데이터 표준화란? 표준화 업무 4가지와 집중·기능·분산 분석 조직구조 쉽게 이해하기

1장 데이터 표준화란 무엇인가#

기업의 데이터가 늘어나면 가장 먼저 문제가 되는 것 가운데 하나가 같은 의미의 데이터를 서로 다르게 표현하는 것입니다.

예를 들어 고객을 구분하는 값을 여러 시스템에서 다음처럼 사용한다고 생각해봅시다.

고객번호
회원번호
고객ID
CUSTOMER_ID
CUST_NO

사람이 보기에는 비슷해 보이지만 시스템 입장에서는 서로 다른 데이터로 취급될 수 있습니다.

또 어떤 시스템에서는 성별을:

로 기록하고,

다른 시스템에서는:

또 다른 시스템에서는:

로 저장할 수 있습니다.

이런 데이터가 전사적으로 쌓이면 데이터를 통합하거나 분석할 때 변환 작업이 계속 필요합니다.

이를 줄이기 위해 조직에서는 데이터의 이름·의미·형식·코드 등을 일정한 기준에 따라 통일할 필요가 있습니다.

이러한 작업이 데이터 표준화입니다.

2장 데이터 표준화가 필요한 이유#

데이터 표준화가 제대로 이루어지지 않으면 같은 데이터를 두고도 부서마다 다른 의미로 해석할 수 있습니다.

예를 들어 가입일이라는 데이터가 있다고 하겠습니다.

한 부서에서는:

사용자가 회원가입 버튼을 누른 날짜

로 이해할 수 있고,

다른 부서에서는:

본인 인증까지 완료된 날짜

로 이해할 수 있습니다.

이 상태에서 가입자 수를 분석하면 부서마다 결과가 달라질 수 있습니다.

따라서 데이터의:

이름
정의
형식
코드
규칙

을 통일해야 합니다.

데이터 표준화의 핵심은 결국:

같은 데이터는 같은 의미와 같은 기준으로 사용한다

는 것입니다.

3장 데이터 표준화 업무 4가지#

제공된 ADsP 학습자료에서는 데이터 표준화 업무를 다음 네 가지로 정리합니다.

데이터 표준 용어 설정
명명 규칙 수립
메타데이터 구축
데이터 사전 구축

특히 데이터 표준 용어 설정에는 다음이 포함됩니다.

표준 단어 사전
표준 도메인 사전
표준 코드

전체적으로 보면:

용어를 정하고 → 이름을 통일하고 → 데이터를 설명하는 정보를 만들고 → 이를 사전으로 관리한다

라고 이해할 수 있습니다.

4장 데이터 표준 용어 설정이란 무엇인가#

첫 번째 업무는 데이터 표준 용어 설정입니다.

기업에서 데이터 용어를 제각각 사용하지 않도록 공통 기준을 만드는 것입니다.

제공된 학습자료에서는 다음 세 가지를 제시합니다.

표준 단어 사전
표준 도메인 사전
표준 코드

이 세 가지를 구분해서 이해해야 합니다.

5장 표준 단어 사전이란 무엇인가#

표준 단어 사전은 조직에서 데이터 이름을 만들 때 사용할 표준 단어와 의미를 정리한 목록입니다.

예를 들어:

고객
주문
상품
금액
일자
번호

같은 단어를 표준으로 정할 수 있습니다.

한 부서에서는 고객번호, 다른 부서에서는 회원번호, 또 다른 시스템에서는 사용자번호를 사용하는 대신 조직 차원에서 특정 단어를 표준으로 정합니다.

즉:

같은 의미에는 같은 단어를 사용하도록 만드는 기준

입니다.

6장 표준 도메인 사전이란 무엇인가#

도메인은 데이터가 가질 수 있는 값의 형식이나 범위에 대한 기준과 연결해 이해할 수 있습니다.

예를 들어 금액이라는 데이터가 있다면 조직에서는 다음과 같은 기준을 정할 수 있습니다.

숫자형
소수점 자릿수
허용 범위
단위

또 날짜라면 일정한 날짜 형식을 사용할 수 있습니다.

표준 도메인 사전은 이런 데이터의 형식과 값의 기준을 통일하기 위한 체계로 이해하면 됩니다.

핵심#

표준 단어 = 이름과 의미

표준 도메인 = 값의 형식과 범위

로 구분하면 쉽습니다.

7장 표준 코드란 무엇인가#

기업에서는 특정 값을 코드로 관리하는 경우가 많습니다.

예를 들어 주문 상태를:

01 = 주문접수
02 = 결제완료
03 = 배송중
04 = 배송완료

처럼 표현할 수 있습니다.

문제는 부서마다 코드가 다르면 데이터 통합이 어려워진다는 것입니다.

따라서 조직 전체에서 사용할 공통 코드 체계를 정할 필요가 있습니다.

이것이 표준 코드입니다.

핵심#

표준 코드 = 동일한 상태나 항목을 동일한 코드로 표현

입니다.

8장 명명 규칙 수립이란 무엇인가#

두 번째 표준화 업무는 명명 규칙 수립입니다.

데이터베이스에는 수많은:

테이블
컬럼
코드
파일
데이터 항목

이 존재할 수 있습니다.

각 개발자가 마음대로 이름을 붙이면 시간이 지날수록 데이터 구조를 이해하기 어려워집니다.

예를 들어 고객번호를:

CUSTOMER_ID

로 할지:

CUST_ID

로 할지:

CUSTOMER_NO

로 할지 조직 내부에서 기준을 정할 수 있습니다.

즉 명명 규칙은:

데이터 관련 객체의 이름을 어떤 규칙으로 만들 것인가?

를 정의하는 것입니다.

9장 명명 규칙이 중요한 이유#

개발자가 10명이라면 10가지 이름을 만들 수 있습니다.

예를 들어 등록일을:

REG_DATE
CREATE_DATE
CREATED_AT
INSERT_DT

처럼 작성할 수 있습니다.

각각 자체적으로는 이해할 수 있지만 조직 전체에서는 혼란이 발생합니다.

표준 명명 규칙이 있으면:

의미 파악이 쉬워지고
시스템 통합이 쉬워지고
유지보수가 편해지고
데이터 검색도 쉬워집니다.

따라서 데이터 표준화에서 명명 규칙은 매우 중요한 역할을 합니다.

10장 메타데이터 구축이란 무엇인가#

세 번째 업무는 메타데이터 구축입니다.

메타데이터는 앞서 데이터 거버넌스에서 배운 것처럼 데이터를 설명하는 데이터입니다.

예를 들어 CUSTOMER_ID라는 컬럼이 있다면 다음과 같은 설명정보를 관리할 수 있습니다.

데이터명
업무 의미
데이터 타입
저장 위치
소유 부서
최근 갱신일

이런 정보를 체계적으로 구축하면 조직에서 데이터가 무엇을 의미하고 어디에서 관리되는지 파악하기 쉬워집니다.

11장 데이터 사전 구축이란 무엇인가#

네 번째 업무는 데이터 사전 Data Dictionary 구축입니다.

데이터 사전은 각 데이터 항목의:

이름
의미
정의
형식
규칙

등을 정리한 목록입니다.

예를 들어:

항목	정의
CUSTOMER_ID	고객을 고유하게 구분하는 식별번호
ORDER_DATE	고객 주문이 접수된 일자
ORDER_AMOUNT	주문의 총금액

처럼 관리할 수 있습니다.

즉 데이터 사전은 조직 구성원이 데이터의 의미를 동일하게 이해할 수 있도록 도와줍니다.

12장 메타데이터와 데이터 사전의 관계#

메타데이터와 데이터 사전은 서로 관련이 있지만 완전히 같은 개념은 아닙니다.

메타데이터는 데이터의:

의미
구조
저장 위치
운영정보

등을 포함하는 더 넓은 개념입니다.

데이터 사전은 그 가운데 개별 데이터 항목의 의미와 규칙을 체계적으로 정리하는 도구라고 이해할 수 있습니다.

따라서 앞서 공부한 것처럼:

메타데이터 = 더 넓은 개념

데이터 사전 = 데이터 항목의 정의와 규칙을 관리하는 도구

로 구분합니다.

13장 데이터 표준화 업무 전체 정리#

업무	핵심
데이터 표준 용어 설정	표준 단어·도메인·코드 정의
명명 규칙 수립	데이터 이름 작성 기준 통일
메타데이터 구축	데이터를 설명하는 정보 관리
데이터 사전 구축	데이터 항목의 의미·규칙 명세

한 줄로 기억하면:

용어 → 이름 → 설명 → 사전

입니다.

14장 데이터 분석 조직구조란 무엇인가#

기업이 데이터 분석을 실제로 수행하려면:

분석 인력을 어디에 둘 것인가?

라는 문제를 결정해야 합니다.

분석가를 한 조직에 모두 모을 수도 있고, 각 업무부서가 직접 분석하게 할 수도 있으며, 분석 인력을 현업 부서에 배치할 수도 있습니다.

조직을 어떻게 구성하느냐에 따라:

분석 속도
업무 전문성
전사 전략 정렬
부서 협업

등이 달라집니다.

제공된 ADsP 학습자료에서는 데이터 분석 조직구조를 세 가지로 구분합니다.

집중 구조
기능 구조
분산 구조

15장 분석 조직구조 3가지 한눈에 보기#

구조	핵심
집중 구조	독립적인 분석 전담조직 운영
기능 구조	별도 분석조직 없이 현업부서에서 분석
분산 구조	분석조직 인력을 현업부서에 직접 배치

시험에서는 이름뿐 아니라 각 구조의 장점과 단점을 연결해야 합니다.

16장 집중 구조란 무엇인가#

집중 구조는 별도의 독립적인 분석 전담조직을 구성하는 형태입니다.

예를 들어 회사에:

데이터 분석센터
AI 분석실
데이터 사이언스팀

같은 조직을 별도로 만들고 분석 전문가를 한곳에 모을 수 있습니다.

이 조직이 여러 사업부의 분석 요청을 받아 분석을 수행합니다.

핵심#

집중 구조 = 분석 전문가를 한곳에 집중

입니다.

17장 집중 구조의 장점#

제공된 학습자료에서 집중 구조의 주요 장점은:

전략적 우선순위를 조정할 수 있다

는 것입니다.

분석조직이 독립적으로 존재하기 때문에 각 부서에서 요청하는 분석 과제를 전사 차원에서 비교할 수 있습니다.

예를 들어:

영업팀 → 고객 분석 요청

생산팀 → 불량 분석 요청

마케팅팀 → 광고 분석 요청

이 동시에 발생하면 전담 분석조직이 기업 전체의 전략을 고려하여 우선순위를 조정할 수 있습니다.

핵심#

집중 구조 = 전사적 우선순위 조정에 유리

입니다.

18장 집중 구조의 단점#

집중 구조의 대표적인 단점은 현업부서와의 이중화·이원화 문제입니다.

분석 전담조직과 현업조직이 분리되어 있기 때문에:

책임이 나뉘거나
같은 업무를 중복으로 수행하거나
현업과 분석조직 사이에 의사소통 문제가 발생

할 수 있습니다.

예를 들어 영업팀은 영업업무를 가장 잘 알고 있지만 실제 분석은 중앙 분석팀이 담당하면 업무 해석에서 차이가 발생할 수 있습니다.

시험 핵심#

집중 구조 → 이중화·이원화 문제 가능

입니다.

19장 기능 구조란 무엇인가#

기능 구조는 별도의 분석 전담조직을 두지 않고 각 업무부서가 자신의 업무와 관련된 분석을 직접 수행하는 형태입니다.

예를 들어:

마케팅팀 → 마케팅 분석

영업팀 → 영업 분석

생산팀 → 생산 분석

을 각각 수행합니다.

즉 분석기능이 현업 업무 안에 포함되어 있습니다.

핵심#

기능 구조 = 현업이 자기 업무를 직접 분석

입니다.

20장 기능 구조의 장점#

기능 구조의 가장 큰 장점은 업무 전문성을 적극적으로 활용할 수 있다는 점입니다.

영업 데이터를 가장 잘 이해하는 사람은 영업 담당자일 가능성이 높고, 생산 데이터를 가장 잘 이해하는 사람은 생산 담당자일 가능성이 높습니다.

따라서 해당 부서에서 직접 분석하면:

업무 맥락을 잘 이해하고
현실적인 해석이 가능하며
현업의 전문지식을 분석에 반영

하기 쉽습니다.

핵심#

기능 구조 = 업무 전문성 활용

입니다.

21장 기능 구조의 단점#

기능 구조는 부서별로 자신의 업무를 중심으로 분석하기 때문에 전사 차원의 핵심 분석을 수행하기 어려울 수 있습니다.

각 부서가:

우리 부서에서 필요한 분석

만 수행하면:

부서 간 데이터 통합이 어렵고
전사 전략과 연결하기 어렵고
조직 전체의 분석 과제를 관리하기 어려워질 수 있습니다.

제공된 학습자료에서는 또한 과거 실적 분석에 국한될 가능성을 단점으로 제시합니다.

시험 핵심#

기능 구조 → 전사 핵심분석 어려움

기능 구조 → 과거 실적 분석에 국한될 가능성

입니다.

22장 왜 기능 구조는 과거 실적 분석에 머물기 쉬울까#

현업부서는 일상 업무를 수행하면서 분석하기 때문에 당장 필요한:

월별 매출
실적
비용
생산량
고객 현황

같은 기존 업무 데이터를 분석하는 데 집중하기 쉽습니다.

반면:

전사 예측 시스템
장기 데이터 전략
여러 부서를 통합한 분석

같은 프로젝트는 추진하기 어려울 수 있습니다.

따라서 제공된 학습자료에서는 기능 구조가 과거 실적 분석에 국한될 가능성이 있다고 설명합니다.

23장 분산 구조란 무엇인가#

분산 구조는 분석조직의 인력을 현업 부서로 직접 배치하는 형태입니다.

즉 중앙의 분석 전문성을 유지하면서 분석인력이 실제 현업부서 가까이에서 업무를 수행하도록 배치합니다.

예를 들어:

데이터 분석가 A → 영업팀

데이터 분석가 B → 마케팅팀

데이터 분석가 C → 생산팀

처럼 배치할 수 있습니다.

핵심#

분산 구조 = 분석 전문가가 현업에 직접 들어간다

입니다.

24장 분산 구조의 장점#

분산 구조의 대표적인 장점은 분석 결과에 따른 신속한 Action이 가능하다는 것입니다.

분석가가 현업과 가까이 있기 때문에 분석 결과를 바로 업무에 적용하기 쉽습니다.

예를 들어 마케팅팀에 분석가가 직접 배치되어 있다면:

분석

→ 결과 확인

→ 캠페인 수정

을 빠르게 진행할 수 있습니다.

시험 핵심#

분산 구조 = 신속한 Action 가능

입니다.

25장 분산 구조와 Best Practice 공유#

제공된 학습자료에서는 분산 구조의 장점으로 BP Best Practice 공유도 제시합니다.

각 부서에서 효과적으로 수행한 분석 사례를 다른 조직에서도 활용할 수 있도록 공유하는 것입니다.

예를 들어 영업팀에서 성공적으로 사용한 고객분류 분석방법을 마케팅팀에서도 활용할 수 있습니다.

핵심#

분산 구조 → BP 공유 가능

입니다.

26장 분산 구조의 단점#

분산 구조에서는 분석인력이 여러 현업부서에 배치되기 때문에 부서 간 역할 분담이 불명확해질 위험이 있습니다.

예를 들어:

이 분석은 중앙 분석조직이 해야 하는가?

현업에 배치된 분석가가 해야 하는가?

데이터 관리 책임은 어느 부서에 있는가?

같은 문제가 발생할 수 있습니다.

따라서 명확한 역할과 책임 체계가 필요합니다.

시험 핵심#

분산 구조 → 역할 분담 불명확 가능

입니다.

27장 집중·기능·분산 구조를 한 번에 비교하면#

구분	집중 구조	기능 구조	분산 구조
분석조직	별도 독립조직	별도 조직 없음	분석인력을 현업에 배치
핵심 장점	전략적 우선순위 조정	업무 전문성 활용	신속한 Action
추가 특징	전사적 분석 가능	현업 밀착	BP 공유
대표 단점	이중화·이원화	전사 핵심분석 어려움	역할 분담 불명확
시험 포인트	조직이 따로 있음	현업이 직접 분석	분석가가 현업으로 감

가장 쉽게 구분하면:

집중 = 모은다

기능 = 현업이 한다

분산 = 분석가를 현업으로 보낸다

입니다.

28장 집중 구조와 분산 구조를 헷갈리지 않는 방법#

두 구조 모두 분석 전문인력이 존재할 수 있기 때문에 혼동하기 쉽습니다.

집중 구조#

분석인력을 한곳에 모읍니다.

분산 구조#

분석인력을 현업부서에 배치합니다.

따라서 이름 그대로 기억하면 됩니다.

집중 = 중앙에 집중

분산 = 각 부서로 분산

입니다.

29장 기능 구조와 분산 구조를 헷갈리지 않는 방법#

두 구조 모두 현업에서 분석이 이루어질 수 있다는 공통점이 있습니다.

하지만 누가 분석하는지가 다릅니다.

기능 구조#

현업부서가 자체적으로 분석

합니다.

별도의 분석조직이 없습니다.

분산 구조#

분석조직의 전문인력을 현업에 배치

합니다.

즉:

기능 = 현업 직원이 분석

분산 = 분석 전문가가 현업에서 분석

이라고 기억하면 쉽습니다.

30장 실제 기업 사례로 집중 구조 이해하기#

기업이 중앙에 데이터 분석센터를 만들었다고 하겠습니다.

각 부서는:

영업 분석
마케팅 분석
생산 분석

요청을 데이터 분석센터에 전달합니다.

분석센터에서는 전사 전략과 중요도를 고려하여 과제의 우선순위를 정합니다.

이것이 집중 구조입니다.

장점:

전사 전략 관리

단점:

현업과의 이원화

입니다.

31장 실제 기업 사례로 기능 구조 이해하기#

별도의 데이터 분석팀이 없는 회사라고 하겠습니다.

영업팀 직원이 Excel이나 분석도구를 이용해 직접 영업 실적을 분석합니다.

마케팅팀 역시 자체적으로 캠페인 데이터를 분석합니다.

이것이 기능 구조입니다.

장점:

현업 전문성

단점:

전사 통합 분석 어려움

입니다.

32장 실제 기업 사례로 분산 구조 이해하기#

회사에는 중앙 데이터 분석조직이 있지만 분석 전문가 일부를 각 현업팀에 파견했다고 하겠습니다.

마케팅팀에 데이터 사이언티스트가 직접 들어가 캠페인을 분석하고, 영업팀에도 분석가가 배치됩니다.

분석 결과를 현업에서 곧바로 활용할 수 있습니다.

이것이 분산 구조입니다.

장점:

빠른 실행

단점:

역할과 책임이 모호해질 수 있음

입니다.

33장 복합 구조도 분석 조직구조인가#

제공된 ADsP 학습자료 기준으로는 아닙니다.

시험에서:

집중 구조
기능 구조
분산 구조
복합 구조

가 보기로 나오면 복합 구조를 주의해야 합니다.

제공된 학습자료의 데이터 분석 조직구조는 다음 세 가지입니다.

집중

기능

분산

따라서:

복합 구조는 데이터 분석 조직구조의 한 유형이다.

는 설명은 틀린 문장입니다.

34장 ADsP 시험에서 자주 나오는 함정#

함정 1. 분석 조직구조는 집중·기능·분산·복합 구조다#

틀립니다.

제공된 학습자료에서는:

집중·기능·분산

세 가지입니다.

함정 2. 집중 구조는 이중화·이원화 문제가 발생할 수 있다#

맞습니다.

분석 전담조직과 현업부서가 분리되어 있어 문제가 발생할 수 있습니다.

함정 3. 기능 구조는 전사적 핵심분석에 가장 유리하다#

틀립니다.

기능 구조는 전사적 핵심분석이 어려울 수 있습니다.

함정 4. 기능 구조는 과거 실적 분석에 국한될 가능성이 있다#

맞습니다.

시험에서 중요한 특징입니다.

함정 5. 분산 구조는 신속한 Action이 가능하다#

맞습니다.

분석인력이 현업과 가까이 있기 때문입니다.

함정 6. 분산 구조는 부서 간 역할이 항상 명확하다#

틀립니다.

오히려 역할 분담이 불명확해질 위험이 있습니다.

35장 데이터 표준화와 조직구조는 어떻게 연결될까#

데이터 표준을 만들어도 이를 실제로 관리하고 적용할 조직이 없다면 표준이 제대로 유지되기 어렵습니다.

예를 들어 회사에서:

고객번호는 CUSTOMER_ID로 통일한다

라고 표준을 정했다고 하겠습니다.

하지만 부서들이 계속:

CUST_NO
MEMBER_ID
USER_NO

를 임의로 사용한다면 표준화 효과가 없습니다.

따라서 실제 조직에서는:

표준을 정의하고
현업에 적용하고
변경을 관리하며
교육하는

체계가 함께 필요합니다.

즉 데이터 표준과 조직 운영은 서로 분리된 문제가 아니라 실제 데이터 관리에서 함께 작동해야 하는 요소입니다.

36장 데이터 거버넌스와 데이터 표준화의 관계#

앞에서 학습한 데이터 거버넌스는 전사 차원의 데이터 관리체계입니다.

데이터 표준화는 이러한 거버넌스를 실제로 실행하기 위한 중요한 관리 활동 가운데 하나로 이해할 수 있습니다.

데이터 거버넌스에서:

정책
역할
책임
표준
절차

를 관리한다면 데이터 표준화에서는 보다 구체적으로:

표준 단어
도메인
코드
명명 규칙
메타데이터
데이터 사전

등을 관리합니다.

쉽게 표현하면:

거버넌스 = 데이터 관리의 큰 규칙

표준화 = 실제 데이터 표현과 정의를 통일

이라고 구분할 수 있습니다.

37장 데이터 표준화 시험 직전 암기#

표준화 업무는 네 가지입니다.

1. 데이터 표준 용어 설정#

→ 표준 단어 사전

→ 표준 도메인 사전

→ 표준 코드

2. 명명 규칙 수립#

→ 이름 작성 기준 통일

3. 메타데이터 구축#

→ 데이터를 설명하는 정보 관리

4. 데이터 사전 구축#

→ 데이터 정의·형식·규칙 관리

한 줄로:

표준용어 → 명명규칙 → 메타데이터 → 데이터사전

입니다.

38장 조직구조 시험 직전 암기#

집중 구조#

분석 전담조직을 한곳에 집중

장점:

전략적 우선순위 조정

단점:

현업과 이중화·이원화

기능 구조#

별도 분석조직 없이 현업이 분석

장점:

업무 전문성

단점:

전사 핵심분석 어려움

과거 실적에 국한 가능

분산 구조#

분석 전문인력을 현업에 배치

장점:

신속한 Action

BP 공유

단점:

역할 분담 불명확

39장 가장 쉬운 조직구조 암기법#

세 단어만 기억합니다.

집중 = 모은다

기능 = 현업이 한다

분산 = 현업으로 보낸다

장단점은:

집중 → 전략 좋음 / 이원화 문제

기능 → 업무 잘 앎 / 전사 분석 약함

분산 → 실행 빠름 / 역할 모호

로 기억하면 됩니다.

데이터 표준화와 조직구조 FAQ#

데이터 표준화란 무엇인가#

조직에서 데이터의 용어·이름·형식·코드 등을 일관된 기준으로 관리하여 같은 의미의 데이터를 동일하게 이해하고 사용할 수 있도록 하는 활동입니다.

데이터 표준화 업무는 무엇인가#

제공된 학습자료에서는 네 가지로 정리합니다.

데이터 표준 용어 설정
명명 규칙 수립
메타데이터 구축
데이터 사전 구축

데이터 표준 용어에는 무엇이 포함되는가#

표준 단어 사전
표준 도메인 사전
표준 코드

가 포함됩니다.

명명 규칙은 왜 필요한가#

테이블·컬럼 등 데이터 관련 항목의 이름을 일정한 기준으로 만들기 위해 필요합니다.

메타데이터와 데이터 사전은 같은가#

아닙니다.

메타데이터는 데이터를 설명하는 더 넓은 개념이고 데이터 사전은 개별 데이터 항목의 의미와 규칙을 관리하는 도구입니다.

데이터 분석 조직구조는 몇 가지인가#

제공된 학습자료에서는 세 가지입니다.

집중 구조
기능 구조
분산 구조

집중 구조란 무엇인가#

별도의 독립된 분석 전담조직을 구성하는 형태입니다.

집중 구조의 장점은 무엇인가#

전사적·전략적 관점에서 분석 과제의 우선순위를 조정하기 좋습니다.

집중 구조의 단점은 무엇인가#

현업부서와 분석조직 사이에 이중화·이원화 문제가 발생할 수 있습니다.

기능 구조란 무엇인가#

별도의 분석조직 없이 각 현업부서가 자신의 업무와 관련된 분석을 수행하는 형태입니다.

기능 구조의 장점은 무엇인가#

현업의 업무 전문성을 분석에 활용할 수 있습니다.

기능 구조의 단점은 무엇인가#

전사적인 핵심 분석이 어렵고 과거 실적 분석에 국한될 가능성이 있습니다.

분산 구조란 무엇인가#

분석조직의 전문인력을 각 현업부서에 직접 배치하는 구조입니다.

분산 구조의 장점은 무엇인가#

분석 결과에 따른 신속한 Action이 가능하고 Best Practice를 공유하기 좋습니다.

분산 구조의 단점은 무엇인가#

부서와 조직 사이의 역할 분담이 불명확해질 수 있습니다.

복합 구조도 ADsP의 분석 조직구조인가#

제공된 학습자료 기준으로는 아닙니다.

시험에서는 집중·기능·분산 세 가지를 기억합니다.

자기 점검#

다음 질문에 바로 답할 수 있는지 확인해봅니다.

데이터 표준화가 필요한 이유를 설명할 수 있는가?
데이터 표준화 업무 4가지를 말할 수 있는가?
표준 단어·도메인·코드의 차이를 이해하고 있는가?
명명 규칙의 목적을 설명할 수 있는가?
메타데이터와 데이터 사전을 구분할 수 있는가?
분석 조직구조 3가지를 말할 수 있는가?
집중 구조에서 분석 전담조직이 별도로 존재한다는 것을 알고 있는가?
집중 구조의 이원화 문제를 기억하고 있는가?
기능 구조의 핵심 장점이 업무 전문성이라는 것을 알고 있는가?
기능 구조가 과거 실적 분석에 국한될 수 있다는 것을 알고 있는가?
분산 구조가 현업에 분석인력을 직접 배치한다는 것을 알고 있는가?
분산 구조에서 신속한 Action이 가능하다는 것을 기억하고 있는가?
분산 구조의 역할 분담 불명확 문제를 알고 있는가?
복합 구조가 시험 기준 3가지 조직구조에 포함되지 않는다는 것을 알고 있는가?

이 글을 마치며#

데이터 표준화의 핵심은 회사 전체가 데이터를 같은 언어로 사용하도록 만드는 것입니다.

이를 위해:

데이터 표준 용어를 정하고

명명 규칙을 만들고

메타데이터를 구축하고

데이터 사전을 관리합니다.

즉:

표준용어 → 명명규칙 → 메타데이터 → 데이터사전

입니다.

분석 조직구조는 세 가지로 구분합니다.

집중 구조

→ 전문가를 한곳에 모음

→ 전략적 우선순위 조정에 유리

→ 이중화·이원화 문제 가능

기능 구조

→ 현업부서가 직접 분석

→ 업무 전문성 활용

→ 전사 핵심분석 어려움

분산 구조

→ 분석인력을 현업에 배치

→ 신속한 Action 가능

→ 역할 분담 불명확 가능

시험 직전에는 다음 네 줄로 압축해서 기억하면 됩니다.

표준화 = 용어·명명·메타데이터·데이터사전

집중 = 전담조직 / 전략 좋음 / 이원화

기능 = 현업분석 / 전문성 좋음 / 전사분석 약함

분산 = 현업배치 / Action 빠름 / 역할 모호