데이터 분석 과제 도출하는 방법론(하향식, 상향식 접근법)

분석 과제 발굴 방법론

데이터 분석을 하기 이전에, 분석 과제를 발굴하는 방법론에 대해서 정리해 보려고 한다.

2가지 방법이 있는데, 하향식 접근법과 상향식 접근법이 있다. 문제를 던져주면 답을 구하는 하향식 접근법이 전통적으로 수행하던 과제 접근 방법론이었다고 한다. 하지만 현대에 빅데이터의 규모와 급변하는 기업 환경에서 문제를 사전에 명확히 정의하는 것은 어려움이 있다. 두 가지로 나눴지만 디자인적 사고를 가지고 두 가지를 상호 보완하며 혼용하는 것이 분석 가치를 높이는 방법이라고 한다.

※ 디자인적 사고 : (상향식의 발산 단계 + 하향식의 수렴 단계)를 반복적으로 수행하는 상호 보완적 관계를 통해 분석의 가치를 높일 수 있는 최적의 의사결정 방식.

 

< 하향식 접근법 >

문제 탐색 - 문제정의 - 해결방안탐색 - 타당성 검토

1. 문제 탐색

전체적인 관점의 기준 모델을 활용하여 문제를 도출하고 식별. (기준 모델 - 비즈니스 모델, 외부 참조 모델)

문제를 탐색할 때 문제를 해결했을 때의 발생하는 가치를 중점으로 과제 발굴을 진행한다.

1-1) 비즈니스 모델 기반 문제 탐색

업무, 제품, 고객, 규제와 감사, 지원 인프라 5가지를 중점으로 과제 발굴을 진행한다. 

1-2) 분석 기회 발굴의 범위 확장

확장 관점 4가지

거시적 관점 - 사회, 기술, 경제, 환경, 정치

경쟁자 확대 관점 - 대체제, 경쟁자, 신규 진입자

시장니즈 탐색 관점 - 고객, 채널, 영향자

역량 재해석 - 내부역량, 파트너 네트워크

1-3) 외부 참조 모델 기반 문제 탐색

1-4) 분석 유즈 케이스

 

2. 문제 정의

비즈니스 문제를 데이터 문제로 변환하여 정의하는 단계이다. 문제 탐색 같은 경우, 어떤 문제를 왜 해야 하는지에 대한 관점이었다면 이 단계에서는 어떻게 분석을 할지 작업을 하기 위한 데이터 분석 문제로 변환을 수행한다.

ex) a 마트에서 감자가 안 팔림 -> 감자가 팔리지 않는 다양한 이유 및 요인 식별과 문제 예측

 

3. 해결방안 탐색

데이터 분석 문제를 해결하기 위한 방법과 방안을 찾는 단계이다. 

 

4. 타당성 검토

비용이 얼마나 들어가는지, 이익과 손해를 따져가며 비용 대비 편익 분석 관점으로 접근하는 단계이다. 이렇게 경제적 타당성을 검토하기도 하며, 데이터 존재 여부와 분석 인프라 및 시스템 환경, 역량 같은 것이 잘 준비되어 있는지 판단하고 필요한 부분은 보완하는 작업을 거친다.

 

 

< 상향식 접근법 >

 

하향식 접근법으로 문제를 도출하는 것이 전통적이었다. 하지만 현대는 많은 양의 데이터가 생겨나면서 새로운 문제 탐색에 한계가 있다. 그래서 스탠퍼드 대학의 d.school은 디자인 사고 접근법을 통해 과거의 전통적인 분석적 사고를 극복하려고 하였다. 

상향식 접근법은 현재 보유하고 있는 많은 양의 데이터 그 자체 분석을 통해 통찰력과 지식을 얻은 방법이다. 그래서 답을 내는 것이 아니라 데이터 자체 그대로 인식하는 관점으로 바꿔서 생각해야 한다.

비지도 학습 같은 경우 대표적인 상향식 접근 방법인데, 명확한 목적을 가지고 하는 데이터 분석인 지도 학습(분류, 예측..)과는 달리 데이터 자체의 결합, 연관, 유사성을 중심으로 데이터 상태를 표현한다.

 

대표적인 상향식 접근법

프로토 타이핑 접근법

프로토 타이핑 접근법은 사용자가 요구사항이나 데이터를 정확히 규정하기 어렵고 데이터 소스도 명확히 파악하기 어려운 상황에서 분석을 시도해보고 그 결과를 확인하고, 이를 반복적으로 개선해 나가는 방법이다.

프로토 타이핑 방법의 장점은 불명확한 문제에 대해서 좀 더 명확하게 인식시켜주고 필요한 데이터를 식별하여 구체화시켜준다.

 단계 : 가설 생성 - 디자인에 대한 실험 - 실제 환경 테스트 - 테스트 결과에서 통찰 도출 및 가설 확인

Adsp 데이터 분석 준전문가 - 윤종식