ADsP (2-3) - 분석 과제 발굴

ADsP  - 분석 과제 발굴

 

분석 과제 발굴

하양식 접근 방식

문제가 주어지고 이에 대한 해법을 찾기 위하여 각 과정이 체계적으로 단계화 되어 수행하는 방식이다.

 

1. 문제 탐색 단계 : 분석과제 발굴 시 비즈니스 모델 캔버스를 활용하는 주요 영역이다. 업무, 제품, 고객, 규제와 감사, 지원 인프라가 이에 해당한다.

STEEP : 사화(Social), 기술(Technological), 경제(Economic), 환경(Environmental), 정치(Political) 영역이다. 거시적 관점에서 메타 트렌드에서 현재의 조직 및 해당 산업에 폭넓게 영향을 미치는 사회,경제적 요인을 요약한 것이다.

시장의 니즈 탐색 관점 : 고객 영역, 채널 영역, 영향자들 영역

 

2. 문제 정의 : 식별된 비즈니스 문제를 데이터의 문제로 변화하여 정의하는 단계이다. 분석 문제 (what)를 달성하기 위해 필요한 데이터 및 기법(how)을 정의하기 위한 데이터 분석의 문제로 변환을 수행한다.

 

3. 해결방안 탐색 단계 : 정의된 데이터 분석 문제를 해결하기 위한 다양한 방안을 모색한다.

 

4. 타당성 검토 단계 : 도출된 분석 문제나 가설에 대한 대안을 과제화 하기 위해서는 다각적인 타당성 분석이 수행되어야 한다.

 

상향식 접근 방식

기존 하양식 접근법의 한계를 극복하기 위한 분석 방법론이다. 문제의 정의 자체가 어려운 데이터를 기반으로 문제의 재정의 및 해결방안을 탐색하고 이를 지속적으로 개선하는 방식이다. 분석적으로 사물을 인식하려는 why 를 강조하는 것은 오류가 발생할 소지가 있어 답을 미리 내는 것이 아니라 사물을 있는 그대로 인식하는 what 의 관점에서 보아야 한다는 것이다.

이에 따라 비지도 학습 방법에 의해 데이터를 분석한다.

 

시행착오를 통한 문제 해결 : 프로토타이핑 접근법은 사용자가 요구사항이나 데이터를 정확히 규정하기 어렵고 데이터 소스도 명확히 파악하기 어려운 상황에서 일단 분석을 시도해 보고 그 결과를 확인해 가면서 반복적으로 개선해 나가는 방법이다.

 

비지도 학습

데이터 분석의 목적이 명확히 정의된 형태의 특정 필드의 값을 구하는 것이 아니라 데이터 자체의 결합, 연관성, 유사성 등을 중심으로 데이터의 상태를 표현하는 것이다.

데이터마이닝의 중심이 되는 학습 방법 중 자료가 출력변수 없이 입력변수만 주어지는 경우이다. 때문에 입력변수간의 상호관계나 입력 자료값들 간의 관계를 탐색적으로 분석할 때 사용되는 학습 방법이다.

예로는 장바구니 분석, 군집분석, 기술 통계 및 프로파일링, 분류가 있다.

 

지도 학습

명확한 목적 하에 데이터 분석을 실시하는 것이다. 분류 추측, 예측, 최적화를 통해 사용자의 주도 하에 분석을 실시하고 지식을 도출하는 것이 목적이다.

예로는 군집화가 있다.