ADSP 기출문제 요약집 2-1 데이터 분석 기획의 이해

ADSP 기출문제 요약집 2-1 데이터 분석 기획의 이해

 

글을 읽기 전 공부 방법에 대한 글을 반드시 먼저 읽고 오시는 것을 추천드립니다.

https://killxxi.tistory.com/100

ADSP 기출문제 요약집 공부방법 및 시험 후기

 

 

---

 

 

 

ㅇ 데이터 유형

- 정형 : 정형된 DB 형태의 데이터

- 반정형 : 센서, 스트리밍, 머신 데이터

- 비정형 : 소셜 데이터

 

 

 

 

ㅇ 분석 기획

- 실제 분석을 수행하기에 앞서 분석을 수행할 과제를 정의하고, 의도했던 결과를 도출할 수 있도록 이를 적절하게 관리할 수 있는 방안을 사전에 계획하는 일련의 작업

 

 

 

 

ㅇ 데이터 사이언티스트의 역량

- 수학/통계학적 지식

- 정보기술(IT, 해킹, 통신 기술 등)

- 해당 비즈니스의 이해

 

 

 

 

ㅇ 분석 대상과 방법

 

# 분석 대상을 모르나, 기존 분석 방식을 활용할 경우와 대상을 새로 선정하는 것은?

- 통찰, 발견 (O)

# 대상은 명확하고 방식이 명확하지 않은 경우? --> solution

# 분석 주제 유형 중 분석의 대상(WHAT)을 모르고 하는 분석 방법(HOW)의 경우 분석 방향은?

- 통찰 (O)

 

 

 

 

ㅇ 목표시점별 분석 기획 방안

	과제단위	마스터플랜 단위
1차 목표	Speed&Test	Accuracy&Deploy
과제의 유형	Quick-Win	LongTermView
접근방식	Problem Solving	Problem Definition

 

# 목표 시점별로 당면한 과제를 빠르게 해결하는 과제 중심적인 접근 방식의 특징이 아닌 것은?

- Problem Solving, Quick & Win, Speed & Test, Accuracy & Deploy(X)

 

 

 

  

ㅇ 분석 기획 시 고려사항

- 가용 데이터(Available data)에 대한 고려 필요

- 적절한 활용방안과 유즈 케이스(Use Case) 탐색 필요

- 발생 가능한 장애요소들에 대한 사전 계획 수립 필요

 

# 유사 분석 시나리오 및 솔루션이 있다면, 최대한 적절한 유즈 케이스 활용해야 한다.

# 장애 요소들에 대한 사전 계획 수립이 필요한다.

# 분석 과제가 기업에 내재화될 수 있도록 지속적인 교육 관리가 필요하다.

# 데이터 분석을 위해서는 데이터 정형화가 필수적이다. (X)

 

 

 

 

ㅇ 방법론의 구성

- 절차(Procedures)

- 방법(Methods)

- 도구와 기법(Tools&Techniques)

- 템플릿과 산출물(Templates&Outputs)

 

# 다음 중 분석방법론의 구성요소가 아닌 것은?

- 목적 (X), 절차, 방법, 도구와 기법

 

 

 

 

ㅇ 기업의 합리적 의사결정을 가로막는 장애요소

- 고정관념, 편향된 생각, 프레이밍 효과(시각에 따른 판단의 차이)

 

# 동일한 사안이라고 해도 제시되는 방법에 따라 그에 관한 해석이나 의사결정이 달라지는 인식의 왜곡현상을 무엇이라 하는가? - 프레이밍 효과

# 데이터 유형에 따라서 적용 가능한 솔루션 및 분석 방법이 다르기 때문에 유형에 대한 분석이 선행적으로 이루어져야 한다.

# 유사 분석 시나리오 및 솔루션이 있다면 이를 최대한 활용하는 것이 중요하다.

# 장애요소들에 대한 사전 계획 수립이 필요하다.

# 이해하기 쉬운 모델보다는 복잡하고 정교한 모형이 더 효과적이다. (X)

 

 

 

 

ㅇ 방법론의 적용 업무의 특성에 따른 모델

- 폭포수 모델(Waterfall Model) : 단계를 순차적으로 진행하는 방법

- 프로토타입 모델(Prototype Model) : 일부분을 우선 개발하여 사용자에게 제공, 피드백을 통한 개선 작업

- 나선형 모델(Spiral Model) : 반복을 통해 점증적으로 개발

 

# 신속하게 해결책 모형 제시, 상향식 접근 방법에 활용 – 프로토타입 모델

# 빠른 결과보다 모델의 정확성에 중점을 둔 기법 - 폭포수 모델

# 워터폴 방식은 전체적인 플랜을 짜고 문서를 통해 개발한다.

# 대표적인 하향식 접근방법 기법이다.- 폭포수 모델

# 프로토타입 모델은 '사용자들이 이렇게 만들면 평하게 사용할 거야'라는 가설을 생성하게 된다.

# 프로토 타입 모델은 특정 가설을 갖고 서비스를 성계하고 디자인에 대한 실험도 실행한다.

# 프로토타입을 보고 완성시킨 결과물을 통해 가설을 확인할 수 있다.

# 프로토타이핑은 순환적 문제탐색으로 인해 개발 시간이 많이 필요로 한다. (X)

# 대규모 시스템 소프트웨어 개발에 적합 여러 변의 개발 과정을 거쳐 점진적으로 프로젝트를 완성시켜가는 모델 - 나선형 모델

 

 

 

 

ㅇ 빅데이터 분석의 계층적 프로세스

- 단계(Phase) : 단계별 산출물이 생성, 각 단계는 기준선으로 설정되어 관리, 버전 관리 등을 통한 통제 (단계별 완료 보고서)

-> 테스크(Task) : 단계를 구성하는 단위 활동, 품질 검토의 항목 (보고서)

-> 스텝(Step) : 입력자료, 처리 및 도구, 출력자료로 구성된 단위 프로세스 (보고서 구성요소)

 

 

 

 

ㅇ KDD 분석 방법론

- 통계적 패턴이나 지식을 찾기 위해 활용할 수 있도록 체계적으로 정리한 데이터 마이닝 프로세스

 

 

 

 

ㅇ KDD 분석 절차 - 5단계

- 데이터셋 선택 (selection) : 비즈니스 도메인 이해, 프로젝트 목표 설정, 데이터 선택

- 데이터 전처리 (preprocessing) : 잡음-이상치-결측치 제거-재처리, 데이터 정제, 추가 데이터 필요시 데이터 선택 프로세스 재실행

- 데이터 변환 (transformation) : 분석 목적에 맞게 변수를 생성-선택, 데이터 차원 축소, 학습용-검증용 데이터 분리

- 데이터 마이닝 (data mining) : 기법 선택 및 적용

- 결과 평가 (Interpretation/evaluation) : 결과에 대한 해석과 평가, 분석 목적과의 일치성 확인

 

 

 

 

ㅇ CRISP-DM 분석 방법론 - 4 레벨

- 단계(Phases)

- 일반화 태스크(Generic Tasks) : 데이터 마이닝의 단일 프로세스를 완전하게 수행하는 단위

- 세분화 태스크(Specialized Tasks) : 구체적인 수행

- 프로세스 실행(process instances) : 데이터 마이닝을 위한 구체적인 실행

 

 

 

 

ㅇ CRISP-DM 프로세스 - 6단계

- 업무 이해 (business understanding) : 목적과 요구사항을 이해, 초기 프로젝트 계획을 수립

ㄴ 업무 목적 파악, 상황 파악, 데이터 마이닝 목표 설정, 프로젝트 계획 수립

- 데이터 이해 (data understanding) : 데이터 수집, 속성 이해, 인사이트 발견

ㄴ 초기 데이터 수집, 데이터 기술 분석, 데이터 탐색, 데이 터 품질 확인

- 데이터 준비 (data preparation) : 분석기법에 적합한 데이 터를 편성(많은 시간 소요)

ㄴ 분석용 데이터셋 선택 및 편성, 데이터 정제, 데이터 통 합, 데이터 포맷

- 모델링 (modeling) : 모델링 기법과 알고리즘을 선택, 최적화, 과적합 문제 확인

ㄴ 모델링 기법 선택, 모델 테스트 계획 설계, 모델 작성, 모델 평가

- 평가 (evaluation) : 프로젝트 목적에 부합하는지 평가

ㄴ 분석 결과 평가, 모델링 과정 평가, 모델 적용성 평가

- 전개 (deployment) : 실 업무에 적용하기 위한 계획, 유지보수 계획 마련

ㄴ 전개 계획 수립, 모니터링과 유지보수 계획 수립, 프로젝 트 종료보고서 작성, 프로젝트 리뷰

 

# 단답. 데이터 분석 방법론 중 KDD는 데이터 전처리에 분석 대상용 데이터셋에 포함되어 있는 잡음과 이상치, 결측치를 식별하고 필요시 제거하거나 의미 있는 데이터로 처리하는 데이터셋 정제 작업을 시행한다. 또 다른 분석 방법인 CRISP-DM 분석 방법론 중 이와 유사한 프로세스 단계는 무엇인가? - 데이터 준비

# 단답. 데이터 분석 방법론, 머신러닝을 이용한 수행 모델을 만들거나 데이터를 분할하는 부분을 무엇이라 하는가? - 모델링

# CRISP-DM의 업무 이해에 해당하는 것은?

--> 업무파악-> 상황 파악-> 데이터 마이닝 목표 설정 -> 프로젝트 계획 수립(중)

 

 

 

 

ㅇ 빅데이터 분석 방법론 - 5단계

- 분석 기획 : 비즈니스 도메인과 문제점 인식, 분석 계획 및 프로젝트 수행 계획 수립

- 데이터 준비 : 원천 데이터 정의 및 준비

- 데이터 분석 : 분석용 데이터셋으로 편성, 다양한 분석 기법과 알고리즘을 이용하여 데이터 분석

- 시스템 구현 : 분석 기획에 맞는 모델 도출, 운영 중인 가동 시스템에 적용, 프로토타입 시스템 구현

- 평가 및 전개 : 프로젝트 성과 평가 및 정리

 

# 분석기획 단계의 순서

비즈니스 이해 및 범위 설정 -> 프로젝트 정의 및 계획 수립 -> 프로젝트 위험 계획 수립

# 분석기획 단계에서의 task가 아닌 것은?

비즈니스의 이해, 프로젝트 정의 및 계획 수립, 필요 데이터 정의 (X), 프로젝트 위험 계획 수립

# 프로젝트 위험 계획 수립 시 예상되는 위험에 대한 대응방 법이 아닌 것은?

회피(Avoid), 전이(Transfer), 완화(Mitigate), 수용(Accept), 관리(Management) (X)

# 빅데이터 분석 방법론 중 추가적인 데이터 확보가 필요한 경우 반복적인 피드백을 수행하는 구간은 어디인가?

- 데이터 준비~데이터 분석(O)

 

 

 

 

ㅇ 분석 과제 발굴 방법론

- 하향식 접근 방식 : 분석 과제가 주어지고 이에 대한 해법을 찾기 위해 각 과정이 체계적으로 단계화되어 수행하는 방식

ㄴ하향식 접근 방식 과정

-> 문제 탐색 : 비즈니스 모델 기반 문제 탐색(업무, 제 품, 고객, 규제와 감사, 지원 인프라), 외부 참조 모델 기반의 문제 탐색(유사, 동종 사례를 벤치마킹을 통해 분석 기회 발굴), 분석 유즈 케이스 정의

-> 문제 정의 : 비즈니스 문제를 데이터의 문제로 변환하여 정의

-> 해결방안 탐색 : 분석 역량(Who), 분석기법 및 시스템(How)으로 해결 방안 탐색

-> 타당성 검토 : 경제적 타당성, 데이터 및 기술적 다 탕성 검토

- 상향식 접근 방식 : 문제의 정의 자체가 어려운 경우 데이터를 기반으로 문제를 지속적으로 개선하는 방식

ㄴ 비지도 학습 방법으로 수행, 데이터 자체의 결합, 연관 성, 유사성 중심으로 접근

ㄴ 프로토타이핑 접근법

ㄴ 하향식 접근법은 논리적 단계별 접근법으로 최근 복잡하 고 다양한 환경에서 발생하는 문제를 해결하기 어려움

ㄴ 디자인적 사고 접근법을 통해 Why -> What 관점으로 존재하는 데이터 그 자체를 객관적으로 관찰하여 문제를 해결

 

# 거시적 관점에서는 현재의 조직 및 해당 산업에 폭넓게 영향을 미치는 사회, 경제적 요인을 STEEP로 요약되는 Social(사회), Technology(기술), Economic(경제), Environmental(환경), Political(정치) 영역으로 나누어서 기회 탐색을 수행한다.

# 경쟁자 관점에서는 현재 수행하고 있는 사업 영역의 제품, 서비스에 대해서만 분석 기회 발굴의 폭을 넓혀서 탐색한다. (X)

# 경쟁자 관점에서는 대체제, 경쟁자 , 신규 진입자를 탐색한다.

# 다음 중 비즈니스 모델 관점 이외에 경쟁자 관점의 영역에 해당되지 않은 것은? 대체재 영역, 경쟁자 영역, 신규 진입자 영역, 소비자 영역(X).

# 시장의 니즈 탐색 관점에서는 현재 수행하고 있는 사업에 서의 직접 고객뿐만 아니라 고객과 접촉하는 역할을 수행하는 채널 및 고객의 의사결정에 영향을 미치는 영향자들 에 대한 폭넓은 관점을 바탕으로 분석 기회를 탐색한다.

# 역량의 재해석 관점에서는 현재 해당 조직 및 기업이 보유한 내부 역량뿐만 아니라 해당 조직의 비즈니스에 영향을 끼치는 파트너 네트워크를 포함한 활용 가능한 역량을 토대로 폭넓은 분석 기회를 탐색한다.

# 문제가 확실할 때 상향식 접근법을 사용한다. (X)

# 문제가 주어지고 해법을 찾기 위해서 하향식 접근 방식을 사용한다.

# 문제의 정의 자체가 어려운 경우 상향식 접근 방식을 사용한다.

# 디자인 사고의 경우 상향식과 하향식을 반복적으로 사용하기 쉽다.

# 문제 탐색의 도구가 아닌 것은?

비즈니스 모델 기반 문제 탐색, 탐색적 문제 발견(X), 외부 참조 모델 기반 문제 탐색, 분석 유즈 케이스

# 단답 3. 다음은 무엇에 과한 설멍인가?

문제가 먼저 주어지고 해답을 찾기 위해 과정을 체계적으로 간계화하여 수행하는 방식 - 하향식 접근방식

# 하향식 접근 방식은 비즈니스 모델 틀을 활용하여 가치가 창출될 문제를 누락 없이 도출할 수 있다.

# 하향식 접근방식은 환경과 경쟁구도의 변화, 역량의 재해석을 통해 분석 기회를 추가 도출한다.

# 하향식 접근 방식은 외부 참조 모델 기반 문제 탐색을 한다.

# 하향식 접근 방식은 분석 유즈 케이스보다 새로운 이유 탐색이 우선한다.(X)

# 다음 중 하향식 접근법의 데이터 분석 기획 단계는?

- Problem discovery-> Problem Definition -> Solution Search-> Feasibility Study

 

 

 

 

ㅇ 분석 과제 관리를 위한 5가지 주요 영역

- 데이터 사이즈 : 분석하고자 하는 데이터의 양을 고려

- 데이터 복잡성 : 초기 데이터의 확보와 통합, 데이터에 잘 적용될 수 있는 분석 모델의 선정

- 스피드 : 분석 모델의 성능 및 속도를 고려한 개발 및 테스트

- 데이터 정확도와 편차수 : 모델과 실제 값의 차이가 적은 정확도, 모델의 지속적인 반복 시 편차의 수준이 일관적인 정밀도

- 분석 복잡성 : 해석이 가능하면서도 정확도를 올릴 수 있는 최적 모델

 

# 분석 과제 수행 시 고려하는 5요소가 아닌 것은?

데이터 분석 방법 (X), 데이터 크기, 데이터 복잡성, 스피드

# 분석 과제 주요 특성으로 data size, data complexity, speed, analytic complexity, accuracy & precision 등이 있다.

 

 

 

 

ㅇ 분석 프로젝트의 관리 방안

- 범위 / 시간 / 원가 / 품질 / 통합 / 조달 / 자원 / 리스크 / 의사소통 / 이해관계자 3장. 데이터 마트

 

# 분석 프로젝트는 다른 프로젝트 유형과는 다르며 추가적인 관리사항이 필요 없다. (X)

# 분석 프로젝트는 도출된 결과의 재해석을 통한 지속적인 반복 및 정교화가 수행되기도 한다.

# 분석 프로젝트의 경우에는 관리 영역에서 일반 프로젝트와 다르게 유의해야 할 요소가 존재한다.