데이터 분석 뜻과 방법, 절차 4단계

🤔 화면은 열었는데 무슨 말을 적어야 할지 모를 때

주간 보고를 앞두고 분석 화면을 열어 두고도 무슨 말을 적어야 할지 막막한 때가 있습니다. 방문 수도 있고 전환 수도 있고 기기별 비율도 떠 있지만, 그 숫자만 보고 이번 주에 무엇을 바꿔야 할지 정하기는 어렵습니다.

숫자가 모자라서 생긴 문제가 아니라 답하려는 질문을 먼저 정하지 않아서 생긴 문제입니다. 데이터 분석을 검색하면 자격증 안내가 먼저 나오는 편인데, 이 글은 시험 준비가 아니라 실무에서 숫자를 보는 순서를 다룹니다.

🔑 데이터 분석의 정의

데이터 분석은 이미 정해 둔 질문에 답하기 위해 숫자를 모으고 정리하고 해석해 다음 행동을 정하는 일입니다.

정의의 맨 앞에 놓인 조건이 질문입니다. 질문 없이 숫자부터 보는 것은 분석이 아니라 구경입니다. 화면을 오래 들여다보고 그래프를 여러 개 그려도, 무엇을 확인하려던 것인지가 비어 있으면 마지막에 남는 말은 방문이 늘었다는 관찰 한 줄입니다.

정의를 이루는 네 토막이 그대로 작업 순서가 됩니다.

• 정해 둔 질문: 답을 들었을 때 무엇을 할지가 미리 정해져 있는 물음
• 모으기: 그 질문에 필요한 대상만 필요한 기간만큼 가져오는 작업
• 정리하기: 단위와 기간과 분모를 맞춰 같은 기준으로 셀 수 있게 만드는 작업
• 해석하기: 정리된 숫자를 다음 행동으로 옮기는 작업

🔧 정비소의 첫 질문과 분석의 첫 단계

차에서 이상한 소리가 난다고 하면 정비사는 보닛부터 열지 않고 언제 어느 속도에서 소리가 나는지 먼저 묻습니다. 물음이 좁혀져야 확인할 부품이 정해지고, 그래야 뜯어 볼 곳도 줄어듭니다.

묻지 않고 계기 기록을 통째로 뽑으면 종이는 두꺼워져도 바꿔야 할 부품 이름은 나오지 않듯, 질문 없이 지표를 전부 펼치면 화면은 가득 차도 이번 주에 할 일은 정해지지 않습니다. 분석에서 먼저 해야 할 일이 숫자를 다루는 작업이 아니라 물음을 좁히는 작업인 것도 그래서입니다.

🪜 데이터 분석 절차 4단계

네 단계는 순서가 정해져 있고, 앞 단계가 어긋나면 뒤 단계의 품질과 무관하게 결과가 틀어집니다.

되돌리기 가장 어려운 단계는 첫 번째입니다. 기간을 잘못 잡았거나 분모가 틀렸다면 자료를 다시 뽑으면 되지만, 질문이 비어 있는 상태로 끝까지 가면 표를 아무리 깔끔하게 만들어도 마지막에 쓸 문장이 남지 않습니다. 첫 단계가 빠지면 정리된 숫자는 남아도 결론은 남지 않습니다.

세 번째 정리하기 단계는 대체로 시간이 가장 많이 드는 구간입니다. 주 시작 요일이 도구마다 다르거나, 한 곳은 세션을 세고 다른 곳은 사용자를 세는 상태에서 값을 비교하면 원인을 찾기 전에 숫자부터 어긋납니다. 여기서 맞춰 둔 기준을 대시보드에 그대로 옮겨 적어 두면 다음 달에 같은 작업을 되풀이하지 않아도 됩니다.

🎯 좋은 질문과 나쁜 질문

답을 들었을 때 무엇을 할지가 정해지는 질문이 좋은 질문입니다.

왼쪽 질문도 대화에서는 자연스럽게 나오는데, 문제는 그 물음을 그대로 받아 숫자를 찾으러 가는 순간입니다. 그 답을 들으면 무엇을 바꿀지 먼저 확인하면 질문은 대개 오른쪽 모양으로 다듬어집니다.

🧭 네 가지 분석 층

같은 자료를 놓고도 답하려는 물음에 따라 다루는 깊이가 달라집니다. 분석은 그 깊이에 따라 흔히 네 가지 층으로 나뉩니다.

대부분의 실무는 기술과 진단 두 층에서 끝나고, 그 정도로 충분할 때가 많습니다. 예측과 처방은 자료가 쌓이고 측정 기준이 안정된 뒤에 더하는 쪽이 순서에 맞습니다.

🔍 숫자를 믿기 전에 확인할 네 가지

정리된 표가 나왔다고 그 값이 사실이 되지는 않습니다. 해석에 들어가기 전에 아래 네 가지를 확인합니다.

• 수집이 맞는지: 태그가 빠졌거나 중복으로 심기면 도구가 같은 행동을 두 번 셉니다
• 기간이 맞는지: 주 시작 요일과 시간대가 비교하는 두 값에서 같은지 봅니다
• 분모가 무엇인지: 전환율의 분모가 세션인지 사용자인지에 따라 같은 이름의 값이 크게 달라집니다
• 어느 도구의 값인지: 분석 도구와 광고 매체는 전환을 붙이는 기준이 달라 수치가 어긋납니다

분석 결과가 이상하면 결론보다 데이터를 먼저 의심합니다. 전환율이 하루 만에 세 배가 되었다면 캠페인이 통했을 가능성보다 태그가 두 번 심겼을 가능성이 큽니다.

📜 자격증과 실무 사이의 거리

데이터 분석을 검색하면 자격증 이름이 연관 검색어에 많이 붙어 나옵니다. 자격증이 쓸모없다는 뜻은 아니고, 용어와 통계 기초를 한 번에 훑는 데는 도움이 되는 편입니다. 다만 현장에서 먼저 필요한 것은 질문을 세우는 힘과 우리 데이터를 아는 것에 가깝습니다. 우리 서비스에서 전환을 무엇으로 세는지, 그 값이 어느 도구에서 나오는지는 시험 범위에 없습니다. KPI를 정리하면서 알게 되는 부분입니다.

⚠️ 자주 하는 실수

도구부터 고르는 경우. 무엇을 답할지 정하기 전에 분석 도구나 시각화 도구를 먼저 고르면, 그 도구가 잘 보여 주는 화면에 질문을 맞추게 됩니다. 주 1회 지표 열 개를 보는 상황이라면 스프레드시트로도 답이 나옵니다.

원하는 결론에 맞는 기간만 고르는 경우. 캠페인 성과를 말할 때 잘 나온 주만 잘라 보여 주는 식입니다. 기간은 질문을 정할 때 함께 적어 두고 자료를 뽑은 뒤에 바꾸지 않는 편이 안전합니다.

소수점을 늘려 정밀해 보이게 하는 경우. 전환율을 2.4%가 아니라 2.4137%로 적는다고 값이 정확해지지는 않습니다. 방문 10,000에 주문 240건이면 전환율이 2.40%이고 주문이 한 건 늘면 2.41%가 되는데, 소수점 아래 넷째 자리까지 적는 것은 주문 한 건의 100분의 1을 구분하겠다는 뜻이라 셀 수 없는 자릿수입니다. 평균과 중앙값처럼 기본 통계값을 고르는 기준은 마케팅 통계 기초 가이드에 정리해 두었습니다.

❓ 자주 묻는 질문

코딩을 배워야 하나요?

당장은 아닙니다. 실무의 많은 물음은 스프레드시트와 분석 도구의 기본 화면으로 답이 나오는 편입니다. 다루는 자료가 수십만 행을 넘거나 같은 집계를 매주 되풀이하게 되면 그때 SQL부터 익히는 순서를 권합니다. 순서를 뒤집어 문법부터 배우면 코드는 쓸 수 있게 되어도 우리 데이터는 여전히 모르는 채로 남습니다.

데이터가 적어도 분석이 되나요?

됩니다. 다만 적은 자료로 작은 차이를 설명하기는 어렵습니다. 주문이 주당 50건인 곳에서 전환율 0.2%p 차이의 원인을 찾으면 대개 우연을 설명하게 됩니다. 이럴 때는 기간을 넓혀 보거나, 비율 대신 건수와 순위처럼 변동이 적은 값으로 봅니다.

분석과 보고는 어떻게 나누나요?

분석은 질문에 답하는 작업이고, 보고는 그 답 가운데 결정에 필요한 것만 골라 전하는 작업입니다. 보고서에 과정을 전부 넣으면 받는 사람이 결론을 찾아 읽어야 하므로, 답과 제안하는 행동을 앞에 두고 근거와 집계 기준은 뒤에 붙입니다.

결과가 예상과 다르면 어떻게 하나요?

데이터를 먼저 확인하고 그다음에 해석을 확인합니다. 수집과 기간과 분모와 도구 네 가지를 점검해도 값이 그대로라면 예상 쪽이 틀렸을 가능성이 큽니다. 예상과 어긋난 결과는 그 주에 가장 쓸모 있는 발견인 때가 많습니다.

📋 3줄 요약

1. 데이터 분석은 이미 정해 둔 질문에 답하기 위해 숫자를 모으고 정리하고 해석해 다음 행동을 정하는 일입니다.

2. 질문 정하기, 모으기, 정리하기, 해석하기 가운데 첫 단계가 빠지면 숫자를 아무리 잘 정리해도 마지막에 적을 결론이 나오지 않습니다.

3. 분석 결과가 예상과 크게 다르면 결론을 바꾸기 전에 수집과 기간과 분모와 도구를 먼저 의심합니다.