[ADP_과목 3. 데이터 분석 기획_제 2장 분석 마스터 플랜]

* 다음 내용은 [데이터 분석 전문가 가이드] (2019년 개정판)을 읽고 정리한 내용입니다.

제 1절 마스터 플랜 수립

1. 분석 마스터 플랜 수립 프레임워크

• 중/장기적 관점의 마스터 플랜 수립에서 고려해야 할 점
  • 분석과제를 대상으로 아래 항목의 우선순위 정해야 함
    • 전략적 중요도
    • 비즈니스 성과 및 ROI
    • 분석 과제의 실행 용이성
  • 분석 적용 범위 및 방식을 아래와 같이 종합적으로 고려해야 함
    • 분석을 업무에 내재화할 것인지
    • 별도의 분석화면으로 일단 적용할 것인지
    • 분석 데이터를 내부의 데이터로 한정할 것인지
    • 외부의 데이터까지 포함할 것인지
    • 분석기술은 어느 기술요소까지 적용할 것인지
• ISP, Information Strategy Planning, 정보 전략 계획
  • 정보기술, 정보시스템을 전략적으로 활용하기 위해 조직 내/외부 환경을 분석하여 기회나 문제점을 도출하고 사용자의 요구사항 분석하여 시스템 구축 우선순위를 결정하는 등 중장기 마스터 플랜을 수립하는 절차
  • 기업 및 공공기관에서는 시스템의 중장기 로드맵을 정의하기 위해 수행한다
• 분석 마스터 플랜
  • 일반적인 ISP 방법론을 활용하되, 데이터 분석 기획의 특성을 고려하여 수행하고 기업에서 필요한 데이터 분석과제를 빠짐없이 도출한 후 과제의 우선순위를 결정하고 단기 및 중/장기로 나누어 계획을 수립

 

 

2. 수행 과제 도출 및 우선순위 평가

• 우선순위 평가
  • 정의된 데이터 과제에 대한 실행 순서를 정하는 것
  • 업무 영역별로 도출된 분석 과제를 우선순위 평가기준에 따라 평가
  • 과제 수행의 선/후행 관계를 고려하여 적용 순위를 조정해 최종 확정
• ISP와 같은 일반적인 IT 프로젝트
  • 과제 우선순위 평가 위해 기업에서 고려하는 다양한 관점에 따른 우선순위 기준을 수립하여 평가
  • 과제 우선 순위 평가기준
    • 전략적 중요도
      • 전략적 필요성
        • 전략적 목표 및 본원적 업무에 직접적인 연관관계가 밀접한 정도
        • 이슈 미해결 시 발생하게 될 위협 및 손실에 대한 정도
      • 시급성
        • 사용자 요구사항, 업무능률 향상을 위해 시급히 수행되어야 하는지에 대한 정도
        • 향후 경쟁우위 확보를 위한 중요성 정도
    • 실행 용이성
      • 투자 용이성
        • 기간 및 인력 투입 용이성 정도
        • 비용 및 투자예산 확보 가능성 정도
      • 기술 용이성
        • 적용 기술의 안정성 검증 정도
        • 응용시스템, H/W 유지보수 용이성 정도
        • 개발 Skill 성숙도 및 신기술 적용성 정도
• ROI 관점에 따라 4V를 살펴보면
  • 3V는 투자비용(Investment) 측면의 요소
    • Volume
      • 데이터의 규모 및 양
      • 대용량을 저장/처리/관리하기 위해 새로운 투자가 따라야 한다
    • Variety
      • 데이터 종류에 따라 정형/반정형/비정형 데이터
      • 소스에 따라 내부/외부/소셜 데이터
      • 입수하는데 있어서 투자가 필요
    • Velocity
      • 데이터 생성 속도 또는 데이터 처리 속도
      • 데이터 빠르게 가공/분석 기술이 요구
      • 현 시스템에 미치는 부하 여부에 따라 기존 아키텍처에 영향을 미침
  • 빅데이터의 대부분이 비정형 데이터로 구성되어
    기존 정형 데이터와 Mesh-up되어 새로운 가치(Value)가 창출
    
    • Value
      • 분석 결과를 활용하거나 실질적인 실행을 통해 얻게 되는 비즈니스(Return) 측면의 요소
      • 기업이 데이터 분석을 통해 추구하거나 달성하고자 하는 목표 가치
• ROI 요소 고려하여 데이터 분석 과제에 대한 우선순위 평가 기준을 정의
  • 시급성
    
    • 전략적 중요도가 핵심
    • 전략적 가치를 둘 관점이 현재인지 미래일지, 적정 시기를 고려
  • 난이도
    • 현 시점에서 추진하는것이 비용과 범위 측면에서 바로 적용하기 쉬운지 어려운지
    • 과제의 범위
      • 시험과제 형태로 일부 수행할지, 처음부터 크게 수행할지
    • 데이터 소스
      • 기업 내부의 데이터부터 우선 활용하고 외부 데이터까지 확대해 나갈지
    • 현 기업의 분석 준비도 및 성숙도 진단 결과에 따라 분석 수준을 파악하고, 분석 적용 범위 및 방법에 따라 조정 가능

1) 전략적 중요도가 높아 경영에 미치는 영향 큼
    난이도 높아 현재 수준에 과제 바로 적용하기 어려움

2) 중장기적 관점에서는 반드시 추진되어야 함
    분석과제를 바로 적용하기에는 난이도가 높음

3) 전략적 중요도 높아 현재 시점에 전략적 가치 두고 있음
    쉬운 난이도에 우선적으로 바로 적용 가능할 필요성 있음

4) 전략적 중요도 낮아 중장기적 관점 과제 추진 바람직함
    과제를 바로 적용하는 것은 어렵지 않음

• 우선순위에 따라 순서가 달라짐
  • 시급성: 3>4>2
  • 난이도: 3>1>2
• 1사분면(시급성 높고 난이도 높음)은 경영진 / 실무 담당자 의사결정에 따라 적용 우선순위 조정 가능
  • 데이터 양, 데이터 특성, 분석 범위 등에 따라 난이도 조율하여 적용 우선순위 조정가능
  • 데이터 양
    • 데이터 양 줄여 난이도 낮추면, 3사분면으로 우선순위 조정 가능
  • 기술적 요소
    • 새로운 기술 요소들이 운영중 시스템에 영향을 미친다
    • 기존 시스템에 미치는 영향을 최소화 / 운영중 시스템과 별도 분리하여 시행하는 방식으로 난이도 조율하여 우선순위 조정 가능
  • 분석범위
    • 전체 범위를 한 번에 일괄적으로 적용할지 일부 범위로 한정하여 시범과제 형태로 추진하고 평가 통해 확대해 나갈지 의사결정이 필요

 

 

3. 이행계획 수립

가. 로드맵 수립

• 과제의 우선순위를 토대로 분석 과제별 적용범위 및 방식을 고려하여 최종적인 실행 우선순위를 결정,
  단계적 구현 로드맵 수립

 

나. 세부 이행계획 수립

• 데이터 분석 체계
  • 고전적인 폭포수 방식
  • 반복적 정련과정 통해 완성도 높이는 방식을 주로 사용
    • 데이터 수집 및 확보와 분석 데이터를 준비하는 단계를 순차적으로 진행하고 모델링 단계는 반복적으로 수행하는 혼합형을 많이 적용
    • 이를 고려하여 세부적 일정계획 수립해야

 

---

 

제 2절 분석 거버넌스 체계 수립

1. 거버넌스 체계 개요

• 기업에서 데이터를 이용한 의사결정이 강조
• 데이터 분석과 활용을 위한 체계적인 관리가 중요
• 어떤 목적으로 어떤 데이터를 어떻게 분석에 활용할 것인가가 더욱 중요
• 조직 내 분석 관리체계를 수립해야 하는 이유
  • 데이터 분석을 기업의 문화로 정착
  • 데이터 분석 업무를 지속적으로 고도화
• 마스터 플랜 수립 시점에서 데이터 분석의 지속적인 적용과 확산을 위한 거버넌스 체계
  • 분석 기획 및 관리를 수행하는 조직(Organization)
  • 과제 기획 및 운영 프로세스(Process)
  • 분석 관련 시스템(System)
  • 데이터(Data)
  • 분석 관련 교육 및 마인드 육성 체계(Human Resource)

 

 

2. 데이터 분석 성숙도 모델 및 수준진단

• 데이터를 어떻게 분석/활용하는가가 기업의 경쟁력을 좌우하는 궁극적 요소
• 데이터 분석의 도입 여부/활용 대한 명확한 분석 수준 점검 필요
• 분석의 유형/분석의 방향성 결정 가능
• 분석 준비도/성숙도 진단하는 궁극적 목표
  • 각 기업이 수행하는 현재의 분석 수준을 명확히 이해
  • 수준진단 결과를 토대로 미래의 목표수준을 정의
    • 데이터 분석을 위한 기반/환경이 어느 정도 수준인지
    • 어떠한 영역에 선택과 집중을 해야 하는지
    • 어떤 관점을 보완해야하는지

 

가. 분석 준비도

• 기업의 데이터 분석 도입의 수준을 파악하기 위한 진단방법
• 진단결과 일정 수준 이상 충족 시 분석 업무를 도입하고, 못하면 분석 환경 조성부터 한다
• 6가지 영역
  • 분석 업무
    • 발생한 사실 분석 업무
    • 예측 분석 업무
    • 시뮬레이션 분석 업무
    • 최적화 분석 업무
    • 분석 업무 정기적 개선
  • 분석 인력, 조직
    • 분석 전문가 직무 존재
    • 분석 전문가 교육 훈련 프로그램
    • 관리자들의 기본적 분석 능력
    • 저나 분석업무 총괄 조직 존재
    • 경영진 분석 업무 이해 능력
  • 분석 기법
    • 업무별 적합한 분석기법 사용
    • 분석 업무 도입 방법론
    • 분석기법 라이브러리
    • 분석기법 효과성 평가
    • 분석기법 정기적 개선
  • 분석 데이터
    • 분석업무를 위한 데이터 충분성
    • 분석업무를 위한 데이터 신뢰성
    • 분석업무를 위한 데이터 적시성
    • 비구조적 데이터 관리
    • 외부 데이터 활용 체계
    • 기준데이터 관리(MDM)
  • 분석 문화
    • 사실에 근거한 의사결정
    • 관리자의 데이터 중시
    • 회의 등에서 데이터 활용
    • 경영진의 직관보다 데이터
    • 데이터 공유 및 협업 문화
  • 분석 인프라
    • 운영시스템 데이터 통합
    • EAI, ETL 등 데이터유통체계
    • 분석 적용 서버 및 스토리지
    • 빅데이터 분석 환경
    • 통계 분석 환경
    • 비쥬얼 분석 환경

 

나. 분석 성숙도 모델

• CMMI(Capability Maurity Model Integration)기반으로 시스템 개발 업무 능력과 조직의 성숙도 파악
• 업무 프로세스 자체의 성숙도 / 업무 프로세스 관리와 개선을 위한 조직의 역량을 CMMI에 기반한 업무 프로세스 성숙도 모형으로 평가
• 분석 능력 및 분석 결과 활용에 대한 조직의 성숙도 수준을 평가
• 분석 성숙도 진단 부문
  • 비즈니스
  • 조직/역량
  • IT
• 성숙도 수준
  • 도입
  • 활용
  • 확산
  • 최적화

단계	도입단계	활용단계	확산단계	최적화단계
설명	분석을 시작하여 환경과 시스템 구축	분석 결과를 실제 업무에 적용	전사 차원에서 분석을 관리하고 공유	분석을 진화시켜서 혁신 및 성과 향상에 기여
비즈니스	- 실적분석 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	- 일부 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 사이언스 그룹 - 경영진 분석 활용 - 전략 연계
IT	- 데이터 웨어하우스 - 데이터 마트 - ETL / EAI - OLAP	- 실시간 대시보드 - 통계 분석 환경	- 빅데이터 관리 호나경 - 시뮬레이션 / 최적화 - 비주얼 분석 - 분석 전용 서버	- 분석 협업환경 - 분석 Sandbox - 프로세스 내재화 - 빅데이터 분석

 

다. 분석 수준 진단 결과

• 분석 준비도와 성숙도 진단 결과를 토대로 기업의 현재 분석 수준을 객관적으로 파악
• 분석 경쟁력 확보 및 강화를 위한 목표 수준을 설정
• 분석 수준 진단 결과
  • 향후 고려해야 하는 데이터 분석 수준에 대한 목표 방향을 정의, 유형별 특성에 따라 개선방안을 수립
    • 준비형
      • 낮은 준비도 / 낮은 성숙도
      • 분석을 위한 데이터, 조직 및 인력, 분석 업무, 분석 기법 등이 적용되지 않음으로 인해 사전 준비가 필요한 유형
    • 정착형
      • 낮은 준비도 / 조직, 인력, 분석업무, 분석 기법 등을 기업 내부에서 제한적으로 사용
      • 우선적으로 분석의 정착이 필요한 유형
    • 도입형
      • 분석 업무 및 분석 기법은 부족 / 조직 및 인력 등 준비도가 높은 유형
      • 바로 데이터 분석을 도입할 수 있는 기업
    • 확산형
      • 기업에 필요한 6가지 분석 구성요소를 모두 갖춤
      • 부분적으로 도입해 지속적인 확산이 가능한 기업

 

 

 

3. 분석 지원 인프라 방안 수립

• 분석 마스터 플랜을 기획할 때부터 장기적이고 안정적으로 활용가능한 확장성을 고려한 플랫폼 구조를 도입
• 플랫폼
  • 분석 서비스를 위한 응용프로그램이 실행될 수 있는 기초를 이루는 컴퓨터 시스템
  • HW에 탑재되어 데이터 분석에 필요한 프로그래밍 환경과 실행 및 서비스 환경을 제공하는 역할
  • 새로운 데이터 분석 니즈가 존재 시, 서비스를 추가적으로 제공하는 방식으로 확장성을 높임

 

 

4. 데이터 거버넌스 체계 수립

• 실시간으로 쏟아지는 엄청난 양의 데이터 + 비정형/반정형 데이터의 해답을 찾기 위해,
  전사 차원의 체계적인 데이터 거버넌스의 필요성을 부각
• 시스템별로 데이터를 관리하므로, 데이터 중복 및 비표준에 따른 정합성 오류와 데이터 활용 저하의 문제점 소유
• 빅데이터 프로젝트를 효과적으로 추진하거나 지속적 효과 얻기 위해서는 데이터 거버넌스 체계 수립이 중요
• 데이터 거버넌스
  • 전사 차원의 모든 데이터에 대해 정책 및 지침, 표준화, 운영조직 및 책임 등 표준화된 관리 체계를 수립하고, 운영을 위한 프레임워크 및 저장소를 구축하는 것
  • 중요 관리 대상
    • 마스터 데이터
    • 메타 데이터
    • 데이터 사전
  • 기업이 빅데이터 프로젝트를 성공으로 이끄는 기반으로써 확보 가능한 것
    • 데이터의 가용성
    • 데이터의 유용성
    • 데이터의 통합성
    • 데이터의 보안성
    • 데이터의 안정성
  • 독자적으로 수행 가능하지만, 전사차원의 IT 거버넌스 / EA(Enterprise Architecture)의 구성요소로써 구축되는 경우도 있음
• 빅데이터 거버넌스가 포함하는 항목
  • 데이터 거버넌스 체계
  • 빅데이터의 효율적인 관리
  • 다양한 데이터의 관리체계
  • 데이터 최적화
  • 정보보호
  • 데이터 생명주기 관리
  • 데이터 카테고리별 관리 책임자 지정

 

• 데이터 거버넌스의 구성요소-원칙, 조직, 프로세스-를 유기적으로 조합하여,
  데이터를 비즈니스 목적에 부합하고 최적의 정보 서비스를 제공할 수 있도록 효과적으로 관리

• 원칙(Principle)

  • 데이터를 유지 관리하기 위한 지침과 가이드
  • 보안, 품질기준, 변경관리

• 조직(Organization)

  • 데이터를 관리할 조직의 역할과 책임
  • 데이터 관리자, 데이터베이스 관리자, 데이터 아키텍트

• 프로세스(Process)

  • 데이터 관리를 위한 활동과 체계
  • 작업 절차, 모니터링 활동, 측정 활동

 

가. 데이터 표준화

• 업무
  • 데이터 표준 용어 설정
    • 표준 단어 사전
    • 표준 도메인 사전
    • 표준 코드
    • 사전 간 상호 검증 가능하도록 점검 프로세스 포함
  • 명명 규칙 수립
    • 언어별(한글, 영어 등 외국어)로 작성되어 매핑 상태 유지
  • 메타 데이터 구축 / 데이터 사전 구축
    • 데이터의 데이터 구조 체계를 형성하는 것
    • 데이터 활용을 원활하게 하기 위한 데이터 구조체계 / 메타 엔터티 관계 다이어그램 제공

 

나. 데이터 관리 체계

• 데이터 정합성 및 활용의 효율성 위해, 표준 데이터를 포함한 메타 데이터 / 데이터 사전 관리 원칙을 수립
  • 수립 원칙에 근거하여 항목별 상세 프로세스 만들고 관리와 운영을 위한 담당자 및 조직별 역할과 책임을 상세하게 준비
• 급증한 데이터 양으로, 데이터 가용성 및 관리비용 증대 문제에 직면하므로 데이터 생명 주기 관리방안을 수립해야 한다

 

다. 데이터 저장소 관리

• 메타데이터 및 표준 데이터 관리 위한 전사 차원의 저장소를 구성
• 저장소
  • 데이터 관리 체계지원을 위한 워크플로우 및 관리용 응용소프트웨어 어플리케이션을 지원하고 관리 대상 시스템과의 인터페이스를 통한 통제가 필요
  • 데이터 구조 변경에 따른 사전 영향 평가도 수행되어야 효율적 활용이 가능

 

라. 표준화 활동

• 데이터 거버넌스 체계를 구축한 후, 표준 준수 여부를 주기적으로 점검하고 모니터링을 실시
• 거버넌스 조직 내 안정적 정착을 위한 계속적인 변화관리 및 주기적 교육 진행
• 지속적 데이터 표준화 개선 활동 통해 실용성을 높인다

 

 

5. 데이터 조직 및 인력방안 수립

• 빅데이터 등장으로 인한 비즈니스 변화를 인식
• 기업의 차별화된 경쟁력 확보 수단
  
  • 데이터 과제 발굴
  • 기술 검토 및 전사 업무 적용 계획 수립
• 데이터를 효과적으로 분석/활용하기 위해 기획, 운영 및 관리를 전담할 전문 분석 조직 필요성이 제기
• 컨트롤 타워의 필요성이 제기
• 전담조직으로 '데이터 과학자' 조직이 구성되며, C 레벨 임원 두는 것을 검토
• 데이터 분석 조직
  
  • 목표
    • 기업의 경쟁력 확보를 위해 비즈니스 질문/이에 부합하는 가치를 찾고 비즈니스를 최적화
  • 역할
    • 전사 및 부서의 분석 업무를 발굴하고 전문적 기법과 분석 도구를 활용하여 기업내 존재하는 빅데이터 속에서 Insight를 찾아 전파하고 이를 Action화 하는 것
  • 구성
    • 기초동계학 및 분석 방법에 대한 지식과 분석 경험을 가지고 있는 인력으로 전사 또는 부서 내 조직으로 구성하여 운영
  • 조직구조 및 인력구성을 고려하여 기업에 최적화된 형태로 구성해야 한다
  • 고려사항
    • 조직 구조
      • 비즈니스 질문을 선제적으로 찾아 낼 수 있는 구조인가?
      • 분석 전담조직과 타 부서간 유기적인 협조와 지원이 원활한 구조인가?
      • 효율적인 분석 업무를 수행하기 위한 분석 조직의 내부 조직구조는?
      • 전사 및 단위부서가 필요 시 접촉하며 지원할 수 있는 구조인가?
      • 어떤 형태의 조직(중앙집중형, 분산형)으로 구성하는 것이 효율적인가?
    • 인력 구성
      • 비즈니스 및 IT 전문가의 조합으로 구성되어야 하는가?
      • 어떤 경험과 어떤 스킬을 갖춘 사람으로 구성해야 하는가?
      • 통계적 기법 미 분석 모델링 전문 인력을 별도로 구성해야 하는가?
      • 전사 비즈니스를 커버하는 인력이 없다. 그렇다면?
      • 전사 분석업무에 대한 적합한 인력 규모는 어느 정도인가?
  • 3가지 유형의 조직 구조
    1. 집중형 조직 구조
       • 별도의 독립적인 분석 전담조직을 구성
       • 모든 분석 업무를 전담 조직에서 담당
       • 전사 분석 과제의 전략적 중요도 따라 우선순위 정해 추진
       • 일부 현업 부서와 분석 업무가 중복 / 이원화될 가능성 존재
    2. 기능 중심의 조직 구조
       • 일반적으로 분석을 수해하는 형태
       • 각 해당 업무부서에서 직접 분석
       • 전사적 관점에서 핵심 분석이 어렵고
       • 특정 업무 부서에 국한된 분석을 수행할 가능성이 높거나
         일부 중복된 분석 업무 수행 가능성 존재
    3. 분산된 조직 구조
       • 분석 조직의 인력들을 현업부서에 배치해 분석 업무를 수행
       • 전사 차원에서 분석 과제의 우선순위를 선정해 수행이 가능
       • 분석 결과를 신속하게 실무에 적용 할 수 있는 장점 존재
• 전문 역량을 갖춘 각 분야의 인재를 모아 조직 구성함으로써 분석 조직의 경쟁력 극대화 가능
  • 비즈니스 이해
    • 해당 비즈니스 잘 이해하고 분석요소를 찾고 협의할 수 있는 인력
  • 분석에 필요한 IT 기술 이해
    • 분석에 필요한 IT 기술 동향을 파악하고, 필요한 기술 아키텍처를 수립할 수 있는 인력
  • 통계 이용한 다양한 분석기법 활용하는 분석 전문
    • 고급 통계 분석기법을 이해하고 다양한 예측 모델링을 설계/검증할 수 있는 인력
  • 조직 내 분석 문화 확산을 위한 변화 관리 (겸직 가능)
    • 경영층 대상으로 분석문화 확산을 위한 변화 관리를 담당하는 인력
  • 분석 조직 + 관련 부서 조직원의 분석 역량 향상 위한 교육 담당 (겸직 가능)
    • 분석조직에게 다양한 분석기법에 대한 심도있는 교육을 할 수 있는 인력

 

 

6. 분석 과제 관리 프로세스 수립

• 초기 데이터 분석 과제가 성공적으로 수행
• 지속적인 분석 니즈 및 기회가 분석 과제 형태로 도출 가능
• 분석 조직이 수행할 주요한 역할
  
  • 분석 과제의 기획 및 운영
• 따라서 이를 체계적으로 관리하기 위한 프로세스 수립 필요
• 분석 과제 관리 프로세스
  • 과제 발굴
    • 개별 조직이나 개인이 도출한 분석 아이디어를 발굴, 과제화하여 분석 과제 풀로 관리하며 분석 프로젝트를 선정
  • 과제 수행 및 모니터링
    • 분석을 수행할 팀을 구성
    • 분석 과제 실행 시 지속적인 모니터링과 과제 결과를 공유하고 개선하는 절차를 수행
• 조직 내 분석 문화 내재화 및 경쟁력 확보 가능
• 만들어진 시사점을 포함한 결과물을 풀에 잘 축적하고 관리하며 유사한 분석 과제 수행 시 시행착오를 최소화하고 프로젝트를 효율적으로 진행 가능

 

 

7. 분석 교육 및 변화관리

• 최근 구성원들에게 데이터 분석 교육을 받도록 독려하는 기업이 증가
  • 엔지니어 훈련
    • 코드베이스나 개발 문화를 교육
  • 데이터 분석 훈련 프로그램
    • 모든 구성원들이 직접 데이터를 보고, 분석, 가설, 검증 능력 갖추어 데이터 활용을 통한 비즈니스 가치를 전사적으로 확대
• 분석 관련 교육 및 마인드 육성 위한 적극적 변화 관리가 필요
• 분석 내재화 단계
  • 준비기
    • 분석중심 문화가 미도입된 현재 균형상태
    • 막연한 불안감 존재
  • 도입기
    • 많은 조직이 분석과제를 성공시키지 못하고 포기하는 단계
    • 기존 행태로 되돌아가려는 경향
    • 성공 시 강한 탄성에 의해 변화 가속화
  • 안정 추진기
    • 분석 활용이 일상화된 균형상태
• 적극적 대응 위해, 기업에 맞는 적합한 분석 업무를 도출하고 가치를 높여줄 분석 조직 및 인력에 대한 지속적 교육과 훈련 실시 필요
• 경영층이 데이터 기반 의사결정의 기업문화를 정착하려는 변화관리를 지속적으로 계획하고 수행해야 한다
• 분석 교육의 목표
  • 분석 역량을 확보/강화
  • 창의적 사고 및 문제해결을 위한 체계적 접근법 숙지
  • 데이터 분석기회발굴 및 과제 정의 방법 이해
  • 다양한 빅데이터 분석 기법의 활용
  • 빅데이터 개념 및 관련 기술의 습득
• 분석적 사고를 업무에 적용할 다양한 교육을 이용하여 구성원 모두에게 분석기반의 업무를 정착시켜야 한다
  • 분석 기획자에 대한 데이터 분석 큐레이션 교육
  • 분석 실무자에 대한 데이터 분석 기법 및 도구에 대한 교육
  • 업무 수행자에 대한 분석기회 발굴 및 시나리오 작성법
• 데이터 바라보는 관점 / 데이터 분석과 활용 등이 기업 문화로 자연스럽게 스며들게 확대되어야 한다