초보자가 데이터분석가가 되려면 이렇게 준비하면 됩니다

처음엔 엑셀 표 하나도 꽤 큰 시작입니다

얼마 전 지인이 “데이터분석가가 되려면 코딩부터 해야 하냐”고 물어봤습니다. 요즘 채용 공고를 보면 파이썬, SQL, 통계, 대시보드, 머신러닝 같은 말이 한꺼번에 나오니 겁부터 나는 게 당연합니다. 그런데 실제로 일을 해보면 시작점은 생각보다 단순합니다. 흩어진 숫자를 모으고, 이상한 값을 찾고, 사람들이 이해할 수 있게 설명하는 일이 먼저입니다.

예를 들어 쇼핑몰 매출 데이터를 본다고 해볼게요. 매출이 지난달보다 12% 올랐다는 사실만 말하면 분석이라기보다 보고에 가깝습니다. 데이터분석가는 여기서 한 걸음 더 들어갑니다. 어떤 상품군이 올랐는지, 신규 고객과 기존 고객 중 누가 더 많이 샀는지, 할인 쿠폰이 영향을 줬는지, 특정 요일에 주문이 몰렸는지 따져봅니다. 결국 “왜 그런 일이 생겼는지”를 숫자로 설명하는 사람이 데이터분석가에 가깝습니다.

그래서 처음부터 거창한 알고리즘을 붙잡기보다 엑셀이나 구글 스프레드시트로 표를 다루는 감각을 익히는 게 좋습니다. 필터, 피벗 테이블, 조건부 서식, 간단한 함수만 제대로 써도 데이터의 흐름이 눈에 들어오기 시작합니다. 실제 회사에서도 모든 분석이 복잡한 코드로만 돌아가지는 않습니다. 빠르게 확인해야 하는 업무는 여전히 스프레드시트에서 시작되는 경우가 많습니다.

데이터분석가에게 필요한 기술은 순서가 있습니다

초보자가 가장 많이 하는 실수는 모든 기술을 동시에 배우려는 것입니다. SQL도 해야 할 것 같고, 파이썬도 해야 할 것 같고, 통계도 해야 할 것 같고, 시각화 도구도 배워야 할 것 같죠. 사실 맞는 말이긴 합니다. 다만 순서를 잘못 잡으면 몇 달을 공부해도 내 손에 남는 결과물이 없습니다.

1단계: SQL로 데이터를 꺼내는 능력

데이터분석가 채용 공고에서 SQL은 거의 기본처럼 등장합니다. SQL은 데이터베이스에서 필요한 데이터를 가져오는 언어입니다. 예를 들어 “2026년 7월에 가입한 사용자 중 첫 구매까지 7일 이내였던 사람”을 뽑아야 한다면 SQL이 필요합니다. 처음에는 SELECT, WHERE, GROUP BY, JOIN 정도만 제대로 익혀도 꽤 많은 문제를 풀 수 있습니다.

실무 기준으로 보면 SQL은 문법을 많이 아는 것보다 원하는 질문을 쿼리로 바꾸는 감각이 더 중요합니다. “고객별 누적 구매액”, “상품별 재구매율”, “월별 이탈률”처럼 말로 된 요구사항을 표 형태로 바꿔내는 연습을 자주 해야 합니다.

2단계: 파이썬으로 반복 작업 줄이기

파이썬은 데이터 정리와 자동화에 강합니다. 엑셀 파일 20개를 합치거나, 결측값을 처리하거나, 날짜 형식을 바꾸거나, 그래프를 반복해서 그릴 때 유용합니다. 특히 pandas 라이브러리는 데이터분석가 입문자가 많이 쓰는 도구입니다.

근데 파이썬을 처음 배울 때 문법책을 처음부터 끝까지 붙잡고 있으면 쉽게 지칩니다. 변수, 리스트, 조건문, 반복문을 익힌 뒤에는 바로 작은 데이터셋을 만져보는 편이 낫습니다. 예를 들어 영화 평점 데이터에서 장르별 평균 점수를 구하거나, 카페 매출 데이터에서 시간대별 주문 수를 보는 식입니다. 손으로 만져야 빨리 늡니다.

3단계: 통계는 해석을 위해 배웁니다

통계는 어렵게 느껴지지만 데이터분석가에게는 꼭 필요한 언어입니다. 평균과 중앙값의 차이, 상관관계와 인과관계의 차이, 표본이 작을 때 생기는 오해, A/B 테스트에서 유의미하다는 말의 의미 정도는 알아야 합니다.

예를 들어 광고 문구 A의 클릭률이 4.8%, 문구 B의 클릭률이 5.1%라고 해서 무조건 B가 더 좋다고 말하기는 어렵습니다. 노출 수가 각각 100번인지, 10만 번인지에 따라 해석이 달라집니다. 데이터분석가는 숫자를 크게 말하는 사람이 아니라, 숫자를 조심스럽게 읽는 사람에 가깝습니다.

포트폴리오는 화려함보다 질문이 중요합니다

데이터분석가를 준비할 때 포트폴리오를 어떻게 만들어야 하는지도 많이 고민합니다. 여기서 중요한 건 멋진 그래프를 많이 넣는 것이 아닙니다. 좋은 포트폴리오는 하나의 질문에서 시작합니다. “배달 주문은 날씨에 따라 달라질까?”, “구독 서비스 고객은 몇 개월 차에 가장 많이 이탈할까?”, “할인율이 높아질수록 매출은 정말 늘어날까?” 같은 질문이 있어야 합니다.

구성은 단순해도 괜찮습니다. 문제 정의, 데이터 설명, 전처리 과정, 분석 결과, 해석, 다음 액션 순서로 쓰면 됩니다. 예를 들어 온라인 강의 데이터를 분석했다면 수강 완료율이 낮은 구간을 찾고, 강의 길이와 이탈 시점의 관계를 보여준 뒤, 20분 이상 강의는 중간 점검 퀴즈를 넣자는 제안을 할 수 있습니다. 이 정도만 되어도 단순 시각화보다 훨씬 설득력이 있습니다.

공개 데이터는 통계청, 공공데이터포털, 캐글 같은 서비스에서 찾을 수 있습니다. 다만 데이터가 유명하다고 좋은 포트폴리오가 되는 건 아닙니다. 타이타닉 생존자 예측처럼 너무 많이 쓰인 주제는 차별화가 어렵습니다. 차라리 내 관심사와 가까운 데이터를 고르는 편이 낫습니다. 운동, 소비, 콘텐츠, 교육, 부동산처럼 평소 궁금했던 주제일수록 해석이 자연스럽게 나옵니다.

신입 준비 기간은 현실적으로 잡는 게 좋습니다

완전 초보가 데이터분석가를 준비한다면 보통 6개월에서 1년 정도를 많이 잡습니다. 물론 매일 투자할 수 있는 시간에 따라 다릅니다. 하루 2시간씩 꾸준히 한다면 3개월 안에 기초 SQL과 파이썬 감각을 만들 수 있고, 6개월쯤 지나면 작은 포트폴리오 2~3개를 만들 수 있습니다. 다만 채용에서 경쟁력을 가지려면 단순 공부 기록보다 직접 분석한 결과물이 필요합니다.

추천하는 흐름은 이렇습니다.

• 1개월 차: 엑셀, 기본 통계, 데이터 읽는 습관 만들기
• 2~3개월 차: SQL 기본 문법과 JOIN, 집계 쿼리 연습
• 3~4개월 차: 파이썬 pandas로 데이터 정리와 시각화 연습
• 5~6개월 차: 공개 데이터로 포트폴리오 1개 완성
• 7개월 이후: 채용 공고를 보며 부족한 도구와 도메인 지식 보완

여기서 중요한 건 공부 순서를 너무 자주 바꾸지 않는 것입니다. 유튜브에서 새로운 로드맵을 볼 때마다 방향을 바꾸면 계속 출발선에 서게 됩니다. 처음 정한 흐름으로 한 바퀴를 끝까지 돌고, 그다음에 부족한 부분을 채우는 방식이 훨씬 낫습니다.

실무형 데이터분석가는 숫자보다 사람을 봅니다

데이터분석가라고 하면 하루 종일 숫자와 코드만 보는 사람처럼 느껴질 수 있습니다. 실제로는 사람과 대화하는 시간이 꽤 많습니다. 마케팅팀은 캠페인 성과를 알고 싶어 하고, 제품팀은 기능 사용률을 보고 싶어 하고, 경영진은 매출 변화의 이유를 듣고 싶어 합니다. 분석가는 이 질문을 데이터로 바꾸고, 다시 사람이 이해하는 말로 돌려줘야 합니다.

그래서 보고서 작성 능력도 중요합니다. 그래프 하나를 넣더라도 제목이 “월별 매출”이면 밋밋합니다. “신규 고객 매출은 늘었지만 기존 고객 재구매가 둔화됨”처럼 메시지가 담겨야 합니다. 숫자는 근거이고, 사람들은 해석을 듣고 움직입니다.

솔직히 데이터분석가 준비는 쉬운 길은 아닙니다. 배울 도구도 많고, 처음에는 에러 메시지 하나 때문에 하루가 지나가기도 합니다. 그래도 좋은 점은 실력이 눈에 보이게 쌓인다는 겁니다. 어제는 못 꺼내던 데이터를 오늘은 SQL로 꺼내고, 지난달에는 감으로 보던 현상을 이제는 그래프로 설명하게 됩니다. 그 변화가 쌓이면 어느 순간 “나도 분석가처럼 생각하고 있네”라는 감각이 옵니다. 그때부터 공부가 조금 덜 막막해집니다.