AI 데이터 분석 입문: 엑셀만 써본 실무자가 첫 보고서를 만들기까지
AI 데이터 분석은 코딩보다 질문 하나에서 시작합니다. 엑셀만 써본 실무자가 데이터 정리부터 결과 검증까지 거쳐 첫 분석 보고서를 만드는 4단계를 정리했습니다.
AI 데이터 분석 입문은 코딩이나 통계 공부부터 하지 않아도 됩니다. 질문 하나와 정돈된 표 하나만 있으면 오늘 바로 시작할 수 있습니다. 이 글은 엑셀 피벗 정도만 써본 실무자가 AI로 첫 분석 보고서를 만들기까지의 순서를 정리합니다.
4단계
질문 → 정리 → 요청 → 검증
3가지
AI에 꼭 알려줄 맥락
1개
첫 분석에 필요한 표
월요일 아침 9시. 주간보고를 앞둔 마케터가 지난달 캠페인 데이터를 열어 둡니다. 행은 3천 줄이고 열은 스무 개가 넘습니다. 무엇부터 봐야 할지 모르는 채로 시간만 흐릅니다.
여기서 막히는 건 도구 때문이 아닙니다. 데이터에 던질 질문이 없어서입니다.
AI 데이터 분석 입문, 왜 질문부터 정해야 할까
AI는 요청받은 만큼만 분석합니다. '이 데이터 분석해줘'라고 쓰면 평균, 합계, 그럴듯한 그래프 몇 장이 돌아옵니다. 틀린 데는 없지만 보고서에 옮길 문장도 하나 없습니다.
반대로 '지난달 전환율이 떨어진 채널이 어디인지, 그게 유입이 줄어서인지 전환이 줄어서인지 구분해줘'라고 쓰면 결과가 달라집니다. 분석 방향이 이미 질문에 들어 있기 때문입니다.
막연한 요청
- '분석해줘' 한 줄로 시작
- 일반론적인 요약만 돌아옴
- 보고서에 옮길 결론이 없음
질문형 요청
- 비교 대상·기간·지표를 명시
- 원인 후보가 구체적으로 좁혀짐
- 결과가 바로 의사결정 문장이 됨
좋은 질문에는 공통점이 있습니다. 무엇과 무엇을 비교할지, 어느 기간을 볼지, 어떤 지표로 판단할지가 들어 있습니다.
질문 공식 하나
[기간]의 [지표]가 [비교 대상]과 비교해 어떻게 달라졌고, 그 차이를 만든 요인은 무엇인가. 이 틀에 단어만 바꿔 넣어도 첫 분석 요청으로는 충분합니다.
엑셀만 써본 실무자가 알아야 할 AI 분석 도구 차이
입문 단계에서 도구를 오래 고를 필요는 없습니다. 그래도 방식마다 잘하는 일과 못하는 일을 알고 시작하면 시행착오가 줄어듭니다.
| 방식 | 잘하는 일 | 주의할 점 | 입문 적합도 |
|---|---|---|---|
| 엑셀 함수·피벗 직접 작성 | 정해진 집계, 반복 보고 | 탐색적인 질문에는 시간이 많이 듦 | 중 |
| 대화형 AI에 파일 업로드 | 탐색, 요약, 차트 초안 | 계산 과정을 직접 확인해야 함 | 상 |
| AI에게 수식·코드만 받아 직접 실행 | 재현 가능한 분석 | 기본 문법 이해가 필요함 | 중 |
| 파이썬·SQL을 배운 뒤 직접 분석 | 대용량 처리, 자동화 | 배우는 데 시간이 오래 걸림 | 하 |
파일을 올리면 내부에서 코드를 실행해 계산하는 AI 도구가 많습니다. 이때는 AI에게 어떤 계산을 했는지 코드나 수식을 보여달라고 요청하는 습관이 중요합니다. 숫자가 맞는지 확인할 근거가 그것뿐이기 때문입니다.
회사 데이터라면 보안 정책부터 확인합니다. 고객 개인정보나 매출 원장을 외부 AI 서비스에 올려도 되는지는 도구가 아니라 회사가 정할 문제입니다.
업로드 전 3분 점검
- 이름·연락처 같은 개인정보 열을 지웠는가
- 회사의 외부 AI 사용 지침을 확인했는가
- 열 이름만 보고도 무슨 뜻인지 알 수 있는가
- 합계 행이나 메모 셀처럼 표 밖에 있는 요소를 정리했는가
코딩 없이 따라 하는 AI 데이터 분석 4단계
이제 실제 순서입니다. 처음에는 순서대로 따라 하고, 익숙해지면 단계를 줄여도 됩니다.
- 1
질문 정하기
비교 대상·기간·지표가 들어간 한 문장을 씁니다
- 2
데이터 정리
한 행에는 기록 하나, 한 열에는 항목 하나만 남깁니다
- 3
맥락과 함께 요청
데이터 설명, 분석 목적, 원하는 결과 형태를 같이 전달합니다
- 4
검증과 해석
수식을 확인하고 원본과 대조한 뒤 결론을 문장으로 씁니다
가장 많이 막히는 건 두 번째 단계입니다. 병합된 셀, 중간에 끼어 있는 소계 행, '1,200원'처럼 숫자와 문자가 섞인 값은 AI도 자주 잘못 읽습니다.
세 번째 단계의 요청문은 길어도 괜찮습니다. 아래 세 가지를 넣으면 결과물이 확실히 좋아집니다.
- 데이터 설명: 각 열의 의미, 단위, 수집 기간
- 분석 목적: 누가 이 결과로 무엇을 결정하는지
- 결과 형태: 표 3개 이내, 결론 3줄, 차트 1개처럼 구체적으로
요청문을 매번 새로 쓰기 번거롭다면 무료 프롬프트에서 분석용 템플릿을 가져와 단어만 바꿔 써도 됩니다.
AI가 낸 숫자는 왜 믿으면 안 되고, 어떻게 검증할까
AI가 내놓은 결과는 그럴듯합니다. 문제는 틀렸을 때도 똑같이 그럴듯하다는 점입니다.
아래 그래프는 이해를 돕기 위한 가상 시나리오입니다. 같은 데이터를 검증 수준만 달리해 썼을 때 보고서에 오류가 남을 위험을 상대적으로 비교했습니다.
검증이라고 해서 거창하지 않습니다. 아래 루틴만 지켜도 흔한 실수는 대부분 걸러집니다.
결과 검증 루틴
- 전체 행 수와 합계가 원본과 같은지 확인
- 상위·하위 값 몇 개를 원본에서 직접 찾아 대조
- AI에게 '이 결론이 틀릴 수 있는 이유'를 질문
- 결론 문장에 기간과 조건을 적었는지 점검
마지막 항목이 의외로 중요합니다. '전환율이 떨어졌다'와 '3월 둘째 주 모바일 유입에서 전환율이 떨어졌다'는 완전히 다른 보고서입니다.
실전 팁
분석을 마친 뒤 AI에게 반대 입장을 맡기면 놓친 변수가 보입니다. 계절성, 프로모션 일정, 데이터가 빠진 기간 같은 것들입니다.
첫 한 달 동안 연습하기 좋은 분석 과제
처음부터 회사의 핵심 데이터로 연습할 필요는 없습니다. 틀려도 부담이 없고, 답을 이미 알고 있는 데이터가 연습용으로 가장 좋습니다.
| 주차 | 연습 과제 | 익히는 감각 |
|---|---|---|
| 1주차 | 개인 가계부나 카드 내역 요약 | 질문 쓰기, 데이터 정리 |
| 2주차 | 지난 분기 팀 보고서 수치 다시 계산하기 | 검증 습관, 원본 대조 |
| 3주차 | 두 기간 비교 분석 | 비교 기준 정하기 |
| 4주차 | 분석 결과로 한 장짜리 보고서 쓰기 | 해석, 문장으로 정리하기 |
답을 아는 데이터로 연습하면 AI가 어디서 틀리는지 바로 보입니다. 입문 단계에서 실제로 얻어야 할 것은 AI가 자주 틀리는 패턴을 알아보는 눈입니다.
혼자 익히기 막막하다면 AI 강의·전자책으로 학습 순서를 잡아도 좋습니다. 팀 단위 도입을 고민 중이라면 기업 AI 교육을 참고할 수 있습니다.
자주 묻는 질문
코딩을 몰라도 AI로 데이터 분석을 할 수 있나요?
할 수 있습니다. 파일을 올리고 말로 요청하는 것만으로도 기초 분석은 충분합니다. 다만 AI가 실행한 수식이나 코드를 읽을 정도의 감각을 조금씩 익혀 두면 검증할 때 유리합니다.
엑셀을 먼저 배워야 하나요?
꼭 그럴 필요는 없습니다. 그래도 행·열 구조, 필터, 합계 정도를 알면 데이터 정리가 훨씬 쉬워집니다.
회사 데이터를 AI에 올려도 되나요?
회사 보안 지침에 따라야 합니다. 허용되더라도 개인정보와 민감한 정보는 지우거나 가린 뒤 쓰는 것이 기본입니다.
AI 분석 결과를 보고서에 그대로 써도 되나요?
검증한 뒤에 쓰는 편이 안전합니다. 행 수·합계 대조와 표본 확인만 해도 오류를 상당 부분 걸러낼 수 있습니다.
도구는 계속 바뀌지만 좋은 질문을 던지는 능력은 그대로 남습니다. 지금 내 업무에서 AI를 어느 수준까지 활용하고 있는지 궁금하다면 1분 AI 진단으로 먼저 확인해 볼 수 있습니다.
송승환 · 초사고 AI 대표
프롬프트 설계부터 업무 자동화까지, 도구가 바뀌어도 남는 실력을 만드는 실전 AI 교육을 만듭니다. 현장에서 확인한 것만 씁니다.