이 글의 핵심
분석 문제는 예측·설명 대상과 결과의 활용 목적까지 구체화해야 합니다.
탐색은 요약통계만 계산하는 것이 아니라 분포, 품질, 관계와 편향 가능성을 확인하는 과정입니다.
전처리는 정해진 공식이 아니라 결측 원인과 분석 목적을 근거로 선택해야 합니다.
분석 문제와 성공 기준 정의
막연한 개선 요구를 분석 문제로 바꿀 때 대상, 입력 시점, 결과를 사용할 의사결정, 평가 지표를 명시합니다. 이 조건이 없으면 좋은 모형을 만들어도 업무에 적용하기 어렵습니다.
데이터 보유 부서와 제공 주기, 접근 권한, 개인정보 보호 조건을 함께 확인해 실행 가능한 계획인지 판단합니다.
기술통계와 시각화의 역할
평균과 중앙값은 중심을, 분산과 사분위 범위는 퍼짐을 보여줍니다. 왜도가 크거나 극단값이 있으면 여러 통계량을 함께 비교해야 대표값을 잘못 해석하지 않습니다.
히스토그램, 박스플롯, 산점도는 숫자 요약에서 놓치기 쉬운 분포 모양과 변수 관계를 드러내므로 통계량과 함께 사용합니다.
결측과 이상값 판단
결측이 특정 집단이나 값의 크기와 관련되는지 먼저 살펴야 삭제와 대체가 만드는 편향을 판단할 수 있습니다. 이상값도 입력 오류인지 실제 희귀 사례인지 확인한 뒤 처리합니다.
IQR이나 z점수는 후보를 찾는 도구이며 기준을 넘었다는 이유만으로 자동 삭제해서는 안 됩니다. 분석 목적과 생성 과정을 확인하는 절차가 필요합니다.
변수 변환과 표본 설계
거리 기반 모형에서는 단위 차이를 줄이는 표준화가 중요하고, 치우친 분포는 로그 변환을 검토할 수 있습니다. 범주형 변수는 의미와 순서를 보존하는 방식으로 표현합니다.
모든 집단을 표본에 반영하려면 층화추출을, 일부 집단을 선택해 조사하려면 집락추출을 검토하는 식으로 표본 목적과 절차를 연결합니다.
자체 제작 사례: 고객 이탈 분석의 목표와 탐색 절차 연결하기
상담 우선순위를 정하기 위해 다음 달 이탈 가능성이 높은 고객을 찾는 분석 과제를 가정합니다.
- 예측 대상과 기준 시점, 상담에 사용할 결과, 성공을 판단할 지표를 먼저 문장으로 정리합니다.
- 필요 변수의 보유 위치와 접근 조건을 확인하고 결측이 특정 고객군에 집중되는지 탐색합니다.
- 분포와 변수 관계를 확인한 뒤 누수를 일으킬 사후 정보와 중복 변수를 전처리 계획에서 제외합니다.
기획과 탐색은 분리된 암기 과목이 아니라 올바른 질문을 실제 데이터로 검증 가능한 형태로 바꾸는 연속된 과정입니다.
흔한 오답 사고 바로잡기
IQR 기준을 벗어난 관측값은 모두 오류이므로 원인을 확인하지 않고 삭제한다.
왜 틀리는가: 이상값 후보에는 입력 오류뿐 아니라 실제 고액 거래나 희귀 사건도 포함되어 분석에 중요한 정보를 잃을 수 있습니다.
올바른 확인법: 후보 탐지 기준, 원천 기록 확인, 분석 목적에 미치는 영향, 유지·변환·제외 근거를 순서대로 기록합니다.
복습 체크리스트
분석 대상·기준 시점·활용 목적 명문화
데이터 출처와 제공 주기 및 권한 확인
결측 패턴을 집단과 변수값별로 비교
이상값 처리 전 원천 데이터 생성 과정 확인
자주 묻는 질문
이상값은 모두 제거하는 것이 안전한가요?
아닙니다. 측정 오류는 수정하거나 제외할 수 있지만 실제 고액 거래나 희귀 고장처럼 중요한 정보일 수 있으므로 생성 원인과 분석 목적을 먼저 확인해야 합니다.
상관계수가 높으면 인과관계가 있나요?
상관은 함께 변하는 방향과 강도를 나타낼 뿐 제3의 변수와 시간 순서가 통제되지 않으면 인과를 확정할 수 없습니다.
검수 기준과 공식 자료
이 글은 가풀이 직접 작성·검수했으며 실제 기출문제나 복원문제를 옮기지 않았습니다. 시험 일정과 세부 규정은 변경될 수 있으므로 접수 전 아래 공식 공고를 다시 확인하세요.
- 빅데이터분석기사 자격시험 공식 안내 — 한국데이터산업진흥원 데이터자격시험