데이터분석 준전문가 (ADsP) 분석 마스터 플랜 핵심정리

포트폴리오 사분면에서는 지금 당장 필요하고(시급성 높음), 쉽게 할 수 있는(난이도 쉬움) 과제를 가장 먼저 추진합니다. 이 영역을 보통 3사분면이라고 부릅니다.

• 시급성 높음 + 쉬움 → 가장 먼저
• 시급성 낮음 + 어려움 → 가장 나중
• 나머지 두 영역은 시급성과 난이도 중 무엇을 더 중시하느냐에 따라 순서가 달라집니다.

틀린 선지

• 시급성 높고 어려운 과제: 중요하지만 바로 하기 어려워 난이도를 낮춘 뒤 추진합니다.
• 시급성 낮고 쉬운 과제: 쉽지만 당장 필요하지 않아 뒤로 밀립니다.
• 시급성 낮고 어려운 과제: 가장 나중에 추진합니다.

분석 성숙도는 4단계로 나눕니다.

1. 도입: 분석을 시작해 환경과 시스템을 갖춤
2. 활용: 분석 결과를 실제 업무에 적용
3. 확산: 전사 차원에서 분석을 관리하고 공유
4. 최적화: 분석으로 혁신과 성과 향상에 기여

틀린 선지

• 최적화: 확산 다음, 마지막 단계입니다.
• 도입: 첫 단계입니다.
• 정착: 성숙도 단계 이름이 아니라, 준비도·성숙도 사분면 분석의 유형 이름(정착형)입니다.

분석 조직 구조는 세 가지입니다.

• 집중 구조: 별도 분석 전담 조직이 전사 분석 업무를 맡음. 현업 부서와 업무가 겹칠(이원화) 수 있음
• 기능 구조: 각 현업 부서가 직접 분석. 전사적 관점의 분석이 어려움
• 분산 구조: 분석 조직 인력을 현업 부서에 배치. 신속한 실무 적용, 베스트 프랙티스 공유 가능, 부서 분석 업무와 역할 분담이 명확해야 함

틀린 선지

• 집중 구조: 전담 조직이 한곳에 모여 일하는 구조입니다.
• 기능 구조: 별도 분석 조직 없이 각 부서가 자체적으로 분석하는 구조입니다.
• 외부 위탁 구조: 교재의 세 가지 분석 조직 구조에 들어가지 않습니다.

ROI 관점에서 빅데이터의 4V를 나누면 다음과 같습니다.

• 투자 비용(Investment) 요소: Volume(규모), Variety(다양성), Velocity(속도) → 데이터를 모으고 처리하는 데 드는 비용과 관련
• 비즈니스 효과(Return) 요소: Value(가치) → 분석 결과로 얻는 효과

틀린 선지

• 속도: 데이터 처리 속도를 맞추는 데 드는 투자 비용 요소입니다.
• 규모: 데이터 저장·처리 비용과 관련된 투자 비용 요소입니다.
• 다양성: 여러 형태 데이터를 다루는 비용과 관련된 투자 비용 요소입니다.

데이터 분석 거버넌스 체계는 다음 다섯 가지로 구성됩니다.

• 조직(Organization): 분석 기획·관리·추진 조직
• 프로세스(Process): 과제 기획·운영 프로세스
• 시스템(System): 분석 관련 IT 시스템·프로그램
• 데이터(Data): 데이터 거버넌스
• 분석 교육·변화 관리(Human Resource): 인력 육성

'마케팅 채널'은 구성 요소가 아닙니다.

틀린 선지

• 조직: 구성 요소입니다.
• 프로세스: 구성 요소입니다.
• 데이터: 구성 요소입니다.

준비도(Readiness)와 성숙도(Maturity)를 두 축으로 나눈 네 유형은 다음과 같습니다.

• 준비형: 준비도 낮음, 성숙도 낮음 → 사전 준비가 필요
• 도입형: 준비도 높음, 성숙도 낮음 → 준비는 되어 있어 바로 분석을 도입할 수 있음
• 정착형: 준비도 낮음, 성숙도 높음 → 이미 일부 활용 중이나 체계 정착이 필요
• 확산형: 준비도 높음, 성숙도 높음 → 전사로 넓히는 단계

틀린 선지

• 정착형: 준비도는 낮지만 성숙도가 높은 경우입니다. 반대로 외우지 않게 주의하세요.
• 준비형: 둘 다 낮은 경우입니다.
• 확산형: 둘 다 높은 경우입니다.

분석 로드맵은 보통 다음 세 단계로 세웁니다.

1. 데이터 분석 체계 도입: 분석 기회 발굴, 과제 정의, 로드맵 수립
2. 데이터 분석 유효성 검증: 분석 알고리즘 설계, 시범 과제(파일럿) 수행으로 효과 확인
3. 데이터 분석 확산 및 고도화: 검증된 분석을 업무 시스템에 적용하고 전사로 넓힘

틀린 선지

• 유효성 검증: 두 번째 단계입니다.
• 체계 도입: 첫 번째 단계입니다.
• 분석 과제 발굴: 첫 단계(체계 도입)에서 하는 일입니다.

데이터 거버넌스 체계는 네 가지로 이루어집니다.

• 데이터 표준화: 표준 용어 설정, 명명 규칙, 메타데이터 구축, 데이터 사전 구축
• 데이터 관리 체계: 메타데이터와 데이터 사전의 관리 원칙 수립, 항목별 관리 책임자 지정
• 데이터 저장소 관리(Repository): 메타데이터·표준 데이터를 관리하는 전사 저장소 구성
• 표준화 활동: 표준 준수 여부 점검(모니터링), 교육, 개선

틀린 선지

• 데이터 관리 체계: 관리 원칙과 책임자를 정하는 것입니다.
• 데이터 저장소 관리: 표준 데이터를 담는 저장소를 구성·관리하는 것입니다.
• 표준화 활동: 정해진 표준을 잘 지키는지 점검·개선하는 것입니다.

포트폴리오 사분면의 두 축은 다음 기준으로 판단합니다.

• 시급성: 전략적 중요도가 핵심 기준이며, 목표 가치(KPI)를 함께 봅니다. 지금 당장 필요한지(현재) 나중에 해도 되는지(미래)로 나눕니다.
• 난이도: 데이터를 얻고 저장·가공하는 비용, 분석을 적용하는 비용, 그리고 현재 기업의 분석 수준을 보고 쉬운지(Easy) 어려운지(Difficult) 판단합니다.

틀린 선지

• 전략적 중요도와 목표 가치: 시급성을 판단하는 기준입니다.
• 현재인지 미래인지: 시급성 축의 구분입니다.
• 경영진의 관심: 난이도를 판단하는 기준이 아닙니다.

분석 준비도는 여섯 영역으로 진단합니다.

• 분석 업무 파악
• 인력 및 조직: 분석 전문가 직무, 교육 훈련 프로그램 등
• 분석 기법: 업무별 적합한 기법 사용, 기법 라이브러리 등
• 분석 데이터: 데이터 충분성·신뢰성·적시성 등
• 분석 문화: 사실에 근거한 의사결정, 관리자의 데이터 중시, 회의 등에서 데이터 활용, 직관보다 데이터 활용
• IT 인프라: 운영 시스템 데이터 통합, EAI·ETL 등 유통 체계, 분석 환경

틀린 선지

• 데이터 통합·EAI·ETL: IT 인프라 영역입니다.
• 분석 전문가 직무·교육 프로그램: 인력 및 조직 영역입니다.
• 분석 기법 사용·라이브러리: 분석 기법 영역입니다.