데이터 분석 프로젝트:이론에서 실제까지

지난 블로그 게시물에서 데이터 분석 프로젝트의 성공적인 결과를 보장하기 위한 초기 중요 단계에 대해 설명했습니다.

첫째, 정의된 프로젝트 목표를 달성하기 위해서는 아이디어 제공자(부서)와 데이터 과학자 간의 긴밀한 협력이 절대적으로 필요합니다. 둘째, 데이터 과학자들이 시작하기 전에 데이터의 질과 양을 검증하는 것이 필요합니다.

이 게시물에서 몇 가지 권장 사항을 알려 드리고자 합니다. 데이터 분석 프로젝트는 실제로 어떻게 작동합니까? Bosch 예측 모델을 사용 사례에 어떻게 적용할 수 있습니까?

1. 데이터 분석 프로젝트의 목표가 달성되었습니까?

출처:Bosch.IO

때로는 프로젝트가 끝날 때조차도 프로젝트가 목표에 미치지 못하거나 완전히 빗나갔음을 깨달을 수 있습니다. 정의된 프로젝트 목표를 달성하기 위해 작업할 때 고려해야 할 사항이 많이 있습니다. 여기에서 몇 가지 일반적인 실수를 찾으십시오.

a. 부정확한 예측 모델

프로젝트가 끝나면 결과(예:예측 모델)가 필요한 정확도를 충족하지 못하거나 희망하는 새로운 통찰력을 제공하지 못한다는 것을 깨닫게 될 수 있습니다.

왜 그럴까요?

가장 먼저 물어봐야 할 질문은 프로젝트 시작 시 필요한 모델 정확도가 정의되었는지 여부입니다. 이것은 물론 기본 전제 조건이며 프로젝트 계획 단계에서 바로 고려해야 합니다. 앞서 언급한 데이터 품질 및 수량과 관련된 측면도 데이터가 "더 많은 정보를 제공하지 않기" 때문에 부정확한 결과를 초래할 수 있습니다.

따라서 프로젝트 구현이 만족스럽지 못한 프로젝트 결과에 대한 책임이 아니라 결과에 큰 영향을 미치는 계획 단계에서 함정이 존재한다는 것이 분명해집니다.

b. 너무 오랫동안 지속 불가능한 사용 사례 추구

종종 프로젝트가 시작될 때 모든 이해 관계자는 기뻐합니다. 기술 및 상업적 목표는 유망해 보입니다. "프로젝트는 성공해야 합니다!"

그러나 이 문장에는 위험이 숨어 있습니다. 모든 행복감에도 불구하고 (중간) 결과에 대해 어느 정도 중립성과 회의론을 유지하는 것이 중요합니다. 지속 불가능한 사용 사례를 고집스럽게 추구하면 원하는 결과를 얻지 못한 채 프로젝트에 많은 시간과 돈을 투자하게 될 수 있습니다.

따라서 프로젝트 목표 달성의 타당성과 관련하여 비판적이고 열린 마음으로 중간 결과를 분석하는 것이 중요합니다.

경고 신호에 주의를 기울이고 단순히 "해야만 한다"는 이유로 현실적으로 달성할 수 없는 프로젝트 목표를 추구하지 않는 것이 좋습니다!

여기서 "빨리 실패" 또는 "변경" 만트라를 언급하겠습니다. 이는 가치를 추가하거나 유용한 결과를 달성하지 않고 달성할 수 없는 목표를 추구하고 불필요한 자원을 투자하는 것보다 빨리 인식하거나 적응하는 것이 더 낫다는 것을 의미합니다.

우리는 여러 단계에서 지원을 제공합니다. 각 단계가 끝나면 그 시점까지 달성한 ​​결과를 분석합니다. 이를 통해 프로세스의 다양한 지점에서 프로젝트 목표 또는 기본 데이터를 적용할 수 있으므로 위험을 투명하고 피할 수 있습니다.

출처:Bosch.IO

2. 이론 및 실습 – 개념 증명(PoC)에서 운영 사용 사례까지

"실험실 조건"에서 작동하는 모든 것이 실제로 효과적인 것은 아닙니다. 불행히도 이것은 우리가 때때로 프로젝트가 끝날 때 도출해야 하는 결론입니다. 하지만 먼저 테스트해야 합니다.

개발된 예측 모델은 과거 훈련 데이터를 기반으로 요구 사항에 따라 기능했습니다. 이제 이를 운영 환경에 통합할 때입니다.

이 초기 단계에서도 환멸이 생길 수 있습니다. 예측 모델은 제어 시스템에서 실행되고 실시간(밀리초 범위)으로 예측하도록 설계되었습니다. 그러나 이 요구 사항은 모델이 개발될 때 알려지지 않았습니다. 알고리즘은 정확도에 관한 높은 표준을 충족해야 하기 때문에 복잡하지만 리소스가 제한되어 대상 하드웨어에 적용할 수 없습니다.

따라서 처음에는 훌륭한 프로젝트 결과로 보였던 것이 궁극적으로 실제 사용 사례에 통합될 수 없습니다. 그 이유는 다시 한번 기획 단계의 미흡함 때문입니다.

우리는 CRISP-DM 표준에 따라 데이터 분석 프로젝트를 수행하며 한 가지 중요한 추가 사항이 있습니다. 우리는 고객 문제에 대한 전문가 수준의 이해를 달성하는 데 특히 중점을 둡니다. (블로그 게시물의 질문 3:제조에서 데이터 분석 프로젝트를 시작하는 방법도 참조하십시오.)

이를 위해 초기 통찰력 단계에서 당사의 데이터 분석 엔지니어는 고객의 생산 프로세스와 해결해야 할 특정 문제에 대해 더 많이 배웁니다. 그들은 또한 깊이 있는 이해를 개발할 수 있도록 많은 질문을 합니다. 이 단계는 실제 프로세스, 문제 및 데이터 간의 상관 관계를 설정하기 위한 토대를 마련하기 때문에 프로젝트의 성공에 매우 중요합니다. 현실 세계의 과정과 문제를 이해하지 못하면 디지털 세계에서 해결책을 찾을 수 없습니다.

출처:Bosch.IO 출처:Bosch.IO

데이터 분석 프로젝트의 성공을 위한 모범 사례

데이터 분석 프로젝트가 실패하는 데에는 여러 가지 이유가 있습니다. 종종 하나 가 없습니다. 혼자 이유; 대신 문제는 개별 측면의 합계에 있습니다.

데이터 분석 프로젝트의 준비 단계와 계획에 필요한 시간과 주의를 기울이십시오. 주요 규칙과 모범 사례를 준수하고 준수하면 프로젝트 성공의 길을 걷게 될 것입니다.