-
거버넌스 체계 개요
데이터가 강조될수록 데이터 분석과 활용에 대한 체계적인 관리의 중요성 또한 올라간다. 이는 단순히 대용량 데이터를 수집·축적하는 것보다는 어떤 목적으로 어떤 데이터를 어떻게 분석해 활용할 것인가가 더욱 중요하기 때문이다. 분석의 구현 과정에서도 반복적인 정련 과정이 필요하듯이, 분석관리 체계의 수립이 필요하다. 분석 관리체계는 구현 후 지속적으로 분석을 고도화하고 분석 과제 등을 추가로 발굴하는 등 분석 업무를 기업의 문화로서 정착시키고, 안정적으로 분석을 운용하기 위해 필요하다.
분석의 지속적인 개발과 확산·서비스 관리를 위한 분석 거버넌스 체계는 [그림 V-1-10]과 같이 기업의 현 분석수준을 정확히 진단하고, 분석 조직 및 분석 전문인력 배치, 분석관련 프로세스 및 분석 교육 등의 관점에서 정의할 수 있다.
[그림 Ⅴ-1-10] 거버넌스 체계 정의
데이터 분석 수준진단
이미 많은 기업에서 빅데이터는 화두가 되고 있으며, 데이터를 어떻게 분석·활용하느냐가 기업의 경쟁력을 좌우하는 궁극적 요소로 인식되고 있다. 이러한 관점에서 기업들은 데이터 분석의 도입 여부와 활용에 대한 명확한 분석 수준에 대한 점검이 필요하다. 데이터 분석의 수준 진단을 통해 데이터 분석 기반을 구현하기 위해 무엇을 준비하고 보완해야 하는지 등 분석의 유형 및 분석의 방향성을 결정할 수 있다.
데이터 분석 수준진단은 [그림 V-1-11]의 진단 프레임워크와 같이 6개 영역을 대상으로 분석 준비도와 3개 영역을 대상으로 분석 활용 수준에 대한 성숙도 등 총 9개 영역의 70여 개 항목으로 수행한다.
[그림 Ⅴ-1-11] 분석 수준진단 프레임워크
분석을 위한 준비도 및 성숙도를 진단하는 궁극적인 목표는 각 기업이 수행하는 현재의 분석 수준을 명확히 이해하고, 수준진단 결과를 토대로 미래의 목표수준을 정의하는 데 있다. 수준진단을 통해 데이터 분석을 위한 기반 또는 환경이 유사업종 또는 타 경쟁사에 비해 어느 수준이고, 데이터를 활용한 분석의 경쟁력 확보를 위해 어떠한 영역에 선택과 집중을 해야 하는지, 어떤 관점을 보완해야 하는지 등 개선 방안을 도출할 수 있다.
분석 준비도
분석 준비도(readiness)는 기업의 데이터 분석 도입 수준을 파악하기 위한 진단방법으로서 [그림 V-1-12]와 같이 분석업무, 인력 및 조직, 분석 기법, 분석 데이터, 분석 문화, IT 인프라 등 총 6가지 영역을 대상으로 현 수준을 파악한다. 진단 영역별로 세부 항목에 대한 수준을 파악하고, 진단 결과 전체 요건 중 일정 수준 이상 충족하면 분석 업무를 도입하고, 충족하지 못하면 먼저 분석 환경을 조성한다.
[그림 Ⅴ-1-12] 데이터 분석 준비도 프레임워크
분석 성숙도 모델
소프트웨어공학에서는 시스템 개발 업무능력과 조직의 성숙도(Maturity)를 파악하기 위해 CMMI(Capability Maturity Model Integration) 모델을 기반으로 기업의 성숙도를 평가한다. 또한 업무 프로세스 자체의 성숙도와 이러한 업무 프로세스 관리와 개선을 위한 조직의 역량을 CMMI에 기반한 업무 프로세스 성숙도 모형으로 평가한다. 이와 같은 맥락에서 데이터 시대에는 분석 능력 및 분석 결과 활용에 대한 조직의 성숙도 수준을 평가해 현재 상태를 점검해 볼 필요가 있다. 기업에서 분석 수준은 성숙 단계에 따라 점차 진화하며, 산업 및 기업의 특성에 따라 각 성숙 단계의 내용은 약간 상이할 수 있다. 분석 성숙도는 비즈니스 부문, 조직·역량 부문, IT 부문 등 3개 부문을 대상으로 성숙도 수준에 따라 도입단계, 활용단계, 확산단계, 최적화 단계로 구분해 진단해 볼 수 있다.
[표 V-1-3] 분석 성숙도 모델
단계도입단계활용단계확산단계최적화단계
설명 분석을 시작해 환경과 시스템을 구축 분석 결과를 실제 업무에 적용 전사 차원에서 분석을 관리하고 공유 분석을 진화시켜서 혁신 및 성과 향상에 기여 비즈니스
부문실적분석 및 통계 정기보고 수행 운영 데이터 기반 미래 결과 예측 시뮬레이션 운영 데이터 기반 전사 성과 실시간 분석 프로세스 혁신 3.0 분석규칙 관리 이벤트 관리 외부 환경분석 활용 최적화 업무 적용 실시간 분석 비즈니스 모델 진화 조직·역량
부문일부 부서에서 수행 담당자 역량에 의존 전문 담당부서에서 수행 분석기법 도입 관리자가 분석 수행 전사 모든 부서 수행 분석 COE 조직 운영 데이터 사이언티스트 확보 데이터 사이언스그룹 경영진 분석 활용 전략 연계 IT 부문 데이터 웨어하우스
데이터 마트
ETL/EAI
OLAP실시간 대시보드
통계분석 환경빅데이터 관리 환경
시뮬레이션·최적화
비주얼 분석
분석 전용 서버분석 협업환경 분석
Sandbox 프로세스
내재화 빅데이터 분석분석 수준 진단 결과
해당 기업의 분석 준비도와 성숙도 진단 결과를 토대로 유관 업종 또는 경쟁사의 분석 수준과 비교해 분석 경쟁력 확보 및 강화를 위한 목표 수준을 설정할 수 있다. 분석 관점에서 4가지 유형으로 분석 수준 진단 결과를 구분해 향후 고려해야 하는 데이터 분석 수준에 대한 목표 방향을 정의하고, 유형별 특성에 따라 개선방안을 수립한다.
첫째, 준비형은 데이터 분석을 위한 낮은 준비도와 낮은 성숙도 수준에 있는 기업들이다. 해당 위치의 기업들은 분석을 위한 데이터, 조직 및 인력, 분석 업무, 분석 기법 등이 적용되지 않음으로 인해 사전 준비가 필요한 유형이라고 할 수 있다.
둘째, 정착형은 준비도는 낮은 편이지만 조직, 인력, 분석업무, 분석 기법 등을 기업 내부에서제한적으로 사용하고 있다. 우선적으로 분석의 정착이 필요한 기업이 이 유형에 속한다.
셋째, 도입형은 기업에서 활용하는 분석업무 및 분석기법 등은 부족한 상태지만, 조직 및 인력 등 준비도가 높은 유형으로 바로 데이터 분석을 바로 도입할 수 있는 기업이 여기에 속한다.
넷째, 확산형은 데이터 분석을 위해 기업에 필요한 6가지 분석 구성요소를 모두 갖추고 있으며, 현재 부분적으로 도입해 지속적인 확산이 가능한 기업이 이 유형에 속한다.
[그림 Ⅴ-1-13] 사분면 분석(Analytics Quadrant)
데이터 분석 조직 및 인력
빅데이터의 등장에 따라 기업의 비즈니스도 많은 변화를 겪고 있다. 이러한 비즈니스 변화를 인식하고 기업의 차별화한 경쟁력을 확보하는 수단으로서 데이터 과제 발굴, 기술 검토 및 전사 업무 적용계획 수립 등 데이터를 효과적으로 분석·활용하기 위해 기획, 운영 및 관리를 전담할 수 있는 전문 분석조직의 필요성이 제기되고 있다.
현재 데이터와 관련된 기술적인 문제들은 어느 정도 완비되었다고 볼 수 있다. 하지만 많은 기업이 실제 분석 전문가나 적절한 조직체계를 갖추고 있지 않아 데이터 분석 및 활용 시 어려움에 봉착하는 경우가 많다. 특히 데이터에 대한 관심과 시각이 넓어지면서 분석 관점에서 컨트롤타워의 필요성도 제기되고 있다. 이에 따라 최근 국내 기업들에서도 전담 조직인 ‘데이터 사이언티스트’ 가 구성되고 있으며, 조직의 장으로서 C 레벨 임원을 두는 것을 검토하는 기업도 생겨나기 시작했다.
[그림 V-1-14]는 이러한 분석 조직의 목표와 역할, 조직 구성을 설명하고 있다. 데이터 분석 조직은 기업의 경쟁력을 확보하기 위해 데이터 분석의 가치를 발견하고, 이를 활용해 비즈니스를 최적화하는 목표를 갖고 구성돼야 한다. 이를 위해 기업이 업무 전반에 걸쳐 다양한 분석 과제를 발굴·정의하고, 데이터 분석을 통해 의미 있는 인사이트를 찾아 실행하는 역할을 수행할 수 있어야 한다. 다양한 분야의 지식 및 경험을 가진 인력과 업무 담당자 등으로 구성된 전사 또는 부서 내 조직으로 구성할 수 있다.
[그림 Ⅴ-1-14] 분석 조직의 개요
분석 전문조직은 [표 V-1-4]와 같이 조직구조 및 인력구성을 고려해 기업에 최적화한 형태로 구성해야 한다.
[표 V-1-4] 분석 조직 및 인력 구성 시 고려사항
구분주요 고려사항
조직 구조 - 비즈니스 질문(question)을 선제적으로 찾아 낼 수 있는 구조인가?
- 분석 전담조직과 타 부서 간 유기적인 협조와 지원이 원활한 구조인가?
- 효율적인 분석 업무를 수행하기 위한 분석조직의 내부 조직구조는?
- 전사 및 단위 부서가 필요 시 접촉하며 지원할 수 있는 구조인가?
- 어떤 형태의 조직(중앙집중형, 분산형)으로 구성하는 것이 효율적인가?
인력 구성 - 비즈니스 및 IT 전문가의 조합으로 구성돼야 하는가?
- 어떤 경험과 어떤 스킬을 갖춘 사람으로 구성해야 하는가?
- 통계적 기법 및 분석 모델링 전문 인력을 별도로 구성해야 하는가?
- 전사 비즈니스를 커버하는 인력이 없다면?
- 전사 분석업무에 대한 적합한 인력 규모는 어느 정도인가?
데이터 분석을 위한 조직 구조는 다양한 형태로 살펴볼 수 있는데, 특히 분석업무 수행 주체에 따라 3가지 유형의 조직구조로 구분된다.
첫 번째, 집중형 조직 구조는 조직 내에 별도의 독립적인 분석 전담조직을 구성하고, 회사의 모든 분석 업무를 전담 조직에서 담당한다. 분석 전담조직 내부에서 전사 분석 과제의 전략적인 중요도에 따라 우선순위를 정해 추진할 수 있다. 한편 일부 현업 부서와 분석 업무가 중복 또는 이원화될 가능성이 있다.
두 번째, 기능 중심의 조직 구조는 일반적으로 분석을 수행하는 형태이며, 별도로 분석 조직을 구성하지 않고 각 해당 업무부서에서 직접 분석하는 형태다. 이러한 특징으로 인해 전사적 관점에서 핵심 분석이 어려우며, 특정 업무 부서에 국한된 분석을 수행할 가능성이 높거나 일부 중복된 분석 업무를 수행할 수 있는 조직구조다.
세 번째, 분산된 조직구조는 분석 조직의 인력들을 현업부서에 배치해 분석 업무를 수행하는 형태다. 전사 차원에서 분석 과제의 우선순위를 선정해 수행이 가능하며, 분석 결과를 신속하게 실무에 적용할 수 있는 장점이 있다.
이렇듯 데이터 분석을 위한 다양한 형태의 분석 조직을 구성해 운영할 수 있지만, 어떠한 조직구조가 적합한 형태라고 단정 지을 수 없다. 따라서 각 기업이 처한 환경과 특성을 고려해 적합한 분석조직을 구성해야 한다. 분석 조직이 갖추어져 있다 하더라도 조직 구성원의 분석 역량이 하루아침에 성장하는 것도 아니고, 한 사람이 데이터 분석과 관련된 모든 역량을 다 갖추기에는 현실적으로 어렵다. 따라서 전문 역량을 갖춘 각 분야의 인재들을 모아 조직을 구성하는 것이 바람직하다. 분석 조직을 효과적으로 구성해 운영하기 위해서는 [그림 V-1-15]와 같이 비즈니스 이해를 위한 인력, 분석에 필요한 IT 기술을 이해하는 인력, 통계를 이용한 다양한 분석기법을 활용할 수 있는 분석 전문 인력, 조직 내 분석 문화 확산을 위한 변화 관리 인력, 분석 조직뿐 아니라 관련 부서 조직원의 분석 역량 향상을 위한 교육담당 인력 등을 다양하게 구성함으로써 분석 조직의 경쟁력을 극대화할 수 있다.
[그림 Ⅴ-1-15] 분석조직의 인력 구성
분석 교육 및 변화관리
빅데이터가 활성화되면서 조직의 내부 직원들에게 데이터 분석 교육을 받도록 독려하는 기업이 늘어나고 있다. 페이스북은 신규 엔지니어가 들어오면 코드베이스나 개발문화를 교육시키는 엔지니어 훈련(Engineering bootcamp) 프로그램을 운영하고 있다. 최근 엔지니어뿐 아니라 마케팅, 기획, 서비스, 관리 등 모든 부서의 직원을 대상으로 데이터 훈련 프로그램을 가동하고 있다는 언론 보도가 있었다. 이러한 배경에는 페이스북의 모든 직원이 직접 데이터를 보고, 분석해 가설을 검증할 수 있는 능력을 갖춤으로써 데이터 활용을 통한 비즈니스 가치를 전 직원으로 확대하는 토대를 마련했다는 보도 등이 영향을 미친 것으로 볼 수 있다. 예전에는 기업 내 전문 데이터 분석가가 담당했던 일을 이제 모든 직원이 분석하고 이를 바로 업무에 활용할 수 있도록 조직 전반에 분석 문화를 정착시키고 변화하려는 시도로 볼 수 있다.
빅데이터의 등장은 여러 비즈니스 영역에서 변화를 가져왔다. 이러한 변화에 더 적극적으로 대응하기 위해서는 기업에 맞는 적합한 분석 업무를 도출하고, 가치를 높여줄 수 있도록 분석 조직 및 인력에 대한 지속적인 교육과 훈련을 실시해야 한다. 또한 경영층이 사실 기반(Fact-based) 의사결정을 할 수 있는 문화를 정착시키는 등 변화 관리를 계획하고 수행해야 한다. 분석 교육의 목표는 단순한 교육이 아닌 분석역량을 확보하고 강화하는 것에 초점을 맞추어 진행돼야 한다. 분석 기획자에 대한 데이터 분석 큐레이션 교육, 분석 실무자에 대한 데이터 분석 기법 및 틀에 대한 교육, 업무 수행자에 대한 분석기회 발굴·구체화·시나리오 작성법 등 분석적인 사고를 업무에 적용할 수 있도록 다양한 교육을 통해 조직 구성원 모두에게 분석기반의 업무를 정착시킬 수 있어야 한다. 이를 통해 데이터를 바라보는 관점, 데이터 분석과 활용 등이 기업 문화로 자연스럽게 스며들게 확대돼야 한다.2.비즈니스키노트1_경희대학교_박주석_교수.pdf1.20MB데이터엔지니어를 위한 데이터분석 기초.pdf1.29MB2019.pdf0.22MB[2020.05.25]데이터_엔지니어링_기본.pptx1.15MB07.데이터_엔지니어가_알아야_하는,_데이터분석.pdf5.63MB