[빅데이터분석기사 필기] Ⅳ.빅데이터 결과 해석 - 02. 분석 결과 해석 및 활용 (3)
키워드🔑
분석모형전개, 운영시스템적용, 운영및개선방안, 예측오차, 추적신호, 활용분야분류,
초기아이디어개발관점, 마인드맵방식, 친화도표방식, 피라미드방식, 가치사슬관점,
서비스모형, 채널시스템활용, 비즈니스모형활용, 비즈니스모델캔버스
02. 분석 결과 해석 및 활용
3. 분석결과 활용
1) 분석 모형 전개
(1) 빅데이터 모형 운영 시스템 적용방안
📌 모형개발&운영 → 적용방안 → 적용단계
-
빅데이터 모형 개발 및 운영
📌 분석목적 정의 → 가설검토 → 데이터 준비&처리 → 모델링 및 분석 → 정확도&성능평가 → 운영- 분석목적 정의
- 문제가 무엇인지
- 방식/목적을 명확히
- 가설검토
- 문제해결에 적합한 가설수립
- 통계쩍으로 유의미한 결론의 활용 검토
- 데이터 준비&처리
- 전처리: 변수정의, 일관성점검, 정제 등
- 변수변환/파생변수
- 데이터 분할
- 모델링 및 분석
- 검토된 사안을 통계적 질문으로 변환
- 학습데이터셋으로 분석모형 도출
- 정확도&성능 평가
- 검증데이터셋으로 분석모형을 평가
- 운영
- 분석모형을 운영시스템과 통합/활용
- 분석목적 정의
- 빅데이터 모형의 운영 시스템 적용방안
- 도출된 모형을 의사결정에 활용하기 위해서, 운영 시스템과 통합이 필요함
- 운영 시스템과 모형에 사용된 언어가 같은 경우 → 통합과정 쉽다
- 통계 패키지로 모형이 개발된 경우 → 대부분의 경우 통합과정 어렵다 → 호활을 위해 인터페이스 필요
- 인터페이스를 통해 모듈 구동 → 결괏값 도출 → 인터페이스로 직접 전달 or 파일/DBMS로 간접 전달
- 인터페이스: 서로 다른 2개의 시스템/장치간 정보/신호를 주고 받는 경우 접점이나 시스템
- 빅데이터 모형의 운영 시스템 적용단계
- 분석 모형 적용 모듈 결정 → 통합방식 결정 및 구현
(2) 빅데이터 모형의 운영 및 개선방안 수립
📌 예측 오차 계산 → 예측모형의 점검 여부 결정 → 개선 방향 결정
- 개선방안 수립
- 모형을 운영 시스템에 적용 → 시간이 지남에 따라 성능저하 발생할 수 있음 → 지속적인 성능추적이 필요함
- 예측모형에 대한 성능추적: 추적 신호 값을 활용하여 예측 오차가 계속 증가 or 감소하는지 확인 필요
- 추적 신호(TS; Tracking Signal) = (예측 오차들의 합) / (예측 오차 절댓값들의 평균)
- 모형 개선방안 수립 절차
- 예측 오차 계산
- 모형을 실행할 때마다 예측오차 계산&기록
- 예측오차 = 모형 결과값 - 실제값
- 예측모형의 점검 여부 결정
- 예측오차로 추적신호 다시계산 → 관리도를 활용하여 추적신호 추적
- 관리도 상한 or 하한을 벗어나면 점검 필요
- 예측모형 개선 방향 결정
- 최근 데이터&같은 모형 예측모형을 업데이트하여 다시 적용
- 다른 모형 상호 비교평가를 통해 선정된 모형으로 교체
- 예측 오차 계산
2) 분석 결과 활용 시나리오 개발
(1) 분석 결과에 따른 활용 분야 분류
- 분석 결과를 활용할 수 있는 분야 파악: 직접(1차)/파생(2차) 활용할 수 있는 업무와 가치사슬 파악
- 직접 활용: 해당 업무의 가치사슬에서 직접 활용 → 활용방안이 정의되어 있음
- 파생 활용: 활용방안 확대 or 유사/관련있는 업무의 가치사슬에서 분야 파악
- 분석 결과를 활용할 수 있는 분야 분류: 초기 아이디어 개발 / 가치 사슬 관점 → 관련있는 아이디어를 그룹화하여 분류
- 초기 아이디어 개발 관점의 분류: 마인드맵, 친화도표, 피라미드 방식으 ㅣ분류
- 마인드맵: 줄거리를 이해하며 정리
- 친화도표: 관련있는 아이디어끼리 묶음
- 피라미드: 계층 구조가 중요한 경우에 적용
- 가치 사슬 관점의 분류: 수평적/수직적으로 통합/확대하여 새로운 가치사슬을 발견
- 가치사슬: 기업에서 경쟁전략을 세우기 위해, 자신의 경쟁적 지위를 파악하고 이를 향상시킬 수 있는 지점을 찾기 위해 사용하는 모형
- 초기 아이디어 개발 관점의 분류: 마인드맵, 친화도표, 피라미드 방식으 ㅣ분류
(2) 분류 결과를 토대로 적용 가능한 서비스 영역 도출
- 직접 활용, 파급활용(융합 활용)
(3) 분류 결과를 토대로 적합한 신규 서비스 모형 도출
- 새로운 서비스 모형을 위해 필요한 작업: 모형에 대한 개념 도출 → 신규 서비스 모형 정의
- 신규 서비스에 대한 사용자와 제공가치 도출: 초기 아이디어 개발/서비스품 품질/일반적인/시장 전체 관점
- 개념 도출을 위해서 사용자와 제공자치를 찾는 것이 가장 중요
- 초기 아이디어 개발 관점
- 모형 도출
- 제공가치를 통해 사용자 정의 → 기존 모형과 사용자는 동일, 제공가치는 달라질 수 있음
- 사용자 정의 후, 제공가치 정의 → 사용자, 제공가치 둘다 달라질 수 있음
- 서비스 품질 관점
- 제공 가치
- 서브퀄 모형 기준
- 반응성/공감성/확신성/유형성/신뢰성
- 일반적인 관점
- 제공 관점
- 질적인 가치 - 성능/디자인/맞춤형/브랜드가치/참신성
- 양적인 가치 - 가격/편리성/효용성/접근성/무게
- 시장 전체 관점
- 매스마켓형: 세분화X
- 틈새시장형: 특화/전문화
- 세그먼트형: 명확히 정의
- 복합 세그먼트형: 그룹 혼재
- 멀티사이드형: 그룹 2개 이상
- 신규 서비스 모형 정으
- 개념도/ITO 프로세스 관점
- 서비스 개념도(청사진) 관점: 서비스 명칭/개념설명/사용자/제공가치/주요기능 등에 대해 정의서 작성
- ITO 프로세스 관점: 개념도 관점보다 구체적으로 접근 가능(ex. 시스템/투입요소/변환과정/산출 등)
(4) 서비스 모형에 따른 활용 방안 제시
📌 채널 시스템 / 비즈니스 모형 활용 방안
- 조직 내부에서 빅데이터 서비스 제공을 위한 채널 시스템 활용 방안 수립
- 사용자에게 서비스를 제공하는 채널 시스템을 정의함
- 기존 시스템에 새롭게 기능 추가 or 신규 시스템 개발
- 사업화를 추진하기 위한 비즈니스 모형 활용 방안 수립
- 수입 창출에 활용할 수 있는 비즈니스 모형
- “서비스 모형의 사용자”와 “비즈니스 모형의 사용자”가 동일한지 파악
- 신규 빅데이터 비즈니스 모형 정의: 최초 도입 or 기존 모형을 확장
- 최초 도입인 경우: 핵심 성공 요인, 주요 실패 요인을 파악해야 함
-
신규 빅데이터 비즈니스 모형 사례: “비즈니스 모델 캔버스”
- 빅데이터 비즈니스의 핵심 성공 요인
- 목적 및 참여요소 측면
- 분석목적/사용자/활용목적 명확하게 정의
- 데이터볼륨보다 가치창출관점에서 검토
- 전문가 참여 필수적
- 프로세스 측면
- 분석 인프라 요건 검토
- 주기적으로 모니터링 및 정제
- 작은규모로 시작 → 성공사례 공유 및 확장
- 목적 및 참여요소 측면
- 빅데이터 비즈니스의 주요 실패 요인
- 분석목적/서비스목적의 불명확
- 사용자/활용방안의 불명확
- 분석 대상 데이터 품질의 저하
- 모형에 대한 정의없이 인프라 우선도입
- ex. 보유한 데이터는 비정형인데 정형 분석 솔루션만 존재
- 비즈니스 모델 캔버스
- 빅데이터 분석모형은 목적을 명확하게 정의하는 것에서 성패 좌우됨
- 소규모로 시작하여(Start Small)
- 성공 경험을 공유하고
- 영역을 확대하는 것이 바람직
- 분석결과가 타당해야 서비스 개발 가능
댓글남기기