분석 과제 발굴과 프로젝트 관리

핵심 요약

하향식·상향식 과제 발굴, 디자인 사고, 분석 프로젝트의 주요 고려 요소와 범위·일정·비용·위험 관리를 정리한다.

본문

하향식 과제 발굴: Problem Discovery→Definition→Solution Search→Feasibility Study

업무 현안이 먼저 명확하다면 하향식으로 분석 문제를 좁혀 간다.

Problem Discovery → Problem Definition → Solution Search → Feasibility Study

• Problem Discovery: 전략·업무 현안에서 분석할 문제 후보를 찾는다.
• Problem Definition: 넓은 현안을 대상·시점·판단 형태가 있는 분석 질문으로 바꾼다.
• Solution Search: 규칙·통계·머신러닝 등 가능한 해결 접근을 비교한다.
• Feasibility Study: 데이터 확보, 기술 구현, 비용·효과 등 추진 가능성을 검토한다.

해결 방법을 문제보다 먼저 고르지 않는 것이 중요하다.

상향식 탐색·디자인 사고와 업무 문제 재정의

명확한 문제 없이 로그·거래 데이터를 탐색하다 의미 있는 패턴을 발견하면 상향식 접근에 가깝다. 다만 패턴이 보였다는 이유만으로 곧바로 정책을 바꾸면 안 된다. 데이터 수집 방식 변화나 오류가 만든 가짜 패턴인지 확인하고, 현업과 함께 업무 의미가 있는 검증 가능한 질문으로 재정의한다.

디자인 사고 관점은 사용자·현장을 관찰해 문제 후보를 넓게 만들고, 유망한 아이디어를 좁혀 작은 검증을 반복하는 데 도움이 된다. 하향식과 상향식은 경쟁하는 하나의 정답이라기보다 서로 보완적으로 순환할 수 있다.

후보 과제 구체화와 시급성·난이도·선후관계 기반 우선순위

후보 과제 카드에는 최소한 다음을 연결한다.

• 업무 이슈
• 분석 질문
• 필요한 데이터
• 기대 결과
• 결과를 사용할 사람과 방식

우선순위에서는 시급성과 난이도를 구분한다.

• 시급성: 규정 기한, 손실 규모, 시장 기회처럼 늦출 때의 비용
• 난이도: 데이터 확보, 기술, 시스템 적용, 부서 협업의 복잡성

빠른 성과가 필요하고 의존성이 없다면 시급성이 높고 난이도가 낮은 과제를 먼저 볼 수 있다. 그러나 선행 기반이 필요한 경우에는 사분면만 기계적으로 적용하지 않고 과제 간 선후관계를 반영한다.

데이터 규모·복잡성·속도·품질·분석 복잡도와 프로젝트 제약

분석 프로젝트는 일반 프로젝트 관리에 더해 데이터와 분석 특성을 함께 봐야 한다.

• 규모: 표본 5GB와 전체 8TB의 처리시간·저장용량은 다르다.
• 복잡성: 서로 다른 식별자·형식·갱신 주기를 결합하면 정합성 검증이 어려워진다.
• 속도: 평상시 부하만 성공했다고 최대 부하에서 완료시각을 보장할 수 없다.
• 품질: 평균 성능뿐 아니라 특정 장비·집단의 안정성, 중요한 오류 유형과 허용 수준을 본다.
• 분석 복잡도: 후보 모델 수, 반복 검증, 하이퍼파라미터 탐색이 일정과 자원에 영향을 준다.

범위·일정·비용·자원·의사소통·위험·조달·이해관계자·변경 관리

프로젝트 중 해외 12개 국가까지 추가하자는 요청이 들어왔다고 해서 자동으로 범위에 넣지 않는다. 새 요구가 일정·비용·데이터 확보·품질에 미치는 영향을 평가하고 승인 여부와 변경 내용을 기록한다.

프로젝트 관리에서는 범위, 일정, 비용, 자원, 품질, 의사소통, 위험, 조달, 이해관계자 관점을 함께 본다. 분석은 탐색 과정에서 새 사실이 드러날 수 있으므로 계획을 고정하지 말고 변경의 근거와 영향, 새 기준선을 관리한다.

공통 코드·인터페이스처럼 여러 산출물을 동시에 바꾸는 변경은 개별 작업으로 흩어 처리하지 않는다. 데이터 파이프라인 → 모델 → API → 대시보드처럼 전환 순서와 호환성, 단계별 검증, 실패 시 롤백 계획을 하나의 변경계획으로 묶고 영향 범위를 함께 관리한다.

ADsP 시험 핵심 보충

• 하향식 과제 발굴의 순서는 문제 탐색→문제 정의→해결 방안 탐색→타당성 검토다. 비즈니스 모델, 외부 사례, 환경 변화 등을 통해 문제를 찾고 분석 문제로 구체화한다.
• 상향식 접근은 데이터 탐색에서 패턴과 과제를 발굴한다. 디자인 사고는 확산과 수렴을 반복하며 문제를 재정의한다.
• 분석 프로젝트의 주요 고려 요소는 데이터 크기, 데이터 복잡성, 속도, 분석 복잡성, 정확도와 정밀도다. 정확도는 참값에 가까운 정도, 정밀도는 반복 측정의 일관성과 연결된다.