출제확률 💯 99% · ⭐ 80% · 🔥 50% · 🤔 20% | ❗ = 기출 포인트 | 🥔 = 암기법 | 🚫 = 기출 함정 | 📗 = 예시/순서 이 과목 예상 출제 범위 — 💯 분석 4유형(OISD)·CRISP-DM·빅데이터 방법론 5단계·ROI/사분면·조직 3구조 / ⭐ 목표시점별·KDD·하향식/상향식·준비도/성숙도·5속성 / 🔥 캔버스·STEEP·데이터 거버넌스 📖 이 과목도 손으로 계산하는 문제는 거의 없어요. 대신 우선순위를 사분면에 직접 위치시켜보는 연습(아래 박스)이 수치화와 가장 가까운 유형입니다.

0) 원본 교재 없이도 이해되는 기초 개념 📖 (입문자용)#

이 과목은 무엇을 배우는 건가요? ❗ 1·2과목이 “데이터와 기술 자체”를 다룬다면, 3과목은 **“어떤 분석 과제를 먼저, 어떻게 계획해서 진행할것인가”**를 다룹니다. 즉 “경영을 위해 무엇을 분석할지 결정하고(과제발굴) → 순서를 정하고(방법론) → 어느 것부터 할지 우선순위를 정하고(마스터플랜) → 재대로 관리되는지(거버넌스)“를 배우는 경영·관리 중심 과목입니다.

📗 계산에 가까운 예시 — 우선순위 사분면 직접 위치시켤보기 ❗예시: A과제는 경영진이 **“지금 당장 필요하다”**고 하고(시급성 = 현재), 데이터도 이미 쟘 있고 분석 기법도 익숙해서 **“난이도가 낮다”**고 한다면 → A과제는 **시급성=현재 × 난이도=쉬움 → 3사분면(최우선)**에 위치합니다. 만약 B과제는 “새로운 사업을 위해 미래에 필요”하고(시급성=미래) 데이터도 없고 기술도 없다면(난이도=어려움) → **2사분면(최후순위)**에 해당합니다. 이처럼 “시급한가? 쉬운가?” 두 질문에 예/아니오로 답하면 자동으로 사분면 위치가 정해집니다.

🎯 학습 우선순위 계획 (기출 분석 기반)#

최우선 암기(실제 기출 함정으로 반복 확인됨) ❗❗❗

하향식 타당성 검토: 데이터 타당성 = 데이터 존재 여부·시스템 환경·분석 역량(❌ “문제발생 포인트 데이터 확보”는 데이터 타당성 요소 아님 — 실제 오답 선지)
우선순위 결정: Value=비즈니스 효과(❌ “가치=투자비용 요소”는 오답), 3V(Volume·Variety·Velocity)=투자비용 / 시급성=전략적 중요도 평가요소, 실행 용이성=기술 안전성 검증 등
과제관리 프로세스: 과제 후보는 풀(Pool) 관리 O, 그러나 확정된 과제 자체는 풀 관리 대상이 아님(❌ “확정된 과제를 풀로 관리한다”는 오답) — 시사점·결과물만 풀에 축적
CRISP-DM 평가 단계의 정확한 태스크는 분석결과 평가·모델링 과정 평가·모델 적용성 평가(❌ “향후 프로세스 결정”이 아님)
빅데이터 방법론 분석기획 세부 순서: 프로젝트 범위 설정 → 프로젝트 정의 → 수행계획 수립 → 위험 식별(이 순서 뒤바뀌면 오답)
준비도의 “분석 데이터” 진단 항목은 외부 데이터 활용 체계(❌ “내부 데이터 집중 활용 체계”는 오답 — 정반대로 서술한 함정)
중장기 대응방안: 분석 역량을 기르는 교육이 핵심(❌ “단순 툴 사용법 교육”은 오답)

보완 필요해 이번에 추가한 부분 ⭐

분석과제 정의서의 포함 항목·오해하기 쉬운 포인트(아래 11번 신설)
CRISP-DM 각 단계 태스크 세부 문구 정정(평가 단계)

상대적으로 가볍게 봐도 되는 부분

Self Service Analytics 세부 기능 목록(개념만 알아도 충분: 분산처리는 지원 안 함)
정형/반정형/비정형 데이터 유형별 구체적 예시 나열(1과목과 중복 영역)

1) 분석 4유형 💯 · 목표 시점별 접근 ⭐#

	분석 대상 앎(Known)	분석 대상 모름(Un-Known)
방법 앎	Optimization(최적화)	Insight(통찰)
방법 모름	Solution(솔루션)	Discovery(발견)

🥔 외우는법! O·I·S·D — 알알=최적화 / 알모=솔루션 / 모알=인사이트 / 모모=디스커버리 📗 상향식 분석과제 도출 실제 기출 ❗: 상향식 접근법의 과제 도출 과정은 발견(Discovery) → 통찰(Insight) 순서로 진행되며, 이때 디자인 사고 프로세스에서 상향식 단계는 **발산(Diverge)**에 해당(수렴 아님)

구분	과제 중심적 접근(단기)	장기적 마스터플랜 접근
1차 목표 ❗	Speed & Test	Accuracy & Deploy
과제 유형 ❗	Quick-Win	Long Term View
접근 방식 ❗	Problem Solving	Problem Definition

🚫 기출 함정(실제 선지): “과제 중심적 접근 방식의 특징으로 부적절한 것은?” 보기에 Accuracy & Deploy를 섞어놓음 → 이건 마스터플랜 방식의 특징이라 오답

기획 고려사항 3: 가용 데이터(정형·비정형·반정형) · 적절한 유스케이스(벤치마킹) · 장애요소 사전 계획

2) 방법론 기초 ⭐#

경험·감 → 데이터 기반 의사결정 / 합리적 의사결정 장애요소 3 ❗: 고정관념 · 편향된 생각(Bias) · 프레이밍 효과(제시 방법에 따라 판단이 달라짐)

방법론 구성 4요소 ❗: 절차 · 방법 · 도구와 기법 · 템플릿과 산출물 / 계층 ❗: 단계 → 태스크 → 스텝(단계별 완료 보고서 / 보고서 / 보고서 구성요소)

적용 모델	키워드
폭포수 ❗	순차 진행, 문제 발견 시 피드백(이전 단계로)
프로토타입 ❗	일부 시험 개발 → 의견 반영·반복 개선(요구 불명확 시)
나선형 ❗	반복·점증 개발, 위험 관리 유리(관리 체계 없으면 복잡도↑)

3) KDD · CRISP-DM 💯#

🥔 KDD 외우는법! 선전변마평 — 선택 → 전처리(잡음·이상치·결측치) → 변환(변수 생성·차원 축소·학습/검증 분리) → 마이닝 → 평가, 단방향으로 구성되어 있는 게 아닌 단계 간 피드백을 통해 단계별 완성도를 높이게 되어 있음

CRISP-DM 4레벨 ❗: 단계(Phases) → 일반화 태스크 → 세분화 태스크 → 프로세스 실행 / 단계 간 피드백 있음(일방향 아님!) / 데이터 준비 ↔ 모델링 단계에서 가장 많은 시간 소요 ❗

6단계	주요 업무(Task)
①업무 이해 ❗	업무 목적 파악, 상황 파악, 데이터 마이닝 목표 설정, 프로젝트 계획 수립
②데이터 이해 ❗	초기 데이터 수집, 데이터 기술 분석, 데이터 탐색, 데이터 품질 확인
③데이터 준비	분석용 데이터셋 선택·정제·편성·통합·포맷팅(시간 多)
④모델링 ❗	모델링 기법 선택, 모델 테스트 계획 설계, 모델 작성, 모델 평가(과적합 확인)
⑤평가 ❗	분석결과 평가, 모델링 과정 평가, 모델 적용성 평가
⑥전개 ❗	전개 계획 수립, 모니터링·유지보수 계획, 프로젝트 종료보고서 작성, 프로젝트 리뷰

🥔 6단계 외우는법! 업데준모평전 🚫 기출 함정(실제 선지): “모델링 단계에서 수행하는 태스크로 적절하지 않은 것은?” 보기에 모델 적용성 평가(→ 이건 모델링이 아니라 평가 단계의 태스크)를 섞어 오답 유도

4) 빅데이터 분석 방법론 5단계 💯#

계층적 프로세스 3계층 ❗: 단계(Phase) — 태스크(Task) — 스텝(Step)

단계	주요 업무 · 출력자료
①분석 기획 ❗	(세부 순서 ❗ 프로젝트 범위 설정 → 프로젝트 정의 → 수행계획 수립 → 위험 식별) 범위 설정(SOW) · 계획 수립(WBS) · 위험 계획(대응 = 회피·전이·완화·수용)
②데이터 준비 ❗	필요 데이터 정의(데이터 정의서) · 데이터 스토어 설계(정형·비정형) · 수집·정합성 점검
③데이터 분석 ❗	텍스트 분석 · 탐색적 분석(EDA) · 모델링 · 평가/검증 (데이터 부족 시 ②로 피드백) — 단계 간 피드백이 가장 많이 발생하는 구간 ❗
④시스템 구현	설계·구현(아키텍처) · 단위/통합 테스트·운영
⑤평가 및 전개 ❗	모델 발전 계획 수립 · 성과 평가서·프로젝트 최종 보고서

🥔 5단계 외우는법! 분준분구평 🚫 기출 함정(실제 선지): 분석기획 세부 순서를 “위험식별 → 범위설정 → 정의 → 수행계획”처럼 뒤섞어 놓는 문제 출제됨 → 정답은 범위설정 → 정의 → 수행계획 → 위험식별(범위를 정해야 정의할 수 있고, 정의해야 계획을 세울 수 있고, 계획이 있어야 위험을 식별할 수 있다는 논리 순서로 암기)

4-1. 분석과제 정의서 ❗ (신설)#

분석과제 정의서: 분석과제를 확정하기 전 작성하는 문서로, 프로젝트 계획서 작성을 위한 중간 결과물

포함/불포함 여부	내용
포함됨 ❗	소스 데이터, 데이터 입수 난이도, 분석 방법 등
포함됨 ❗	이해관계자가 프로젝트 방향을 설정하고 성공 여부를 판별할 수 있는 자료
포함되지 않아도 됨 ❗	분석 모델에 적용될 알고리즘과 모델 기반이 되는 Feature(보통 정의서 작성 이후 단계에서 도출)

🚫 기출 함정: “분석과제 정의서는 성공 여부를 판별할 수 없는 자료다” → 오답(판별 가능한 자료) / “알고리즘·Feature가 반드시 포함돼야 한다” → 오답(포함 안 해도 됨)

5) 분석 과제 발굴 — 하향식 · 상향식 ⭐#

분석 대상 앎 = 하향식(Top-Down) / 모름 = 상향식(Bottom-Up) ❗ / 디자인 사고 ❗ = 발산(상향)+수렴(하향)의 반복(IDEO 제안)

📗 하향식 4단계 ❗ : 문제 탐색 → 문제 정의 → 해결방안 탐색 → 타당성 검토

① 문제 탐색 — 비즈니스 모델 캔버스 5영역 ❗: 업무 · 제품 · 고객 + 규제와 감사 · 지원 인프라

범위 확장 4관점	키워드
거시적 관점 ❗	STEEP: 사회(Social)·기술(Technological)·경제(Economic)·환경(Environmental)·정치(Political)
경쟁자 확대	대체재 · 경쟁자 · 신규 진입자 위협
시장의 니즈 탐색	고객 · 채널 · 영향자들(주주·투자자·협회)
역량의 재해석	내부 역량(지적재산권·기술력) · 파트너와 네트워크

② 문제 정의 ❗: 비즈니스 문제 → 데이터 분석 문제로 변환(예: “고객 이탈 증대”→“이탈 요인 식별·가능성 예측”), 최종 사용자(End-User) 관점에서 정의 / ③ 해결방안 탐색: 기존 시스템·역량 활용 여부(활용/고도화/교육/아웃소싱) / ④ 타당성 검토 3대상 ❗: 경제적(비용 대비 효익) · 데이터(존재 여부·시스템 환경·분석 역량) · 기술적(요소기술 확보 방안) 타당성

🚫 기출 함정(실제 선지): “데이터 타당성 확보를 위해 문제발생 포인트에 대한 데이터 확보가 중요하다” → 오답! 데이터 타당성은 데이터 존재 여부·분석 시스템 환경·분석 역량 검토가 핵심이며, 문제발생 포인트 자체의 데이터 확보는 평가 요소가 아님

구분	하향식	상향식
구조·사고	문제 주어짐 · 논리적 단계별 · 수렴(Converge)	문제 정의 어려움 · 비정형·탐색적 · 발산(Diverge)
학습 ❗	지도학습 중심	비지도학습 방식으로 수행(군집·연관·프로파일링)

프로토타이핑 접근법 ❗(상향식 대표): 일단 분석 → 결과 확인 → 반복 개선(“가설→실험→통찰→가설 재정의”). 필요 시점: 문제 인식 낮음 · 데이터 존재 불확실 · 사용 목적 가변

🚫 기출 함정(실제 선지): “프로토타이핑은 문제가 정형화되어 있고 데이터가 완벽하게 조직에 존재하는 경우 효과적이다” → 오답! 이건 오히려 하향식에 적합한 조건. 프로토타이핑은 문제 인식이 불명확하고 데이터가 불확실할 때 유용

6) 분석 프로젝트 관리 5속성 ⭐#

속성	키워드
데이터 크기(Data Size)	분석 대상 데이터의 양(하둡 대용량 등)
데이터 복잡성(Data Complexity)	비정형·다양한 원천 통합, 잘 적용되는 모델 선정
속도(Speed)	실시간(사기탐지) vs 배치 시나리오
분석 복잡성 ❗	정확도 ↔ 복잡도 트레이드오프 → 해석 가능+정확도 확보 수준
정확도와 정밀도 ❗	Accuracy=참값에 근접(활용 측면) / Precision=반복 시 일관성(안정성 측면), 트레이드오프

7) 마스터플랜 — ROI · 우선순위 · 로드맵 💯#

우선순위 설정 3요소 ❗: 전략적 중요도(+시급성·전략적 필요성) · 비즈니스 성과/ROI · 실행 용이성(+기술 안전성 검증 등) / ISP(Information Strategy Planning) ❗: 내외부 환경·요구 분석으로 시스템 구축 우선순위 결정(중장기 마스터플랜)

📗 ROI 매칭 ❗ : 3V(Volume·Variety·Velocity) = 얼마나 많이·어떤 유형으로·얼마나 빨리 → 투자비용(Investment) 요소 / Value(가치 창출) → 비즈니스 효과(Return) 요소 🚫 기출 함정(실제 선지): “가치(Value)는 투자비용 요소이다” → 오답! Value는 비즈니스 효과, 투자비용은 **3V(Volume·Variety·Velocity)**가 담당

우선순위 기준	키워드
시급성 ❗	전략적 중요도·목표가치(KPI), 현재/미래 관점, Value(효과) 기반
난이도 ❗	획득·저장·가공 비용·분석 수준, 3V(투자) 기반, 기업 현 상황에 따라 조율 가능

📗 포트폴리오 사분면 ❗ : Ⅰ현재·어려움 / Ⅱ미래·어려움 / Ⅲ현재·쉬움(최우선) / Ⅳ미래·쉬움 — 시급성 기준: Ⅲ → Ⅳ → Ⅱ / 난이도 기준: Ⅲ → Ⅰ → Ⅱ (최후순위 = Ⅱ)

로드맵 3단계	목표 · 추진 과제
①분석체계 도입	분석 기회 발굴, 분석 과제 정의, 마스터플랜 수립
②유효성 검증	파일럿 수행으로 유효성·타당성 검증, 알고리즘·아키텍처 설계
③확산·고도화	업무 프로세스 내재화, 검증 결과 확산, 분석 시스템 구축·고도화

8) 분석 거버넌스 — 수준 진단 ⭐#

🥔 거버넌스 구성 5요소 외우는법! 조프시데인 — 조직 · 프로세스 · 시스템 · 데이터 · 인력(교육/마인드)

분석 준비도 6영역 ❗: 분석 업무 파악 · 인력 및 조직 · 기법 · 데이터 · 문화 · 인프라(IT)

🚫 기출 함정(실제 선지): 분석 준비도의 “분석 데이터” 진단 항목에 “내부 데이터 집중 활용 체계”를 넣으면 오답! 정답은 외부 데이터 활용 체계(+데이터 충실성·신뢰성·적시성, 기준데이터관리(MDM), 비구조적 데이터 관리)

분석 성숙도 4단계 ❗: 도입 → 활용 → 확산 → 최적화 (평가 부문: 비즈니스 · 조직역량 · IT)

진단 사분면	키워드
준비형	준비도↓ 성숙도↓ → 사전 준비 필요
정착형	준비도↓ 성숙도(일부)↑ → 우선 정착·소극적 확산
도입형	준비도↑ 성숙도↓ → 바로 도입 가능
확산형	준비도↑ 성숙도↑ → 지속적 확산 추진

중장기 대응 방안(빅데이터 변화 수용) ❗: 분석 조직·인력 교육훈련 · 데이터 기반 의사결정문화 정착 · 분석역량 강화를 위한 체계적 계획

🚫 기출 함정(실제 선지): “데이터 분석 도구 기반의 교육”을 중장기 대응방안으로 서술 → 오답! 단순 툴 사용법 교육이 아니라 분석역량 자체를 기르는 교육이어야 함

9) 데이터 거버넌스 🔥#

구성요소 3 ❗: 원칙(Principle) · 조직(Organization) · 프로세스(Process) — 관리 대상: 마스터 데이터·메타 데이터·데이터 사전

체계(활동) 4	키워드
데이터 표준화 ❗	표준 용어·명명 규칙·메타데이터·데이터 사전 구축
데이터 관리 체계	관리 원칙, 담당자·조직별 역할과 책임
데이터 저장소 관리	Repository·워크플로우·사전 영향평가
표준화 활동 ❗	표준 준수 여부 모니터링·교육·개선

10) 분석 조직 3구조 💯 · 과제 관리 프로세스#

구조	키워드	장/단점
집중 구조 ❗	전사 전담 조직(DSCoE)이 담당, 전략적 우선순위	현업 부서와 업무 이중화·이원화 우려
기능 구조 ❗	해당 업무 부서가 직접 분석(별도 조직 X)	부분적·과거 실적 위주 국한, 전사 핵심 분석 어려움
분산 구조 ❗	전문 인력을 현업 부서에 직접 배치	신속한 현업 적용·Best Practice 공유 / 부서 간 관리 필요

과제 관리 프로세스 ❗: 발굴(아이디어 → 과제 후보 제안 → 확정) → 수행(팀 구성 → 실행 → 진행 관리 → 결과 공유·개선)

🚫 기출 함정(실제 선지): “확정된 분석과제를 풀(Pool)로 관리한다” → 오답! 풀(Pool)로 관리하는 것은 과제 후보이며, 일단 확정되면 풀 관리 대상에서 벗어남. 다만 과제 수행 중 발생한 시사점(Lesson Learned)과 결과물은 별도로 풀에 축적하여 향후 유사 과제에 참고