← 목록으로
AI·데이터
#CRISP-DM#데이터마이닝#분석방법론#CRISP-ML(Q)#MLOps
최종 업데이트 · 2026-11-12

CRISP-DM(데이터 마이닝 표준 프로세스)

1. 개요

가. 정의

CRISP-DM(Cross-Industry Standard Process for Data Mining) 은 데이터 마이닝·데이터 분석 프로젝트를 비즈니스 이해 → 데이터 이해 → 데이터 준비 → 모델링 → 평가 → 전개 의 6단계로 구조화한 산업 비종속(cross-industry)·도구 비종속의 표준 프로세스 모델이다. 1996년 유럽 ESPRIT 과제로 시작해 SPSS(ISL)·NCR·Daimler-Benz·OHRA가 구성한 컨소시엄이 1999~2000년 CRISP-DM 1.0으로 정립했으며, 단계 간에 되돌아가는 피드백 루프와 배포 후 다시 비즈니스로 순환하는 구조를 핵심으로 한다.

데이터 마이닝 프로젝트가 실패하는 전형적 이유는 알고리즘이 부족해서가 아니라, 풀어야 할 비즈니스 문제를 정의하지 않은 채 데이터와 모델에 뛰어들기 때문이다. 분석가가 화려한 모델을 만들어도 그것이 현업의 의사결정에 쓰이지 못하면 가치가 없고, 반대로 데이터 품질이 낮으면 어떤 모델도 신뢰할 수 없다. CRISP-DM은 이 함정을 피하도록 "분석은 데이터가 아니라 비즈니스 질문에서 출발하고, 모델이 아니라 현업 배포에서 끝난다"는 관점을 프로세스로 못박은 틀이다.

CRISP-DM이 중요한 이유는 그것이 단순한 작업 순서표가 아니라 분석 프로젝트의 공통 언어이자 품질 관리 체계라는 데 있다. 서로 다른 조직·산업·도구를 쓰는 팀이라도 CRISP-DM의 6단계와 산출물 어휘를 공유하면 진행 상황을 같은 기준으로 소통하고, 각 단계의 완료 조건(게이트)을 점검해 리스크를 조기에 드러낼 수 있다. 기술사 관점에서 CRISP-DM은 KDD·SEMMA와 더불어 데이터 분석 방법론의 사실상 표준이며, 최근의 MLOps·CRISP-ML(Q)로 이어지는 데이터 분석 수명주기 사고의 출발점이다.

나. 등장 배경과 필요성

1990년대 중후반은 데이터웨어하우스와 통계·머신러닝 도구가 빠르게 보급되면서 기업들이 축적된 데이터에서 가치를 캐내려는 '데이터 마이닝' 붐이 일던 시기였다. 그러나 당시 프로젝트는 분석가 개인의 직관과 도구 조작 역량에 과도하게 의존했고, 같은 회사 안에서도 팀마다 접근 방식이 달라 반복 가능성과 품질을 담보할 공통 절차가 없었다. 특히 분석 결과를 현업이 신뢰하지 못하거나, 어렵게 만든 모델이 실제 시스템에 배포되지 못한 채 사장되는 일이 잦았다.

CRISP-DM은 이 문제의식에서 출발해 "누가 하더라도 재현 가능하고, 어떤 산업에서도 통용되며, 특정 벤더 도구에 묶이지 않는" 절차를 목표로 설계되었다. 그 필요성은 데이터의 규모와 활용 범위가 커질수록 오히려 강해졌다. 빅데이터·AI 시대에는 분석 프로젝트에 데이터 엔지니어·분석가·현업·보안·운영 등 다양한 이해관계자가 참여하므로, 단계별 책임과 산출물을 명확히 하는 공통 프레임이 협업의 전제가 된다. 실제로 한 조사에서 데이터 과학자 다수가 여전히 CRISP-DM을 가장 널리 쓰는 분석 방법론으로 꼽을 만큼, 20년이 넘은 지금도 현장의 기본 골격으로 작동한다. 즉 CRISP-DM은 오래된 개념이면서도 데이터 중심 조직이 늘수록 다시 실용성이 커지는 틀이다.

2. 전체 구조와 순환성

CRISP-DM의 전체 구조는 6단계가 한 방향으로 흐르는 폭포수가 아니라, 단계 사이를 수시로 되돌아가고 전체가 순환하는 반복적(iterative) 프로세스라는 점이 핵심이다. 아래 다이어그램은 6단계와 그 사이의 주요 피드백 흐름을 보여준다. 가장 바깥의 순환 화살표는 한 번의 프로젝트가 끝나도 그 결과가 새로운 비즈니스 질문을 낳아 다음 사이클로 이어짐을 나타낸다.

flowchart TB
  BU["1. 비즈니스 이해<br/>(목표·성공기준 정의)"]
  DU["2. 데이터 이해<br/>(수집·탐색·품질점검)"]
  DP["3. 데이터 준비<br/>(정제·변환·피처)"]
  MO["4. 모델링<br/>(기법 선택·학습)"]
  EV["5. 평가<br/>(비즈니스 목표 대비)"]
  DEP["6. 전개<br/>(배포·운영·모니터링)"]
  BU <--> DU
  DU --> DP
  DP --> MO
  MO <--> DP
  MO --> EV
  EV --> DEP
  EV -->|목표 미달 시 재정의| BU
  DEP -->|새 질문·성능저하| BU
  style BU fill:#e8f0fe,stroke:#2f6fed,stroke-width:2px
  style EV fill:#fef7e0,stroke:#f29900,stroke-width:2px
  style DEP fill:#e6f4ea,stroke:#188038,stroke-width:2px

6단계의 목적과 대표 산출물을 먼저 표로 정리하면 다음과 같다. 다만 이 표는 뼈대일 뿐이며, 각 단계가 '왜 그 순서에 놓이고 무엇을 결정하는지'는 이어지는 절에서 서술한다.

단계 핵심 질문 주요 활동 대표 산출물
1. 비즈니스 이해 무엇을 왜 푸는가 목표·성공기준·제약 정의 프로젝트 계획, 분석 목표
2. 데이터 이해 어떤 데이터가 있는가 수집·기술통계·품질진단 데이터 탐색 보고서
3. 데이터 준비 어떻게 분석 가능하게 만드는가 정제·통합·변환·피처 최종 분석 데이터셋
4. 모델링 어떤 기법으로 푸는가 알고리즘 선택·학습·튜닝 학습된 모델, 파라미터
5. 평가 비즈니스 목표를 달성했는가 성능·타당성·검토 평가 결과, 승인 여부
6. 전개 어떻게 가치로 전환하는가 배포·모니터링·문서화 운영 모델, 유지보수 계획

CRISP-DM의 비선형성을 이해하는 것이 이 방법론의 요체다. 예컨대 데이터 이해 단계에서 품질 문제가 드러나면 비즈니스 이해로 되돌아가 목표 자체를 조정해야 하고, 모델링 중 성능이 나오지 않으면 데이터 준비로 돌아가 피처를 다시 만든다. 또한 문헌에 따르면 실제 프로젝트 공수의 상당 부분(흔히 50~70% 이상)이 데이터 준비 단계에 집중된다고 알려져 있는데, 이는 모델링이 분석의 전부가 아니라 잘 준비된 데이터 위에서만 성립함을 보여준다. CRISP-DM은 이 현실을 순환 구조로 인정한다는 점에서 현장 친화적이다.

3. 6단계 상세

다음 다이어그램은 6단계 내부의 대표 세부 과업을 펼쳐 프로세스의 작업 수준을 보여준다. 각 단계는 상위 목표 아래 구체 산출물을 만드는 세부 과업으로 나뉜다.

flowchart LR
  subgraph P1["1. 비즈니스 이해"]
    A1["비즈니스 목표"] --> A2["상황 평가"] --> A3["분석 목표 변환"] --> A4["프로젝트 계획"]
  end
  subgraph P2["2. 데이터 이해"]
    B1["초기 수집"] --> B2["데이터 기술"] --> B3["데이터 탐색"] --> B4["품질 검증"]
  end
  subgraph P3["3. 데이터 준비"]
    C1["선택"] --> C2["정제"] --> C3["구성·피처"] --> C4["통합·포맷"]
  end
  P1 --> P2 --> P3
  style P1 fill:#e8f0fe,stroke:#2f6fed,stroke-width:2px
  style P3 fill:#e6f4ea,stroke:#188038,stroke-width:2px

가. 비즈니스 이해(Business Understanding)

첫 단계는 분석이 아니라 문제 정의다. 현업의 목표(예: "이탈 고객을 줄인다")를 데이터 마이닝 목표(예: "다음 달 이탈 확률을 예측해 상위 10%를 선별한다")로 번역하고, 성공 기준을 비즈니스 지표(이탈률 2%p 감소)와 기술 지표(AUC 0.8 이상)의 두 측면에서 못박는다. 이 단계에서 현업·분석·운영이 같은 목표를 공유하지 못하면, 이후 아무리 좋은 모델을 만들어도 "그래서 무엇에 쓰느냐"는 질문에 답할 수 없다.

또한 가용 자원·제약·리스크를 평가(assessment)해 프로젝트 계획을 세운다. 데이터 접근 권한, 개인정보 규제, 납기, 운영 환경 같은 제약은 뒤로 갈수록 바꾸기 어려우므로 초기에 식별해야 한다. 예컨대 금융사의 신용평가 모델이라면 설명가능성·규제 준수가 성능만큼 중요한 성공 기준이 되며, 이는 모델링 기법 선택(복잡한 블랙박스 대신 해석 가능한 모델)을 처음부터 제약한다.

나. 데이터 이해(Data Understanding)

둘째 단계에서는 실제 데이터를 수집하고 탐색적으로 들여다본다(EDA). 어떤 테이블·필드가 있고, 분포·결측·이상치·레이블 불균형은 어떤지, 비즈니스 가설과 데이터가 들어맞는지를 기술통계와 시각화로 점검한다. 이 과정에서 종종 "원하는 변수가 아예 없다", "레이블이 신뢰할 수 없다" 같은 사실이 드러나며, 그러면 비즈니스 이해로 되돌아가 목표를 현실에 맞게 조정해야 한다(피드백 루프).

데이터 이해는 품질 검증(verify data quality)으로 마무리된다. 결측률, 중복, 값의 정합성, 수집 시점의 편향 등을 진단하고 문서화한다. 예를 들어 통신사 이탈 예측에서 '해지일' 필드가 마케팅 시스템과 과금 시스템에서 다르게 기록된다면, 이 불일치를 발견하지 못한 채 모델링하면 미래 정보가 새어드는 데이터 누수(leakage)로 이어져 평가 성능이 비현실적으로 높게 나온다. 이런 함정을 조기에 잡는 것이 이 단계의 가치다.

다. 데이터 준비(Data Preparation)

셋째 단계는 원천 데이터를 모델이 학습할 수 있는 최종 데이터셋으로 가공하는 과정으로, 앞서 언급했듯 프로젝트에서 가장 많은 공수를 차지한다. 선택(필요한 레코드·필드 추림), 정제(결측 대치·이상치 처리), 구성(파생 변수·피처 엔지니어링), 통합(여러 소스 결합), 포맷 변환의 세부 과업으로 이뤄진다. 피처 엔지니어링은 특히 모델 성능을 좌우하는데, 예컨대 '최근 3개월 통화량 변화율' 같은 파생 변수가 원시 통화량보다 이탈을 훨씬 잘 설명하는 경우가 많다.

데이터 준비는 모델링과 가장 강한 피드백 루프를 형성한다. 모델 성능이 부족하면 새로운 피처를 만들거나 스케일링·인코딩 방식을 바꿔 다시 준비한다. 또한 이 단계의 모든 변환은 재현 가능하고 운영에서 동일하게 적용 가능해야 한다. 학습 때와 배포 때 피처 생성 로직이 달라지면(training-serving skew) 실제 성능이 급락하므로, 변환 파이프라인을 코드로 관리하는 것이 현대적 모범 사례다.

라. 모델링(Modeling)

넷째 단계에서 비로소 알고리즘을 적용한다. 문제 유형(분류·회귀·군집·연관)에 맞는 기법을 선택하고, 학습·검증 데이터를 분할한 뒤 모델을 학습하고 하이퍼파라미터를 조정한다. 중요한 점은 기법 선택이 모델링 단계가 아니라 비즈니스 이해에서 이미 제약된다는 것이다. 설명가능성이 요구되면 로지스틱 회귀·결정트리를, 최고 성능이 우선이면 그래디언트 부스팅·신경망을 고르는 식이다.

모델링은 데이터 준비로 되돌아가는 루프를 자주 탄다. 어떤 알고리즘은 결측을 허용하지 않거나 특정 스케일링을 요구하므로, 기법을 바꾸면 데이터 준비도 바뀐다. 또한 교차검증으로 과적합을 점검하고 여러 후보 모델을 비교해, 다음 평가 단계로 넘길 모델을 선별한다. 이때 성능 지표는 단일 정확도가 아니라 비즈니스 맥락에 맞는 지표(불균형 데이터라면 정밀도·재현율·AUC)로 봐야 한다.

마. 평가(Evaluation)

다섯째 단계는 모델의 기술적 성능이 아니라 비즈니스 목표 달성 여부를 판정하는 관문이다. 1단계에서 정의한 성공 기준(이탈률 감소, AUC 임계)에 비추어 모델이 쓸 만한지, 간과한 비즈니스 이슈는 없는지, 규제·윤리 리스크는 없는지를 검토한다. 기술 지표가 좋아도 비즈니스 효과가 불확실하면 배포하지 않는 결정이 나올 수 있으며, 반대로 목표에 못 미치면 비즈니스 이해로 되돌아가 사이클을 다시 돈다.

평가와 모델링의 평가(4단계 내부의 성능 측정)를 구분하는 것이 중요하다. 모델링 내 평가가 '지표 수치가 좋은가'를 본다면, 5단계 평가는 '이 모델이 실제 의사결정에 투입될 자격이 있는가'라는 승인(go/no-go)을 내린다. 예컨대 대출 심사 모델이 AUC는 높아도 특정 집단에 불리한 편향이 확인되면, 공정성 문제로 배포가 보류되고 데이터 준비·모델링 재설계로 돌아간다.

바. 전개(Deployment)

마지막 단계는 승인된 모델을 실제 업무·시스템에 배포해 가치로 전환하고, 그 결과를 지속적으로 관리한다. 배포는 단순히 모델 파일을 올리는 것이 아니라, 예측을 현업 프로세스(캠페인 대상 선정, 실시간 추천 API 등)에 연결하고, 운영 모니터링·재학습 계획·문서화·인수인계까지 포함한다. CRISP-DM의 전개 단계가 명시적으로 "데이터 마이닝 결과를 조직이 사용할 수 있는 형태로 조직화"하라고 강조하는 이유가 여기 있다.

전개는 프로젝트의 끝이 아니라 다음 순환의 시작이다. 배포된 모델은 시간이 지나며 데이터 분포가 변해 성능이 저하(model/data drift)되므로, 모니터링으로 열화를 감지하면 비즈니스 이해로 돌아가 목표를 재점검하고 재학습한다. 바로 이 지점이 CRISP-DM과 현대 MLOps가 만나는 접점이며, 뒤의 심화에서 다룬다.

4. 비교 — KDD·SEMMA와의 차이

CRISP-DM은 데이터 분석 방법론 중 가장 널리 쓰이지만 유일하지는 않다. 대표적으로 KDD(Knowledge Discovery in Databases) 와 SAS의 SEMMA(Sample-Explore-Modify-Model-Assess) 가 있다. 세 방법론의 차이는 단순한 단계 수가 아니라 '어디서 시작해 어디서 끝나는가', 즉 비즈니스와 배포를 프로세스에 포함하는가에서 갈린다.

구분 CRISP-DM KDD SEMMA
제안 주체 산업 컨소시엄(1999) Fayyad 등 학계(1996) SAS Institute
단계 수 6단계 5~9단계(선택·전처리·변환·마이닝·해석) 5단계
비즈니스 이해 명시적 포함 약함(데이터 선택부터) 없음(샘플링부터)
배포·운영 명시적 포함 해석·활용 중심 없음(평가에서 종료)
지향 비즈니스 문제 해결 지식 발견(학술) 도구(SAS) 중심 분석

핵심 차이가 생기는 이유는 각 방법론의 탄생 맥락에 있다. KDD는 데이터로부터 '지식을 발견'하는 학술적 과정을 체계화한 것이어서 데이터 처리와 패턴 해석에 무게가 실리고, 비즈니스 목표 정의나 운영 배포는 상대적으로 약하다. SEMMA는 SAS Enterprise Miner라는 도구의 분석 작업 흐름을 반영해 샘플링에서 평가까지 '모델링 실무'에 집중하므로, 문제 정의와 배포가 범위 밖이다. 반면 CRISP-DM은 산업 현장에서 "분석이 실제 의사결정에 쓰이게 하라"는 요구로 만들어졌기에 비즈니스 이해와 전개를 양 끝에 두고 전체를 순환시킨다. 실무적 함의는 분명하다 — 분석의 목적이 '발표용 인사이트'가 아니라 '현업에 배포되는 시스템'이라면 CRISP-DM의 범위가 가장 적합하다.

구체 사례로, 한 유통기업이 수요 예측 프로젝트를 KDD식으로 진행해 정교한 예측 모델을 얻었으나, 발주 시스템과 연결하는 전개 설계를 빠뜨려 현업이 여전히 엑셀로 수작업 발주를 하는 일이 있었다. CRISP-DM의 전개 단계를 명시적으로 밟았다면 '예측 결과를 발주 프로세스에 어떻게 투입할지'를 처음부터 설계했을 것이다. 반대로 SEMMA는 SAS 환경에서 반복적 모델 실험을 빠르게 돌릴 때 생산성이 높아, 세 방법론은 배타적이라기보다 상황에 따라 선택·결합된다.

5. 심화 — CRISP-ML(Q)와 MLOps로의 진화

CRISP-DM은 전통적 데이터 마이닝을 전제로 설계되어, 지속적으로 재학습·운영되는 현대 머신러닝 서비스에는 배포 이후(유지보수·모니터링)의 세부가 부족하다는 한계가 지적돼 왔다. 이를 보완하려는 대표적 확장이 2021년 Studer 등이 제안한 CRISP-ML(Q)(Cross-Industry Standard Process for Machine Learning with Quality Assurance) 이다. 아래 다이어그램은 CRISP-ML(Q)의 수명주기를 나타낸다.

flowchart LR
  S1["비즈니스 & 데이터 이해<br/>(통합 단계)"]
  S2["데이터 준비"]
  S3["모델링"]
  S4["평가"]
  S5["배포"]
  S6["모니터링 & 유지보수"]
  S1 --> S2 --> S3 --> S4 --> S5 --> S6
  S6 -->|드리프트·성능저하 감지| S1
  style S1 fill:#e8f0fe,stroke:#2f6fed,stroke-width:2px
  style S6 fill:#fce8e6,stroke:#d93025,stroke-width:2px

CRISP-ML(Q)의 변화는 세 가지로 요약된다. 첫째, CRISP-DM의 비즈니스 이해와 데이터 이해를 하나의 단계로 통합했다. 실무에서 "무엇을 풀지"와 "어떤 데이터가 있는지"는 분리되지 않고 강하게 맞물리기 때문이다. 둘째, 배포 뒤에 모니터링 및 유지보수(maintenance) 단계를 추가했다. 운영 중 환경이 변하며 모델이 열화하는 현상을 정식 단계로 끌어올려, 성능 모니터링·재학습 트리거·롤백을 수명주기의 일부로 다룬다. 셋째, 이름의 (Q)가 가리키듯 각 단계마다 리스크 기반 품질보증(QA) 방법론을 정의한다. 각 과업에서 발생할 수 있는 ML 특유의 위험(데이터 누수, 분포 변화, 재현성 결여 등)을 식별하고 그에 대응하는 점검 활동을 명시해, 분석을 신뢰 가능한 엔지니어링으로 끌어올린다.

이 진화는 자연스럽게 MLOps(Machine Learning Operations) 와 이어진다. MLOps는 CRISP-DM/CRISP-ML(Q)이 정의한 수명주기를 CI/CD·자동화·모니터링 도구로 실현해, 데이터 수집부터 학습·배포·재학습까지를 반복 가능한 파이프라인으로 만든다. 즉 CRISP-DM이 '무엇을 어떤 순서로 하는가'라는 방법론적 뼈대라면, MLOps는 '그것을 어떻게 자동화·운영하는가'라는 실행 체계다. 예컨대 추천 시스템 서비스는 CRISP-ML(Q)의 모니터링 단계에서 클릭률 저하를 감지하면, MLOps 파이프라인이 자동으로 재학습을 트리거하고 A/B 테스트로 검증한 뒤 배포한다. 생성형 AI·LLM 시대에는 여기에 데이터·모델 거버넌스, 프롬프트·평가(LLMOps) 요소가 더해지며 수명주기가 더 정교해지고 있다.

6. 고려사항 및 시사점

CRISP-DM을 실제 분석 프로젝트와 조직 운영에 적용할 때 기술사 관점에서 짚어야 할 점은 다음과 같다.

  • 방법론을 순서가 아니라 반복·게이트로 운용한다. CRISP-DM의 가치는 6단계 암기가 아니라, 단계마다 완료 조건(게이트)을 두고 필요하면 앞 단계로 되돌아가는 순환에 있다. 이를 폭포수처럼 한 방향으로만 적용하면 데이터 품질 문제나 목표 불일치를 늦게 발견해 재작업 비용이 커진다. 각 단계 종료 시 산출물과 다음 단계 진입 기준을 명시하는 운영 규칙이 필요하다.

  • 비즈니스 이해와 전개에 충분히 투자한다. 분석가는 모델링에 시간을 쏟고 싶어 하지만, 프로젝트의 성패는 양 끝단(문제 정의와 배포)에서 갈린다. 목표·성공기준을 비즈니스 지표와 기술 지표로 이중 정의하고, 배포 이후의 모니터링·재학습·인수인계까지 처음부터 범위에 넣어야 분석이 사장되지 않는다. 특히 전개 단계를 빠뜨린 '발표용 분석'은 투자 대비 효과가 거의 없다.

  • 데이터 준비와 재현성·거버넌스를 결합한다. 공수의 대부분을 차지하는 데이터 준비는 품질과 재현성의 원천이다. 변환 로직을 코드·파이프라인으로 관리해 학습·운영 간 불일치(training-serving skew)와 데이터 누수를 막고, 개인정보·규제 준수를 데이터 이해·준비 단계에서 선제적으로 반영해야 한다. 이는 데이터 거버넌스·데이터 품질 관리 체계와 직접 연결된다.

  • 현대 ML 수명주기로 확장해 트레이드오프를 관리한다. 전통 CRISP-DM은 배포 이후가 얇으므로, 지속 운영되는 서비스에는 CRISP-ML(Q)의 모니터링·QA와 MLOps 자동화를 결합해야 한다. 다만 자동화·거버넌스 강화는 민첩성과 상충할 수 있으므로, 프로젝트의 위험도(규제·안전·금전 영향)에 비례해 통제 수준을 조정하는 것이 바람직하다. 소규모 탐색은 경량 적용, 미션 크리티컬 서비스는 엄격한 QA라는 차등 전략이 현실적이다.

  • 전망: 생성형 AI·거버넌스 시대의 표준 골격. 데이터·AI 규제(공정성·설명가능성·AI 관리체계)가 강화될수록, 분석의 전 과정을 추적·검증 가능하게 만드는 프로세스의 중요성이 커진다. CRISP-DM과 그 확장은 LLMOps·AI 거버넌스 체계가 올라설 공통 골격으로 계속 기능할 것이며, 분석 조직의 성숙도를 평가하는 기준틀로도 활용될 전망이다.

참고자료


한 줄 요약: CRISP-DM은 데이터 분석 프로젝트를 비즈니스 이해·데이터 이해·데이터 준비·모델링·평가·전개의 6단계로 구조화하고 단계 간 피드백과 전체 순환을 핵심으로 하는 산업·도구 비종속 표준 프로세스로, 문제 정의와 배포라는 양 끝단을 포함한다는 점에서 KDD·SEMMA와 구별되며, 오늘날 CRISP-ML(Q)·MLOps로 확장되어 신뢰 가능한 머신러닝 수명주기의 공통 골격으로 쓰인다.