얼마 전 지인이 이직을 고민하면서 “애널리스트는 숫자만 잘 보면 되는 직업 아니야?”라고 묻더라고요. 저도 예전에는 비슷하게 생각했는데, 실제로 들여다보면 숫자보다 더 중요한 게 꽤 많습니다. 자료를 읽고, 맥락을 잡고, 사람에게 설득력 있게 전달하는 일이 섞여 있거든요.
애널리스트라는 말은 생각보다 넓게 쓰입니다. 증권사에서 기업과 산업을 분석하는 리서치 애널리스트도 있고, 회사 안에서 매출·고객·운영 데이터를 다루는 데이터 애널리스트도 있습니다. 투자, 마케팅, 서비스 기획, 전략 부서에서도 애널리스트 역할을 맡는 사람이 많고요. 이름은 같아도 보는 숫자와 내리는 판단은 조금씩 다릅니다.
애널리스트가 하는 일부터 잡아두기
애널리스트의 기본 역할은 흩어진 정보를 의미 있는 판단으로 바꾸는 일입니다. 예를 들어 어떤 기업의 실적을 볼 때 매출이 10% 늘었다는 숫자만 보지 않습니다. 왜 늘었는지, 일시적인 이벤트인지, 비용은 같이 늘었는지, 경쟁사는 어땠는지까지 이어서 봅니다.
데이터 애널리스트라면 앱 가입자가 지난달보다 15% 줄었을 때 단순히 “가입자가 감소했다”로 끝내지 않습니다. 유입 채널이 바뀌었는지, 광고비가 줄었는지, 첫 화면 이탈률이 높아졌는지 확인합니다. 같은 숫자라도 원인을 어디서 찾느냐에 따라 회사의 다음 행동이 완전히 달라집니다.
- 증권·투자 분야: 기업 가치, 산업 흐름, 실적 전망 분석
- 데이터 분야: 고객 행동, 매출, 전환율, 서비스 지표 분석
- 비즈니스 분야: 시장 규모, 경쟁사, 사업 전략, 운영 효율 분석
- 리서치 분야: 설문, 인터뷰, 보고서 기반의 의사결정 지원
필요한 역량을 쌓는 방법
애널리스트에게 가장 먼저 필요한 건 숫자를 읽는 힘입니다. 그런데 수학을 엄청나게 잘해야 한다는 뜻은 아닙니다. 평균, 비율, 성장률, 변동률, 상관관계 같은 기본 개념을 정확히 이해하는 게 먼저입니다. 실무에서는 복잡한 공식보다 “이 숫자가 평소보다 큰가, 작은가, 왜 달라졌는가”를 묻는 시간이 더 많습니다.
엑셀은 거의 기본 도구에 가깝습니다. 피벗 테이블, 필터, 함수, 간단한 시각화 정도는 익숙해야 합니다. 데이터 애널리스트 쪽으로 가고 싶다면 SQL도 빨리 만나는 편이 좋습니다. 실제 회사 데이터는 깔끔한 표 하나로 주어지지 않는 경우가 많아서, 필요한 데이터를 직접 뽑아내는 능력이 꽤 큰 차이를 만듭니다.
글쓰기와 발표도 중요합니다. 분석을 잘해도 상대가 이해하지 못하면 반쪽짜리 일이 됩니다. “매출이 줄었습니다”보다 “신규 고객 유입은 유지됐지만 재구매율이 8%p 하락해 전체 매출이 줄었습니다”처럼 원인과 영향이 보이게 말해야 합니다. 솔직히 이 부분에서 실력 차이가 많이 납니다.
- 기본 통계: 평균, 중앙값, 표준편차, 성장률, 전환율
- 도구: 엑셀, SQL, 필요에 따라 파이썬이나 BI 도구
- 산업 이해: 내가 분석할 시장의 구조와 용어
- 커뮤니케이션: 보고서 작성, 시각화, 짧고 명확한 발표
처음 시작할 때 현실적인 경로
처음부터 큰 보고서를 쓰려고 하면 금방 지칩니다. 저는 주변에 애널리스트를 준비하는 사람이 있으면 작은 질문 하나를 잡으라고 말합니다. 예를 들어 “왜 특정 카페 브랜드는 점심시간보다 오후 3시에 사람이 많을까?” 같은 질문도 좋습니다. 주변에서 관찰할 수 있고, 데이터를 붙이기도 쉽거든요.
취업 준비 단계라면 관심 산업 하나를 정해 3개월 정도 꾸준히 보는 방식이 현실적입니다. 예를 들어 전기차, 게임, 화장품, 편의점, 온라인 교육처럼 범위를 좁히면 좋습니다. 매주 매출, 이용자 수, 가격, 경쟁사 움직임을 기록하다 보면 처음에는 안 보이던 패턴이 생깁니다.
전공이 꼭 경영이나 통계일 필요는 없습니다. 실제로 인문학 전공자가 리서치와 글쓰기 강점을 살려 애널리스트로 가는 경우도 있고, 공학 전공자가 제품 이해를 바탕으로 산업 분석을 잘하는 경우도 많습니다. 중요한 건 내 배경을 분석 업무와 어떻게 연결하느냐입니다.
포트폴리오를 만드는 법
애널리스트 준비에서 포트폴리오는 생각보다 강한 무기입니다. 자격증이나 강의 수료증만으로는 “그래서 실제로 무엇을 분석할 수 있나요?”라는 질문에 답하기 어렵습니다. 반면 5쪽짜리 분석 보고서 하나가 있으면 대화가 훨씬 구체적으로 이어집니다.
처음에는 거창한 형식보다 구조가 중요합니다. 문제 제기, 데이터 확인, 해석, 제안 순서만 지켜도 읽는 사람이 훨씬 편합니다. 예를 들어 배달 앱 리뷰 300개를 모아 불만 유형을 나누고, 배송 지연·포장 상태·가격 불만의 비중을 비교한 뒤 개선 우선순위를 제안하는 식입니다.
- 주제는 좁게 잡기: “국내 커피 시장”보다 “오피스 상권 저가 커피 매장 비교”가 낫습니다
- 숫자는 직접 계산하기: 비율, 증가율, 순위 변화를 넣으면 설득력이 올라갑니다
- 그래프는 적게 쓰기: 많이 넣기보다 메시지가 분명한 2~4개가 좋습니다
- 제안은 현실적으로 쓰기: 비용, 시간, 실행 가능성을 같이 적으면 더 믿음이 갑니다
보고서 제목도 중요합니다. “화장품 시장 분석”보다 “20대 여성 색조 화장품 구매가 온라인 후기로 이동하는 이유”처럼 읽는 사람이 궁금해할 만한 문장으로 잡는 게 좋습니다. 애널리스트의 일은 결국 질문을 잘 세우는 데서 출발합니다.
오래 버티는 사람들의 습관
애널리스트 일을 오래 하는 사람들을 보면 공통점이 있습니다. 숫자를 빨리 보는 사람보다, 의심을 잘하는 사람이 강합니다. 전년 대비 20% 성장했다는 문장을 보면 “작년이 너무 낮았던 건 아닐까?”, “가격 인상 효과는 얼마나 섞였을까?”, “고객 수와 객단가는 따로 봐야 하지 않을까?”처럼 한 번 더 묻습니다.
또 하나는 기록 습관입니다. 예측이 맞았는지 틀렸는지 그냥 지나가면 실력이 잘 늘지 않습니다. 내가 어떤 근거로 판단했는지 남겨두면 나중에 틀린 이유를 볼 수 있습니다. 사실 이 과정이 조금 민망할 때도 있는데, 그 민망함이 실력을 키워줍니다.
애널리스트를 준비한다면 처음부터 완벽한 사람처럼 보이려 애쓰지 않아도 됩니다. 작은 숫자를 붙잡고 왜 그런지 끝까지 따라가 보는 경험이 쌓이면, 어느 순간 보고서와 데이터가 덜 낯설어집니다. 숫자 뒤에 있는 사람과 시장의 움직임을 읽는 일이라서, 차분한 호기심이 있는 사람에게 꽤 잘 맞는 직업이라고 느낍니다.
