경험에서 배운다! 실전 데이터 분석 35

데이터 분석가부터 AI 엔지니어까지 누구나 알아야 할 데이터 노하우

다카하시 이치로 , 시라이시 타쿠야 , 시미즈 아키에 지음 | 신정원 옮김

책만 2025년 07월 25일 출간 국내도서 : 2025년 06월 24일 출간

작품소개

책소개

커뮤니케이션과 협업, 업무 인수인계, 보고서 작성, 깔끔한 보고와 마무리까지, 바로 현장에 투입되어야 하는 주니어 데이터 분석가는 물론, 서로 클라이언트나 타부서로서 혹은 팀내에서 함께 협업해야 할 시니어 분석가와 개발자, 기획자 들이 읽어야 할 필독서다.

생성형 AI 시대, 끊임없이 쏟아지는 기술 습득만으로는 충분하지 않다. 데이터 분석 실력은 물론 조직 내 실무 역량까지 키우고 싶은 이들에게 유용한 책! 국내외 현업 데이터 분석가 5인의 인터뷰도 수록되어 있다.

목차

1장 데이터 분석 프로젝트 3단계
1.1 데이터 분석은 ‘액션’을 일으킬 수 있어야 한다
____무엇을 위한 데이터 분석인가
____액션이란 무엇인가
____데이터 분석 프로젝트 3단계
1.2 데이터 분석의 3가지 단계, 9가지 작업
____단계1: 준비
____단계2: 분석
____단계3: 보고
1.3 이왕 한 실패, 유의미하게 되살려보자

2장 막힘없는 준비를 위한 솔루션 10
사례 #1 분석 목적은 뒷전, 흥미 위주의 분석을 하고 있다
사례 #2 인터뷰를 해도 분석 요청자가 진짜 바라는 게 뭔지 모르겠다
사례 #3 분석 요청자와의 인터뷰가 정처 없이 늘어지고 있다
사례 #4 “나는 데이터 분석가인데…” AI 전문가로도 신뢰받으려면
사례 #5 데이터 분석 프로젝트의 전체 청사진을 그리지 못하고 있다
사례 #6 프로젝트가 시작됐는데 구성원 간에 손발이 맞지 않는다
사례 #7 필요한 데이터가 부족하다는 사실을 분석 도중에 깨달았다
사례 #8 필요한 파일이 어디에 있는지 모른다
사례 #9 정보 보안 체크에 은근히 시간을 빼앗기고 있다
사례 #10 데이터 분석가끼리 커뮤니케이션이 잘 안 된다

3장 원활한 분석을 위한 솔루션 20
사례 #11 분석 요청자의 요구를 다 맞춰주려다 시간이 부족해졌다
사례 #12 새로운 분석 기법에 도전하다 보니 시간이 모자란다
사례 #13 불필요한 모델 구축에 시간도 돈도 다 허비했다
사례 #14 데이터 현장을 상상하기도, 데이터를 이해하기도 어렵다
사례 #15 분석에 필요한 계산을 처리하느라 시간이 너무 많이 걸렸다
사례 #16 추가 데이터가 왜 필요한지를 설명할 수 없다
사례 #17 분석 도구가 엑셀 파일을 읽어들이지 못한다
사례 #18 데이터 항목이 무슨 의미인지 이해하기 어렵다
사례 #19 최선을 다해 분석했는데도 보고 가능한 결론에 이르지 못했다
사례 #20 통계 모델은 과학적이며 객관적이라고 믿는다
사례 #21 다수의 현실 요인이 반영된 복잡한 모델을 만들려고 한다
사례 #22 부적절한 독립변수를 사용했다
사례 #23 필요한 정규화 처리를 하지 않은 채 데이터를 입력했다
사례 #24 독립변수를 과하게 늘려서 분석이 불안해졌다
사례 #25 과적합이 발생했다
사례 #26 분석 요청자가 예상 외의 결과를 기대한다
사례 #27 가독성이 낮은 분석 스크립트를 작성했다
사례 #28 평가 지표가 비즈니스에 도움이 되지 않는다
사례 #29 분석 요청자의 의도를 잘못 읽고 분석을 진행해버렸다
사례 #30 분석 작업만이 데이터 분석가의 본분이라고 착각하고 있다

4장 깔끔한 보고를 위한 솔루션 5
사례 #31 보고서 내용을 정작 분석 요청자가 이해하지 못하고 있다
사례 #32 보고용 슬라이드에 정보를 너무 많이 넣었다
사례 #33 핵심을 놓친 보고서를 만들었다
사례 #34 거듭 확인했는데도 보고서에 오탈자나 틀린 숫자가 있었다
사례 #35 밤샘 여파로 결과 보고를 할 때 유의미한 토의를 하지 못했다

5장 인터뷰: 5인의 데이터 분석가가 말하다
소프트웨어 엔지니어, 데이터 과학자로 변신하다 _시라이시 타쿠야
연구자를 꿈꾸던 물리학도, 데이터 분석가가 되다 _시미즈 아키에
지루할 틈 없이 늘 새로운 데이터 분석의 세계 _권정민
문제를 나누고 해결해 가는 데에서 얻는 데이터 분석의 매력 _추교영
차곡차곡 데이터 분석 문화를 세워나가는 보람 _박옥희

출판사 서평

[옮긴이의 말]
처음 이 책을 읽었을 때, 어쩐지 마음이 놓였습니다.
‘데이터 분석’이라 하면 왠지 ‘나와는 다른 차원의 사람들이 하는 일’처럼 느껴졌거든요(물론 실제로도 그렇긴 하지만요). 하지만 책을 통해 복잡한 모델과 어려운 코드로만 가득할 것 같은 세상에도 실수와 좌절이 있다는 걸 알고 나니, 데이터 분석도 사람이 하는 일이었다는 당연한 사실을 새삼 깨달았습니다.
저는 IT 분야 전공자가 아닙니다. 데이터 분석가는 더더욱 아니에요. IT 기업에서 기술과 시장 트렌드를 살피며 시장조사기관과 커뮤니케이션하는 일을 하고 있습니다. 새로운 기술이나 서비스가 왜 그리고 어떤 방식으로 만들어지고 쓰이는지를 이해하고, 그것을 다른 사람들이 읽기 쉽도록 풀어내는 일이 제 몫입니다. 어찌 보면 데이터를 읽고 해석하는 또 다른 방식의 분석 작업일지도 모르겠습니다.
그래서였을까요? 책을 옮기며 “나도 이런 일을 겪었는데…” 하는 대목들이 참 많았습니다. 보고서를 쓰며 애써 모은 자료가 엉뚱한 질문 하나에 무력해질 때, 잘되리라 믿었던 발표가 상대의 반응 한 줄에 꺾여버릴 때. 데이터 분석의 장면이 아니더라도 일하는 모든 이에게 낯설지 않은 순간들이 가득했습니다. 분석 대상도 사용하는 도구도 다르지만 프로젝트가 처음엔 다 잘될 것 같다가도 막상 해보면 어디선가 삐걱대는 경험, 누구나 한 번쯤은 겪었을 거예요.
결국 이 책은 데이터 분석을 ‘업’으로 삼는 사람이 어떻게 그 일을 잘 해나갈 수 있을지에 관한 이야기라고 생각합니다. 조직 생활을 하며 혼자 해내는 일이 얼마나 있겠냐마는, 데이터 분석이야말로 ‘협업’이 필수인 영역일 것입니다. 비즈니스 담당자와 데이터의 의미를 함께 해석하고, 경영진에게 분석 결과를 설득력 있게 전달하고, 때로는 다른 부서의 도메인 전문지식을 빌려야 하기도 하니까요. 나아가 이 책이 보여주고자 하는 자세, 그러니까 실패에 귀 기울이고, 실패를 분석하고, 실패를 기록하는 태도야말로 데이터 분석뿐 아니라 우리가 하는 모든 문제 해결의 출발점이 아닐까 합니다. 어찌 보면 이 책은 ‘데이터 분석’을 빌려 ‘일의 기본’을 말하는 책이라 할 수도 있겠습니다.
역자이자 IT 업계의 동료로서, 이 책이 데이터와 씨름하며 고군분투하는 모든 분에게 작게나마 단단한 조언으로 남을 수 있다면 좋겠습니다.

[감수자의 말]

20년이 좀 못 되는 기간동안 데이터 분석 분야에서 일을 하고 데이터 분야 책에 관해서도 다양하게 관여를 하다 보니, 데이터 분석 책에 대한 추천 문의 역시 많이 받았습니다. 그중 아무래도 데이터 분석 업무를 처음 시작하는 사람들이 읽기 좋은 책이나, 데이터 분석 업무를 하는데 꼭 읽었으면 좋겠다 하는 책을 추천해 달라는 경우가 많았습니다. 그럴 때마다 저는, 이 분야의 기술이 워낙 빠르게 발전하고 있다 보니 기술서의 경우 매번 달라질 수 있고 초심자용 책은 이미 좋은 책이 충분히 많아서 적당히 맞는 것을 취사선택할 수 있지 않나 싶은 생각이 들었습니다. 하지만 그럼에도 불구하고 무언가 늘 아쉬운 마음이 있었습니다.
연구 목적의 데이터 분석이 아니고 ‘데이터 과학자(및 데이터 분석가 등의 데이터를 분석하는 것이 주 업무인 모든 직업, 이하 데이터 과학자로 통칭함)’라는 직업을 가지고 데이터 분석을 마주하는 경우, 데이터 분석은 많은 경우 넓은 범위의 ‘문제 해결 과정’의 형태를 띱니다. 좋은 접근부터 좋은 마무리까지 가기 위해서는 기술적인 것보다도 더 넓은 범위에서 고려해야 할 것들이 다양하게 발생합니다. 이 문제를 해결하기 위한 이해 관계자들을 파악하고, 사람들과 어떻게 대화하고, 결과물을 어떻게 효과적으로 전달할 수 있는지까지, 흔히 생각하는 좁은 범위의 ‘데이터 분석’ 이상으로 신경 써야 할 것들이 산더미입니다. 그리고 이런 것들이, 결과적으로는 실제로 성과에 영향을 미치는 ‘좋은’ 데이터 분석을 만듭니다.
제가 그간 다양한 곳에서 데이터 분석을 해오면서, 한 번도 예외사항을 발견하지 못했고, 저는 데이터 분석이란 결국 일종의 ‘문제 해결’의 형태라고 생각해 오고 있습니다.
하지만 대다수의 데이터 분석 관련 책은 주로 데이터를 기술적으로 처리하고 알고리즘을 적용하는 부분에 집중하여 이야기합니다. 아무래도 ‘데이터 분석’ 이라는 단어나, ‘데이터 과학자’라는 직업을 생각했을 때 떠올리는 이미지는 주로 수학과 기술로 무언가를 해결하는 사람들에 대한 이미지고, 수학과 기술 지식을 가지고 있어야 실제로 이런 일을 할 수 있다 보니 책이나 교육 과정도 그럴 수밖에 없을 것입니다. 또한 넓은 범위의 일에 대한 지식이라는 것은 어떻게 보면 일마다 회사마다 다소 다를 것으로 느껴지기도 합니다. 수학이나 기술 같은 전문 지식이 아닌 부분은 ‘소프트 스킬’이라는 이름하에 모두가 공통적으로 이미 어느 정도 숙지하고 있는 교양으로 구분되기도 합니다.
하지만, 이 중에서도 분명히 데이터 분석 분야의 문제 해결을 위해서 필수적으로 필요한 부분이 분명히 있고, 이런 내용은 기술지식만큼 혹은 그 이상으로 중요합니다. 또한 오늘날처럼 갑자기 LLM을 비롯한 AI가 대두되고, 많은 문제 해결의 방법이 빠르게 변하는 상황에서는 기술 지식 그 자체만큼이나 기술 지식을 ‘어떻게 적용하느냐’가 중요한데 이에 대해서는 매번 ‘경우마다 다르다’라는 말로 뭉뚱그려져 왔고, 그때 그때 최신의 기술에만 현혹되다 보니 결국 문제 해결의 본질 주위를 겉도는 패턴이 예전부터 지금까지 반복되어 왔습니다.
경우마다 다르다는 것은 대부분의 경우 거부할 수 없는 사실이지만, 그래도 데이터 분석에 한정한다면 그에 공통적으로 적용되는 부분이 있기 마련입니다. 그리고 이런 부분은 충분히 공유하고 논의할 가치가 있습니다. 그래서 저 역시도 다양한 경로를 통해서 이런 내용을 알리고자 했지만, 다소 역부족이라는 생각을 늘 마음 한켠에 가지고 있었습니다.
그런 의미에서 처음에 이 책의 역자인 신정원 님이 이 책을 처음 공유해 주셨을 때 저는 신기하기도 하고 반갑기도 했습니다. 물론 저는 일본어를 잘 모르기 때문에 번역 앱으로 대략적인 내용만 확인해 보는 정도였지만, 기술의 발전과 거의 무관하게 데이터 과학자들에게 꼭 필요한 기술 내외적인 부분이 충분히 들어가 있는 것처럼 보였습니다. 이 책이 제가 부족하다고 느꼈던 부분을 많이 채워줄 수 있을 것이다 싶어서 우리말 번역이 되었으면 좋겠다고 적극 추천하게 되었습니다. 다만 책이 아주 최신은 아니고, 일본의 대기업 상황과 현재 국내 기업의 상황 중에서는 다른 부분도 있기 때문에, 그 부분이 보완되면 좀 더 좋겠다 싶어서 자처해서 기술 감수 및 국내 인터뷰도 진행해서 담고, ‘감수자 한마디’라는 형식으로 업데이트와 국내 현황에 대한 조언을 실었습니다. 원래의 좋은 내용에 누를 끼치지 않으면서도, 어떻게 하면 이런 내용을 사람들이 좀 더 잘 받아들이고 도움이 되도록 만들 수 있을까 즐겁게 고심할 수 있었습니다.
초벌 번역한 원고를 받아서 이 책을 제대로 처음 완독했을 때를 생각합니다. 이미 충분히 예상은 했지만 생각보다도 더 주옥 같은 내용들이 들어있어서 기뻤습니다. 감수하는 입장에 앞서서 한 명의 데이터 과학자이자 독자로서 많은 내용에 공감하고 조금은 이전의 나의 모습을 반성할 수 있었습니다. 저 역시도, 이런 책을 쓰고 싶었는지도 모릅니다만, 이렇게 다른 분의 책에 참여하는 형태로라도 이런 내용을 전할 수 있어서 기쁩니다. 다른 많은 데이터 과학자 분들 역시 이 책을 통해서 이 업무에 ‘실질적인’ 도움을 받을 수 있을 것이라고 믿어 의심치 않습니다.

작가정보

저자(글) 다카하시 이치로

(高橋威知郎)
- 소프트뱅크 테크놀로지(주) 데이터 과학팀 시니어 컨설턴트
내각부 및 컨설팅 기업 등을 거쳐 소프트뱅크 테크놀로지에 입사했다.
비즈니스 데이터를 활용한 사업 전략 및 마케팅 전략, 제품 개발, 마케팅 ROI, LTV, 통계 모델 구축 등에 대한 컨설팅을 하고 있다.

저자(글) 시라이시 타쿠야

(白石卓也)
- 소프트뱅크 테크놀로지(주) 데이터 과학팀 엑스퍼트 데이터 분석가
학생 시절에는 웹 마이닝과 영상인식 연구를 했다. 소프트뱅크 테크놀로지 입사 후 정보시스템 보안팀에 소속되어 사내 셰어포인트, 워크플로 도입 등을 맡았다. 현재는 주로 IoT 영역에서 센서 데이터 등에 대한 분석 및 예측 모델 구축과 분석 컨설팅을 하고 있다.

저자(글) 시미즈 아키에

(清水景絵)
- 소프트뱅크 테크놀로지(주) 데이터 과학팀 데이터 분석가
학생 시절에는 우주물리학 분야 연구를 수행했다. 이전 직장에서는 웹 애플리케이션 시스템 개발에 종사했다. 현재는 소프트뱅크 테크놀로지에서 주로 헬스케어 영역에서 헬스케어 디바이스 데이터 분석 및 예측 모델 구축, 분석 컨설팅을 하고 있다.

번역 신정원

서울대학교 동양사학과를 졸업했다. 현재 IT 기업에서 기술 흐름과 시장 조사에 관한 일을 하고 있다. 옮긴 책으로 『돈의 흐름으로 읽는 세계사』, 『말의 격』, 『흐름을 꿰뚫는 세계사 독해』, 『선택하지 않은 인생은 잊어도 좋다』, 『83일: 어느 방사선 피폭 환자 치료의 기록』, 『서양 정치사상사 산책』 등이 있다.

작가의 말

이 책은 소프트뱅크 테크놀로지㈜의 주니어 데이터 분석가(3년 미만 경력)들이 겪은 실패와 좌절의 기록들을 모은 것입니다.
자신의 경험담을 타인에게 낱낱이 밝히기란 솔직히 부끄러운 일입니다. 하지만 누구와도 공유하지 않고 혼자 간직하고만 있는다면 아무 의미가 없습니다. 경험을 공유하는 쪽은 자신이 겪은 바를 정리함으로써 이를 바탕으로 같은 실수를 점차 되풀이하지 않게 됩니다. 경험을 공유받는 쪽은 발생 가능한 문제를 미리 파악하고 대책을 마련할 수 있습니다. 각 개인의 데이터 분석 능력이 향상됨은 물론이고, 데이터에 대한 조직 차원의 활용 능력도 높아집니다.
하지만 이 책을 읽는 것만으로 과연 모든 문제를 막을 수 있을까요? 한 가지 분명하게 말씀드릴 수 있는 것은, 데이터 분석은 책 한 권 읽는 정도로 해결할 만큼 만만하지는 않다는 사실입니다. 정도의 차이는 있겠지만 미리 알고 있었다 해도 실패할 수 있습니다.
알고 있음에도 문제 발생을 막지 못한 경험은 두 번 다시 같은 일을 반복하지 않는 데 큰 도움이 됩니다.
좌절과 실패를 잘 극복하고 활용한다면 어디서나 환영받는 데이터 분석가가 될 수 있습니다. 어떤 경험을 토대로 하는가에 따라 데이터 분석가로서의 인생관이나 세계관 같은 철학이 형성되고, 깊이가 더해집니다. 데이터를 읽는 통찰력이 길러지고, 깊이 있는 분석이 가능해집니다.
이 책에서는 데이터 분석 프로젝트의 세 단계인 준비, 분석, 보고에 맞춰 상황별 사례 35가지와 각 사례에 맞는 해법을 제시합니다. 분석 경험이 어느 정도 있는 분들이라면 특별히 새로운 내용은 없다고 느낄 수도 있습니다. 책을 읽으며 주니어 시절이 그리워지는 분들도 있을 것입니다. 너무 많이 들은 이야기들이라 식상하다고 느낄 수도 있습니다.
이 책에 적힌 사례와 솔루션이 모두에게 반드시 도움되리라는 보장은 없습니다. 하지만 좌절과 실패를 극복하기 위한 실마리를 발견할 수는 있을 것입니다. 책을 읽으며 자신만의 해법을 고민해보시기 바랍니다. 아울러 이 책에 담기지 않은 사례들도 덧붙여본다면 매우 큰 자산이 될 것입니다.