분석 프로젝트 관리 파트는
제가 데이터사이언티스트가 된 것 같은 느낌이 들 만큼
굉장히 실용적인 내용이었습니다.
물론 준전문가 과정이니 상세하게 배우지는 못할지라도
조금이나마 분석 프로젝트를 어떻게 진행해야 하는지 알 수 있었습니다.
<분석과제 관리를 위한 5가지 주요 영역>
-분석 프로젝트는 다른 프로젝트 유형처럼 범위, 일정, 품질, 리스크, 의사소통 등 영역별 관리가 필수-
+
분석과제관리 '5가지 주요 속성'
1. Data Size
-분석하고자 하는 데이터의 양을 고려한 관리 방안 수립 필요-
2. Data Complexity
-정형 데이터가 있을 수 있고, 비정형 데이터가 산재해 있을 수 있다. 분석 프로젝트를 진행할 때는
초기 데이터의 확보뿐 아니라 해당 데이터에 잘 적용될 수있는 분석 모델의 선정도 중요-
3. Speed
-분석 결과가 도출되었을 시, 이를 활용하는 시나리오 측면에서의 속도를 고려해야 함-
(분석 모델의 성능 및 속도를 고려한 개발)
4. Analytic Complexity
-분석 모델의 '정확도'와 '복잡도'의 관계 : Trade off 관계-
(분석 모델이 복잡할수록 정확도는 올라가지만 해석이 어려워짐 → 기준점을 사전에 정의해야 함)
*결론 : 해석이 가능하면서도 정확도를 올릴 수 있는 최적모델을 모색
5. Accuracy & Precision
-Accuracy : 모델과 실제 값 사이의 차이가 적다는 정확도를 의미-
(분석의 활용적인 측면에서 중요)
-Precision : 모델을 지속적으로 반복했을 때 편차의 수준으로써 일관적으로 동일한 결과를 제시한다는 것을 의미-
(안정성 측면에서 중요)
-Trade off 경우가 많음-
<분석가>
*목표 : 분석의 정확도 + 도출된 분석 과제 구현 + 전반적인 프로젝트 관리
*입장 : '조정자' 역할
(데이터 영역 ↔ 비즈니스 영역)
-각 영역 현황 이해 / 가치 이해 전달-
-프로젝트 관리 방안 이해 / 주요 관리 포인트 숙지-
*지속적, 반복적 개선
-프로토타이핑 방식의 Agile 프로젝트 관리 방식 고려-
(Agile : 신속)
<분석 프로젝트의 주요 관리 영역>
*프로젝트 관리 지침의 프로젝트 관리 체계
1) 범위 (Scope) : 분석 진행 시 범위 빈번히 변경
2) 시간 (Time) : 반복 수정 시 많은 시간 소요, Time Boxing기법으로 일정 관리
3) 원가 (Cost) : 외부 데이터가 고가일 수 있기에 사전 조사 필요
4) 품질 (Quality) : '품질통제(Quality Control)'와 '품질보증(Quality Assurance)'으로 나누어 프로젝트 품질 관리
5) 통합 (Integration) : 프로젝트 관리 프로세스들의 통합적 운영
6) 조달 (Procurement) : 외부 소싱을 적절히 운영
7) 자원 (Resource) : 인적 자원, 전문가 확보에 대한 검토 필요
8) 리스크 (Risk) : 분석에 대한 데이터 미확보 / 분석 알고리즘의 한계로 발생할 위험 사전 대응
9) 의사소통 (Communication) : 분석 결과를 모든 프로젝트 이해관계자가 공유
10) 이해관계자 (Stakeholder) : 이해관계자 식별과 관리 필요
-Time Boxing 기법 : 크고 오래 걸리는 과제를 작게 쪼개어 제한된 작업 시간을 할당해 하나씩 해결하는 방법-
품질통제(Quality Control) : 품질 절차와 표준을 개발자들이 준수하도록 프로세스를 정의하고 규정을 만드는 것
품질보증(Quality Assurance) : 정상적으로 작동한다는 충분한 확증을 얻는 데 필요한 모든 작업을 지칭