ADsP 필기 04 — 데이터분석 기획의 이해 (분석 주제 4유형·CRISP-DM·하향식·상향식)
ADsP 필기 04 — 데이터분석 기획의 이해 (분석 주제 4유형·CRISP-DM·하향식·상향식)
출제기준 대단원 2: 데이터분석 기획의 이해 — 분석 프레임워크 / 분석 대상의 이해 / 분석 자료의 확보
2과목은 계산이 거의 없어요. "절차와 방법론의 순서·구성요소"를 묻는 암기형 과목이라 접근 방식 쌍(하향식↔상향식)을 표로 정리하면 쉽습니다.
분석 기획과 4가지 분석 주제 ⭐⭐⭐
분석 기획이란 실제 분석을 시작하기 전에 분석 과제를 정의하고 수행 방안을 미리 계획하는 작업입니다. "무엇을(대상) 얼마나 아는가"와 "어떻게(방법) 얼마나 아는가"를 기준으로 분석 주제를 4가지로 분류해요.
| 방법을 아는가(Known) | 방법을 모르는가(Unknown) | |
| 대상을 아는가(Known) | 최적화(Optimization) | 통찰(Insight) |
| 대상을 모르는가(Unknown) | 솔루션(Solution) | 발견(Discovery) |
최적화 — 대상·방법 모두 안다 (배달 경로 최적화)
솔루션 — 대상은 알지만 방법을 탐색 (고객 이탈 사유 자동 분류)
통찰 — 방법은 알지만 대상이 불명확 (통계·시각화로 원인 정리)
발견 — 대상·방법 모두 모른다 (로그에서 새로운 패턴 발견)
⚠️ 함정 포인트: "대상은 아는데 방법을 모른다" = 솔루션(발견 아님), "방법은 아는데 대상이 불명확" = 통찰(발견 아님). 표의 가로·세로 축을 헷갈려서 "발견"으로 잘못 고르게 유도하는 문제가 반복 출제됩니다.
기출 문제
Q. (46회) 분석 주제 유형에 대한 설명으로 적절한 것은?
① 분석 대상과 분석 방법 모두 모르는 경우, 솔루션 개발을 통해 문제를 해결한다.
② 분석 대상은 알지만 분석 방법을 모르는 경우, 발견을 통해 문제를 해결한다.
③ 분석 대상과 분석 방법 모두 아는 경우, 최적화를 통해 문제를 해결한다.
④ 분석 대상은 모르지만 분석 방법은 아는 경우, 발견을 통해 문제를 해결한다.
A. ③ — ①은 "모두 모름=발견"이어야 하고, ②는 "대상은 알고 방법 모름=솔루션"이어야 하고, ④는 "대상 모름·방법 앎=통찰"이어야 합니다. 2×2 표를 그대로 외우면 바로 풀립니다.
Q. (48회) 분석방법은 알고 있으나, 분석 대상이나 문제 정의가 명확하지 않은 경우에 해당되는 분석 과제 도출 유형은?
① 최적화
② 통찰
③ 솔루션
④ 발견
A. ② — "방법은 안다 + 대상은 모른다" = 통찰입니다.
Q. (47회) 분석 대상은 명확하나 분석 방법은 모르는 경우 해당되는 분석 주제는?
① 솔루션
② 통찰
③ 최적화
④ 발견
A. ① — "대상은 안다 + 방법은 모른다" = 솔루션입니다.
분석 기획 시 고려사항 ⭐⭐
목표 시점별 분석 기획
| 구분 | 목적 | 과제 유형 | 접근 방식 |
| 과제 중심 | 빨리 해결(Speed & Test) | Quick & Win | Problem Solving |
| 마스터플랜 | 지속 해결(Accuracy & Deploy) | Long Term View | Problem Definition |
위험 대응 전략 4가지(빈출)
회피(Avoid) — 원인 제거·범위 축소
전이(Transfer) — 보험·계약·외부 서비스로 책임 이전
완화(Mitigate) — 품질검사·이중검증·샘플링으로 영향·확률 낮춤
수용(Accept) — 비용 대비 효과 낮으면 수용 + 모니터링·비상계획
💡 개인정보 동의 부족 문제는 '완화'(안내 문구 추가), 데이터 집계 지연 문제는 '수용'(요일 최종본 사용)으로 대응하는 식으로 사례와 짝지어 기억하면 좋아요.
분석 방법론과 소프트웨어 개발 생명주기 모델 ⭐⭐
| 모델 | 특징 | 기억 포인트 |
| 폭포수(Waterfall) | 순차적·단방향 진행, 가장 고전적 | "한번 흐르면 끝" |
| 프로토타입(Prototype) | 요구 불명확 → 시제품 먼저 보여주고 점진 개선 | "일단 만들어보자" |
| 나선형(Spiral) | 반복·점증 + 위험 관리에 초점 | "돌면서 위험 줄이기" |
| 계층적 프로세스 | 단계-태스크-스텝 3계층, 품질 통제·책임 추적 유리 | "큰 걸 작게 나눠라" |
⚠️ 프로토타입은 '요구 불명확 → 시제품', 나선형은 '위험 제거'가 핵심 — 두 모델의 포인트를 바꿔치기한 오답이 자주 나옵니다.
전통적인 빅데이터 분석 방법론: KDD와 CRISP-DM ⭐⭐⭐ (최빈출)
| 구분 | KDD(5단계) | CRISP-DM(6단계) |
| ① | 데이터셋 선택 | 업무 이해 |
| ② | 전처리 | 데이터 이해 |
| ③ | 변환 | 데이터 준비 |
| ④ | 데이터 마이닝 | 모델링 |
| ⑤ | 해석·평가 | 평가 |
| ⑥ | — | 전개 |
💡 암기법
KDD: 선택(선) → 전처리(전) → 변환(변) → 마이닝(마) → 평가(평)
CRISP-DM: 업무이해(비) → 데이터이해(이) → 데이터준비(준) → 모델링(모) → 평가(평) → 전개(전)
⚠️ 최빈출 함정: "KDD에도 업무 이해·전개 단계가 포함된다"는 오답이 반복 출제됩니다.
업무 이해(맨 앞)·전개(맨 뒤)를 명시하는 방법론은 CRISP-DM뿐입니다
— KDD는 데이터 중심, CRISP-DM은 비즈니스 중심으로 구분해서 외우세요.
기출 문제
Q. (46회) CRISP-DM 분석 방법론의 단계별 과정으로 옳은 것은?
① 데이터 이해 → 데이터 준비 → 업무 이해 → 모델링 → 평가 → 전개
② 데이터 이해 → 데이터 준비 → 모델링 → 평가 → 업무 이해 → 전개
③ 데이터 준비 → 데이터 이해 → 모델링 → 평가 → 업무 이해 → 전개
④ 업무 이해 → 데이터 이해 → 데이터 준비 → 모델링 → 평가 → 전개
A. ④ — "업무 이해"가 반드시 맨 앞에 와야 합니다. ①②③처럼 업무 이해를 중간이나 뒤에 배치한 보기는 전부 오답입니다.
빅데이터 분석 방법론(3계층·5단계) ⭐⭐
실무 프로젝트를 끌고 가는 뼈대로, 분석 기획 → 데이터 준비 → 데이터 분석 → 시스템 구현 → 평가 및 전개 5단계이며, 각 단계는 단계-태스크-스텝(스텝은 입력→처리/도구→출력) 구조로 나뉩니다.
[1단계] 분석 기획 — 목표를 숫자로, SOW(범위·일정 약속문서)·WBS(일 쪼갬)로 정리
[2단계] 데이터 준비 — ERD(데이터 구조 지도)로 관계 확인, 정합성 점검
[3단계] 데이터 분석 — EDA로 패턴 탐색, 모델링, 효과 평가
[4단계] 시스템 구현 — 운영 흐름 정의, 테스트 후 운영 메모 작성
[5단계] 평가 및 전개
⚠️ 빈출 함정: 반복 수행이 허용되는 구간은 [2단계 데이터 준비]↔[3단계 데이터 분석]뿐입니다.
"[4단계]↔[5단계]가 반복 가능"하다거나 "모든 단계가 상호 피드백"이라는 보기는 오답입니다.
분석 과제 발굴: 하향식 vs 상향식 ⭐⭐⭐ (최빈출)
| 구분 | 하향식(Top-Down) | 상향식(Bottom-Up) |
| 시작점 | 先계획 後분석 (목표 먼저) | 先분석 後문제도출 (데이터 먼저) |
| 절차 | 문제 탐색 → 문제 정의 → 해결 방안 탐색 → 타당성 검토 | 데이터 탐색 → 패턴 발굴 → 문제 정의 → 프로토타입 |
| 적합 상황 | 문제가 이미 명확할 때 | 문제 정의가 흐릿하거나 신규 데이터 잠재가치 검증 시 |
| 실패 위험 | 낮음 (구조가 명확) | 높음 (목표 없이 탐색) |
하향식 4단계 타당성 검토(빈출): 경제적 타당성(비용 대비 효과) · 기술적 타당성(자원·난이도) · 법률적 타당성(개인정보·규제) · 운영적 타당성(현업 적용 가능성)
상향식 핵심: 지도학습(정답 레이블 있음)과 비지도학습(연관·군집·PCA 등)을 연결해 — 비지도학습으로 패턴을 먼저 잡고, 그 패턴 기준으로 레이블을 정의해 지도학습으로 전환하는 흐름입니다. 대표적으로 스탠퍼드 d.school의 디자인 씽킹(공감→문제정의→아이디어→프로토타입→테스트)이 상향식·하향식을 교차시키는 장치입니다.
⚠️ 빈출 함정: "하향식은 실패 위험이 높고 상향식은 낮다"처럼 반대로 서술한 보기가 매 회차 나옵니다.
정답은 하향식=낮음, 상향식=높음입니다.
기출 문제
Q. (45회) 상향식 접근 방법에 대한 설명 중 옳지 않은 것은?
① 비정형 문제 해결에 효과적이다. ② 직관과 경험을 통해 접근한다. ③ 문제 상황이 명확하지 않은 경우에 활용된다. ④ 문제가 명확히 정의되어 있는 경우 답을 찾는 기법이다.
A. ④ — "문제가 명확히 정의된 경우"는 하향식의 특징입니다. 상향식은 반대로 문제가 불명확할 때 쓰는 접근입니다.
분석 과제 정의서 ⭐⭐
하향식·상향식 탐색이 끝나면 발굴된 과제를 실행 가능한 문서로 정리합니다. 일반적으로 다음을 포함해요.
소스 데이터 · 데이터 획득 난이도 · 분석 방법(기법) · 적용 난이도
분석 과제 우선순위 · 주기 · 검증 주체 · 예상 결과
💡 내·외부 비정형·오픈 데이터 고려까지 빠짐없이 담아야 과제의 실행 가능성을 사전에 점검할 수 있습니다.
💡 실무에서는?
인프라 구축 프로젝트를 설계할 때도 '하향식'과 '상향식'을 둘 다 씁니다.
고객이 "장애 예측 시스템을 만들어달라"고 명확한 목표를 주면 하향식으로 요구사항→설계→구현 순으로 좁혀가지만,
"일단 수집해둔 로그가 많으니 뭔가 찾아보자"는 요청은 전형적인 상향식입니다.
이럴 때 먼저 군집분석 같은 비지도학습으로 패턴을 찾고, 의미 있는 패턴이 나오면 그걸 레이블 삼아 지도학습 모델로 발전시키는 흐름이 책에서 말하는 "상향식→지도학습 전환"과 정확히 같아요.
CRISP-DM의 '업무 이해'를 가장 먼저 하는 것도, 보안·인프라 프로젝트에서 요구사항 정의서 없이 바로 설계·구축에 들어가면 꼭 나중에 재작업이 생기는 경험과 통합니다.
핵심 정리
✅ 분석 4주제: 최적화(대상○방법○) / 솔루션(대상○방법✕) / 통찰(대상✕방법○) / 발견(대상✕방법✕)
✅ 위험대응 4가지: 회피·전이·완화·수용
✅ SW생명주기: 폭포수(순차)·프로토타입(요구불명확)·나선형(위험관리)·계층적프로세스
✅ KDD(선택→전처리→변환→마이닝→평가) vs CRISP-DM(업무이해→데이터이해→준비→모델링→평가→전개)
✅ CRISP-DM만 '업무이해·전개' 포함 (KDD는 없음!)
✅ 빅데이터분석방법론 5단계: 기획→준비→분석→구현→평가및전개 (2·3단계만 반복가능)
✅ 하향식=先계획後분석(실패위험 낮음) / 상향식=先분석後문제도출(실패위험 높음)
✅ 타당성검토 4가지: 경제적·기술적·법률적·운영적
✅ 분석과제정의서: 소스데이터·난이도·기법·우선순위·주기·검증주체
다음 편에서는 분석 마스터 플랜과 데이터 거버넌스로 이어갑니다.
우선순위 평가 기준(시급성·난이도)과 분석 성숙도 모델을 정리할게요!
궁금한 점은 댓글로 남겨주세요!