데이터 & 분석 가이드

데이터 & 분석 영역은 데이터를 수집·정제·저장하는 일과, 그 데이터에서 의미를 끌어내 의사결정에 활용하는 일을 함께 다룹니다. 데이터를 다루는 파이프라인을 구축하는 역할과, 그 데이터를 분석·시각화해 통찰을 전달하는 역할이 서로 맞물려 있습니다.

학습 순서

데이터 분석 경로는 데이터가 무엇인지, 어떤 종류의 분석(기술적·진단적·예측적·처방적)이 있는지 이해하는 데서 시작합니다. 엑셀(Excel)과 SQL로 기초 도구를 다진 뒤 Python이나 R 같은 프로그래밍 언어와 판다스(Pandas) 같은 데이터 조작 라이브러리를 익히고, 데이터 수집·정제 능력을 키웁니다. 이후 기술 통계·가설 검정 같은 분석 기법과 태블로(Tableau)·파워 BI(Power BI) 같은 시각화 도구로 이어가며, 머신러닝과 빅데이터 기술까지 심화할 수 있습니다.

데이터 엔지니어링 경로는 분석가 로드맵의 Python, SQL, 데이터베이스 기초를 공유하면서, 대량의 데이터를 안정적으로 수집·처리·저장하는 파이프라인 구축에 집중합니다. 이 과정에서 도커·쿠버네티스·클라우드·Terraform 같은 DevOps & 인프라 가이드의 도구를 함께 사용합니다. 비즈니스 인텔리전스(BI) 경로는 이 두 경로에서 만든 데이터를 경영 의사결정에 바로 쓸 수 있는 지표와 대시보드로 정리하는 역할을 맡습니다.

지금까지 설명한 흐름을 한눈에 정리하면 [그림 1]과 같습니다.

[그림 1] 데이터 & 분석 로드맵 구성도

데이터 분석과 데이터 엔지니어링은 공통 기초를 마친 뒤 서로 다른 경로로 나뉘므로, 그림에서도 2단계부터 두 개의 행으로 갈라지는 구조로 표시했습니다.

소속 강좌

강좌	다루는 내용
데이터 분석가	데이터 정제·통계 분석·시각화
데이터 엔지니어	대규모 데이터 수집·처리 파이프라인 구축
BI 분석가	비즈니스 인텔리전스 지표·대시보드 설계

다른 영역과의 연결

데이터 파이프라인을 운영할 인프라가 필요하다면 DevOps & 인프라 가이드를, 분석 결과를 머신러닝 모델로 확장하고 싶다면 AI & ML 가이드를 함께 참고할 수 있습니다.