데이터분석 준전문가 (ADsP) · 데이터분석 기획 과목
데이터분석 준전문가 (ADsP) 데이터분석 기획의 이해 개념 정리
중요도 ★★★★★ · 60% (추정)
AI가 새로 쓴 글 가운데, 작성과 분리된 AI 검증(다시 읽고 사실·수치 확인)을 통과한 단원만 싣습니다. 틀린 곳을 발견하면 알려 주세요.
개요
이 단원은 분석을 시작하기 전에 무엇을, 어떻게 분석할지 계획하는 방법을 배웁니다. 분석 주제의 유형을 나누는 기준, 대표적인 분석 방법론, 분석 과제를 찾는 두 가지 방식, 분석 프로젝트를 관리하는 요령을 차례로 공부합니다.
분석 주제는 분석 대상(What)과 분석 방법(How)을 아는지 모르는지에 따라 네 가지로 나뉩니다. 둘 다 알면 최적화, 대상은 알지만 방법을 모르면 솔루션, 대상은 모르지만 방법을 알면 통찰, 둘 다 모르면 발견입니다. 분석 기획에서는 쓸 수 있는 데이터, 적절한 활용 사례, 예상되는 장애 요소를 함께 고려합니다.
대표적인 분석 방법론으로 KDD, CRISP-DM, 빅데이터 분석 방법론이 있습니다. KDD는 데이터셋 선택부터 해석과 평가까지 다섯 단계, CRISP-DM은 업무 이해부터 전개까지 여섯 단계, 빅데이터 분석 방법론은 분석 기획부터 평가 및 전개까지 다섯 단계로 이루어집니다.
분석 과제를 찾는 방법에는 문제에서 출발해 해법을 찾는 하향식 접근과, 데이터에서 출발해 문제를 찾는 상향식 접근이 있습니다. 분석 프로젝트는 데이터 크기, 데이터 복잡도, 속도, 분석 복잡도, 정확도와 정밀도라는 다섯 가지 특성을 고려해 관리합니다.
핵심 개념
분석 주제 유형 4가지
분석 대상과 분석 방법을 아는지에 따라 나눕니다. 대상과 방법을 모두 알면 최적화, 대상만 알면 솔루션, 방법만 알면 통찰, 둘 다 모르면 발견입니다.
외우는 요령'둘 다 앎 = 최적화, 둘 다 모름 = 발견'을 먼저 외우고, 대상만 알면 '솔루션(방법을 찾아야 함)'으로 풀어 생각하세요.
KDD 분석 방법론
데이터에서 쓸모 있는 지식을 찾는 절차로, 데이터셋 선택 → 데이터 전처리 → 데이터 변환 → 데이터 마이닝 → 해석과 평가의 다섯 단계로 진행합니다. 잡음과 이상값 제거는 전처리 단계에서 합니다.
외우는 요령'선택·전처리·변환·마이닝·평가'. 이상값 처리는 '전처리'입니다.
CRISP-DM
업무 이해 → 데이터 이해 → 데이터 준비 → 모델링 → 평가 → 전개의 여섯 단계로 이루어진 방법론입니다. 단계 사이를 오가며 되풀이할 수 있고, 단계·일반 과제·세분화 과제·프로세스 실행의 네 수준으로 구성됩니다.
외우는 요령KDD에 없는 '업무 이해'로 시작하고 '전개'로 끝납니다.
빅데이터 분석 방법론
분석 기획 → 데이터 준비 → 데이터 분석 → 시스템 구현 → 평가 및 전개의 다섯 단계로 진행합니다. 단계(Phase), 태스크(Task), 스텝(Step)의 세 계층으로 이루어집니다.
외우는 요령'기획·준비·분석·구현·평가'. 계층은 '단계 > 태스크 > 스텝'.
하향식·상향식 과제 발굴
하향식 접근은 문제 탐색 → 문제 정의 → 해결 방안 탐색 → 타당성 검토 순으로, 문제가 주어진 상태에서 해법을 찾습니다. 상향식 접근은 문제가 정해지지 않은 상태에서 데이터를 먼저 살펴보며 문제를 찾아내는 방식으로, 비지도학습이나 디자인 사고, 프로토타이핑을 씁니다.
외우는 요령'하향식 = 문제에서 출발, 상향식 = 데이터에서 출발'.
분석 프로젝트의 5가지 특성
분석 프로젝트는 데이터 크기(Data Size), 데이터 복잡도(Data Complexity), 속도(Speed), 분석 복잡도(Analytic Complexity), 정확도와 정밀도(Accuracy & Precision)를 고려해 관리합니다. 정확도와 정밀도는 서로 맞바꾸는 관계가 되는 경우가 많습니다.
외우는 요령정확도는 '참값에 가까움', 정밀도는 '여러 번 해도 결과가 고름'입니다.
자주 나오는 포인트
- 분석 주제 유형 네 가지를 대상·방법 표로 묻는 문제가 자주 나옵니다.
- KDD·CRISP-DM·빅데이터 분석 방법론의 단계 순서를 섞은 보기를 조심하세요.
- 상향식 접근은 비지도학습과 디자인 사고, 하향식 접근은 문제 정의에서 출발합니다.
- 프로토타이핑은 빠르게 시제품을 만들어 보며 문제를 구체화하는 상향식 방법입니다.
헷갈리는 것 비교: 분석 주제 유형
| 구분 | 방법을 앎(Known) | 방법을 모름(Unknown) |
|---|---|---|
| 대상을 앎(Known) | 최적화 | 솔루션 |
| 대상을 모름(Unknown) | 통찰 | 발견 |
대표 문제 3개
검수를 마친 예상문제 가운데 이 단원의 대표 문제입니다.
문제 1. 분석 주제 유형에서 '분석할 대상(무엇을)'은 알고 있지만 '분석 방법(어떻게)'을 모를 때 쓰는 접근 방식은?
- ① 최적화(Optimization)
- ② 발견(Discovery)
- ③ 통찰(Insight)
- ④ 솔루션(Solution)
▼ 정답과 해설 보기▲ 정답과 해설 접기
정답: ④ 솔루션(Solution)
핵심: 대상 O·방법 X = 솔루션
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.
문제 2. 분석 대상도, 분석 방법도 모두 정해지지 않은 상태에서 새로운 분석 주제 자체를 찾아 나서는 분석 주제 유형은?
- ① 발견(Discovery)
- ② 솔루션(Solution)
- ③ 통찰(Insight)
- ④ 최적화(Optimization)
▼ 정답과 해설 보기▲ 정답과 해설 접기
정답: ① 발견(Discovery)
핵심: 대상 X·방법 X = 발견
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.
문제 3. CRISP-DM 분석 방법론의 6단계 가운데 '모델링' 바로 앞 단계는?
- ① 업무 이해
- ② 평가
- ③ 데이터 준비
- ④ 데이터 이해
▼ 정답과 해설 보기▲ 정답과 해설 접기
정답: ③ 데이터 준비
핵심: CRISP-DM: 업무이해→데이터이해→데이터준비→모델링→평가→전개
CRISP-DM은 6단계로 이루어집니다.
- 업무 이해(Business Understanding)
- 데이터 이해(Data Understanding)
- 데이터 준비(Data Preparation)
- 모델링(Modeling)
- 평가(Evaluation)
- 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.