현재 SE (System Engineering)과 BABOK/ PMBOK 및 PMO 기반으로 프로젝트를 진행하고 있는 HUMAX 관련 프로젝트 진척 노하우 발표가 있어 공유합니다. 휴맥스라는 매출 1조5천억 규모에서 글로벌 > 기획 > 개발 > 제조 > 생산 > 운영까지 1천명정도의 임직원의 협업 철학/시스템을 소개하는 자리입니다.

Embedded HW, SW, Infra가 아우러져있어 고객의 요구사항을 바탕으로, Project와 Product를 구분짓고, 이를 BABOK, PMBOK, SEBOK 및 통합 거버넌스를 위한 PMO, 프로젝트헬스체크를 위한 CMM v1.3과 어떻게 연관지어 통합 관리하고 있는지에 대한 대략적인 가이드를 드릴 예정입니다.  쉽지않은 프로젝트 거버넌스 시스템에 대해 임원 승인을 어떻게 받아 추진중인지에 대한 노하우도 공유하고요.

이번 프로젝트의 최대 난제였던 요구사항추적매트릭스를 고객의 요구사항> WBS > PBS/FBS/ABS > 형상체계 > Test Case /Set > Test 수행 > Bugs 및 Release/Sprint개념을 어떻게 접목하여 추진중인지와 PMBOK/SEBOK과 CMMI의 헬스체크를 어떤 연계성으로 도출하여 추진하는지에 대한 개략적인 설명/방법도 제시할 예정입니다.  프로젝트리서치의 최대 장점은 (1) Global Standard와 (2) Visualization 의 부끄럽지만 나름의 노하우 공유하는 자리로 프로젝트/SE 산업의 발전을 위한 정보 공유의 자리가 되었으면 좋겠습니다.

2016년은 제가 Mac Life 즐긴지 어느덧 10년이 되는 해네요. 그간 Mac@Work 및 Mac@Life 시리즈로 매년 주요한 라이프스타일에 대해서 공유해 드렸던 것 같고, 지금은 컨설턴트로서의 저의 시간 관리 기법에 대해서 공유하고자 합니다. 제 경우 강의 및 컨설팅 업무로 일정 관리가 상당히 중요한 편이며, 아래 4개 서비스/앱을 주요 일정 관리 도구로 사용합니다. 

Peter의 시간관리 주요 도구 

1. Google calendar – 칼렌더 기준 저장소 
2. Busysync Mac – Mac client 
3. Calendar5 – iOS client 
4. RescueTime – 앱/웹 시간 기록 및 추적 

 

1. Google calendar 

Apple의 iCloud 서비스 중에 유일하게 사용하지 않는 서비스가 Calendar 와 Mail 서비스 입니다. 본 Mail 및 Calendar는 유독 Google 서비스를 이용합니다. 워낙 10년이 넘도록 써온 것도 있겠지만, 몇가지 이유가 있습니다. 

• 범용적 호환성 : 대부분의 앱/서비스들은 Google 칼렌더를 지원 합니다. 
• 개별적 공유성 : 제 경우 주요 Client와는 달력을 공유하는 편인데, 이를 편히 공유할 수 있습니다. 
• 메일과 편리성 : Gmail을 통해서 수발신 하는 항공티켓/호텔의 일정 내용이 자동으로 칼렌더에 등록 됩니다. 

2. BusyCal / Mac  ( BusyCal 웹사이트 )

Mac 에서는 기본 Calendar 기능이 워낙 훌륭합니다만, 아래와 같은 몇가지 이유로 BusyCal을 사용합니다. 단점으로는 기본 Calendar의 경우 거의 실시간으로 변경 정보가 반영되는데, BusyCal의 경우 15분 단위로 반영되기 때문에 아무래도 Dealy가 있습니다. 이런 Delay 때문에 몇번을 버렸었는데, BusyCal의 경우 예전 초창기 BusySync (지금은 단종) 앱 부터 사용하던 것이어서 애착이 있는 것 같습니다. 

• 가시정보 : 기본 Calendar에서는 일정제목이 길면 …로 자르는데 반해, BusyCal은 다 제가 설정한 폰트로 미려하게 전부 보여줍니다. 
• 날씨정보 : 향후 1주일 간의 날씨 정보 (최고/최저 온도포함)을 표기해 줍니다. 
• 메뉴정보 : 메뉴바의 기능을 포함하고 있어서, Fantastical2 과 같은 메뉴바앱을 구매하지 않아도 됩니다. 

칼렌더를 사용하면서의 팁이 있다면 매주 일요일의 내용은 해당 중에 해야할 중요한 업무 요약을 기록합니다. []주요업무명 형태로 기록해 놓았다가, 완료하면 [V]마크로 내용을 보정하는 형태로 관리하여, 주요 주간 activity에 대한 현황을 달력만으로도 확인 가능합니다. 

3. Calendar5 / iOS 

macOS에 비해 iOS의 기본 칼렌더 기능은 정보를 보기가 어렵기 대문에 Calendar5 앱을 이용합니다.  글자가 자그마해서 잘리는 경우도 있지만, 휴대폰에서는 Free/Busy, 휴대 중 일정 등록, 사전알람 정도로만 이용하기 때문에 어려움은 없는 것 같습니다. 

4. RescueTime / 시간 관리  ( RescueTime 웹사이트 ) 

3년 동안 유료 모델로 사용하고 있는 서비스인데, 저의 Mac 사용에 대한 패턴을 정확히 기록하여, 요약 대쉬보드/리포트로 보여줍니다. 

아울러 시간 집중 “Get Focused…”를 선택하게 되면 정해진 시간 동안 시간 방해 (앱 혹은 서비스)를 차단합니다. 

 1년에 72$ 정도로 작은 금액은 아닌데, 제가 사용하는 시간에 대한 분석 및 경각심 용도로는 이만한 것이 없는 것 같습니다. 

  Mac, Win, Linux, Chrome, Safari, Firefox의 사용 사이트 분석을 지원합니다.  

  휴대폰의 경우 iOS는 안되는데, Android의 경우는 Android 사용 패턴도 분석 합니다. 

한국에 이순신 제독, 영국에 넬슨 제독이 있었다면 프랑스 군인으로는 나폴레옹이 있지 않을까 싶습니다.전쟁광이라는 오명도 있긴 하지만 나폴레옹 시대 만큼 프랑스가 강한 국가였던 적은 없었으니까요. 역사속에서의 전쟁의 환경은 “유일하고 일시적으로 투입하는 모든 노력”이라는 측면에서 현재의 “프로젝트”와 일맥상통하는 측면이 많은 것 같습니다. 

파리 루브르박물관에서 나폴로옹에 대한 두가지 시선이 있어서 이에 대한 소회 남깁니다. 

Le couronnement de l’Empereur et de l’Impératrice (2 décembre 1804, Jacques Louis David) 

길이 9m , 높이 6m의 화폭에 왕실전문 화가 (엄밀히는 나폴레옹이 선정한 화가) Jacques Louis David  남긴, 나폴레옹의 황제 즉위식을 노트르담 성당에서 치루는 장면입니다. 프랑스시민혁명을 등에 업고 등극한 프랑스 1대 대통령으로써 화려함과 웅장함 그 자체의 기운이 느낄 수 있었습니다.  Jacques Louis David의 장장 3년간의 정성껏 그린 즉위식은 나폴레옹도 40분 동안이나 침묵의 관람과 3번에 걸친 감탄이 나올만 했던 작품이었던 것 같습니다. 

Napoleon Crossing the Alps (1848, Paul Delaroche)

그런데 루브르 한켠에서는 다음과 같은 Paul Delaroche가 남긴 나폴레옹이 알프스를 건너는 작품이 하나 있었는데, 알프스를 넘어갈 때의 초췌한 이미지 였습니다. 

Bonaparte franchissant le Grand Saint-Bernard (1805, Jacques-Louis David)

본래는 저희가 알프스를 넘을 때의 익히 본 나폴레옹 전문 왕실화가 Jacques Louis David의 작품과는 거리가 있어 보이는 작품이죠. 

결과적으로 미화된 나폴레옹과, 미화되지 않은 나폴레옹간의 이미지가 너무나도 대비가 되었습니다.우리가 알고 있었던 중앙집중의 행정제도, 나폴레옹 법전, 프랑스은행과 금융조직, 대학과 육군사관학교 등 오늘날 프랑스 국정의 프레임워크를 구축한 업적 이면에는, 나폴레옹 전쟁으로 인해 프랑스 인구의 20%정도의 50만 명의 생명 손실과 아울러 유럽 전역에서 이뤄진 전쟁 휴유증으로 대부분의 나라가 나폴레옹을 싫어한다는 등의  반대 시각도 있음을 균형있게 바라봐야 한다는 점이 대비되는 측면이었습니다. 

The Emperor Napoleon in His Study at the Tuileries (Jacques-Louis David)

인류 역사에 한 획을 그인 인물인 나폴레옹의 명언 정리해 봅니다.  

• 1퍼센트의 가능성, 그것이 나의 길이다.
• 가라, 달려라, 그리고 세계가 6일 동안에 만들어졌음을 잊지 말라. 그대는 그대가 원하는 것은 무엇이든지 나에게 청구할 수 있지만 시간만은 안 된다.
• 가장 커다란 위험은 승리의 순간에 도사린다.
• 개선으로부터 몰락까지의 거리는 단 한걸음에 지나지 않는다. 나는 사소한 일이 가장 큰 일을 결정함을 보았다.
• 고통을 거치지 않고 얻은 승리는 영광이 아니다.
• 굳은 결심은 가장 유용한 지식이다.
• 나의 사전에는 불가능이란 단어가 없다.
• 나의 진정한 명예는 40번 싸운 전승이 아니다. 워터루는 모든 전승의 기록을 사라지게 했으나 영원히 사라지지 않는 것은 나의 민법전이다.
• 모든 것을 걸어야 한다면, 저 어린 신병들 속에, 최전방에, 내가 던지는 내 목숨이야말로 최후의 카드가 아니겠는가.
• 비범한 작전이란, 유용한 것과 불가피한 것만을 시도하는 것, 바로 그것이다.
• 비장의 무기가 아직 나의 손에 있다. 그것은 희망이다.
• 사람은 그가 입은 제복대로의 인간이 된다.
• 사람은 덕보다도 악으로 더 쉽게 지배된다.
• 사람의 처세법에 있어서 가장 중요한 것은 정에 쏠리지 않아야 하며, 동시에 이치에도 쏠리지 않고, 두 가지를 다 억제할 줄 알아야 한다는 것이다.
• 사람이란 처음에는 일을 끌고 가지만 조금 있으면 일이 사람을 끌고 가게 된다.
• 사치한 생활 속에서 행복을 구하는 것은 마치 그림 속의 태양이 빛을 발하기를 기다리는 것과 같다.
• 사회에는 칼과 정신이라는 두 가지의 힘밖에 없다. 그런데 결국은 칼이 정신에게 패배당하고 만다.
• 산다는 것은 곧 고통을 치른다는 것과 같다. 그러므로 성실한 사람일수록 자신에게 이기려고 애를 쓰는 법이다.
• 살아 있는 졸병이 죽은 황제보다 훨씬 가치가 있다.
• 성격의 씨앗을 뿌리면, 운명의 열매가 열린다.
• 숙고할 시간을 가져라. 그러나 일단 행동할 시간이 되면 생각을 멈추고 돌진하라.
• 숭배의 대상인 동시에 두려움의 대상이 되는 것, 이것이 통치다.
• 승리는 노력과 사랑에 의해서만 얻어진다. 승리는 가장 끈기있게 노력하는 사람에게 간다. 어떤 고난의 한가운데 있더라도 노력으로 정복해야 한다. 그것뿐이다. 이것이 진정한 승리의 길이다.
• 승리를 원한다면, 모든 것을 걸어야 한다.
• 승부는 언제나 간단하다. 적이 무엇을 원하는지를 간파해야 한다. 그리고 적으로 하여금 원하는 것, 꿈꾸는 것이 가능하다고 믿게 하는 것이다.
• 아무리 위대한 천재의 능력일지라도 기회가 없으면 소용이 없다.
• 아첨을 잘하는 사람은 헐뜯거나 비방하는 요령도 잘 터득하고 있는 사람이다.
• 앞을 내다보지 못하는 자는 이미 패배한 자이다.
• 약속을 지키는 최선의 방법은 약속을 하지 않는 것이다.
• 엉터리 행사로 사람의 마음을 사로잡는 것은 감동적인 사상으로 사람을 신복시키는 것보다 훨씬 확실하다.
• 여론의 흐름에 따르면 모든 것이 쉬워진다. 여론은 세상의 지배자이다
• 왕좌란 벨벳으로 덮은 목판에 불과하다.
• 우리가 어느 날엔가 마주칠 재난은 우리가 소홀히 보낸 어느 시간에 대한 보복이다.
• 의지할 만한 것은 남이 아니라 자신의 힘이다.
• 인류의 역사가 시작된 이래, 역사를 지배한 것은 항상 승리의 법칙이었다. 그 외의 다른 법칙은 없다.
• 인생에 있어 가장 중요한 것은 실패했다고 낙심하지 않는 것이며 성공했다고 지나친 기쁨에 도취되지 않는 것이다.
• 자기가 할 수 있는 모든 것을 하는 것은 인간이 되는 것이요, 자기가 하고 싶은 모든 것을 하는 것은 신이 되는 것이다.
• 작전계획을 세우는 것은 누구나 할 수 있다. 그러나 전쟁을 할 수 있는 사람은 적다.
• 죽음은 아무것도 아니다. 그러나 패배자로서 영광없이 사는 것, 그것은 매일 죽는 것이나 다름없다.
• 펜은 칼보다 강하다.

Tomb of Napoleon Bonaparte – Crypt of Dôme des Invalides – Paris (Jacopo Werther)

전세계 60만명의 PM의 지식체계 PMBOK 및 PMP 자격증의 핵심 추진체인 PMI (Project Management Institute) 기관은 올해 2017년은 “PMI Season 2” 라고 해도 과언이 아닐 정도로 관련 신규 표준들이 출시됩니다.

신규 지식체계로 BA (The PMI Guide to Business Analysis – 1st) 표준과 Agile 실무가이드(New Practice Guide on Agile – 1st ) 와 거버넌스 1판(Governance of Portfolios, Programs, and Projects – 1st) 이 만들어지고, 주요 개정판으로 PMBOK 6판, Program 관리 4판(The Standard for Program Management – 4th) , Portfolio 관리 4판(The Standard for Portfolio Management – 4th) , 조직프로젝트관리 OPM 4판(The Standard for Organizational Project Management (OPM) – 4th) , 개인역량개발프레임워크 3판(Project Manager Competency Development Framework – 3rd) 으로 갱신되는 주요한 한 해 입니다. 이로써 각 체계 사이의 Alignment가 완벽히 구조가 촘촘히 구성되는 거죠.

이중 2017 Q3 (7-9월) 중 출시될 ‘PMBOK 6판’의 주요 변경사항에 대해서 공유하고자 합니다.

구성 

1. 주요 변경사항
2. 프로세스 주요 변경 사항
3. 지식체계 주요 변경 사항
4. 소감/의견

1. 주요 추가 사항

이번 개편의 주요 추가 항목은 ▲Agile, ▲지식관리, ▲Talent Triangle ™ (역량삼각형) 부분입니다.

1.1 Agile

Agile의 언급은 예측형, 반복적, 점증적 및 적응형 라이프사이클 중의 하나로 주요 설명을 하고, 자세한 내용은 PMBOK 4장-13장까지 각각의 지식 영영역서 Agile로 조정(Tailoring)에 대한 항목으로 언급이 되고, 부록 3장 부분에서는 착수 > 기획 > 실행 > 통제 > 종료의 흐름대로 바로봐야하는 항목에 대해 언급이 되었습니다.  보다 자세한 사항은 올해 출간될 “New Practice Guide on Agile” 에서 확인을 해야하고요. 주요한 언급 내용은 다음과 같습니다.

• 복잡하게 얽힌 적응적 문제들(complex adaptive problems)
• 스크럼 (Scrum)
• 경험주의(empiricism)
• 반복적(iterative)
• 점진적인(incremental)
• 투명성(transparency)
• 검토(inspection)
• 적응(adaptation)
• 자기 조직화 (self-organizing)
• 유연성(flexibility)
• 창의성 (creativity)
• 생산성(productivity)
• 증분을 지속적으로 추가하여 제품을 배포 (incremental deliveries)
• 제품 책임자 (Product Owner)
• 개발팀 (The Development Team)
• 스크럼 마스터 (The Scrum Maste)
• 도와주는 리더(servant-leader)
• 경험적인 환경(empirical environment)
• 스프린트 (The Sprint)
• 스프린트 계획 (Sprint Planning)
• 일일 스크럼 (Daily Scrum)
• 스프린트 리뷰 (Sprint Review)
• 스프린트 회고 미팅 (Sprint Retrospective)
• 제품 백로그 (Product Backlog )
• 스프린트 백로그 (Sprint Backlog)
• 스프린트 진행 모니터링 (Monitoring Sprint Progress)
• 제품 증분 (Increment)
• 산출물 투명성 (Artifact Transparency)
• “완료”의 정의 (Definition of “Done” )
• 정보방열판 (information radiators)
• 반복(iteration)

1.2 지식 관리

지식 관리는 “Lessons Learned Register/교훈관리대장” output에 대해 프로젝트 종료 단계 뿐만 아니라 각각의 중간 단계에서도 갱신해야한다는 개념으로 프로젝트 통합 관리에 추가되었습니다. 이는 Agile의  회고 미팅 (Retrospective)
과의 호환성과도 연계 됩니다.

1.3 Talent Triangle™ (역량삼각형)

PMI에서 PM의 균형있는 지식/경험체계를 강조하기 위한 Talent Triangle™ /역량삼각형이 PMBOK의 3장에 자세히 언급 되었습니다.

이미 PM자격증을 가지고 있는 회원이라면 PDU 갱신체계가 이미 2년전부터 Strategic, Leadership, Technical 부분으로 나누어서 관리를 하고 있어서 익숙할것이고, 역량삼각형에서 다루고 있는 각각의 항목들에 대한 설명이 서술되었다고 보면 됩니다.

2. 프로세스 주요 변경 사항

프로세스는 기존 PMBOK 5판 47개 기준으로 3개 추가, 1개 삭제, 10개 이동/조정으로 총 49개 입니다. PMBOK 프로세스 기준으로 전체 30% 정도가 보완/변경/가감 된거죠.

프로세스 가감 사항
– 프로젝트지식 관리(4.4 단원) – 추가.
– 활동자원 산정(6.4 단원) – 프로젝트 자원관리로 이동.
– 자원통제(9.6 단원) – 추가.
– 조달종료(12.4 단원) – 제거.
– 품질보증 수행(8.2 단원) – 품질관리로 변경.

프로세스 변경 사항
– 품질보증 수행(8.2 단원) – 품질관리로 변경.
– 인적자원관리 계획수립(9.1 단원) – 자원관리 계획수립으로 변경.
– 프로젝트팀 확보(9.2 단원) – 자원 확보로 변경.
– 프로젝트팀 개발(9.3 단원) – 팀개발로 변경.
– 프로젝트팀 관리(9.4 단원) – 팀관리로 변경.
– 의사소통 통제(10.3 단원) – 의사소통 감시로 변경.
– 리스크통제(11.6 단원) – 리스크 감시로 변경.
– 이해관계자관리 계획수립(13.2 단원) – 이해관계자참여 계획수립으로 변경.
– 이해관계자참여 통제(13.4 단원) – 이해관계자참여 감시로 변경.

3. 지식체계 주요 사항

주요구성
– 각 지식체계별 핵심 개념, 추세 및 새로운 실무사례, 조정/테일러링 고려사항으로 구성 포맷 변경
– PMBOK 5판 피드백, ISO21500, PM/PMI 연구결과 적용
– PMI Lexicon 호환성
– 부록에 테일러링에 대해 지식영역별 조정/테일러링 체크리스트 추가

CH1 머리말
– 개발방식(예측형, 반복적, 점증적 및 적응형) 선택

CH2 프로젝트 운영 환경
– 거버넌스, 관리 요소 및 조직 구조 유형에 대한 내용이 새로 추가

CH3 프로젝트 관리자의 역할
– 팀에 대한 프로젝트 관리자의 역할을 개괄적으로 기술
– 리더십 스타일과 개성
– PMI의 역량 삼각형(Talent Triangle) 강조

CH4. 프로젝트 통합관리
– 프로젝트지식 관리 프로세스가 새로 추가
– 산출물은 교훈 관리대장으로, 마지막 반영 단계까지 기다리기보다는 프로젝트 전체에서 지속적으로 학습해야 하는 필요성을 강조

CH5. 프로젝트 범위관리
– 비즈니스 분석 표준과의 (The Standard for Business Analysis)와의 협력을 통해 두 기능 표준 간 적절한 조율을 도모해야 함 강조

CH6. 프로젝트 일정관리
– 프로젝트 시간관리에서 프로젝트 일정관리로 변경
– 일부 애자일 개념이 일정개발 프로세스에 통합
– 활동자원 산정 프로세스가 이 지식 영역에서 프로젝트 자원관리로 이동

CH7 프로젝트 원가관리
– Earned schedule theory 개념 추가 ( Agile에서의 Task의 수로 확인을 하는 Burndown과의 호환성 고려)
– SPI = ES / AT , earned schedule (ES), actual time (AT)

CH8 프로젝트 품질관리
– 이전에 식별된 기법이 오늘날 프로젝트에서 널리 사용되지 않고 있으며,전문분야는 품질관리 계획서를 통한 품질 관리에 보다 주력.
– 따라서 품질보증 수행 프로세스의 중점사항 변화와 함께 “품질 관리”로 변경

CH9 프로젝트 자원관리
– 이전 인적자원 중심에서 모든 자원을 포함하도록 확장
– 팀자원, 물적 자원의 용어 구분
– 팀개발과 팀관리에서 “프로젝트”라는 단어가 제거

CH10 프로젝트 의사소통 관리
– “의사소통(communication)”은 회의 참여, 정보 제공, 적극적 청취와 같은 의사소통 행위
– “의사소통 수단(communications)”은 메모, 프리젠테이션, 이메일과 같은 의사소통 도구
– 의사소통 통제 프로세스가 의사소통 감시로 변경(의사소통 방법과 시기를 통제할 수는 없음)

CH11 프로젝트 리스크관리
– 포괄적 프로젝트 리스크에 대한 강조 확대가 리스크관리 프로세스 전체에 통합
– 리스크대응 실행 프로세스가 새로 추가
– 리스크대응을 위한 계획에 그치지 않고 실제로 실행하는 것의 중요성을 강조
– 프로젝트 목표 범위에 해당되지 않는 리스크가 발견될 때
조직 내 관련 담당자 또는 부서로 전달해야 하는지 여부를 나타내기 위해 새로운 리스크 대응 방법으로 “보고”가 도입
– 리스크 통제 프로세스 이름이 리스크 감시로 변경

CH12 프로젝트 조달관리
– 글로벌적인 관점을 반영하여 업데이트
– 일반적으로 해당 권한은 계약, 조달 또는 법률 부서 담당자에게 있기 때문에, 조달종료 정보가 조달통제에 흡수
– 관리, 의사소통 및 기록에 대한 정보가 프로젝트 또는 단계 종료로 이동

CH13 프로젝트 이해관계자관리
– 현재 연구 및 실무사례에 따라 이해관계자 관리보다는 이해관계자 참여로 초점이 이동
– PM에게는 대부분 이해관계자를 통제할 수 있는 능력이 없으므로 이해관계자참여 통제가 이해관계자참여 감시로 변경

4. 소감/의견

이번에는 영문과 전세계 10개 언어 (한국, 중국, 일본, 러시아, 독일, 프랑스, 이태리, 스페인, 포르투칼, 아랍)가 동시에 출간됩니다. 이 역시 PMI에서 무척이나 신경을 많이 쓴 부분입니다.  과거에는 영어가 먼저 나오고 6개월 전후에 각 언어들이 출간 되었거든요. 표준 갱신 프로세스 역시  Agility 하게 변하고 있다는 것을 많이 느꼈습니다.

본문 내용에서도 PMI 리서치/논문 내용들이 반영되어 적용/설명된다는 점과, 너무 PMBOK을 복잡하게 하지 않고 Lexicon/Program/Portfolio/BA/OPM3 표준과 Governance/Agile 실무가이드와의 연계성을 맞출려고 하는점, 아울러 PMBOK을 기준으로 조정(테일러링) 체크리스트를 제공한다는 점도 이번 6판에서의 Interesting 부분이라고 할 수 있을 것 같습니다.

Volunteer 과의 조율을 통한 표준과 자격체계에 대한 완성본을 ANSI 및 글로벌 표준으로 이끌어 가는 PMI의 힘도 여실히 느낄 수 있었습니다.

기업에 맞는 실사구시 프로젝트관리 기법을 맞춤식 전파하겠다는 일념으로, 프로젝트리서치(주) 회사 운영한지 6년이 지났습니다. 운이 좋게도 여지껏 좋은 기업 및 꽤나 실력있는 실무자분들과 함께 할 수 있었던 것 같네요.

최근 프로젝트 수행하면서 느낀, 기업들이 처한 ICBM (IoT, Cloud, Big Data, Mobile) 환경이라든가, SE (System Engineering), SWE (SW Engineering), R&D 및 제조부문에서 공히 적용할 수 글로벌표준 기반의 Product, Project, Program 거버넌스 및 Waterfall, Agile, Hybrid 방식에 대한 Framework 노하우를 공유하고자 합니다.

회사의 전략부서,  PI (Process Innovation) , PMO 부서에서의 가장 큰 고민이 아마도 지금 관리 체계를 보다 Agility 환경으로 전환하여 개별 제품/프로젝트/프로그램 관리와 총괄적 거버넌스 체계, 아울러 프로젝트 팀원들의 Skill 을 높임으로서 High Performance 조직으로 업그레이드 시키면서 전반적인 효율과 효과를 개선하는 것입니다. 일반적으로 TQM, LEAN, 6시그마, TRIZ 와 같은 도구로 주제별 개선을 하지만, 전체적으로 개인과 조직, 제품과 프로젝트를 총괄 고도화하는 것에 대해서는 부족하죠. 앞으로 4차 산업혁명을 대비해서도 이에 대한 버즈워드만 있고, 표준/프레임워크는 미미한 상황입니다.

현재 기업들이 직면한 당면과제를 보면 사람, 프로세스, 기술 측면에서도 상당히 도전 과제들이 많습니다. 기술 측면에서는 자동화/스마트 장비/디바이스, 디바이스 Mesh/그물망, 모든 사물에서부터의 정보, Enterprise레벨에서의 Private 혹은 Cloud 인프라/데이터센터, 통합시스템(센서-장비-SW-HW-Infra-Service), Module/SW 디자인 적용 등 거의 모든 제조기업들이 본 기술에 대한 거의 대부분을 수용하여 적용해야하는 직면과제이고, 프로세스역시도 전략 > 개발 > 운영을 총괄하는 라이프사이클모델, 아울러 인적자원 측면에서는 새로운 조직 모델 (Projectized, Functional, Matrix 및 World-spread, Virtual모델)을 커버 및 협업 문화 역시 도전 과제 입니다.

아울러 과거 3차 산업까지의 사람과 비즈니스 관점에서의 접근은, 4차 산업으로 넘어오면서 Things (객체, 센서, 재활용한 가능한 모듈/콤포넌트) 및 이 Things간의 소통 및 지능화까지 올라가면서 관리 요인도 상당히 복잡해 졌습니다.

이에 대한 PD (Product Director), PO (Product Owner), PM (Project Manager), PgM (Program Manager), PfM (Portfolio Manager), FM (Function Manager), PL (Product Leader), BA (Business Architect/Analysis), OM (Operation Manager), PM (Production Manger) 등 각각의 역할에서의 이를 바라보는 주요한 두가지 요인 Things(Asset) 및 Dashboard(Visualize/KSF) 시각을 맞추는 것이 무척이나 중요합니다.  아울러 Lifecycle을 과거의 Predictive (Waterfall) 방식과 Adaptive (Agile) 방식의 장단점을 명확히 알고, 이를 선택 혹은 Hybrid 형태로 복합적으로 접목하여 협업해야한다는 컨센서스도 맞춰야 합니다. 

또한 구성원인 이해관계자 측면에서의 역할과 책임(R&R) 측면에서의 Stakeholder 분석, 영향력-관심도 측면, 소통계획, RACI를 명확히 하면서 의사소통을 맞춰야 합니다. 이에는 표준 프레임워크에 대한 일관성으로 명료(정성적)하고 명쾌한(정량적) 소통의 기준을 마련해야 하죠. 이에는 여러가지 표준 조합이 필요합니다.  고객/요구관점으로는 BABOK (Business Analysis Body Of Knowledge) 기준으로 표사 표준을 마련하고, 프로젝트 관점으로는 PMBOK (Project Management Body Of Knowledge), HW/FW/SW/Infra/서비스을 포함한 제품/시스템 관점으로는 SEBOK (System Engineering Body Of Knowledge), 아울러 운영 관점에서는 ITIL (IT Infra Library) 혹은 DevOps (Development & Operations)의 표준 개념이 필요합니다.

전체 프로세스 맵 구조로는 PMO 및 Governance 개념이 필요하고, 구체적으로 CMMI for DEV(개발)/ SVC(서비스)/ACC(획득) 같은 표준 성숙도 모델과, 변화관리로 조직역량(OPM3), 개인역량(PMCDF), 복잡프로젝트 관리, 프로젝트 변화관리, Agile 과 같은 Practice 등의 조합으로 구성되어야 합니다.  이 모든 것들이 개별 작동 및 통합 거버넌스 뷰가 되어야 하죠.

아키텍트 적인 측면에서는 PM이 관리하는 WBS (Work Breakdown Structure)와 Milestone/Stage/Phase 와, 엔지니어가 담당하는 PBS (Product Breakdown Structure)/ FBS (Feature Breakdown Structure)/ ABS (Asset Breakdown Structure)를 구분하여 V-Model 기반하 요구사항 > 디자인 > 구현 > 검증 > 전환 > 운영의 라이프사이클 관리로 하되, PM이 관리하는 WBS와의 상호간의 연관 관계를 잡아야 합니다.

또한 기능안전 IEC61508 관계 표준 ( 자동차 ISO/DIS 26262, 항공 DO-178C, 헬스케어 IEC 62304/FDA/ISO14971/IEC60601) 과 같은 호환성을 맞추기 위해서 요구사항 추적 매트릭스를 통한 Verification/검증과 Validation/확인이 필수 요소인데, 이를 PM 측면과 엔지니어/제품 측면으로 구분하여 빈틈없이 그리고 실시간으로 관리/추적할 수 있어야 합니다.

소비자 눈에는 하나의 제품이지만, 그 안에는 상당히 많은 소프트웨어, 전자, 기구, 제조 및 서비스의 복합으로 구성이 되는데, 이를 개별적으로 관리/Management가 가능해야 하고, 또한 프로젝트/ 제품/ 품질/ 인적자원/ 요구사항 관점에서의 통합적인 관제/Governance도 필요하며, 이러한 가시화가 실시간으로 도출 되어야 합니다.

결국 이러한 이해관계자별로 또한 Things 별로 개별 관리 및 통합 관제를 해야하는데, 이상적인 관리/관제 대쉬보드/Visualization 은 아래와 같습니다.  몇가지 주요 포인트가 있는데 1) 프로젝트와 프로덕트의 구분, 2) 프로젝트/프로그램/포트폴리오 구분, 3) 재활용 가능한 Things/Asset 구분하여 Rolling-wave, 4) 자원 레벨링 및 개인 및 조직 역량/성숙도 관리, 5) 요구사항구분(비즈니스와 제품) 아울러 SOW, 6) 로드맵 (제품 및 기술 구분), 7) 통합적 아키텍트 및 제품 특성별 설계 구분 (HRS, SRS, MRS), 8) 구현/개발의 주기적 검증, 9) Realization/Build/Release의 통합 자동화, 10) 운영 피드백이 다시 제품 기획으로 순환, 11) 프로젝트/제품/품질/인적자원/이해관계자/거버넌스 차원의 인포그라프 정도 입니다.  복잡한 것 같지만 당연히 구분되어야 하는 것들이고 이것들이 글로벌 표준에서 주요 점검 포인트 들입니다.

어찌보면 이러한 복잡한 프로젝트/제품 환경 속에서 Things/Asset에 대한 시각과 이를 레벨링/관리/관제/거버넌스/예측을 해야하는 Dashboard/Visualization/KSF 화가 4차 산업을 대비하는 기업들이 준비해야할 당면과제이지 않나 싶고, 운좋게도 저희는 좋은 기업을 만나 이러한 경험들을 함께 준비하고 리드하는 것 같습니다.

위에서 언급한 표준들에 대한 가이드 링크 공유합니다. 표준으로 회사의 멋진 조정/Tailoring 하시는데 도움이 되었으면 좋겠습니다.

• PMBOK  (참고: 현재 5판이며, 2017 Q3에 6판으로 갱신됩니다.)
• BABOK  (참고: 글로벌리더는 IIBA 기관이나, PMI에서 2017년도에 BA 표준을 출시하게 되면 주도권이 바뀔 수 있습니다.)
• SEBOK (참고: NASA에서 만든 NASA SE Handbook/2016개정판도 일반인도 읽기가 편합니다.)
• PMO (유럽 표준/Axelos, PMI에서는 PMO논문만 있고 Program/Portfolio/OPM3/Governance에 나누어 언급하고 있습니다.)
• PMCDF
• OPM3
• Governance
• CMMI
• ITIL
• DevOps
• PRINCE2 Agile
• Scrum 

매년 애플에서 주요 차기 개발 플랫폼을 발표하는 개발자 컨퍼런스 WWDC 2017 가 거의 2시간 30분에 걸쳐서 이뤄졌습니다. iMac Pro, HomePod와 같은 신규 Device 대한 소개도 있지만, macOS, iOS, tvOS, watchOS 에 녹여진 전략 및 서비스를 기반으로 한 생태계 주제로 이야기 해 볼까 합니다.

WWDC2017을 보고 몇가지 주요한 테마가 보였는데 1) 서비스, 서비스생태계(Kit) 및 장비의 포트폴리오 Alignment ,  2) 머신러닝 기반 메타 및 데이터의 구분  , 3) 멀티미디어 효율화를 위한 구성, 4) 클라우드 기반하에서의 심리스 환경, 5) 주요 매출처의 특화된 서비스 (China, Japan) 집중 인 것 같습니다.

목차 

1. 서비스, 서비스생태계(Kit) 및 장비의 포트폴리오 Alignment
2. 머신러닝 기반 메타 및 데이터의 구분
3. 멀티미디어 효율화를 위한 구성
4. 클라우드 기반하에서의 심리스 환경,
5. 주요 매출처의 특화된 서비스 (China, Japan) 집중

1. 서비스, 서비스생태계(Kit) 및 장비의 포트폴리오 Alignment

애플의 생태계는 OS, HW, App, Contents & Service까지 무척이나 플랫폼/생태계가 방대합니다. iPhone, iPad, Macbook/iMac, Apple Watch, Apple TV와 같은 장비도 만듬새가 좋지만, 가장 큰 차이가 OS, App, Service와의 연결성인 것 같습니다.

이에는 개발도구, App 프레임워크, 미디어 및 웹, 그래픽/게임분야에서의 각각의 Core에 해당하는 모듈과, 아울러 OOKit이라고 불리우는 3rd-Party 개발사가 직접 3.5억대의 Apple 생태계 장비를 활용할 수 있는 각 분야별 응용 분야입니다. 시계 관련 애플생태계에 진입하려면 WatchKit 기반하 개발, 홈네트워크는 HomeKit, 헬스캐어는 HealthKit, 인류건강연구기여는 ResearchKit, 지갑/보안은 Wallet/PassKit 사용해 업체의 서비스와 애플의 서비스를 통합하면 되는 구조입니다. 올해는 증강현실 ARKit,  , 음악서비스  MusitKit 이 추가되었습니다. 매년 이러한 주요 서비스/인프라 Kit이 한두개씩 추가된다고 보면 되고, 이 애플서비스 Kit 확장을 통해서 동반성장/WIN-WIN 모델이라는 생태계를 더욱더 곤고히 하는 것 같습니다.

아울러 HomePot은 HomeKit의 새로추가된 Speaker 모듈을 통해 제어할 수 있습니다. 이미 굴지의 오디오/스피커 제조사와 조율을 마친 모양입니다. AirPlay 프로토콜도 좋은데 새로 개선된 AirPlay 2 프로토콜로 통신한다고 합니다.

2. 머신러닝 기반 메타 및 데이터의 구분

WWDC 2017 에서는 특히나 머신러닝에 대한 엔진이 추가되었습니다. 일명 Core ML (Machine Learning)인데요. 여러 방법의 머신러닝 기법을 API 차원으로 사용할 수 있습니다. 이는 on-device 형태로 사용하기 때문에 경쟁사 대비 빠르게 인지/학습을 할 수 있다고 합니다. 도구 역시 머신러닝으로 유명한 업체들과의 호환성을 마쳤네요.

이러한 머신 러닝을 이용하게 되면 휴대폰 사용성 패턴을 파악 Adaptive 적용하여 배터리 사용 시간을 높일 수 있고, 사진의 객체 인식 및 자연어 API를 통한 처리, 애플 펜슬 사용시 팜리젝션 학습 등이 용이하게 된다는 장점이 있습니다. 3rd Party들은 단지 API를 사용하기만 하면 된다는 것이죠.

또한 머신러닝을 통해 Siri가 보다 더 똑똑해 지고, 이는 SiriKit 통해서 접근 채널도 많아지고 (거의 모든 애플 장비), 보다 할 수 있는 일과 사용자 맞춤형 서비스를 확장하는 초석이 되는 것으로 보입니다.

3. 멀티미디어 효율화를 위한 구성

FullHD는 물론 4K 동영상 처리를 위해 HEVC (High Efficiency Video Coding, H.265) 엔진을 탑재 및 압축효율을 50%정도 개선시켰고, 사진도 JPEG 이미지를 HEIF (High Efficiency Image Format)으로 약 50% 정도 개선시켰다고 합니다. 이 역시 장비 자체 뿐만 아니라 공유에도 문제가 없다고 하네요.

4. 클라우드 기반하에서의 심리스 환경

예전에 CloudKit 을 통해 iCloud Drive 및 Document & Desktop 동기화가 소개되었는데, 이번에는 아예 Kernel 차원으로 HFP+ 포맷을 APFS (Apple Filesystem)으로 바꾸어, Local 및 Cloud (Apple 뿐만 아니라 Dropbox, Box, Onedrive 같은 3rd Party storage 영역 포함) 을 FIleProvider/FIleProviderUI 를 통해 지원하는 것 같습니다. 아울러 iPhone, iPad 및 Mac 동일한 Storage 기반하에서 관리하여, 장비에 상관없이 파일/콘텐츠 작업을 할 수 있다는 전략인 것 처럼 보입니다. 스탭샷 처리 및 중복파일 처리도 엄청 유용하리라 보여집니다. 어찌보면 이것이 무서운 전략 같습니다. 어떠한 장비를 사용하더라고 내 환경 (사진, 음악, 영상, 문서, Creative) 을 무난하게 창작 및 소비할 수 있는 기본 인프라라는 것이요.

5. 주요 매출처의 특화된 서비스 (China, Japan) 집중

작년에는 iPhone 7의 일본특화 전자화폐 Felica 서비스를 공략하더니, 이번에는 아예 중국 특화 서비스를 공개하였습니다. 애플 전체 매출 중 중국 20%, 일본 7% 가 차지하는 주요한 localize 전략인 것 같습니다.

이미 애플은 OS, HW, APP, Service 및 각종 Kit 체계로 생태계를 더욱더 탄탄하게 갖추고 있으며 시대 흐름에 맞춰 AR/증강현실의 기본 탑재와 ML/머신러닝을 통한 사용자 친화적 점진적 개선이 이뤄지는 것 같습니다. 이는 철저한 아키텍트 체계와 핵심 기술을 꾸준히 개발하고, 관련된 산업/전문 회사들과 생태계를 늘려나가고 있는 파워를 여실히 느끼게 해주는 컨퍼런스였던 것 같습니다. 아울러 중국과 일본의 시장에서의 파급력 및 이에 대응하는 애플의 민첩성 역시 다시금 느끼는 계기가 된 것 같습니다.

전세계 60만명의 PM 회원의 대변인 격인 PMI (Project Management Institute) 에서 발간한 PMI Lexicon of Project Management Terms / PM 용어사전을 한글화 정리하여 문건을 공유합니다.

글로벌 표준이 좋은게 표준 단어/지식체계/프로세스가 있기 때문에 전세계 어느 프로젝트를 하더라도 원활하게 수행할 수 있다는 건데요.

글로벌 PM이라면 가장 기본이 되는 사전입니다. v3.1 문건은 총 188개 PM단어 목록이 선정되었습니다. 글로벌 PM을 지향하는 분이시라면 이참에 한번 훑어 보는 것을 추천드립니다.

PMI의 뉴스 오바마 대통령과 사업/프로젝트 거버넌스 정책 관련된  President Barack Obama Signs the Program Management Improvement and Accountability Act 기사가 있어 요약합니다. 국내에도 이러한 사업관리/프로그램 관리 제도가 올바로 입안되어 효율적이고 효과적인 제도가 정착되었으면 하는 바램입니다.

목차

1. 문제 : 사업관리 비효율로 세금 10% 낭비 ( 10억$ 당 1.1억$)
2. 해법 : 사업/프로그램 관리 개선 및 책임 이행법 (PMIAA)
3. 상세

1. 문제 : 사업관리 비효율로 인한 세금 10% 낭비

연방정부의 인프라 개발 및 병원 건설과 같은 정부 지원 프로젝트가 효과적으로 관리되면 매년 수백만 달러를 절약 할 수 있으나, 조직과 관료주의의 복잡성으로 인해 불필요한 지연과 비용 상승이 초래되어, 연방 이니셔티브 중 64 %만이 목표를 달성했으며 정부 기관은 프로젝트 및 사업관리/프로그램에 지출 한 10 억 달러에 대해 1 억 1 천만 달러를 낭비했습니다. (PMI 2016 보고서. 1조 기준으로 1천억원 낭비) 이에 대해 PMIAA를 통해 협업을 증진하고, 의사 결정을 개선하고, 리스크를 줄이기 위해 프로젝트 관리 접근법을 개선하는 방법에 대해 미국과 전세계의 모든 곳의 조직을 위한 로드맵의 필요성을 느끼게 됨

2. 해법 : 사업/프로그램 관리 개선 및 책임 이행법 (PMIAA, Program Management Improvement and Accountability Act)

PMIAA는 연방 프로그램 관리 정책을 다음 네 가지 중요한 주제를 개혁합니다.

1. 연방 정부의 프로그램 관리자를위한 공식적인 직업 시리즈 및 경력 경로 만들기.
2. 연방 정부에 표준 기반 사업/프로그램 관리 정책 개발.
3. 연방 정부 기관의 고위 임원을 사업/프로그램 관리 정책 및 전략에 대한 책임자로 지명함으로써 경영진의 후원 및 참여의 본질적인 역할을 인식합니다.
4. 사업/프로그램 관리에 관한 부처 간담회를 통해 사업/프로그램 관리에 대한 성공적인 접근 방식에 대한 지식 공유.

2016 년 12 월 14 일, 오바마 대통령은 책임을 강화하고 연방 정부에서 프로그램 관리의 모범 사례를 장려하기 위해 2015 년 프로그램 관리 개선 및 책임 이행법 (PMIAA)에 서명했습니다. PMIAA는 초당적 지지로 통과 되었습니다.  특히, 새로운 법률은 자격을 갖춘 프로젝트 및 프로그램 관리자를 공식 경력 경로를 만들어 채용하고 유지하고, 프로그램 관리를위한 표준 기반 모델을 개발하고, 각 기관의 고위 간부를 프로그램 관리 전략을 담당하도록 지명하고, 마지막으로 부처 간 협의회를 통해 모범 사례에 개발 및 개선 할 것입니다. 이 법안은 산업 및 정부에 프로젝트 기획, 집행 및 인도와 관련된 공통 언어를 제공함으로써 공공 및 민간 부문을 연결하는 데 도움이 될 것입니다. (자문기관인 PMI는 최근 제정안과 의도 된 혜택을 논의하기 위해 의회 정부 효율성 정책회에 2017.02.15년 가입하였음.)

3. 상세: S.1550 – 사업/프로그램 관리 개선 책임 이행법

이 법안을 요약하면 관리 예산 국 (OMB)의 관리 담당 부국장이 아래와 같은 추가 기능을 수행하도록 규정함.

• 집행 기관을위한 사업/프로그램 및 프로젝트 관리를위한 정부 차원의 표준, 정책 및 지침의 이행을 채택하고 감독한다.
• (이 법에 의해 설립 된) 사업/프로그램 관리 정책위원회 의장;
• 사업/프로그램 및 프로젝트 관리 계획 및 제공을 위해 널리 받아 들여지는 표준에 부합하는 집행 기관을위한 표준 및 정책 수립;
• 민간 부문과 협력하여 연방 사업/프로그램 및 프로젝트 관리를 향상시키는 사업/프로그램 및 프로젝트 관리의 모범 사례를 확인합니다.
• GAO (Accountability Office)에 의해 고위험으로 분류 된 프로그램을 해결하기 위해 포트폴리오 검토를 수행합니다.
• 사업/프로그램 관리의 품질과 효과를 평가하기 위해 적어도 매년 1 회 기관의 프로그램에 대한 포트폴리오 검토를 실시한다.
• 사업/프로그램 및 프로젝트 관리를위한 5 개년 전략 계획 수립

이 법안은 국방부 (DOD)가 다음과 실질적으로 유사한 정도까지 그러한 조항을 면제합니다 : (1) 국방 습득 인력을 통제하는 연방 규정; (2) 사업/프로그램 관리와 관련된 국방부의 방침, 지침 또는 지시.

각 연방 기관의 장은 프로그램 관리 개선 정책 담당자를 지정하여 대행사 프로그램 관리 정책을 이행하고 대행사 내 프로그램 관리자의 역할을 강화하기위한 전략을 개발해야하며, OMB는이 법안의 제정 후 1 년 이내에 그러한 전략을 포함하는 보고서를 제출해야 함

사업/프로그램 및 프로젝트 관리와 관련된 기관 관행을 개선하기위한 주요 기관 간 포럼 역할을 수행하기 위해 OMB 내에 프로그램 관리 정책위원회 (Program Management Policy Council)가 설립함.

인사 관리 실 (Office of Personnel Management)은 (1) 기관 사업/프로그램 및 프로젝트 관리자에게 필요한 핵심 기술 및 역량을 파악하고, (2) 새로운 직무 시리즈를 수립하거나, 기존 직무 시리즈를 업데이트하여 (3) 사업/프로그램 및 프로젝트 관리자를위한 새로운 경력 경로를 수립해야 함.

참고문헌

1. S.1550 – Program Management Improvement Accountability Act

2. What is the Program Management Improvement and Accountability Act?

3. A new law will prevent the government from wasting millions of dollars every year

4. President Barack Obama Signs the Program Management Improvement and Accountability Act

5. Project Management Institute and Members of Government Efficiency Caucus Discuss New Law Aimed at Improving Federal Government Efficiency

PMI 에서 출시한 “프로젝트 관리 관련 직업 성장과 인재 격차(2017-2027)” 보고서에 의미있는 in-sight가 많아 한글로 번역하여 공유합니다.

개요전문  

프로젝트 관리자를 위한 향후 10 년간의 수요는 다른 직종의 근로자에 대한 수요보다 빠르게 증가하고 있습니다. 그러나 조직은 전문 인재 격차의 위험에 직면합니다.

Anderson Economic Group(AEG)은 PMI로 부터 위탁받은 인재 격차 분석 결과는 11 개국 내의 프로젝트 매니저를 대상으로 취업 및 경력 성장에있어 탁월한 기회를 제공합니다. 2027 년까지 7 개 분야의 프로젝트 중심 산업에서 프로젝트 관리 위주의 노동력은 33%, 또는 거의 22백만 개의 새로운 일자리 증가가 예상됩니다. 2027 년까지 고용주는 프로젝트 관리 중심의 역할로 약 88백만 명의 개인을 필요로 할 것입니다. 중국과 인도는 전체 프로젝트 경영 지향적 고용의 75 % 이상을 차지할 것입니다.

이 보고서는 프로젝트 관리자가 생산성에 중요한 공헌자임을 직시해줍니다. 인재 부족으로 인해 조사 대상 11 개국의 10 년 동안 GDP가 거의 2 천 8 백억 달러에 달하는 리스크가 발생할 수 있습니다.

[PDF 다운로드]

• 한글본 PDF 다운로드 : PMI 프로젝트 관리 직업 증가와 인재 격차 보고서
• 영문본 PDF 다운로드 : http://www.pmi.org/learning/careers/job-growth

 

PMI 에서는 매년 “The Pulse of Profession®” 이라는 PM트랜드 보고서를 출시합니다. 이번에는 Elevate Success (성공의 상승)이라는 제목으로 인포그래픽화 요약이 잘 되어있어서, 한글화 번역해 보았습니다. 기업의 올바른 PM/PMO 구축하는 중요한 근거/통계 자료로 활용되었으면 좋겠습니다.

• 영문 PDF 다운로드 : http://www.pmi.org/learning/thought-leadership/pulse
• 한글 PDF 다운로드 : PMI-ThePulseOfProfession-2017-ElevateSuccess-infographic

글로벌 프로젝트 관리 체계에 있어 미국에 본부가 있고, 전세계적으로 약 300여개 로컬 챕터가 활동하는 가장 큰 비영리사단법인인 PMI (Project Management Institute)의 표준 체계를 소개합니다.  PMI 표준 혹은 실무 가이드 중에 현업에 적용하면 매우 유용한 표준/지침서들이 많아, 균형적인 활용을 위해 안내 합니다.  (참고로 자격증 취득인원은 2017.4.30 기준입니다.)

순서

1. PMI 개요
2. Foundational Standards
3. Practice Standards & Framework
4. Practice Guides
5. PMI Lexicon of Project Management Terms
6. 표준 작성 절차 및 작성 중 표준

1. PMI 개요

글로벌로 인정 된 표준, 인증, 커뮤니티, 리소스, 도구, 학술 연구, 출판물, 전문성 개발 과정 및 네트워킹 기회를 통해 경력을 쌓고 조직의 성공을 개선하며 프로젝트 관리 업무를 성숙시키는 것을 목적으로 설립된 비영리 사단법인

• 전세계 모든 지역의 10,000 명 이상의 자원 봉사자가 활동 중
• PMP (Project Management Professional) 인증 전문가는 770,000 명이며,  미국 이외의 지역에서 절반 이상 취득, 중국이 약 17% 정도 차지  (한국은 12,000명으로 전세계 #8위, 아시아권 #3위 규모)
• 207 개 국가 및 지역에서 온 47 만 명이 넘는 회원들이 283 개의 챕터 및 12 개 포텐셜 챕터가 활동하고 있음
• 프로젝트 관리 표준인 PMBOK® 지침서가 5 백만 부 이상 배포 됨 (10 개 이상의 언어로 된 공식 번역 포함)

2. Foundational Standards

이 표준은 프로젝트 관리 지식을 위한 기초 프레임워크를 제공하며 프로젝트, 프로그램, 포트폴리오 및 프로젝트 관리에 대한 조직적 접근 방식의 4 가지 직업 분야를 대표합니다. 이들은 실무 표준과 산업별 확장이 구축되는 토대입니다.

	PMBOK® Guide – Fifth Edition 프로젝트 관리자 표준 PM의 정석과 같은 PM Bible 미국 ANSI 표준이자, 글로벌 표준 PMP 자격증 : 773,840명 PMBOK 6판 주요 변경 내용
	The Standard for Program Management – Third Edition 프로그램 관리자 표준 PgMP 자격증 : 1,896명 미국 PMI 프로그램 전문가 PgMP 국내 1호 백광구
	The Standard for Portfolio Management – Third Edition 포트폴리오 관리자 표준 PfMP 자격증 : 423명
	Organizational Project Management Maturity Model (OPM3®) – Third Edition 조직 프로젝트 관리 성숙도 (OPM3) 표준 관련자격증 : 없음

3. Practice Standards & Framework

실무 표준은  PMBOK 가이드에서 식별된 도구와 기법 혹은 프로세스별 특화된 사항이나 다른 기초가 되는 표준을 설명합니다.

	Practice Standard for Project Risk Management 프로젝트 리스크 관리 실무 표준 PMI-RMP 4,060 명
	Practice Standard for Earned Value Management – Second Edition 획득가치관리(EVM) 실무 표준 관련자격증 : PMP
	Practice Standard for Project Configuration Management 프로젝트 형상 관리 실무 표준 관련자격증 : PMP
	Practice Standard for Work Breakdown Structures 작업분류체계(WBS) 실무 표준 관련자격증 : PMP
	Practice Standard for Scheduling – Second Edition 일정 관리 실무 표준 PMI-SP 1,673명 PMI-SP 소개 및 MS Project를 이용한 프로젝트 일정관리
	Practice Standard for Project Estimating 프로젝트 산정 실무 표준 PMI-SP 1,673명
	Project Manager Competency Development Framework – Third Edition 프로젝트 관리자 역량 개발 프레임워크

4. Practice Guides

실습 안내서는 PMI 표준을 적용하는 데 도움이되는 정보와 지침을 제공합니다. 실무 가이드는 잠재적 표준이 될 수 있으며, 표준으로 선정되면 완전한 합의 표준을 개발하는 프로세스를 거치게됩니다.

	Requirements Management: A Practice Guide 요구사항 관리 : 실무 가이드
	Governance of Portfolios, Programs, and Projects: A Practice Guide 프로젝트, 프로그램, 포트폴리오 거버넌스 : 실무 가이드
	Business Analysis for Practitioners: A Practice Guide 비즈니스 분석 : 실무 가이드 PMI-PBA 1,376명
	Implementing Organizational Project Management: A Practice Guide 조직적 프로젝트 관리 이행 : 실무 가이드
	Navigating Complexity: A Practice Guide 복잡성 탐색 : 실무 가이드
	Managing Change in Organizations: A Practice Guide 조직 변화 관리 : 실무 가이드

• 참고 PMI-ACP (Agile 전문 자격증)은 실무가이드가 없는 상태이며, 올해 발간될 예정입니다. 현재 PMI-ACP 15,621 명

5. PMI Lexicon of Project Management Terms

프로젝트 관리 용어의 PMI 사전은 직업에 자주 사용되는 용어 중 약 200 가지를 명확하고 간결하게 정의합니다. Lexicon은 프로젝트, 프로그램 및 포트폴리오 관리에 관련된 모든 사람들에게 용어의 이해와 일관된 사용을 촉진시키는 데 필수적인 리소스입니다. 표준화 된 언어를 사용하면 프로젝트 팀 간의 원활한 의사 소통이 촉진되며 모든 적문적인 작업에 있어서 필수 구성 요소입니다.

PMI Lexicon of Project Management Terms 188개 PM 표준 용어집 글로벌 표준 PM 단어집 한글 번역 – PMI Lexicon of Project Management Terms (v3.1)

6. 표준 작성 절차 및 작성 중 표준

• 미국 국가 표준 개발 및 조정 정책을 준수 함 
• 2017 가장 코어가 되는 Foundational Standards 의 전판이 개정 됨
  • (1) PMBOK® Guide – Sixth Edition
  • (2) The Standard for Program Management – Fourth Edition
  • (3)The Standard for Portfolio Management – Fourth Edition
  • (4) The Standard for Organizational Project Management (OPM)
• Practice Guides에서 “The Standard for Business Analysis” 표준으로 제정 됨. 관련 자격증, PMI-PBA(Professional Business Analysis)는 출시 되었음 (PMI-PBA 1,376명)

LinkedIn은 2017 년 최고의 기술 목록을 발표했습니다. 데이터 프리젠테이션이 처음으로 상위 10 위 안에 들었던 지난 해 이후, 통계 분석 및 데이터 마이닝 2개가 선정되었습니다.

이 두 가지 기술 범주는 2001 년 Purdue 대학교 통계학 교수 인 William S. Cleveland가 컴퓨터 과학 및 통계학의 합병을 주장했을 때 작성한 용어 인 데이터 과학의 제목 아래 기술 되어있었습니다.

데이터 과학자들이하는 일

데이터 과학자는 통계 및 모델링에 대한 지식을 활용하여 제품 개발에서 고객 유지, 새로운 비즈니스 기회에 이르기까지 모든 것에 대한 데이터를 실용적인 통찰력으로 변환합니다.

최근 트렌드

이 분야는 엄청난 성장을 경험했습니다. 2011 년으로 거슬러 올라가는 이러한 추세를 확인하십시오.

• 미국에서의 심층 분석 인재에 대한 수요는 2018 년까지 공급보다 50-60 % 증가 할 것으로 예상되며, 14 만에서 19 만 명의 부족과 150 만 명의 관리자 및 분석가가 부족한 것으로 나타납니다.

• 데이터 과학자는 “21 세기의 가장 섹시한 직업“이라고 선언했습니다.

• 2015 년 1 사분기 동안 데이터 과학자의 취업자 수는 전년 대비 57 % 증가했으며 데이터 과학자 검색은 같은 기간 동안 73.5 % 증가했습니다.

• 데이터 과학자는 높은 수입 잠재력, 풍부한 경력 기회 및 일자리 수 때문에 미국에서 최고의 직업으로 선정되었습니다.

• 관련 검색어는 지난 5 년 동안 6 배나 증가했습니다.

현장이 너무 빠르게 성장하고 있기 때문에 고용주는 이전 경험으로 재능을 습득해야하며 대학생 및 중견 직업인이 이러한 기술을 개발하고 직위에 취업 할 수있는 기회를 제공해야합니다.

성공을 위해 필요한 기술

데이터 과학자들은 기술, 분석 및 프리젠테이션 기술의 고유 한 조합을 보유하고 있어야하기 때문에 찾기 어렵습니다.

그들은 통계와 응용 수학을 이해합니다. 그들은 설계 한 실험으로 가설을 검증 할 수 있습니다. 이들은 취합, 처리 및 데이터 저장 방법을 설계 할 수있는 충분한 프로그래밍 지식을 갖추고 있습니다. 또한 데이터 시각화 및 스토리텔링을 통해 결과를 전달합니다.

그들이 사용하는 언어 및 응용 프로그램 중 일부는 SQL, R, Python, SPSS, Tableau 및 Hadoop입니다.

참고

1. How To Become A Data Scientist In 2017 (원문)
2. 8 Skills You Need to Be a Data Scientist
3. 데이터 사이언티스트: 21세기의 가장 섹시한 직업!
4. Data scientist는 누구인가? – 21세기의 가장 섹시한 작업의 실체

머신러닝(ML), 인공지능(AI), Microsoft Cognitive Toolkit (CNTK) 엔지니어인 Ivan Farkas 의 AI 학습 경로에 대한 좋은 안내 글(AI Learning Path, May 27, 2017)이 있어 공유합니다. 데이터 과학자, 머신러닝(ML), 인공지능 엔지니어라면 필수적으로 알아야할 개념과 추천 과정들이 쉽게 설명되고 정리가 잘 되어있어 번역해 보았습니다.

순서

1. 머리말
2. 인공지능(AI)을 사용하는 이유
3. 인공지능(AI)으로 진입해야하는 이유
4. 지금이어야 하는 이유
5. 학습 전략
6. 세 가지 학습 경로 (1. AI 소비자, 2. 데이터 과학자, 3. 머신러닝(ML) 엔지니어)
7. 배치 인공지능(AI) 교육
8.  AI는 얼마나 빨리 혁신되고 있습니까?
9. 결론
10. 참고문헌

머리말

기술, 특히 소프트웨어 개발은 수평적으로나 수직적으로 성장하고 있을 뿐만 아니라 매우 세분화되고 전문화되고 있습니다. 따라서 소프트웨어 개발자는 무엇을 연구하고 어떤 깊이로 결정해야 하는지를 결정하기가 어렵습니다. 전체 스택 소프트웨어 개발자 및 컨설턴트로서 교육 자료, 과정 및 자격증을 위한 시간, 에너지 및 돈을 투자해야하는 소프트웨어 기술 및 방법에 대해 많은 질문을 받습니다. 이에 관련하여 다음과 같은 5 가지 질문에 스스로 답해보시기 바랍니다.

1. 가장 흥미로운 소프트웨어 기술은 무엇입니까?
2. 어떤 업체의 구현물이 경쟁에서 이기는 가장 좋은 기회입니까?
3. 내 직업 프로필에 얼마나 중요합니까?
4. 고객에게 어떻게 판매 할 수 있습니까?
5. 어떻게 하면 수익을 올릴 수 있을까요?

인공지능(AI)과 머신러닝(ML)은 패러다임의 변화이며 IT 역사상 가장 큰 혁명이 될 것이지만, 현재까지도 여전히 많은 어려움이 있습니다. 필자는 2015 년경에 머신러닝(ML)과 컴퓨터 비전(Computer Vision)을 매우 신중하게 바라보았습니다. 제 친구 Zoltan Feher 가 크리스마스 시즌에 우리와 함께 보냈습니다. 그때 우리는 인공지능(AI)으로 문제를 해결할 수 있는 컴퓨터 비전과 머신러닝(ML)이 적용된 가전 제품에 대해 브레인스토밍을 했었습니다. 이것이 앞서의 #1번 질문에 대한 대답일 것입니다. #2 번 질문에 대한 답을 찾는 것이 힘들었 기 때문에 확실한 방법으로 합성곱 신경망(Convolutional Neural Network, CNN)으로 MatLab 을 사용하여 구현해 보았습니다. 어떻게 작동하는지 알지 못했고, 그것에 대한 정답이 하나가 아니라는 것도 알고 있었지만, 그 당시에는 다른 어떤 것도 보이지 않았으며 지금도 그렇게 할 것입니다. 처음 두 질문에 답하는 것은 인공지능(AI)과 머신러닝(ML)이 저의 시간, 에너지 및 돈에 가치가 있다고 결정할만큼 충분히 매력적이었습니다. 그때의 의사결정은 많은 산업 리더와 포럼을 통해 확인할 수 있었습니다. 물론 사람마다 다를 수 있습니다.

이 글에서는 3 가지 주요 인공지능(AI)에 대한 학습 경로, 관련 내용 및 장단점에 대해 설명합니다. 그러나 그 전에 사물을 바라보는 관점을 좀 다르게 볼 필요가 있습니다. 왜 인공지능(AI)을 사용해야하며, 왜 인공지능(AI)으로 진입해야하는지, 마지막으로 왜 지금이어야 하는지에 대해서요.

인공지능(AI)을 사용하는 이유

전통적인 프로그래밍으로는 해결할 수 없는 문제가 있지만 머신러닝(ML)은 이를 해결할 수 있습니다. 데이터 과학자는 다섯 가지 간단한 질문을 통해 문제를 분류 할 수 있습니다. Brandon Rohrer는 5 개의 항목이 무엇인지에 대해 자세히 설명하는 훌륭한 게시물을 가지고 있으며, 아래에 요약하였습니다.

데이터 과학자의 5 가지 질문 [00:18:19]

1. 어떤 카테고리? – 분류 (바이너리, 멀티 클래스)
2. 이상한가요? – 변이 (Anomaly)
3. 얼마나 크게/많게 예측합니까? – 회귀 분석 (Regression)
4. 이것은 어떻게 관련되어 있습니까 (데이터 구조)? – 클러스터링, 추천 시스템
5. 무엇 향후 계획? – 강화 학습 (Reinforcement Learning)

이것들을 자세히 보도록 하겠습니다.

1. 분류 / Classification
때로는 환자가 병에 걸렸는지 아닌지 분류하는 것처럼 사물을 분류해야합니다. 분류 : 출력 변수는 클래스 라벨(class label) 입니다.

 

2. 회귀 분석 / Regression
우리가 물을 수있는 또 다른 질문은 미래의 문제를 예측하는 것입니다. 예를 들어, 주택의 크기와 위치에 따라 주택 가격이 약간의 수치 (연속적 일 수 있음) 일 수 있습니다. 회귀 : 출력 변수는 연속적인 값입니다.

 

3. 변이 / Anomaly
또 다른 클래스의 알고리즘은 이상 탐지기 (outlier detection)라고도 불립니다. 예상되는 패턴이나 데이터 세트의 다른 항목을 따르지 않습니다. 일반적인 문제는 은행 사기, 스팸, 구조적 결함, 의학적 상태 또는 텍스트 오류입니다.

 

4. 클러스터링 / Clustering
유사성을 기반으로 데이터 세트를 여러 그룹 (클러스터)으로 분류하는 것입니다.

 

5. 추천 시스템 / Recommender System
Netflix와 Amazon이 본인이 좋아할만한 영화나 제품을 추천하고있는 방법을 생각해보십시오.

 

6. 강화 학습 / Reinforcement Learning
바둑은 체스보다 더 복잡한 순서 구조입니다. 알파고/AlphaGo는 2016년 12월에 이어 2017년 5월에도 다시 세계 챔피언을 이겼습니다. 알파고는 이제는 알파고 끼리의 자체 대국을 통해 게임에서 더 잘 대처하면서 진화하고 있습니다. 이것이 강화 학습(Reinforcement Learning)의 예입니다.

데이터 과학자의 5가지 질문

데이터 과학은 어떻게 동작합니까?

알고리즘 = 요리레시피

데이터 = 재료

컴퓨터 = 믹서기

해결책 = 스무디

인공지능(AI)으로 진입해야하는 이유

앞서의 다섯 가지 질문은 머신러닝(ML)의 힘을 보여 줍니다, 이는 전통적인 컴퓨터 과학으로는이 소화할 수 없는 것들입니다. 예를 들어 Excel에서 회귀 연산을 할 수 있지만 Excel은 행성 규모 데이터를 처리 할 수 없으며, 이를 위해서 설계된 것도 아닙니다. 따라서 우리는 데이터의 모든 관련 부분을 이미 걸러내어 새로운 정보를 수집할 때 매우 효율적으로 사용할 수 있도록 만들어야 합니다. 이것이 컴퓨팅 계산으로로도 매우 비싸고 힘든 과정의 학습 절차입니다. 이 모든 것들은 오늘날 우리가 전통적인 컴퓨터 과학으로 할 수 없는 것들입니다. 따라서 아무것도 없다면 이것이 인공지능(AI)으로 진입해야하는 아주 좋은 이유가 될 것입니다!

지금이어야 하는 이유

아래 이미지는 인공지능(AI), 머신러닝(ML) 및 인공 신경망 (신경 네트워크)과의 양파구조와 같은 관계를 설명합니다.

인공지능(AI) 레이어

인공 신경망은 과거에는 잘 작동하지 않았습니다. 지금도 마찬가지고 그렇기 때문에 이유가 있는 것입니다. 세가지 촉매제가 이러한 폭발을 유발하고 유지하고 있습니다.

1. 새로운 수학 조합(New Combo of Math) : 스파크

2. 빅 데이터(Big Data) : 연료

3. 방대한 계산(Massive Computation) : 마력

학습 전략

머신러닝(ML)을 이해하는 데는 두 가지 다른 접근 방식이 있습니다.

하향식 

1. 적용하고 있는 머신러닝(ML)의 프로세스를 배우세요.
2. 문제를 해결할 수있는 도구를 사용하는 방법을 알아보세요.
3. 데이터셋을 가지고 가능한 많이 연습하세요.
4. 머신러닝(ML) 알고리즘의 상세 사항 및 이론으로 한걸음 더 들어가세요.

상향식
먼저 이론부터 시작하세요. 머신러닝(ML)에는 두 가지 측면이 있습니다.

1. 실용 머신러닝(ML) 데이터를 정리하고, 데이터베이스를 쿼리하고, 데이터를 변환하고, 알고리즘과 라이브러리를 연계하는 활동입니다. 또한 까다로운 문제를 해결하기 위해 데이터로부터 신뢰할 수 있는 답을 얻어야 하는데, 이를 위해 직접 프로그램 코드를 작성해야 합니다. 꽤나 지저분한 일이지만 이것이 현실이죠.
2. 이론적 머신러닝(ML) 그것은 학문적 수준의 수학, 추상화 및 이상화된 시나리오와 한계, 아름다움과 가능한 정보에 관한 것입니다. 그것은 훨씬 더 깔끔하고 깨끗하며 현실의 혼란들이 제거된 것입니다.

과거의 연구, 동기 부여, 결정 및 목표에 비추어, 필자는 상향식 방법 중 이론적 머신러닝(ML) 경로를 선택했습니다. 이것은 이론, 모델 및 하이퍼 파라미터 조정에 대한 철저한 이해가 하기 때문에 하향식 실용적 머신러닝(ML) 경로보다 어렵지만 훨씬 더 보람적입니다. 이것은 또한 당신의 시간과 에너지 그리고 약간의 자금에 대한 막대한 초기 투자를 필요로합니다. 데이터 정리, 기능 인지에 대한 실용적인 통찰력을 키워 다양한 모델을 더 잘 이해하게 되고, 최적화 과정에서 매우 유용한 직관을 개발하는 것이 일상적으로 반복되는 과정입니다. 머신러닝(ML)을 공부하는 것에 대해 그것이 좋거나 훌륭하거나 우수한지에 대한 판단이 모호하거나, 학습에 필요한 에너지를 투자하는 것에 대한 가치가 확실하지 않은 완전한 초보자는 하향식 머신러닝(ML) 경로에서 시작하는 것이 좋습니다.

Andrew Ng의 아래 두 인용문은 매우 적절합니다.

머신러닝(ML) 한 클래스 과정은 실제로 유용하게 적용 할 수있는 수준으로 발전했습니다.

머신러닝(ML)은 ‘실리콘 밸리에서 가장 많이 찾는 기술 중 하나’ 입니다. 

대수와 확률에 익숙하면 분명 도움이 될 것이라고 그는 덧붙였습니다. 그러나 자신의 코스에 대한 유일한 전제 조건은 프로그래밍에 대한 기본적인 이해입니다. 이 과정은 엄청나게 도전적일 수 있습니다! 아주 가까운 미래에 소프트웨어를 만들 방식은 과거에 소프트웨어를 제작 해왔던 방식이 아니기 때문입니다. 우리는 여지껏 컴퓨터 과학을 연구 해 온것이지,이것은 새로운 경험적 과학입니다. 이것은 또다른 과학 분야이기에, 시중의 유행어와는 달리 봐야합니다. 우리는 관련된 모든 새로운 유행어를 배워야합니다.

인공지능(AI) 유행어

좋은 소식은 여러분이 그것들을 한꺼번에 배울 필요가 없다는 것입니다. 이것들이 다가 아닙니다. 다시 목표로 돌아가 봅시다. 목표는 여러분이 소프트웨어를 지능적으로 만들고 싶다는 것입니다. 따라서 Microsoft에서 제시하는 데이터 과학에 뛰어 들지 않고도 도움을 받을 수 있는 방법이 있습니다. 우선 인지 서비스를 제공합니다.이제 다양한 학습 경로와 데이터 과학에 몰두하는 수준에 대해 다시 생각해 보겠습니다.

세 가지 학습 경로

1. 인공지능(AI) 소비자

실용적인 머신러닝(ML) 경로입니다. Cognitive Services API (인지 서비스 API)를 사용하면 잘 할 수 있습니다. 이들은 몇 줄의 코드 만 사용하여 강력한 알고리즘으로 앱을 제작할 수 있도록 미리 준비된 미리 준비된 모델입니다. 본질적으로 당신은 인지 서비스 소비자가 되는 것이죠. Build 2017에서 Microsoft는 기능을 더욱 개방 한 맞춤 서비스를 도입했습니다. 다음은 사용 가능한 서비스의 스냅 샷입니다.

Cognitive Services list

Cognitive Services Documentation 에서 설명서 및 자습서를보고 시작할 수 있습니다. Azure 개발자 워크샵 (스토리지,인지, ML/머신러닝(ML), 스트림 분석, 컨테이너 및 도커) 비디오 과정을 갖춘 Microsoft Virtual Academy 도 있습니다. 새로운 맞춤형 시각 및 음성 API를 사용하여 인지(Cognitive) 서비스의 기능과 정확성을 능가하는 경우 소매를 걷어 올려 시행 착오를 거쳐 몇몇 데이터 과학을 학습하면 됩니다.

2. 데이터 과학자

데이터 과학자의 TopTal정의는 다음과 같습니다.

데이터 과학자는 데이터에서 가치를 창출하는 사람입니다. 데이터 과학자의 임무에는 일반적으로 추천 엔진이나 자동 리드 스코어링 시스템과 같이 회사 내에서 다양한 머신러닝(ML) 기반 도구 또는 프로세스를 만드는 것이 포함됩니다. 이 역할 내의 사람들은 또한 통계 분석을 수행 할 수 있어야합니다.

개발자에서 데이터 과학자로 전환하는 방법은 무엇입니까? [00:32:20]

과거에는 Matlab, Octave, SciKit Learn와 같은 Python 패키지 같은 다수의 데이터 과학 및 머신러닝(ML) 도구가 있었습니다. 이 과정의 일환으로, 데이터 과학자들은 분석할 데이터에 대해 상세히 알아야 했습니다. Matlab 과 Octave이 이제는 통계 분석 및 플로팅 기능이 내장되어 갖추고 있습니다. Python의 경우도 numpy, matplotlib, Panda, Seaborn, Plotly 및 Cufflinks (제가 가장 좋아하는)와 같은 수많은 데이터 시각화 패키지를 사용할 수 있습니다.

데이터 과학자로서 자문해야할 할 많은 의문점들이 있습니다.

• 머신러닝(ML)을 위한 데이터 구성 방법
• 데이터를 정리하는 방법?
• 누락 된 값을 처리하는 방법?
• 엔지니어적 기능 구현?
• 좋은 품질의 데이터를 얻는 방법? 
• 데이터를 시각화를 하는 이유? 

Azure Machine Learning Studio를 사용하여 이러한 모든 단계를 수행 할 수 있습니다. 데이터 과학에 대한 훌륭한 경험을 얻을 수 있으므로 멋지게 소화해 보세요. 다음과 같은 기능을 가지고 있습니다.

ML Studio

데이터 과학자가되는 방법을 배우기 위한 많은 설명서, 자습서 및 교육 비디오가 있습니다. 진지한 마음으로 경력을 쌓으려는 경우 데이터 과학 온라인 과정인 MOOC (Massive Open Online Course) 에서 제공하는 Microsoft 데이터 과학 전문가 프로그램을 추천합니다. MOOC 는 많은 비디오 강연으로 구성된 집중 장기 코스입니다.

데이터 과학자 학습 경로에 대한 조언

인지 서비스를 먼저 시작하세요. 거기에 좋은 것들이 많이 있습니다. 그것들만 활용하더라도 당신이 처한 문제를 해결할 수 있습니다. 이미 해결했을 수도 있겠지만, 그걸로 끝내지 마세요. 그것이 바로 앞에있는 모든 문제를 해결하고 있다고 해도, 저의 조언은 더 먼 길을 바라보고 가는 것입니다. 아울러 Azure ML Studio는 훌륭한 방법이라고 생각합니다. 이는 20년 전의 Visual Basic과 유사합니다. 많은 비 전문가를 끌어 들이고 생산성을 높이는 놀라운 시각화 기능을 갖추고 있습니다. 이 과정을 시작하십시오. 데이터를 가지고 놀고 데이터를 시각화해보세요. 그러다 보면 새로운 어휘력이 생기면서 관련된 분야의 새로운 사람들이 당신의 삶에에서 같이 하게 될 것입니다. 또한 MicrosoftML 을 확인해 보십시오. 다음 단계는 머신러닝(ML) 전문가 엔지니어가되는 것입니다. 마이크로 소프트는 전문가들 보상 프로그램을 가지고 있습니다.

인공지능(AI) 학습 경로

3. 머신러닝(ML) 엔지니어

다음이자 마지막 단계는 머신러닝(ML) 엔지니어입니다. 머신러닝(ML) 엔지니어는 데이터 과학자가 가지고 있는 기술에 더하여 모델을 설계하고, 하이퍼 파라미터를 조정하고, 데이터 과학자와 개발자가 소비 할 머신러닝(ML) 모델을 패키징 할 수 있어야합니다.

다음은 필수 기술입니다 :

1. 컴퓨터 과학 기초 및 프로그래밍
2. 확률 및 통계
3. 데이터 모델링 및 평가
4. 머신러닝(ML) 알고리즘 및 라이브러리 적용
5. 소프트웨어 공학 및 시스템 설계

필수 기술 세트를 가르치기 위해 사용할 수있는 MOOC가 많이 있지만, 모든 것을 가르친 것을 찾지 못했습니다. 저는 전기 공학 석사 학위를 취득 했으므로 30 년 전에 공부 한 수학 중 대부분은 공부했지만, 지금에 필요한 재교육 자습서가 필요했습니다.

따라서 Machine Learning Engineer 커리큘럼을 작성해야했습니다.

• 선형 대수학 – 칸 아카데미
• 미적분학 – Thinkwell
• 미적분학 – 칸 아카데미
• 통계 학습 입문 
• 최적화 방법 (Lagrange multipliers) – 칸 아카데미
• 완벽한 파이썬 부트 캠프 – Jose Portilla, Udemy
• 데이터 과학 및 머신러닝(ML)을 위한 Python – Jose Portilla, Udemy
• 머신러닝(ML) – Andrew Ng, Stanford, Coursera
• 머신러닝(ML)을위한 신경망 – Geoffrey Hinton, 토론토 대학, Coursera

추천 코스 및 자료 :

• CS231n : 시각 인식을 위한 합성곱 신경망 – Stanford
• Andrej Karpathy 의 중간값
• Andrej Karpathy 블로그
• Christopher Olah (나의 다른 헝가리 사람) blog
• Python과 Keras로 깊은 학습을위한 제로 – Jose Portilla, Udemy
• 또한, 다양한 리소스 리스트를 확인하십시오.

Google의 TensorFlow처럼, 이전에 CNTK로 알려진 Microsoft Cognitive Toolkit 은 USQL 및 Python을 통해 로컬 GPU, Azure 및 Azure Data Lake, SQL Server 2017에서 각각 실행되는 정교한 신경망 모델을 개발할 수 있습니다. 다른 어떠한 솔루션 보다 대규모 병렬 설정을 이용할 수 있습니다. Sayan Pathak 와 Roland Fernandez가 6 월 26 일 시작하는 edX의 새로운 인지 툴킷(Cognitive Toolkit ) 과정을 수강하는 것을 적극 추천합니다.

edX Cognitive Toolkit course

배치 인공지능(AI) 교육

Cognitive Toolkit은 다중 GPU, 다중 서버 클러스터 교육일 때 빛을 발휘합니다. 이것이 금속이 길을 걷는 곳이며,이 기술적 경이로움을 이용하려면 머신러닝(ML) 엔지니어여야 합니다. 이제는 NVIDIA Tesla P40 및 P100 GPU 를 사용하여 NC 및 ND 시리즈 Azure 노드로 구성된 배치 인공지능(AI) 교육을 수행 할 수 있습니다.

인공지능(AI) 혁명 세션을 탐색하여 다른 개발자가 인공지능(AI) 소비자, 데이터 과학자 또는 머신러닝(ML) 엔지니어가되기 위해 취한 학습 경로를 확인하십시오.

AI는 얼마나 빨리 혁신되고 있습니까?

Google Brain 프로젝트는 2012년 여름 16천개 CPU와 12 명의 과학자가 이미지의 고양이를 인식했습니다. Geoffrey Hinton, Alex Krizhevsky 및 Ilya Sutskever는 그해 2012년 겨울에 Convolutional Neural Network (CNN)라는 다른 기술을 사용하여 단 3 개의 GPU만으로 동일한 작업을 수행했습니다. 다른 장점은 정확도입니다. 상대적으로 적은 양의 데이터에 대해서 전통적인 머신러닝(ML)과 신경 네트워크는 동일한 정밀도로 동작합니다. 그러나 전통적인 머신러닝(ML) 관련 최고의 제품에서의 결과에 대한 제약이 있다면, 신경망은 더 많은 데이터로 인해 계속 좋아질 것입니다. 그래서 우리는 더 많은 데이터를 계속 던지고 있습니다.

Deep Learning Accuracy / 딥러닝 정확도

결론

인공지능(AI)은 이제 멈출 수 없습니다. 이것은 점점 더 좋아지며 나아질 것입니다. 또한, 이것이 할 수 있고 잘하는 것들이 증가하고 있습니다. 이 패러다임의 변화는 IT역사상 가장 큰 변혁이 될 것입니다. 그리고 그것은 쓰나미처럼 모든 것을 휩쓸어 갈 것입니다. 파도의 꼭대기에서 저희와 함께 하시죠! 함께 미래를 만들어 봅시다!

참고 문헌

1. 인공지능(AI) 혁명을 탐색하다 – Bill Barnes, Micheleen Harris
2. 5 가지 질문 데이터 과학 답변 – Brandon Rohrer
3. 데이터 과학 및 로봇 – Brandon Rohrer
4. Microsoft Azure 머신러닝(ML)의 알고리즘을 선택하는 방법 – Gary Ericson, Larry Franks, Brandon Rohrer
5. 맞는 알고리즘 찾기 – Brandon Rohrer
6. 머신러닝(ML)을 위한 데이터 구성 방법 – Brandon Rohrer
7. 데이터 정리 방법 – Brandon Rohrer
8. 누락 된 값 처리 방법 – Brandon Rohrer
9. 공학엔지니어적 기능이 작동하는 방식 – Brandon Rohrer
10. 좋은 품질의 데이터를 얻는 방법 – Brandon Rohrer
11. 왜 데이터를 시각화합니까 ? – Brandon Rohrer
12. Microsoft Azure Machine Learning Studio의 치트시트 –  Gary Ericson, Larry Franks, C.J. Gronlund, Brandon Rohrer
13. 소프트웨어 엔지니어를 위한 머신러닝(ML) – Nam Vu
14. 응용 머신러닝(ML) 과정 – Jason Brownlee
15. 머신러닝(ML)을 시작하기위한 4 단계 – Jason Brownlee
16. Azure Machine Learning Studio는 무엇입니까? – Gary Ericson, Larry Franks, Paulette McKay
17. 5 가지 기계 기술자가 되려면 필요한 기술 – Arpan Chakraborty
18. 더 많은 GPU, 더 많은 전력, 더 많은 인텔리전스 – Corey Sanders
19. MicrosoftML 소개 – Brad Severtson
20. 통계 학습 입문 – Gareth James, Daniela Witten, Trevor Hastie 및 Robert Tibshirani
21. Microsoft : 생산성 미래 비전 – Dr. Craig Sanderson, Andrew Phillips 박사, J Helen Fitton 박사, Pia Winberg 박사, Sita Narayan-Dinanauth 박사, Dr. Damien Stringer
22. Google의 AlphaGo AI가 세계 챔피엔 Ke Jie 대국 승리 – Sam Byford (The Verge)
23. 인터넷에서 최고의 데이터 과학 과정 – David Venturi
24. 인터넷상의 모든 머신러닝(ML) 과정 – David Venturi

머신러닝(ML)의 간략한 역사가 깔끔히 정리된 글이 있어 번역하여 공유합니다.

1946 – 2017

우리가 머신러닝(ML)에 깊이 관여하기 전에, 우리가 어디로 가고 있는지 알아보기 전에 우리가 어디에 있었는지 알아야합니다. 다른 역사와 다르지 않은 것처럼 보일지라도, 흥망성쇄으 기로 앞 시점에서 현재의 인기가 과장된 선전인지 아니면 거대한 패러다임의 변화인지를 우리가 직접 결정하게 될 것입니다.

위키피디아 머신러닝(ML)의 타임 라인은 베이즈의 정리의 토대를 발견 한 1763 년부터 시작합니다. 그러나 컴퓨터가 발명된 1946년인  20 세기부터 살펴 보도록 하겠습니다.

1946

컴퓨터의 발명은 인간의 역사에서 있어 불의 발명만큼 중요 할 수도 있으며, 인공지능(AI)은 같은 중요한 자리를 차지할 수있는 좋은 기회입니다. ENIAC (Electronic Numerical Integrator and Computer)는 미 육군에 의해 지어지고 헝가리인 John von Neumann에 의해 프로그래밍 할 수있게 해주는 최초의 전자 범용적인 프로그래밍 가능 컴퓨터였습니다. 그는 또한 헝가리인 동료 Edward Teller가 개발 한 H-폭탄 설계의 타당성을 검증하는 프로그램을 작성했습니다.

ENIAC

1950

언론은 ENIAC을 “자이언트 브레인 (Giant Brain)”으로 예고했으며, 이는 앨런 튜링 (Alan Turing)으로 하여금 인공지능(AI)을 감지하기 위한 이른바 튜링 테스트 ( Turing-Test) 를 설계하는데 동기가 되었습니다. 테스트를 통과하기 위해서는 사람이 컴퓨터가 아니라 다른 인간이라고 믿게해야 하는데, 아직도 통과하지 못했습니다.

1952

Arthur Samuel은 체커 게임 방법을 배우는 최초의 머신러닝 격인 컴퓨터 프로그램을 개발했습니다. 그의 알고리즘은 경험으로 부터 배우기 위해 발견적 탐색 메모리를 사용하였습니다. 1970 년대 중반까지 그의 프로그램은 인간과 시합하여 이기고 있었습니다.

1956

Dartmouth 워크샵에서 Marvin Minsky, John McCarthy, Claude Shannon 및 Nathan Rochester는 “Artificial Intelligence (인공지능)”라는 용어를 제안했습니다.

1958

프랭크 로젠 블랏 (Frank Rosenblatt)은 해군연구소 (US Office of Naval Research)가 시각 인식 작업을 해결하도록 위임한 최초의 인공 신경망 인 퍼셉트론(Perceptron)을 설계했습니다.

뉴욕 타임스는 퍼셉트론 (Perceptron)이  “걸고, 말하고,보고, 쓰고, 스스로 번식하여 그 존재를 인식할 수 있는 전자 컴퓨터의 배아체”라고 보도하였습니다.

마크 I  퍼셉트론 (Perceptron)

1967

Cover and Hart는 최근접 이웃 알고리즘( Nearest Neighbor algorithm) , 거대한 이정표와 컴퓨터 패턴 인식의 탄생을 기록했습니다.

KNN 분류

1974  – 1980, 인공지능(AI)의 첫번째 겨울

과대 광고로 인해 기금이 고갈되어서 진전이 거의 없었습니다.

1979

스탠포드 학생들은 장애물을 피하고 움직일 수있는 최초의 모바일 자율 로봇인 스탠포드 카트를 제작합니다.

스탠포드 장바구니 1979

1980 – 1987, 인공지능(AI)의 여름 

규칙 기반 전문가 시스템의 도입으로 기업들이 신속하게 채택하기 시작했고, 머신러닝(ML)에 대한 새로운 관심을 불러 일으켰습니다.

1981

설명 기반 학습 (EBL, Explanation-Based Learning)이 도입되었습니다. 중요도가 낮은 데이터를 삭제할 수 있도록 훈련 데이터를 분석하여 일반화 규칙을 만들었습니다.

1985 – 신경망 획기적 발전

Backpropagation 알고리즘을 로(재)발견으로 숨겨진 레이어(Hidden Layer)에 더 복잡하고 강력한 신경망를 학습 할 수있었습니다. 그 결과, 연구를 촉진하게 되었고, 뇌의 모델인 Neural Nets에 대해 모든 사람을 흥분하게 만들었습니다. 그리고 다시 한번, 과대한 광고와 꿈으로 과장 되게 되었습니다.

신경망

1987 – 1993, 인공지능(AI)의 첫번째 겨울 

신경망(Neural Network)은 좋은 이론이 부족하고 너무 과한 경향이 있어 호의적이지 않았다.

1990

머신러닝(ML)에 대한 통계적 접근 방식인 Support Vector Machine (SVM)의 신개념이 소개되었습니다.  SVM은 엄격한 수학적 분석을 위한 훌륭한 후보로써 최신의 성능을 제공하였습니다.

Support Vector Machine (SVM)

1997

IBM의 딥 블루 대 체스 그랜드 마스터 게리 카스파 로프 . 머신 승리!

IBM의 딥블루(Deep Blue) 와 체스 최우승자 Gary Kaspárov 와의 대결에서 딥블루가 승리 했습니다.

IBM의 딥블루와 체스 그랜드 마스터 Gary Kaspárov의 대결

2006 , 현재의 날, 확산 및 상업적 채택

빅데이터, 빠른 컴퓨팅, 성숙 된 신경망 모델은 머신러닝(ML)에 대한 관심을 다시 불러 일으켰습니다. 디지털 변환 , 머신러닝(ML)을 통한 빅 데이터는 경쟁우위를 위해 회사 프로세스, 제품 및 서비스에 통합됩니다.
Coursera 에서 머신러닝(ML)을 위한 신경망(Neural Network) 을 개발한 Geoffrey Hinton 은 딥러닝( Deep Learning)을 유행어로 확신시키며,더 나은 모델을 학습 할 수있는 심오한 신경망의 새로운 아키텍처를 설명하기 위해 신경망을 다시 브랜드화 했습니다.

Geoffrey Hinton – 딥러닝( Deep Learning)

2011

IBM Watson 컴퓨터가 참가자들이 자연 언어로 질문에 답하는 Jeopardy TV 프로그램에서 우승했습니다.

2012

Coursera 에서 훌륭한 머신러닝(ML) 과정을 개발한 Stanford의 Jeff Dean 과 Andrew Ng 는 Google Brain Project를 시작했습니다. 그들은 Google의 모든 인프라를 사용하여 이미지와 비디오의 패턴을 감지하는 심층신경망을 개발했습니다.

구글 브레인 프로젝트

제프리 힌튼 (Geoffrey Hinton) 팀은 성숙 단계에 이르렀고 관심을 끌고 있는 심층신경망 (DNN, Deep Neural Network)을 사용하여 큰 차이로 ImageNet 대규모 시각적 인식 챌린지 2012 (ILSVRC2012) 경연 대회에서 우승합니다. 이것을 계기로 DNN을 기반의 머신러닝(ML, Machine Learning)이 현재의 폭발로 이어집니다.

AlexNet

Google X 연구소는 16,000 대의 컴퓨터 클러스터에서 실행되는 DNN을 구축하여 YouTube의 1,000 만 개의 이미지를 기반으로 고양이를 인식했습니다.

GoogleX Cat과 Andrew Ng

2013

딥마인드(DeepMind)라는 영국의 딥러닝 스타트업은, Atari 게임에서 인간을 이길 수 있도록 Deep Reinforcement Learning 모델을 설계했습니다.

아타리 게임

2014

페이스북은 인간처럼 사람을 인식 할 수있는 DeepFace DNN을 개발합니다.

Google은 DeepMind를 인수합병 했습니다.

2015

Amazon은 Amazon Machine Learning을 출시했습니다.

Microsoft는 GPU 및 컴퓨터 클러스터에서 머신러닝(ML) 문제를 효율적으로 해결할 수 있는 프레임워크/ DMTK (Distributed Machine Learning Toolkit) 를 발표했습니다.

엘론 머스크 (Elon Musk)과 샘 알트만 (Sam Altman)은 비영리단체인 OpenAI 를 설립하여, 인공지능(AI)이 인류에 긍정적인 영향을 미치게 한다는 것을 목표로 10 억 달러를 제공했습니다.

2016

Microsoft는 자사의 오픈 소스 심층 학습 툴킷 인 Computational Network Toolkit (CNTK)을 출시했습니다 .

Google의 AlphaGo/알파고가 바둑 천재 이세돌과 시합하여 이겼습니다. 알파고의 알고리즘은 이전에는 볼 수 없었던 창조적인 수의 기보를 보여주었습니다.

2017

Google은 TensorFlow를 발표 합니다.

Microsoft는 자사의 오픈 소스 심층 학습 툴킷 인 Microsoft Cognitive Toolkit (이전 CNTK)을 출시 했습니다 .

오늘날 우리는 인공지능(AI)에서 세 번째 폭발을 경험하고 있습니다. 이것은 발대한 양의 데이터와 직면한 문제들을 완전히 새로운 효과적인 방법으로 해결 할 수 있게 해줍니다. 이는 완전히 새로운 시장을 창출하고 중소기업 및 대기업의 전략에 큰 변화를 일으키고 있습니다.

증가하는 데이터 볼륨으로 인해 과학자와 연구원을 한동안 바쁘게 할 것이며, 이들은  특이점에 도달 할 때까지 획기적인 새로운 아이디어들을 계속 떠올릴 것입니다.

제 3의 겨울이 오지 않느냐구요? 그럴 수 없습니다. 왜냐구요? 기술의 채택과 실질적인 결과가 목에 다다랐기 때문입니다.

참고문헌

• A Brief History of Machine Learning – Víctor Gonzalez
• A brief history of machine learning – Robert Colner
• Wikipedia

전세계 BA 표준에 중추적인 역할을 하고 있는  IIBA(International Institute of Business Analysis)에서 2015년 출시된 A Guide to the Business Analysis Body of Knowledge® (BABOK® Guide) v3  에 대응하는 비즈니스 분석 역량 모델 표준이 지난달(2017.05) 출시 되었습니다. 비즈니스 분석 역량 모델은 BABOK® (Business Analysis Body Of Knowledge) 지식 영역이 기초 역량과 기법이 어떻게 관련되어 있는지와 이를  5가지 수준으로 나눠 기술되어 있으며, 본 글에서는 개요 사항에 대해서만 설명 합니다.

1수준 – General Awareness  (인식)

2수준 – Practical Knowledge (지식)

3수준 – Skilled (숙련됨)

4수준 – Expert (전문가)

5수준 – Strategist (분석가)

기법

비즈니스 분석 전문가가 비즈니스 분석 작업을 수행하는 데 사용하는 방법입니다. 비즈니스 분석 전문가는 자신의 경험과 판단으로 공통되고 광범위하게 사용되는 기술이 주어진 솔루션에 적절하게 적용되는지 판단합니다.

비즈니스 분석 계획 및 모니터링

이 지식 영역은 비즈니스 분석 전문가가 비즈니스 분석 전문가 및 이해 관계자의 노력을 조직하고 조정하기 위해 수행하는 작업을 설명합니다.

도출 및 협업

이 지식 영역은 다음을 설명합니다.
· 비즈니스 분석 전문가가 도출 활동을 준비하고 수행하고 도출한 결과를 확인하기 위해 수행하는 작업
· 비즈니스 분석 정보가 수집되면 이해 관계자와의 의사소통
· 비즈니스 분석 활동 전반에 걸친 이해 관계자와의 지속적인 협력

요구사항 라이프사이클 관리

이 지식 영역은 비즈니스 분석 전문가가 요구 사항을 관리 및 유지하고, 착수부터 종료까지 정보를 디자인하기 위해 수행하는 작업을 설명합니다.

전략 분석

이 지식 영역은 다음과 같은 목적으로 이해 관계자와 협력하기 위해 수행하는 비즈니스 분석 작업을 설명합니다.
· 전략적 또는 전술적 중요성 (비즈니스 필요성)의 필요성 식별
· 기업이 비즈니스 요구 사항을 해결할 수 있게합니다.
· 결과에 대한 전략을 상위 전략과 하위 전략으로 조정합니다.

요구 사항 분석 및 설계 정의

이 지식 영역은 비즈니스 분석 전문가가 다음 사항에 대해 수행하는 작업을 설명합니다.
· 도출 활동 중에 발견 된 요구 사항을 구조화하여 구성합니다.
· 요구 사항을 구조화 및 모델화하고 디자인합니다.
· 정보 검증 및 확인합니다.
· 비즈니스 요구를 충족시키는 솔루션 옵션을 식별합니다.
· 각 솔루션 옵션에 대해 실현 될 수있는 잠재적 가치를 예측합니다.

솔루션 평가

이 지식 영역은 비즈니스 분석가가 수행하는 다음 사항에 대한 작업 설명합니다.
· 전달된 결과물이 기업에 미친 성과와 가치를 평가하고
· 가치의 완전한 실현을 방해하는 장벽이나 제약 조건의 제거를 권장합니다.

분석적 사고와 문제 해결

이러한 기술은 비즈니스 분석 전문가가 다음을 수행하는 데 필요합니다.
· 문제와 기회를 효과적으로 분석하고,
· 가장 큰 가치를 제공 할 수있는 변경 사항 식별
· 이해 관계자와 협력하여 변경 사항의 영향을 이해합니다.

행동 특성

이러한 특성은 비즈니스 분석 전문가가 다음을 통해 이해 관계자의 신뢰와 존중을 얻을 수있는 기술 및 행동에 중점을 둡니다.
· 지속적으로 도덕적인 매너로 행동하며,
· 일정 준수와 기대치에 준한 작업 완료,
· 효과적인 품질 결과를 제공하고
· 변화하는 필요와 상황에 적응할 수 있음을 증명.

비즈니스 지식

이 기본 역량을 통해 비즈니스 분석 전문가는 변화 또는 필요와 관련된 상황의 구조, 이점 및 가치를 통제하는 비즈니스 개념 및 모범 사례를보다 잘 이해할 수 있습니다.

의사 소통 능력

이러한 기술은 정보를 전달하는 발신자와 수신자 간의 이해와 신뢰를 심화시키는 데 도움이 됩니다. 또한 비즈니스 분석 전문가는 다음을 수행 할 수 있습니다.
· 상대방의 지식 수준과 의사소통 스타일에 맞게 소통 및 기법을 적용합니다.
· 어조, 바디랭귀지 및 문맥이 단어의 의미를 어떻게 변화시키는 지 이해하고,
· 정보에 대해 검토하는 것을 포함하는 효과적인 의사 소통을 계획합니다.
· 특정 커뮤니케이션 방법을 필요로하는 모국어, 문화, 동기, 우선 순위, 의사 소통, 학습 및 사고 스타일과 같은 화자와 청자의 차이를 이해합니다.

교류 기술

이 기술은 서로 다른 종류의 사람들과 관계를 맺고 협력하며 의사 소통하는 능력을 포함합니다. 또한 비즈니스 분석 전문가가 다음 작업을 수행 할 수 있도록합니다.
· 이해 관계자 커뮤니케이션을 촉진하고,
· 리더십을 제공하며,
· 솔루션 가치에 대한 이해를 장려하고,
· 제안 된 변경 사항에 대한 이해 관계자 지원을 촉진합니다.

도구 및 기술

이것들은 다음 사항으로 구성됩니다. :
· 의사소통 및 협업 지원,
· 요구 사항 산출물 생성 및 유지,
· 모델 개념,
· 이슈 추적
· 전반적인 생산성을 향상 기법

“[단독]삼성전자, 갤럭시S7에 ‘애자일’ 첫 적용”에서도 보듯이 Waterfall 모델의 대명사 삼성전자에서도 SW 부분에 대해서는 Agile로의 체질을 변화하고 있는 중입니다. 저희 프로젝트리서치(주)도 삼성전자 개발 파트장 이상 및 PM/PL 대상으로 Agile PM 워크샵을 여름 부터 진행하여 동참하고 있습니다. 이를 기념하며, 올바른 Agile 문화를 확산하기 위해 Agile PM 및 Agile PMO를 주제로 연재를 개시하고자 합니다. 본회는 6회로써 Agile 진영에서 이야기하는 도구와 기법에 대한 설명을 드리려 합니다.  작성 기준은 PMI에서 제시하는 PMI-ACP를 기준으로 하였습니다. 중요한 것은 이 모든 것을 다 수행하는 것이 아닌, 필요한 연장 목록을 가지고 적정하게 사용하는 것이 올바른 방식입니다. 

[Agile PM/PMO 연재 순서]

• 1. Agile 핵심 – Agile은 인본주의 협업 문화 입니다. 
• 2. Agile 체크리스트 – 애자일을 올바르게 적용하고 있는지에 대한 자가진단 Kit
• 3. Agile 가치 관리 – 무엇을 먼저해야 의미가 있을까?
• 4. Agile 역할과 책임 – 업무에 책임지고 집중할 수 있는 환경을 구축
• 5. Agile 지식체계 – 목적에 적합한 방법론 및 프레임워크를 맞춤식으로 도입하여 꾸준한 개선을 하는 것이 올바른 방식입니다.
• 6. Agile 도구와 기법 – 처해진 환경에 적합한 연장을 올바르게 사용 하기
• 7. Agile 10 실천 흐름 – 글로벌 표준 흐름으로 프로젝트의 경장 유지
• 8. Agile PMO 핵심 – Enterprise Agile도 PMO 관점으로 접근해야 합니다. 
• 9. Agile PMO 체크리스트 – 향후 10년 Enterprise Agile 도약을 위한 반석 체계
• 10. Agile PMO 모델 비교 – 전체적인 거버넌스 체계 안목이 있어야 올바른 관리 체계 이행이 가능합니다. 

1. Agile 분석 및 설계 (Agile Analysis and Design)
2. Agile 예측 (Estimation)
3. 의사소통 (Communications)
4. 대인관계기술 (Interpersonal skills)
5. 평가지표 (Metrics)
6. 기획/감시 및 적응 (Planning, Monitoring, and Adapting)
7. 프로세스 개선 (Process Improvement)
8. 제품 품질 (Product Quality)
9. 리스크 관리 (Risk Management)
10. 가치 기반 우선순위 (Value-Based Prioritisation)

1. Agile 분석 및 설계 (Agile Analysis and Design)

• product roadmap: 제품이 나아가야할 방향 및 스펙이 간략이 언급된 문서 혹은 도식화로, 연간 혹은 적어도 몇 개월간의 제품의 형상 및 스펙에 관련된 문서
• user stories/backlog :  사용자의 이야기로서 요구사항에 관련된 문서와 이를 구현하기 위해 구체화한 명세 
• story maps : 사용자의 이야기를 마인드맵 등과 같이 구분/분류하여 도식화한 문서 
• progressive elaboration : 점진적 구체화로 요구사항 혹은 명세는 단번에 완성되는것이 아닌 점진적으로 완료시키는 기법 
• wireframes : 사용자 UX/UI를 목업 형태로 미리 스케치하는 기법 
• chartering : 제품/프로젝트의 가치/속성을 정의하는 문서 
• personas : 제품/모듈의 특성을 구분짓는 정의서 
• agile modeling : 
• workshops : 분석/설계시에 팀 구성원 (이해관계자 및 팀원)들과 함께 워크샵을 일이키는 기법 
• learning cycle : 실제 기획에서 구현까지의 사이클을 몇번 수행해보고, 이의 경험치를 바탕으로 설계를 상세히 하는  기법
• collaboration games :  Broken Skype, Crazy Chat, Collaborative Origami, Listening Game, Movers & Shapers, Human Knot, 123 go, Columbian Hypnotist, Non Musical Chairs, Yes and, Magic Stick, Singing Clapping Numbers. 등 협렵적 / 협업을 높이는 게임 기법으로, 자세한 설명은 무료 eBook 을 참고하세요. 

2. Agile 예측 (Estimation)

• relative sizing/story points/T-shirt sizing : 유사 업무로 예측하는 기법, T-셔츠 사이즈와 같은 스토리 포인트를 도출 기법 
• wide band Delphi/planning poker : 광활적 델파이 기법 / 플래닝 포커에 의한 집단 지성에 의한 의사결정 기법 
• affinity estimating : 유사성 기준으로 카테고리화 하는 기법 
• ideal time : 제품/모듈이 완료되어야할 이상적인 시간 제시 

3. 의사소통 (Communications)

• information radiator : 정보방열판으로 Kanban / 간판 보드로 많이 불림 
• team space agile tooling : Trello, Visual PMO와 같은 애자일 도구를 통한 팀 환경 구성 
• osmotic communications for co-located and/or distributed teams : 동일 지역 혹은 분석 팀을 위한 공감기법의 의사소통 기법 
• two-way communications (trustworthy, conversation driven) : 신뢰 및 대화 기반의 의사소통 
• social media–based communication : 기업형 SNS 도구를 활용한 의사소통 (예: Yammer , Slack ) 
• active listening : 적극적 청취 자세로 구성원들의 의견을 구체화하면서 수렴하는 기법  
• brainstorming : 브레인스토밍으로 구성원들과 비판없는 열린 아이디어 제시 도출  
• feedback methods : 안건에 대한 의견 제시 기법 

4. 대인관계기술 (Interpersonal skills)

• emotional intelligence : 감성지능 
• collaboration : 협업 기법 
• adaptive leadership : 적응형 리더십 
• servant leadership  : 섬김 리더십 
• negotiation : 협상 기법  
• conflict resolution : 갈등해결 

5. 평가지표 (Metrics)

• velocity/throughput/productivity : 가속도/ 생산성 측정 기법 
• cycle time : 업무 주기 완료 시간 측정 
• lead time : 업무 수행 완료 시간 측정 
• EVM for agile projects : 기성고 방식(PV, EV, AC, SV, CV, SPI, CPI, BAC, EAC, VAC, TCPI) 으로 프로젝트를 $으로 환산 측정
• defect rate : 업무 수행 대비 결함율 측정 
• approved iterations : 승인된 주기
• work in progress : 진척 상황 공유를 통한 측정 

6. 기획/감시 및 적응 (Planning, Monitoring, and Adapting)

• reviews :  단위 업무 혹은 주기 업무별로 리뷰 업무 수행 
• Kanban board:  칸반/간판 보드를 통한 계획 및 통제 기법 
• task board : 프로젝트 업무 보드 기법 
• timeboxing: 정해진 시간 제약 속에서 업무를 수행하는 기법 
• iteration and release planning : 주기 및 릴리지 계획 기법 
• variance and trend analysis : 
• WIP limits : 동시에 수행하는 업무를 제한하는 기법 
• daily stand ups : 매일 15-20분 범위내에서 서서 업무 공유/협의 미팅 기법 
• burn down/up charts : 번다운(계획대비 완료)/번업(생성대비 해결) 표에 의해 진척 기법 
• cumulative flow diagrams : 번다운/번업 기법의 누적 차트 기법 
• backlog grooming/refinement : 프로젝트 수행 환경 변수로 인해 백로그를 정비하는 기법 
• product-feedback loop : 제품 피드백을 순환적으로 계속 이행 기법 

7. 프로세스 개선 (Process Improvement)

• Kaizen : 6시그마에서 도입된 점진적으로 꾸준히 개선시키는 기법 
• the Five WHYs : 문제 / 요구사항의 근본을 확인하는 기법 
• retrospectives, introspective : 회고라는 단어로, 팀의 활용/개선점을 꾸준히 공유하는 기법 
• process tailoring/hybrid models : 프로세스를 팀에 맞게 적용시키거나, 다른 방법론들의 장점을 섞어서 적용하는 기법 
• value stream mapping : 가치 위주 흐름도를 만들어 진행하는 기법 
• control limits : 통제도에 의한 통제 기법 
• pre-mortem (rule setting, failure analysis) : 프로젝트 사전에 규칙 설정 기법 
• fishbone diagram analysis : 문제에 대한 원인 도출 기법 

8. 제품 품질 (Product Quality)

• frequent verification and validation : 잦은 적합성 검증기법
• definition of done : 검수조건 및 완료 기법을 명세화하여 업무 스펙을 명확히하는 기법 
• continuous integration : 꾸준한 빌드 통합으로 보통 SW개발 측면/XP(eXtreme Programming) 기법 중 하나
• testing, including exploratory and usability : 탐험적 혹은 사용성을 포함한 테스트 기법 

9. 리스크 관리 (Risk Management)

• risk adjusted backlog : 리스크 관리 명세 기법 
• risk burn down graphs : 리스크 소멸도 기법 
• risk-based spike : 리스크 해결을 위한 기술 검토 
• architectural spike : 리스크 구조 해결 검토 

10. 가치 기반 우선순위 (Value-Based Prioritisation)

• ROI/NPV/IRR : 투자수익율 ROI(Return On Investment), 순현재가치법(NPV, net present value), 내부수익율법(IRR, internal rate of return) 기법 
• compliance :  제품이 커버해야 할 산업 호환성 준수 여부 (예: 자동차 ISO26262, 헬스케어 IEC62304등) 
• customer valued prioritisation : 고객 가치 기반 우선 순위 기법  
• requirements reviews : 요구사항 리뷰 기법 
• minimal viable product (MVP)  : 제품의 최소한 기능 명세 
• minimal marketable feature (MMF) : 사장에서 필요로하는 명세 
• relative prioritization/ranking MoSCoW : 필수(must have), 있어야 함(should have), 있어도 됨(could have), 지금은 아님 (won’t have)이라는 구분 짓는 기법 
• Kano analysis : 고객의 환경을 이해하는 기법으로 기본, 흥미, 성능 요소등으로 구분짓는 기법 

2017년 9월 6일 새롭게 출시된 PMBOK 6판을 기준으로 단어 분석을 해 보았습니다.

용어집/Glossary 기준으로 5판에서 사용된 빈도대비 6판에서 사용된 빈도 중 증가 회수가 가장 높은 TOP 25개를 나열해 봅니다.

PMI 표준 특집

 

1. 프로젝트 관련 글로벌 표준

2. 글로벌 표준 PM 단어집 한글 번역 v3.1

3. PMBOK 6판 주요 변경 내용

4. PMBOK 6판에서 늘어난 단어 사용빈도 분석

5. PMI Agile Practice Guide 사용 단어 빈도 분석

6. WordCloud of PMBOK 6th and Agile Practice Guide

7. Agile & Agility Transformation 전략 – PMI 표준 기반

8. PMI 표준 (BA, PMBOK, Agile, Program, Portfolio)에 대한 핵심

9. PMI PMBOK과 Agile Practice Guide Glossary/용어해설 통합본

 

 

본 문서의 목차 

▲ PMBOK6판 빈도율 증가 단어 목록

▲ 증가된 단어의 의미

PMI 에서 Agile Practice Guide 가 2017년 9월 6일에 출시 되었습니다.  PMI 회원이라면 누구나 다운로드 받을 수 있습니다. 특이하게도 PMBOK과 합본으로 되어있어, 이제는 Waterfall 의 대명사 PMBOK 도 시대적 흐름에 따라 변화하는 모습을 보여줍니다.

PMI 표준 특집

 

1. 프로젝트 관련 글로벌 표준

2. 글로벌 표준 PM 단어집 한글 번역 v3.1

3. PMBOK 6판 주요 변경 내용

4. PMBOK 6판에서 늘어난 단어 사용빈도 분석

5. PMI Agile Practice Guide 사용 단어 빈도 분석

6. WordCloud of PMBOK 6th and Agile Practice Guide

7. Agile & Agility Transformation 전략 – PMI 표준 기반

8. PMI 표준 (BA, PMBOK, Agile, Program, Portfolio)에 대한 핵심

9. PMI PMBOK과 Agile Practice Guide Glossary/용어해설 통합본

 

PMI Agile Practice Guide 에서 사용하고 있는 Glossary/단어집 및 키워드에 대한 사용 빈도를 분석해 보았습니다. 많이 사용되는 단어를 애자일에서 무엇을 강조하는지 감을 쉽게 잡을 수 있는 가이드 기초가 되지 않을까 싶습니다.

The PMI has announced the release of the PMBOK 6th and Agile Practice Guide 1st on September 6th, 2017. I have analyzed the frequency of words of Glossary & Terminology by using data analysis technique.You cloud probably capture of the context in PMI PMBOK & APG (Agile Practice Guide). Enjoy your lifestyle both with PMBOK 6th and APG 1st. 

PMI가 PMBOK 6판과 Agile 실무집 초판을 2017년9월6일 출시하였습니다. 전체적인 맥락 확인을 위해 용어집에 있는 단어들의 사용 빈도를 분석한 후, 태그클라우드 형태로 만들어 보았습니다. 유용하게 활용해 주세요. 

PMI PMBOK 6th edition 

• PDF download : https://d.pr/f/zYzbza
• Image download : https://d.pr/i/ujS9zE

PMI Agile Practice Guide 1st 

• PDF download : https://d.pr/f/zYzbza
• Image download : https://d.pr/i/DhvPOe

컨설팅 업무를 하다보면 많이 접하는 질문이 4차 혁명, Digital Transformation , Agile , Agility 수행 전략인 것 같습니다. 대화 중 많이 회자되고 있는 Agile도 환경적인 민첩성 필요이야기와 지침서, 방법론, 실무, Agility와 혼용되어 사용되고 있어 이에 대한 기준을 잡기위한 가이드를 제시하고자 합니다. 

PMI 표준 특집

 

1. 프로젝트 관련 글로벌 표준

2. 글로벌 표준 PM 단어집 한글 번역 v3.1

3. PMBOK 6판 주요 변경 내용

4. PMBOK 6판에서 늘어난 단어 사용빈도 분석

5. PMI Agile Practice Guide 사용 단어 빈도 분석

6. WordCloud of PMBOK 6th and Agile Practice Guide

7. Agile & Agility Transformation 전략 – PMI 표준 기반

8. PMI 표준 (BA, PMBOK, Agile, Program, Portfolio)에 대한 핵심

9. PMI PMBOK과 Agile Practice Guide Glossary/용어해설 통합본

 

PMI에서는 많은 표준이 있습니다. 흔히 PMP (Project Management Professional)이라는 미국 국제 PM전문가 자격증에 대비되는 PMBOK 만 알려져 있는데, 이 외에도 근간 표준, 실무 표준 및 프레임워크, 실무 지침서를 구분으로 하여 많은 표준/실무 가이드가 존재하며, 상세 내용은 프로젝트 관련 글로벌 표준 (부제: PMI 표준 목록) 에 기술하였습니다. 이 표준 목록 중에 Digital Transformation에 필수적인 환경, 방법론, 프레임웍 체계라 할 수 있는 Agile 및 Agility Transformation에 대한 가이드가 포함되어 있습니다. 

기업에서의 제품, 시스템, 서비스, 작업물, R&D를 포함한 모든 프로젝트는 “기획 > 프로젝트 > 운영 > 꾸준한 개선 (혹은 폐기)”라는  생애주기/라이프사이클을 따라야 합니다. 아키텍트적으로 구성되야할 것이 크게 Business Strategy, Project, Operation 및 Governance 기법을 아주 탄탄하게 접목하여 기업에 맞추어 테일러링된 환경으로 꾸준히 개선해야 합니다. 

Business 전략에 해당하는 표준이 IIBA의 BABOK  및 The PM Guide to Business Analysis 부분입니다. 이에는 비즈니스 분석 기획 및 감시, 도출 및 협업, 요구사항 생애주기 관리, 전략 분석, 요구분석 및 디자인 정의, 솔루션 측정에 해당하는 내용이 포함되어있이며, 이에는 Design Thinking/디자인씽킹에 관련된 내용도 포함되어 있습니다. 주로 필요/문제/Needs 분석을 기반으로 목표/해결책/Solution을 제시하고, 이의 실현을 위한 변화/Change 수립하여 이해관계자/Stakeholder에서 가치/Value를 제공한다는 내용입니다. 

Project 관리는 PMI PMBOK 혹은 Agile Practice 제시되어 있는 바와 같이 프로젝트는 크게 통합, 범위, 일정, 원가, 품질, 자원, 의사소통, 리스크, 조달, 이해관계자를 포함한 10가지 관점으로 착수, 기획, 실행, 감시 및 통제, 종료라는 5가지 시점에 따라 프로젝트를 안정적으로 완수하기 위한 지식체계가 정리된 항목입니다. 제품/서비스를 보다 더 상세하게 구분관리하기 위한 SEBOK/CMMI 도 결국 프러덕트 개발이 목적이지만 프로젝트 관리 범주안에 들어옵니다. 삼성전자나 LG전자의 방법론도 이러한 시스템 엔지니어링 SEBOK이 개발 모체가 되어 있어 PLM이 구성되었습니다. 

Operation 관리는 Axelos ITIL이 많이 회자되는 지침서입니다. 전략, 설계, 전환, 운영 및 개선이라는 5가지 주제로 지식체계 및 도구/기법이 정리되어 있습니다.

예전에는 전략 > 개발(혹은 SI) > 운영(혹은 SM)이 구분되었는데, 요즘에는 단일 통합 시스템으로 관리하는 것이 거버넌스 차원으로 민첩하게 대응할 수 있습니다. 

Agile의 경우 민첩/기민하게 움직인다는 그 자체의 의미고, Agility의 경우 이러한 변화 환경에 대한 적응이 몸에 배어있어 즉시적으로 대처할 수 있다는 의미입니다. 중요한 것은 과거의 전통적인 예측 기반 (혹인 계획 기반, Waterfall, 폭포수) 방법론외에도 반복적, 점진적, 애자일 방법이라는 방법론적인 선택의 폭이 늘어났다는 것이고, 이것을 하나만  Hybrid 혹은 combined 하여 사용할 수도 있어야 변화무쌍한 환경에 대처할 수가 있습니다. 결국 Watefall을 버리고 Agile을 사용하는 것이 아닌 Waterfall 기반하의 Agile 적용 등이라는 유연한 방법론적 사고 방식으로 대처를 해야한다는 것이죠. 

중요한 것은 관리의 핵심이 되는 관리 항목, 즉 전략 > 이니셔티브 > 포트폴리오 > 프로그램 > 프로젝트 > Control Account > 작업 패키지 > 태스크 > 자원 > 실제자원의 구조는 그대로 가져가고 이를 예측적, 반복적, 점진적, 애자일 방식을 단일 혹은 조합 선택하여 관리한다가 Agile & Agility Transformation의 핵심입니다. 

기업에서는 단일 프로젝트만 관리하는 것이 아닌, 기업에서 수행하는 모든 프로젝트/프로그램을 거버넌스 하는 것이기 때문에 관리 체계보다는 거버넌스 체계에 중점을 둬야하고, 이 체계를 구축하고 종료가 아닌 꾸준한 개선으로 변화에 보다 민첩한 상태로 전환하기 위해 Agility KSF(Key success factor)를 중점으로 변화 관리를 대처해야 합니다.  이는 조직의 비전 및 전략과 연계가 체계적으로 이뤄져야 하는 것이고, 각각의 성과를 도출하기 위한 프로젝트/프로그램 관리 체계가 갖추어있어야 한다는 것이죠. 포트폴리오, 프로그램, 프로젝트맵 및 헬스체크 상태맵의 가시성도 필요합니다. 

Defining Processes

• Develop Portfolio Strategic Plan
• Develop Portfolio Charter

• Define Portfolio Roadmap

• Develop Portfolio Management Plan
• Define Portfolio 
• Develop Portfolio Communication Management Plan 
• Develop Portfolio Performance Management Plan 
• Develop Portfolio Risk Management Plan

Aligning Processes

• Manage Strategic Change
• Optimize Portfolio

• Manage Supply and Demand
• Manage Portfolio Value
• Manage Portfolio Information
• Manage Portfolio Risks

Authorizing and Controlling Processes

• Authorize Portfolio
• Provide Portfolio Oversight

과거에는 6시그마, PI, TQM 과 같은 도구가 전사적으로 이용되었다면, Digital Transformation 시대에는 Agile 및 Agility Transformation 이 환경구성 및 꾸준한 개선/ 변화 대응이 기업의 변화 관리에 필요한 필수불가결한 도구이며, PMI의 표준들이 그에 대한 기본적인 지침서/가이드에 대한 구조 및 표준들이 준비된 상태입니다. 많은 기업에서도 개인의 역량 = PMP 의 단계를 뛰어 넘어 조직의 역량 = OPM / Governance / Agility의 환경 구성으로 Digital (Agile & Agility) Transformation/전환 체계로 돌입했으면 하는 바램으로 글을 마칩니다.