[2-1. 데이터 분석 기획의 이해] 4. 분석 프로젝트 관리 방안

1. 분석과제 관리를 위한 5가지 주요 영역
- 분석프로젝트는 범위, 일정, 품질, 리스크, 의사소통 등 영역별 관리가 수행 될 뿐만 아니라 
- 다양한 데이터에 기반한 분석기법을 적용하는 특성 때문에 5가지 주요 속성을 고려한 추가적인 관리가 필요
- 5가지 영역
1. Data Size : 분석하고자 하는 데이터의 양, 하둡 환경과 기존 정형 데이터베이스 환경에서의 시간 당 생성되는 데이터 분석의 관리방식에서 차이가 남
2. Data Complexity : 잘 적용될 수 있는 분석 모델의 선정
3. Speed : 시나리오 측면에서의 속도,  분석 모델의 성능 및 속도를 고려한 개발
4. Analytic Complexity : 해석이 가능하면서도 정확도를 올릴 수 있는 최적모델, 분석 모델의 정확도와 복잡도는 트레이드 오프 관계가 존재 (복잡-> 정확도 높음, 해석 어려움 => 기준점 사전에 정의 필요)
5. Accuracy & Precision : 정확도와 일관성, 분석 활용적 측면에서는 Accuracy 중요, 안정성 측면에선 Precision이 중요, accuracy와 precision은 트레이드오프가 되므로 모델 해석 및 적용 시 사전에 고려


2. 분석 프로젝트의 특성
1) 개요
- 분석가의 목표 : 분석의 정확도를 높이는 것, 프로젝트 관점에서는 전체적인 과정 고려, 개인적인 분석 업무+전반적인 프로젝트 관리 중요
- 분석가의 입장 : 데이터 영역+결과를 활용할 비즈니스 영역의 중간에서 분석 모델을 통한 조율을 수행하는 조정자의 역할, 프로젝트 관리방안에 대한 이해와 주요관리포인트를 사전에 숙지
- 도출된 결과의 재해석을 통한 지속적인 반복 및 정교화가 수행되는 경우가 대부분
- 프로토타이핑 방식의 애자일(Agile) 프로젝트 관리방식에 대한 고려 필요
- 데이터 분석의 지속적인 반복 및 개선을 통하여 의도했던 결과에 더욱 가까워지는 형태로 프로젝트가 진행될 수 있도록 관리 방안 수립 사전에 필요
- 데이터 영역과 비즈니스 영역에 대한 이해 뿐만 아니라 지속적인 반복이 요구되는 분석 프로세스의 특성을 이해한 프로젝트 관리 방안 수립 중요
- 분석 과제정의서를 기반으로 프로젝트를 시작하되, 지속적인 개선 및 변경을 염두에 두고 기간 내에 가능한 최선의 결과를 도출할 수 있도록 프로젝트 구성원들과 협업하는 것이 분석 프로젝트 특징


3. 분석 프로젝트의 관리방안 (프로젝트관리 지침의 프로젝트 관리 체계)
1) 범위(Scope)

 - 분석 기획단계의 프로젝트 범위가 분석을 진행하면서 데이터의 형태와 양 또는 적용되는 모델의 알고리즘에 따라 범위 빈번하게 변경
 - 분석의 최종 결과물에 분석 보고서 형태인지 시스템인지에 따라 투입되는 자원 및 범위 또한 크게 변경되므로 사전에 충분한 고려 필요

2) 시간(Time)

- 데이터 분석 프로젝트는 초기에 의도했던 결과(모델)이 나오기 쉽지 않아 지속적으로 반복되어 많은 시간 소요
- 분석 결과에 대한 품질이 보장된다는 전제로 Time Boxing 기법으로 일정관리 진행이 필요

3) 원가(Cost)

- 외부 데이터를 활용한 데이터 분석인 경우 고가의 비용이 소요될 수 있어 사전에 충분한 조사 필요
- 오픈소스 툴 외에 프로젝트 수행 시 의도한 결과를 달성하기 위해 상용 버전 툴 필요할 가능성 존재

4) 품질(Quality)

- 분석 프로젝트를 수행한 결과에 대한 품질 목표를 사전에 수립하여 확정
- 프로젝트 품질은 품질 통제와 품질보증으로 나누어 수행

5) 통합(Integration)

- 프로젝트 관리 프로세스들이 통합적으로 운영될 수 있도록 관리

6) 조달(Procurement)

- 프로젝트 목적성에 맞는 외부 소싱을 운영
- PoC(Proof of Concept) 형태 프로젝트는 인프라 구매가 아닌 클라우드 등의 다양한 방안 검토

7) 자원(Resource)

- 고급 분석 및 빅데이터 아키텍처링을 수행할 수 있는 인력의 공급이 부족해 프로젝트 수행 전 전문가 확보 검토

8) 리스크(Risk)

- 분석에 필요한 데이터 미확보로 분석 프로젝트 진행이 어려울 수 있어 관련 위험 식별 및 대응방안 사전 수립
- 데이터 및 분석 알고리즘의 한계로 품질 목표를 달성하기 어려울 수 있어 그에 따른 대응방안 수립 필요

9) 의사소통

- 전문성이 요구되는 데이터 분석 결과를 모든 프로젝트 이해관계자가 공유할 수 있도록 해야함
- 프로젝트의 원활한 진행을 위한 다양한 의사소통체계 마련

10) 이해관계자(Stakeholder)

- 데이터 분석 프로젝트는 데이터 전문가, 비즈니스 전문가, 분석 전문가, 시스템 전문가 등 다양한 전문가가 참여하므로 이해관계자의 식별 및 관리 필요
- 분석가가 분석 프로젝트에서 관리자 역할 수행하는 경우가 대부분이므로, 프로젝트 관리 영역에 대한 주요한 사항들을 체크포인트 형태로 관리해서 발생할 수 있는 이슈와 리스크를 숙지하고 미연에 방지