분석 과제 발굴, 상향식 접근 방법, 프로토타이핑 ADP/ADSP #20

상향식 접근 방법(Bottom Up Approach)는 하향식 접근 방법(Top Down Approach)의 주제를 잡고 문제를 해결해 나가는 방식과 반대로 데이터를 기반으로 문제를 찾아내는 방식을 말한다. 하향식이 주로 지도 학습(Supervised Learning) 기반의 알고리즘을 이용한다면, 상향식은 문제를 찾아내기 때문에 비지도 학습(Unsupervised Learning)을 주로 사용한다.

하향식 접근 방법의 한계

- 솔루션 도출에는 유효하지만 새로운 문제 탐색의 한계

- 논리적인 단계별 접근법 기반의 문제해결 방식은 복잡하고 다양한 환경에서 발생하는 문제에는 비적합

- 이를 해결하기 위해 스탠포드 대학의 d.school(Institute of Design at Stanford)은 디자인 사고(Design Thinking) 접근법을 통해 전통적인 분석적 사고를 극복하려고 함

- 통상적인 관점에서는 'Why'를 강조하지만, 있는 그대로 인식하는 'What' 관점 필요

- 이와 같은 점을 고려하여 d.school에서는 첫단계로 Empathize(감정이입)을 강조

지도학습과 비지도학습

비지도 학습(Unsupervised Learning)

- 상향식 접근 방법에 사용하는 비지도 학습은 특정 필드의 값(정답)을 구하는 것이 아니라 데이터 자체의 결합, 연관성, 유사성 등을 중심으로 데이터의 상태를 표현

- 비지도 학습에는 장바구니 분석, 군집 분석, 기술 통계 및 프로파일링 등 존재

지도 학습(Supervised Learning)

- 명확한 목적 하에 데이터를 분석하는 것으로 분류, 추측, 예측, 최적화를 통해 분석을 실시하고 지식을 도출한다.

source, https://lawtomated.com/supervised-vs-unsupervised-learning-which-is-better/

 

프로토타이핑(Prototyping) 접근법

프로토타이핑 접근법 정의

- 프로토타이핑(Prototyping) 접근법은 사용자의 요구사항 혹은 데이터를 명확히 파악하기 어려운 상황 등 일단 분석을 시도해 보고 결과를 기반으로 반복적으로 개선해 나가는 방식

- 기본적인 프로세스로 가설의 생성, 디자인에 대한 실험, 실제 환경에서의 테스트, 테스트 결과에서의 통찰 도출 및 가설 확인으로 구성

프로토타이핑 접근법의 필요성

• 문제에 대한 인식 수준 : 문제 정의의 불명확 할 경우, 문제를 이해하고 구체화하는데 도움
• 필요 데이터 존재 여부의 불확실성 : 데이터를 수집하기 위해선 사용자와 분석가간의 반복적이고 순환적인 협의 과정 필요. 데이터의 존재 여부를 미리 파악하여 리스크 사전에 방지
• 데이터 사용 목적의 가변성 : 기존의 데이터 정의 재검토, 데이터의 사용 목적과 범위 확대