데이터분석가가 하는 일부터 감 잡기
얼마 전 지인이 이직을 고민하면서 데이터분석가를 준비해도 괜찮을지 물어봤습니다. 이름만 들으면 뭔가 멋있고 전문적인 직업처럼 느껴지지만, 실제 업무는 생각보다 훨씬 현실적입니다. 회사 안에 쌓인 숫자를 보고 “왜 이런 일이 생겼지?”, “다음에는 뭘 바꾸면 좋지?”를 찾아내는 역할에 가깝습니다.
예를 들어 쇼핑몰이라면 방문자는 많은데 구매가 적은 이유를 봅니다. 앱 서비스라면 가입한 사람이 3일 뒤에도 계속 쓰는지 확인합니다. 병원, 금융, 교육, 제조업에서도 방식은 조금씩 다르지만 흐름은 비슷합니다. 숫자를 뽑고, 비교하고, 의미를 찾고, 그걸 다른 팀이 이해할 수 있게 전달합니다.
그래서 데이터분석가는 코딩만 잘하는 사람도 아니고, 엑셀만 잘하는 사람도 아닙니다. 숫자와 비즈니스 사이를 이어주는 사람에 더 가깝습니다. 이 감각을 먼저 잡아두면 공부 순서도 덜 흔들립니다.
처음 준비할 때 필요한 기본기
초보자가 가장 많이 헷갈리는 부분이 “무엇부터 공부해야 하느냐”입니다. 솔직히 처음부터 머신러닝이나 딥러닝을 붙잡으면 금방 지칩니다. 실무에서 가장 자주 쓰이는 건 생각보다 기초적인 도구와 사고방식입니다.
- 엑셀 또는 스프레드시트: 필터, 피벗테이블, 기본 함수, 차트 만들기
- SQL: 데이터베이스에서 원하는 조건의 데이터를 꺼내는 언어
- 통계 기초: 평균, 중앙값, 비율, 상관관계, 표본 개념
- 시각화: 숫자를 그래프나 표로 이해하기 쉽게 보여주는 능력
- 문제 정의: 무엇을 확인해야 하는지 질문을 만드는 힘
여기서 특히 SQL은 중요합니다. 실제 회사 데이터는 보통 데이터베이스에 들어 있습니다. “지난달 신규 가입자 중 첫 구매까지 이어진 비율”처럼 조건이 붙은 데이터를 뽑으려면 SQL을 알아야 합니다. 처음에는 SELECT, WHERE, GROUP BY, JOIN 정도만 제대로 익혀도 할 수 있는 분석이 꽤 많아집니다.
통계도 겁먹을 필요는 없습니다. 수식보다 중요한 건 해석입니다. 평균 매출이 올랐다고 해서 모든 고객이 더 많이 산 것은 아닐 수 있습니다. 몇 명의 큰 구매자가 전체 평균을 끌어올렸을 수도 있거든요. 이런 식으로 숫자를 의심하는 습관이 분석가에게 꽤 큰 무기가 됩니다.
포트폴리오는 거창함보다 흐름이 중요합니다
데이터분석가 준비생들이 포트폴리오에서 자주 하는 실수가 있습니다. 그래프를 많이 넣고, 분석 도구 이름을 잔뜩 적는 데 집중하는 겁니다. 그런데 보는 사람 입장에서는 “그래서 무슨 문제를 풀었나?”가 더 궁금합니다.
좋은 포트폴리오는 보통 흐름이 분명합니다. 먼저 어떤 문제를 잡았는지 말합니다. 그다음 어떤 데이터를 썼고, 어떤 기준으로 나눠 봤는지 보여줍니다. 마지막에는 숫자를 보고 어떤 판단을 했는지 자연스럽게 이어집니다.
예시로 보는 분석 주제
- 온라인 쇼핑몰 주문 데이터를 보고 재구매율이 높은 고객군 찾기
- 카페 매출 데이터를 요일과 시간대별로 나눠 직원 배치 아이디어 내기
- 앱 사용 기록을 보고 이탈이 많은 구간 추측하기
- 공공 데이터를 활용해 지역별 생활 편의 시설 차이 비교하기
예를 들어 카페 매출 데이터를 분석한다고 해보겠습니다. 단순히 “토요일 매출이 높다”에서 끝나면 약합니다. 오전 8시부터 10시에는 음료 단품이 많고, 오후 2시 이후에는 디저트 포함 주문이 늘어난다는 식으로 쪼개면 이야기가 생깁니다. 여기서 “오전에는 제조 속도가 빠른 메뉴를 전면에 두고, 오후에는 세트 메뉴를 강조하면 좋겠다”는 제안까지 붙이면 포트폴리오가 훨씬 살아납니다.
공부 순서는 이렇게 잡으면 덜 헤맵니다
처음 1개월은 엑셀과 기본 통계에 집중하는 편이 좋습니다. 표를 다루고, 비율을 계산하고, 간단한 차트를 만드는 데 익숙해지는 단계입니다. 이때는 어려운 도구보다 데이터를 보는 눈을 키우는 쪽이 더 중요합니다.
그다음 2~3개월은 SQL을 붙잡는 시기입니다. 하루에 많은 시간을 쓰지 못하더라도 꾸준히 쿼리를 써보는 게 좋습니다. 고객별 구매 횟수, 월별 매출, 카테고리별 비중처럼 실제 회사에서 물어볼 법한 질문을 만들어 연습하면 실전 감각이 붙습니다.
이후에는 파이썬을 천천히 얹으면 됩니다. 파이썬은 반복 작업을 줄이고, 데이터가 많을 때 편하게 처리하는 데 유용합니다. pandas로 표 데이터를 다루고, matplotlib이나 seaborn으로 그래프를 그리는 정도부터 시작하면 충분합니다. 처음부터 모든 문법을 외우려고 하면 재미가 떨어집니다.
공부를 하면서 작은 프로젝트를 2~3개 만들어두는 것도 좋습니다. 하나는 매출 분석, 하나는 사용자 행동 분석, 하나는 공공 데이터 분석처럼 성격을 다르게 잡으면 보여줄 수 있는 폭이 넓어집니다. 프로젝트 수가 많다고 좋은 건 아닙니다. 한 개라도 질문, 분석 과정, 해석, 제안이 분명하면 더 인상적입니다.
취업 준비에서 놓치기 쉬운 부분
데이터분석가 채용 공고를 보면 요구사항이 꽤 넓어 보입니다. SQL, Python, 통계, 대시보드, 커뮤니케이션, 도메인 이해까지 적혀 있는 경우가 많습니다. 처음 보면 다 할 줄 알아야 지원할 수 있을 것 같지만, 실제로는 회사마다 기대하는 비중이 다릅니다.
커머스 회사는 매출, 전환율, 재구매율 같은 지표를 자주 봅니다. 콘텐츠 서비스는 시청 시간, 유지율, 클릭률을 중요하게 볼 수 있습니다. 금융권은 정확성과 리스크 관리가 더 강조될 수 있고요. 그래서 지원하려는 업종의 핵심 지표를 미리 익혀두면 면접 답변이 훨씬 자연스러워집니다.
면접에서는 도구 이름보다 사고 과정을 묻는 질문이 자주 나옵니다. “매출이 갑자기 떨어졌다면 어떻게 확인하겠습니까?” 같은 질문이 대표적입니다. 이럴 때는 바로 답을 찍기보다 기간, 고객군, 상품군, 유입 경로, 이벤트 여부처럼 확인할 축을 나눠 말하는 게 좋습니다. 분석가는 빠른 추측보다 차분한 분해 능력이 더 중요하게 보일 때가 많습니다.
데이터분석가는 단기간에 완성되는 직업이라기보다, 작은 질문을 계속 숫자로 확인하면서 성장하는 일에 가깝습니다. 처음에는 SQL 한 줄 쓰는 것도 어색하지만, 어느 순간 “이 숫자는 왜 이렇게 나왔을까?”를 자연스럽게 묻게 됩니다. 그때부터 공부가 직업 준비를 넘어 실제 문제를 푸는 감각으로 바뀝니다.
