1. 과제에 적합한 데이터의 선정
- 경영정보시각화를 위한 데이터의 형식-정형 데이터(Structured Data), 비정형 데이터(Unstructured Data), 시계열 데이터(Time Series Data), 공간 데이터(Spatial Data)
- 출처: 총조사시각화지도(https://sgis.kostat.go.kr/).
- 그래프 데이터(Graph Data)
노드(node)와 노드 사이의 관계(edge)로 이루어진 데이터를 말한다. 소셜 네트워크, 전자
메일 네트워크, 웹사이트의 링크 구조 등이 그래프 데이터
- 출처: 열린재정홈페이지(http://www.openfiscaldata.go.kr).
- 인사 및 인력 데이터: 조직의 인력 관리와 인사 결정에 관련된 데이터:인사기록카드 양식
- 운영 데이터: 제조업체나 공급망 등에서 발생하는 데이터
(가) 생산량, 재고량, 납품 일정, 생산 시간 등을 포함
(나) 시각화하여 생산 효율성, 재고 관리, 공급망 흐름 등을 분석
- 출처: 비즈인포. 월간 생산계획 및 실적표. https://www.bizinfo.go.kr/에서
월간 생산계획 양식
- 고객 데이터: 고객의 행동, 선호도, 만족도 등에 관한 데이터
(가) 구매 내역, 웹사이트 방문 기록, 소셜 미디어 활동 데이터 등
(나) 시각화를 통해 고객 세그먼트, 구매 패턴, 고객 만족도 등을 파악
고객 구매내역 데이터
- 경쟁사 데이터: 경쟁사의 활동과 성과에 관련된 데이터
(가) 시장 점유율, 가격 정보, 마케팅 전략 등
(나) 시각화하여 경쟁 환경, 시장 동향, 경쟁사 성과 등을 분석
※ 온보딩경험(Onboarding Experience)
신규 사용자가 제품‧서비스를 적절히 사용하기 위해 필요한 지식, 기술, 행동 등을 얻는 과정을 말함
출처: 경쟁사분석기법. http://getcloudapp.com에서 2023. 7. 26. 검색 재구성
- 출처: UN(2023). The 17 GOALS. https://sdgs.un.org/goals에서 2023. 6. 10. 검색.
[그림 2-9] 목표를 포함한 UN기구의 SDG이니셔티브 시각화 자료
<부서별 요구되는 경영데이터의 예> 재무부서 시각화 자료예시, R&D 부서 시각화 자료 예시
-재무 부서: - 재무제표- 손익계산서- 현금흐름표- 자산관리 데이터 등
-인사 부서 - - 인력 현황- 급여 데이터- 근태 정보- 인사평가 결과- 인사 이벤트 등
-영업 부서- - 매출 데이터- 고객 데이터- 판매 동향 정보- 마케팅 활동 결과 등
-공급망부서- - 원자재 조달, 생산관리 정보- 재고 관리, 물류 정보- 생산량- 납품 일정
-납품업체 정보- 운송비 데이터 등
-마케팅 부서- - 시장 조사 결과- 소비자 행동 데이터- 광고 효과 분석- 마케팅 캠페인 성과 등
-연구개발전담 부서- - 예산 및 재무 데이터- 인력 및 인사 데이터- 프로젝트 관리 데이터
- 시장 및 경쟁 데이터- 품질 및 품질 관리 데이터- 지식관리 데이터(IP, 논문 등)
-생산 부서-- 생산량- 품질관리 정보- 비용 및 자원 관련 정보- 공급망 데이터
- 생산 효율성 데이터(불량률 등)- 재고 관련 데이터 등
-경영전략기획부서-- 재무 데이터- 시장동향 분석 데이터- 고객 데이터- 기업운영 데이터
- 경쟁사 데이터- 기업 내부 데이터- 기업 외부 데이터 등
2. 데이터 분석 도구의 종류
경영정보시각화를 위한 데이터 분석 도구에는 다음과 같은 제품들이 있으며 원천 데이터를 가
공하여 사용할 수 있어야 한다.
1. 엑셀(Microsoft Excel)-엑셀을 활용한 데이터 가시화
(1) 가장 보편적으로 사용되는 데이터 분석을 위한 스프레드시트 프로그램
(2) 테이블 형태의 데이터를 다루고, 수식을 사용해 계산 및 그래프 생성
(3) 사용이 간편하고 친숙하며, 비교적 작은 규모의 데이터를 처리하는 데 적합
(4) 고급 기능이나 대용량 데이터 처리에는 한계
2. Power BI-PowerBI를 활용한 데이터 가시화
엑셀을 포함한 M사의 여러 애플리케이션 기반에서 활용할 수 있는 협업 도구이다. 팀원들
이 각자 열람했던 데이터를 협업이 필요한 관계자들끼리 공유하고, 커스텀 대시보드를 구성
해 데이터 시각화에 활용할 수 있다.
3. 구글 애널리스틱스(Google Analytics)-구글 애널리스틱스(GA)를 활용한 데이터 가시화
일반적으로 구글애널리스틱스는 마케팅 분야에서 많이 사용한다. 그러나 이 제품은 웹 로그
데이터 분석에 범용적으로 쓰이는 대표적인 도구이다.
4. SQL(Structured Query Language)-SQL을 활용한 데이터 가시화 구조도
데이터베이스 관리 시스템(DBMS) 기반에서 상호작용을 하는데 사용되는 컴퓨팅 언어이다.
데이터를 검색, 조작, 변환하는 데 사용된다.
(1) 대규모 데이터 세트와 복잡한 질의를 다룰 수 있는 장점
(2) 데이터베이스에 저장된 데이터에 관한 효율적인 액세스가 가능
(3) SQL을 사용하려면 데이터베이스에 관한 이해와 쿼리 작성 능력이 필요
출처: WELD(https://weld.app/learn-sql/preparation).
5. 파이썬(Python) - 파이썬을 활용한 데이터 가시화
범용 프로그래밍 언어인 파이썬은 데이터 분석에 널리 사용되고 있다. 다양한 라이브러리와
패키지를 제공하여 데이터 처리, 분석 및 시각화를 위한 풍부한 기능을 제공한다.
(1) 유연한 사용성이 장점이며 확장성이 뛰어나 대용량 데이터 처리에 적합
(2) 데이터 과학 및 기계 학습 분야에서 널리 사용되는 표준 도구
출처:노블데스크탑(https://www.nobledesktop.com/).
6. R - R을 활용한 데이터 가시화
R은 통계 및 데이터 분석에 특화된 프로그래밍 언어로 [그림 2-23]과 같은 다양한 통계 및
그래픽 기능을 갖춘 풍부한 패키지 생태계를 제공한다.
(1) 통계 모델링, 데이터 시각화 및 데이터 조작에 적합한 도구
(2) 통계학자와 데이터 분석가들 사이에서 널리 사용되는 언어
출처: Rob Kabacoff(20201201). Data Visualization with R. https://rkabacoff.github.io/datavis/
7. Tableau - Tableau를 활용한 데이터 가시화
시각화 및 대시보드 작성을 위한 데이터 분석 도구로 비전문가도 쉽게 사용할 수 있다.
(1) 사용자 친화적인 인터페이스와 드래그 앤 드롭 기능으로 데이터를 시각적으로 분석하고 표현
(2) 다양한 데이터 원본과의 연결을 지원하며, 대규모 데이터 세트를 처리해 웹에서 공유 가능
출처: TABLEAU(https://www.tableau.com/ko-kr/data-insights/dashboard-showcase).
3. 데이터의 가공
데이터의 가공에는 다음과 같은 방법이 사용된다.
1. 데이터 정제(Data Cleaning)
누락된 데이터 결측치를 적절하게 대체하거나 이상치를 식별해 적절한 방법으로 처리하여
데이터의 정확성과 신뢰성을 향상하는 과정이다.
2. 데이터 변환(Data Transformation)
데이터의 속성은 유지하면서 시각화 결과에 도움이 될 수 있도록 적절하게 변환하는 작업
을 말한다.
3. 데이터 분리(Data Separation)
일반적으로 데이터 분리는 보안, 데이터 품질, 데이터 처리 효율성, 비즈니스 요구에 맞는
데이터의 선택 등의 이유로 필요한 데이터를 선별하고 분리하여 사용하는 과정을 말한다.
4. 데이터 결합(Data Joining/Merging)
데이터 결합은 다양한 데이터 소스로부터 나온 정보를 통합하여 종합적인 시각화를 제공하
기 위해 사용된다. 이로부터 상관관계 분석, 데이터 품질 향상, 시간 경과 분석, 다양한 관
점의 제공 등이 가능해지고 포괄적이고 의미 있는 시각화 자료를 개발할 수 있게 된다.
4. 경영 데이터 수집
회사에 소속되어 있는 데이터 분석가들은 보통 데이터를 직접 수집하지 않는다. 이미 데이터가있는 상태에서 업무를 시작하게 된다. 그러나 추가로 수집이 필요한 경우, 이미 공개된 공공
데이터를 찾아 활용하거나 부서별 데이터를 요청하여 확보한다.
1. POS(판매시점 정보관리)를 활용한 경영 데이터 자동 수집방법
POS는 매출이 발생하는 시점에서 발생한 정보를 실시간으로 컴퓨터에 수집하는 시스템이
다. 이러한 자동 수집방법은 기업매출 정보의 오류를 없애 경영 판단에 필요한 정확한 정보
를 제공한다. POS 데이터는 다음과 같은 특징을 갖는다.
(1) 분산, 집중관리 시스템
(2) 거래에 관한 모든 정보 파악 가능
(3) 매출분석: 제품별, 지역별, 시간대별 매출정보 제공
(4) 재고관리: 실시간 판매량과 재고량을 추적해 재고의 최적화 전략 마련
(5) 고객분석: 고객의 구매패턴, 선호도, 구매력 등을 파악해 마케팅 전략에 반영
(6) 기업활동의 주요 분석데이터를 수집하는 종합정보시스템으로 발전 가능
2. 엑셀을 활용한 경영 데이터 수집방법 -엑셀로 만든 판매실적수집 문서
(1) 수집하고자 하는 데이터 양식을 열(column)과 행(row)의 형태로 구성된 엑셀 데이터 시트로만들어 각 부서에 제공 ([그림 2-26] 참조)
수집 후 데이터의 정확성을 확인하고 필요한 경우 데이터를 정리하거나 결측치를 처리
(2) 수집된 데이터 식별
특정 열을 기준으로 데이터를 정렬하거나 필터를 사용하여 특정 레코드를 보는 작업 등
(3) 오류 식별
‘조건부 서식’ 기능과 같은 엑셀의 내장 도구를 사용하여 데이터의 오류를 강조 표시
(4) 오류 수정
오류를 수동으로 수정하거나 “찾기 및 바꾸기”와 같은 엑셀의 기본 기능을 사용하여 오
류를 수정
(5) 결과 검증
수정이 완료되면 데이터가 깨끗한지 확인
==========================
• 기업 여성인력 현황정보 인포그래픽. 삼성뉴스룸(http://bit.ly/2Oqy9d8). 2023. 6. 17. 스크린샷.
• 기획재정부(2023). 정부의 재정데이터 시각화자료. 열린재정재정정보공개시스템(http://www.openf
iscaldata.go.kr/).
• 목록나열형 인포그래픽의 예시. https://www.behance.net. 2023. 6. 20. 스크린샷.
• 목표를 포함한 UN기구의 SDG이니셔티브 시각화 자료. The 17 GOALS. (https://sdgs.un.org/
goals/). 스크린샷.
• 비교 인포그래픽의 예시. https://www.behance.net. 2023. 6. 20. 스크린샷.
• 비주얼 인포그래픽의 예시. https://www.behance.net. 2023. 6. 20. 스크린샷.
• 서울연구원(2019. 12. 23.). 서울특별시 문화⋅관광 분야 인포그래픽. 서울인포그래픽스로 본 서울의
변화 Ⅲ(https://www.si.re.kr)에서 2023. 6. 17. 검색.
• 인포그래픽 온라인 제작 서비스 Canva. https://www.canva.com/ko_kr/create/infographics/.
2023. 6. 20. 스크린샷.
• 인포그래픽 온라인 제작 서비스 편집화면. 망고보드(https://www.mangoboard.net/). 2023. 6.
20. 스크린샷.
• 중소벤처기업부(2023). 월간 생산계획 및 실적표. 비즈인포(https://www.bizinfo.go.kr/).
• 지도 인포그래픽의 예시. https://www.behance.net. 2023. 6. 20. 스크린샷.
• 타임라인 인포그래픽의 예시. https://www.behance.net. 2023. 6. 20. 스크린샷.
• 통계적 인포그래픽의 예시. https://www.behance.net. 2023. 6. 20. 스크린샷.
• 통계청(2023). 지역별 인구정보의 시각화. 총조사시각화지도(https://sgis.kostat.go.kr/).
• 파이썬을 활용한 데이터 가시화. 노블데스크탑(https://www.nobledesktop.com/)에서 2023. 6.
7. 스크린샷.
• 프로세스 인포그래픽의 예시. https://www.behance.net. 2023. 6. 20. 스크린샷.
• 한화투자증권(2023) 주식 가격 정보의 시계열 데이터. 한화투자증권 애플리케이션.
100
• 히트맵 시각화 기법. 태블루퍼블릭(https://public.tableau.com/). 2023. 6. 21. 스크린샷.
• 히트맵을 결합한 지도 시각화 기법. 위키미디어(20210211). A heatmap showing the RF coverage
of a drone detection system. https://commons.wikimedia.org에서 2023. 6. 21. 검색.
• Rob Kabacoff(20201201). R을 활용한 데이터 가시화. Data Visualization with R.(https://rkabac
off.github.io/datavis/)에서 2023. 6. 07. 검색.
• SQL을 활용한 데이터 가시화 구조도. WELD(https://weld.app/learn-sql/preparation)에서
2023. 6. 7. 스크린샷.
• Tableau를 활용한 데이터 가시화. TABLEAU(https://www.tableau.com/ko-kr/data-insights/
dashboard-showcase). 2023. 6. 7. 스크린샷.
글
