 전처리로 데이터를 정리한 뒤에 변환합니다.
• 전처리가 선택보다 앞: 데이터를 먼저 골라야 전처리를 할 수 있습니다.
• 마이닝 뒤에 변환: 변환은 마이닝 전에 합니다.

CRISP-DM의 각 단계에서 하는 일은 다음과 같습니다.

• 데이터 이해: 초기 데이터 수집, 데이터 기술 분석, 탐색, 품질 확인
• 데이터 준비: 데이터 선택, 정제, 통합, 포맷팅
• 모델링: 기법 선택, 테스트 계획, 모델 작성, 모델 평가
• 평가: 분석 결과 평가, 모델링 과정 평가, 모델 적용성 평가
• 전개: 전개 계획 수립, 모니터링·유지보수 계획 수립, 종료 보고서 작성, 프로젝트 리뷰

틀린 선지

• 기법 선택·모델 작성: 모델링 단계의 일입니다.
• 데이터 정제·통합: 데이터 준비 단계의 일입니다.
• 초기 데이터 수집·품질 확인: 데이터 이해 단계의 일입니다.

하향식 접근법은 문제가 주어졌을 때 해법을 찾아가는 방식이며, 다음 순서로 진행합니다.

1. 문제 탐색(Problem Discovery)
2. 문제 정의(Problem Definition): 비즈니스 문제를 데이터 문제로 바꿈
3. 해결 방안 탐색(Solution Search): 어떤 데이터·분석 기법으로 풀지 찾음
4. 타당성 검토(Feasibility Study): 경제적 타당성, 데이터·기술적 타당성 검토

틀린 선지

• 타당성 검토: 해결 방안 탐색 다음, 마지막 단계입니다.
• 문제 탐색: 문제 정의보다 앞의 첫 단계입니다.
• 프로토타이핑: 상향식 접근에서 쓰는 방법입니다.

비즈니스 모델 캔버스를 단순화하면 다음 다섯 영역으로 문제를 탐색합니다.

• 업무(Operation)
• 제품(Product)
• 고객(Customer)
• 규제와 감사(Regulation & Audit)
• 지원 인프라(IT & Human Resource)

'경쟁사'는 이 다섯 영역에 들어가지 않습니다. 경쟁사·대체재·신규 진입자는 분석 기회를 넓히는 '경쟁자 확대 관점'에서 따로 살펴봅니다.

틀린 선지

• 업무: 다섯 영역에 포함됩니다.
• 고객: 다섯 영역에 포함됩니다.
• 규제와 감사: 다섯 영역에 포함됩니다.