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.

처음부터 좋은 질문을 완성할 필요는 없습니다. 우선 두 기간의 방문 수와 주문 수처럼 익숙한 숫자부터 비교하면 확인할 질문을 찾을 수 있습니다. 아래 두 줄의 자료로 첫 분석 해 보기는 계산기만 있으면 따라 할 수 있습니다.

🔑 데이터 분석의 정의

데이터 분석은 자료를 모으고 정리하고 해석해 질문에 답하거나 새로운 질문을 찾는 일입니다.

이미 궁금한 점이 있으면 그 질문에서 시작합니다. 무엇을 물어야 할지 모르겠다면 자료의 크기와 분포, 빠진 값을 살펴보며 질문을 찾아도 됩니다. 이런 탐색도 분석의 일부입니다.

업무에서는 다음 네 작업을 오가며 결과를 정리합니다.

• 질문 정하기: 무엇이 달라졌는지, 어떤 조건을 더 확인할지 적습니다
• 모으기: 필요한 기간과 대상의 자료를 가져옵니다
• 정리하기: 단위와 집계 기준을 맞추고 빠지거나 중복된 값을 확인합니다
• 해석하기: 확인한 사실과 아직 모르는 점을 나누고 다음 행동을 정합니다

🔧 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.

정비 중 예상하지 못한 흔적을 발견하면 질문도 달라집니다. 데이터 분석도 처음 질문을 바탕으로 자료를 살펴보다 새 질문으로 돌아갈 수 있습니다. 관찰만으로 부품을 바꾸지 않듯, 숫자의 변화만으로 원인을 단정하지 않습니다.

🪜 데이터 분석 절차 4단계

처음에는 아래 순서로 해 보면 편합니다. 자료가 부족하거나 다른 문제가 보이면 앞 단계로 돌아가 보완합니다.

질문을 바꿨다면 바꾼 이유도 기록합니다. 결과에 맞춰 유리한 기간만 고르는 일과, 탐색하다 새 질문을 발견하는 일은 구분해야 합니다.

세 번째 정리하기 단계에서는 도구별 집계 기준을 대조합니다. 주 시작 요일이 도구마다 다르거나, 한 곳은 한 차례 방문 중의 활동을 묶은 세션 수를, 다른 곳은 사용자 수를 집계하는 상태에서 값을 비교하면 원인을 찾기 전에 숫자부터 어긋납니다. 여기서 맞춘 기준은 바로 아래에서 설명하는 대시보드에 그대로 적어 둡니다. 그러면 다음 달에 같은 기준을 다시 맞추는 작업을 되풀이하지 않아도 됩니다.

📊 대시보드 뜻과 구성: 분석 결과를 반복해서 보는 화면

대시보드(dashboard)는 필요한 지표와 비교 기준을 모아 상태를 반복해서 확인하는 화면입니다. 영어 dashboard는 자동차 운전석 앞의 계기판을 가리키는 말이기도 합니다. 운전자는 계기판 한 곳에서 속도와 연료를 함께 봅니다. 마케터는 대시보드 한 화면에서 매주 확인할 매출, 주문 수, 광고비 같은 숫자를 함께 봅니다.

대시보드는 정해진 질문을 매주 같은 기준으로 다시 보는 화면입니다. 그래서 대시보드는 새 질문이 생길 때마다 새로 쓰는 보고서와 쓰임이 다릅니다.

마케팅 대시보드를 세 부분으로 나눠 담기

한 화면에 지표를 스무 개 늘어놓으면 사람마다 먼저 보는 숫자가 달라집니다. 아래처럼 목표 확인, 관련 지표, 세부 확인 세 부분으로 나누면 위에서 아래로 내려가며 읽을 수 있습니다. 가상의 온라인 편집숍 마케팅 팀을 예로 들었습니다.

목표 확인 부분에 넣는 숫자는 KPI와 겹칩니다. KPI는 목표를 얼마나 이뤘는지 측정하는 지표입니다. 대시보드는 그 지표를 매주 같은 방법으로 보여 주는 화면입니다. 관련 지표가 목표 지표와 함께 움직였다고 해서 그 지표를 원인으로 단정하지는 않습니다.

숫자마다 집계 기준과 비교값 붙이기

대시보드의 숫자 옆에는 그 숫자를 어떻게 집계했는지 한 줄로 적습니다. 다른 사람이 화면을 열어도 같은 숫자를 같은 뜻으로 읽게 하려는 것입니다.

• 무엇을 한 건으로 집계했는지: 결제 완료인지, 결제 시도인지, 장바구니 담기인지 적습니다
• 기간을 어떻게 끊었는지: 월요일 시작 주간인지 일요일 시작 주간인지, 어느 시간대 기준인지 적습니다
• 어느 도구의 값인지: GA4, 광고 매체 화면, 주문 관리 화면 가운데 어디서 가져왔는지 적습니다
• 언제 갱신됐는지: 마지막으로 갱신에 성공한 시각과 자료에 들어 있는 마지막 날짜를 적습니다

이번 달 전환 248건이라는 값 하나만으로는 좋은지 나쁜지 판단할 수 없습니다. 지난달 190건과 비교하면 58건 늘었고, 목표 400건과 비교하면 152건 모자랍니다. 그래서 숫자마다 지난 기간의 값, 목표값, 같은 묶음의 다른 대상(다른 채널이나 다른 소재) 가운데 적어도 하나를 옆에 붙입니다. 아직 끝나지 않은 이번 달 값을 끝난 지난달 전체 값과 그대로 비교하지는 않습니다.

🎯 넓은 질문을 확인할 수 있는 질문으로 바꾸기

넓은 질문도 출발점이 됩니다. 비교할 기간과 대상을 붙이면 필요한 자료를 고르기 쉽습니다.

오른쪽 질문의 답도 원인을 확정해 주지는 않습니다. 먼저 현상을 좁힌 뒤 원자료와 고객 행동을 대조합니다.

🧭 분석에서 다루는 네 가지 질문

같은 자료를 놓고도 답하려는 물음에 따라 다루는 깊이가 달라집니다. 분석의 목적을 다음 네 종류로 나눠 볼 수 있습니다.

첫 연습에서는 무슨 일이 있었는지부터 설명하면 됩니다. 감소가 집중된 위치를 알아도 원인은 추가 확인이 필요합니다. 예측과 실행 제안에는 각각 가정과 효과 검증을 덧붙입니다.

본문의 주문 감소 사례를 질문 흐름으로 정리했습니다. 뒤 단계로 갈수록 추가 자료와 검증이 필요합니다.

🔍 숫자를 믿기 전에 확인할 네 가지

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

• 수집이 맞는지: 수집 코드인 태그가 빠지면 기록이 누락될 수 있고, 중복 설치되면 같은 행동이 여러 번 기록될 수 있습니다
• 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 예상과 다르면 원자료와 집계 기준부터 대조합니다. 전환율이 하루 만에 세 배가 되었다면 실제 구매 변화와 함께 수집 설정의 변경 여부도 확인합니다. 숫자만으로 어느 원인이 더 유력한지 정하지 않습니다.

📖 데이터 리터러시: 받은 숫자를 읽는 힘

데이터 리터러시(data literacy)는 숫자를 읽고 그 숫자가 어떻게 만들어졌는지 따져 판단으로 옮기는 힘입니다. 리터러시(literacy)는 글을 읽고 쓰는 힘을 가리키는 영어 낱말이고, 한국어로는 문해력이라고 옮깁니다.

데이터 분석은 질문을 세우고 자료를 모아 숫자를 만드는 일입니다. 데이터 리터러시는 다른 사람이 만들어 건넨 숫자를 바르게 읽는 일입니다. 주간 리포트를 받는 팀장도, 광고 대행사의 결과표를 받는 담당자도 이 힘이 필요합니다.

과자 봉지 앞면에 열량 120kcal이라고 적혀 있어도, 뒷면의 1회 제공량이 30g이고 봉지 전체가 150g이면 한 봉지를 다 먹었을 때의 열량은 600kcal입니다. 표시가 틀린 것이 아니라 읽는 사람이 120kcal의 기준을 놓친 것입니다. 리포트의 전환율 2.4%에도 무엇을 전환으로 집계했는지, 무엇으로 나눴는지 같은 기준이 뒷면의 작은 글씨처럼 붙어 있습니다.

받은 숫자에 더 물어볼 세 가지

앞 절의 네 가지(수집, 기간, 분모, 도구)는 숫자를 만든 과정을 확인하는 질문입니다. 남이 만든 숫자를 받았다면 아래 세 가지도 함께 묻습니다.

같은 20% 증가가 다른 주문 변화를 뜻하는 예

증가율만 적힌 문장은 서로 다른 상황을 똑같이 보이게 만듭니다. 아래 가상 캠페인 두 개는 지난달과 이번 달 모두 방문이 10,000번이고, 방문 한 번에 주문은 최대 한 건입니다.

두 문장 모두 계산은 맞습니다. 하지만 A는 주문이 40건 늘었고 B는 한 건 늘었습니다. 비율만 적고 원래 건수를 빼면 두 캠페인을 같은 성과로 판단하게 되므로, 비율과 건수를 함께 적어 달라고 요청합니다.

차트에서 속기 쉬운 네 가지 모양

차트를 받으면 숫자보다 그림이 먼저 눈에 들어옵니다. 아래 네 가지는 값은 그대로 두고 인상만 바꾸는 모양입니다.

차트를 받으면 세로축이 0에서 시작하는지, 기간의 양 끝이 어디인지, 축이 몇 개인지 세 가지를 먼저 봅니다. 이 세 가지만 봐도 위 모양은 대부분 걸러 낼 수 있습니다.

📜 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 집계하는지, 그 값이 어느 도구에서 나오는지는 시험 범위에 없습니다. KPI를 정리하면서 알게 되는 부분입니다.

🧰 시각화 도구를 고를 때: 스프레드시트, 데이터 스튜디오(루커 스튜디오), 태블로

시각화 도구는 흩어진 자료를 연결해 표와 차트로 만들고, 여러 사람이 같은 화면을 보게 해 주는 프로그램입니다. 대시보드를 만들 때 흔히 비교하는 선택지는 스프레드시트, 데이터 스튜디오, 태블로입니다.

데이터 스튜디오(Data Studio)는 구글의 보고서 편집 도구입니다. 한동안 루커 스튜디오(Looker Studio)라고 불렀지만, 구글은 2026년 4월 이 제품의 이름을 원래 이름인 데이터 스튜디오로 되돌렸습니다. 보고서를 만드는 사람과 보는 사람 모두 무료로 쓸 수 있고, 팀 관리 기능을 더한 Pro 버전은 사용자 수에 따라 매달 요금을 냅니다.

태블로(Tableau)는 파일과 데이터베이스를 연결해 분석 화면을 만드는 시각화 도구입니다. 회사에서 태블로를 쓰려면 Creator, Explorer, Viewer 같은 사용자 역할마다 유료 라이선스를 삽니다. 무료로 쓰는 Tableau Public은 올린 시각화를 누구나 볼 수 있게 공개하는 서비스라 회사 자료를 올리지 않습니다.

직접 연결은 화면을 열 때마다 원본 자료를 다시 조회하는 방식입니다. 추출은 원본의 복사본을 도구 안에 저장해 두고 그 복사본으로 차트를 그리는 방식이라, 화면의 값은 마지막으로 복사한 시점에 멈춰 있습니다. 그래서 추출 방식을 쓰는 대시보드에는 마지막 갱신 시각을 함께 적습니다.

도구를 바꿔도 앞에서 정한 집계 기준이 없으면 같은 문제가 남습니다. 스프레드시트에서 서로 다른 숫자를 말하던 팀은 태블로로 옮겨도 서로 다른 숫자를 말합니다. 지표 정의를 먼저 적고, 작은 자료로 원본과 같은 합계가 나오는지 확인한 뒤 도구를 고릅니다.

⚠️ 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. 도구를 고르는 순서는 앞의 시각화 도구 절에 정리했습니다.

원하는 결론에 맞는 기간만 고르는 경우. 캠페인 성과를 말할 때 잘 나온 주만 잘라 보여 주는 식입니다. 비교 기간과 선택 이유를 적습니다. 탐색 중 기간을 넓혔다면 그 이유와 원래 기간의 결과도 함께 남깁니다.

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, 이처럼 분모가 10,000으로 고정된 예에서는 한 건이 0.01%p입니다. %p는 두 백분율을 뺀 차이를 적는 단위입니다. 다른 분모에서는 더 긴 소수점이 나올 수 있지만 자릿수가 길다고 수집이 정확하거나 변화가 의미 있는 것은 아닙니다. 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 필요에 따라 SQL을 익힐 수 있습니다. SQL은 데이터베이스의 자료를 조건에 맞게 조회하고 집계하는 언어입니다. 자료의 뜻과 문법을 함께 익힙니다.

데이터 리터러시와 데이터 분석은 어떻게 다른가요?

데이터 분석은 질문을 세우고 자료를 모아 숫자를 만드는 일입니다. 데이터 리터러시는 다른 사람이 만든 숫자를 받아 집계 기준을 따져 읽는 힘입니다. 리포트를 만드는 사람에게는 두 가지가 모두 필요하고, 리포트를 받기만 하는 사람에게도 데이터 리터러시는 필요합니다.

데이터가 적어도 분석이 되나요?

됩니다. 먼저 실제 관찰한 건수와 비율을 함께 적습니다. 적은 자료의 작은 차이를 곧바로 원인이나 추세로 설명하지 않습니다. 기간을 늘린다면 계절이나 운영 조건이 달라지는지도 살펴봅니다. 건수나 순위로 바꾼다고 불확실성이 사라지지는 않습니다.

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 도구를 점검한 뒤에도 값이 같다면 예상에 사용한 가정과 빠진 조건을 확인합니다. 예상과 어긋난 결과는 그 주에 가장 쓸모 있는 발견인 때가 많습니다.

🧮 두 줄의 자료로 첫 분석 해 보기

아래는 연습용 자료입니다. 방문 한 번에 주문을 최대 한 건으로 집계했고, 두 주의 수집 기준은 같다고 가정합니다.

계산기에 20 ÷ 1000 × 100, 30 ÷ 2000 × 100을 차례로 입력합니다. 각각 2%, 1.5%가 나옵니다. 주문은 10건 늘었지만 방문이 더 큰 비율로 늘어 전환율은 낮아졌습니다.

메모장에 다음 두 문장을 적으면 첫 분석을 마친 것입니다.

• 확인한 사실: 주문은 20건에서 30건으로 늘었고 전환율은 2%에서 1.5%로 낮아졌다.
• 더 확인할 것: 어떤 경로의 방문이 늘었는지와 그 경로의 주문 기록을 비교한다.

0.02와 0.015가 나왔다면 마지막에 100을 곱했는지 봅니다. 계산이 맞아도 이 표만으로 광고 품질이 나빠졌다고 쓸 수는 없습니다.

혼자 다시 해 보려면 둘째 주 방문만 1,500으로 바꿉니다. 전환율은 2%가 되어 첫째 주와 같아집니다. 주문은 여전히 늘었습니다. 비율과 건수가 서로 다른 질문에 답한다는 점을 자신의 말로 한 문장 적어 봅니다.

📋 3줄 요약

1. 데이터 분석은 자료를 모으고 정리하고 해석해 질문에 답하거나 새로운 질문을 찾는 일입니다.

2. 질문, 수집, 정리, 해석은 필요에 따라 반복하며 자료를 탐색하다 새로운 질문을 발견할 수도 있습니다.

3. 건수와 비율을 함께 비교하고 집계 기준을 대조하되 숫자의 변화만으로 원인을 단정하지 않습니다.

📚 참고 자료

• NIST: 탐색적 데이터 분석이란