ADsP 2과목 하향식 접근법과 상향식 접근법 비교 D-12

하향식 접근법과 상향식 접근법의 구분이 필수.

특히 하향식 접근법 개념/프로세스/단계/단계별 속성 파악 필수.

-분석대상 What 알 때 : 하향식 접근법

-분석대상 What 모를 때 : 상향식 접근법, 분석 대상이 명확하지 않을 때.

-혼합된 건 Design Thinking.

하향식 접근법 Top-down Approach

1) 문제 탐색(Probelm Discovery)

-제일 중요한 단계.

-비즈니스 모델 기반 문제 탐색& 외부 사례 기반 문제 탐색(=벤치마킹)

-빠짐없이 문제 도출, 식별. 기업 내. 외부 모델/외부 참조 모델 있음.

-세부적 구현, 솔루션 X. 문제 해결을 통해 발생하는 가치에 중점.

 

  가. 비즈니스 모델 기반 문제 탐색(주제 도출)

  -비즈니스 모델 캔버스의 9가지 블록 단순화

  (1) 업무 Operation : 내부 프로세스. 주요 자원 Resource. 지원 인프라.

  (2) 제품 Product : 제품, 서비스 개선

  (3) 고객 Customer : 사용자. 고객. 채널

  (4) 규제&감사 Regulation&Audit : 규제, 보안

  (5) 자원. 인프라 IT&Human Resources : 인력

 

  나. 분석 기회 발굴의 범위 확장

  (1) 거시적 관점. 메가트렌드 = STEEP

  Social 사회

  Technological 기술

  Economic 경제

  Environmental 환경

  Political 정치

  (2) 경쟁자 확대 관점

  Substitute 대체재 : 오프라인-> 온라인 탐색& 잠재적 위험

  Competitor 경쟁자 : 현재 관점

  New entrant 신규 진입자 : 향후

  (3) 시장의 니즈 탐색 관점

  Customer 고객 : 구매 동향. 콘텍스트 파악해서 개선

  Channel 채널 : 경로

  Influencer 영향자 : 주주. 투자자. 이해 관계자

  (4) 역량의 재해석 관점

  Competency 내부역량 : 지적재산권, 기술력, 부동산 등 인프라적 유형자산.

  Partners&Network : 밀접 관계사, 공급사.

  

  다. 외부 참조 모델 기반 문제 탐색 : 유사, 동종 사례 벤치마킹.

  -분석 테마 후보 그룹(Pool)- Quick&Easy - Brain storming : 빠르게 도출

  교통. 안전. 행정. 의료. 문화관광. 금융 등.. 문석 주제 풀은 평상시 지속적 조사. Data 분석 통한 가치 발굴 사례 Pool 정리.

 

 라. 분석 유즈 케이스 Analitics use case

  업무/분석 유즈 케이스/설명/효과로 정리.

  

2) 문제 정의 Problem Definition : 단답형 나옴. 단계명 자체를 기억.

비즈니스 문제-데이터 문제. <HOW>  

  

3) 해결방안 탐색 Solution Search 

-데이터 분석 문제 해결 위한 다양한 방안 모색.

분석 역량 who(확보/미확보)/ 분석기법 및 시스템 How(기존 시스템/신규 도입)

Who O, How O : 기존 시스템 개선, 활용

Who O, How X : 시스템 고도화 

Who X, How O : 교육, 채용

Who X, How X : 전문업체 Sourcing

  

4) 타당성 검토 Feasibility Study : 마지막. 3개(경제성/데이터/기술) 검토 대상 필수적으로 정리

  가. 경제적 타당성

  - 비용 대비 편인 분석 관점 접근

  나. 데이터 및 기술적 타당성

  - 데이터 분석 : 데이터 존재 여부, 분석 시스템 환경, 분석 역량(비즈니스. 기술적 지식 필요 for 역량 확보 방안)

  - 평가 : 대안선택->문제&솔루션->분석과제 정의서-> 프로젝트 계획 입력 물.

 

상향식 접근법 Bottom-Up Approach

*보유한 다양한 원천 데이터 대상으로 분석 수행- 가치 있는 모든 문제 도출

*Why(문제를 잘 알고 있는 경우, 하향식 접근)가 아닌 What(사물을 있는 그대로 인식, 상향식 접근) 관점.

*Design Thinking : Empathize->Define->Ideate->Prototype->Test

 

1) 비지도 학습과 지도 학습

  가. 비지도 학습 Unsupervised Learning : ex 군집화 Clustering.

  - 일반적으로 상향식 접근 방식의 데이터 분석.

  - 분석 목적이 명확히 정의된 형태나 특정 필드 값 구하는 게 아니라, 데이터 자체의 결합, 연관성, 유사성 중심으로 데이터 상태를 표현할 때 사용함.

 

  나. 지도 학습 Supervised Learning : ex 분류 Classification

  -명확한 목적 하에 데이터 분석. 분류, 추측, 예측, 최적화.

 

  * 기존 : 인과관계(가설 설정, 검정) -> 빅데이터 환경 : 상관관계, 연관분석

 

2) 시행착오를 통한 문제 해결- 프로토타이핑 접근법! 

- 반복적 개선 : 가설 생성-디자인 실험-실제 환경 테스트- 통찰 도출, 가설 확인

 

  =3가지 필요성 : 꼭 외우기

  (1) 문제 정의가 불명확하거나 새로울 때 : 문제 이해, 구체화 필요

  (2) 필요 데이터 미존재시, 수집 방법 or 대체 여부 등 사용자-분석가 간 반복적, 순환적 협의 필요

  (3) 데이터 정의, 사용목적 가변성 : 재검토 / 데이터 사용 목적, 범위 확대.

 

*체계적으로 단계 X 문제 정형화 X 

---

*분석과제 정의서 예시

- 분석명/분석정의/소스데이터/데이터입수난이도/분석방법/분석주기/검증 오너십/사유/상세분석과정 등 작성