데이터분석 준전문가 (ADsP) 필기 · 데이터 이해 과목
AI 작성 · 운영진 검수 전데이터분석 준전문가 (ADsP) 가치 창조를 위한 데이터 사이언스와 전략 인사이트 핵심정리
- 중요도
- ★★★☆☆ (3 / 5)
- 출제 비중
- 데이터 이해 10문항 중 약 3문항 (30%)
빅데이터 분석과 전략 인사이트, 데이터 사이언티스트에게 필요한 하드 스킬·소프트 스킬, 데이터 사이언스의 한계와 미래를 다룹니다.
📖 가치 창조를 위한 데이터 사이언스와 전략 인사이트 개념 정리 보기 →가치 창조를 위한 데이터 사이언스와 전략 인사이트, 이것만은 꼭 외우세요
- 데이터 사이언스는 애널리틱스(이론)·IT(데이터 관리)·비즈니스 분석 세 영역으로 이루어집니다.
- 하드 스킬: 빅데이터 이론 지식, 분석 기술 숙련. 소프트 스킬: 통찰력 있는 분석, 설득력 있는 전달, 다분야 간 협력.
- 일차적 분석에 머물지 말고 전략 도출을 위한 가치 기반 분석으로 나아가야 성과가 납니다.
- 인문학이 주목받는 이유: 복잡한 세계화, 제품 생산에서 서비스로, 생산에서 시장 창조로.
- 모형은 가정 위에 만들어지므로 한계를 알고 해석해야 하며, 상관관계가 곧 인과관계는 아닙니다.
가치 창조를 위한 데이터 사이언스와 전략 인사이트 대표 문제 7개
문제 1. 데이터 사이언티스트에게 필요한 역량 가운데 하드 스킬(Hard Skill)에 해당하는 것은?
- ① 창의적 사고와 호기심
- ② 다른 분야 사람들과의 협력·커뮤니케이션
- ③ 스토리텔링과 시각화를 통한 설득력 있는 전달
- ④ 분석 기술에 대한 숙련(최적의 분석 설계와 노하우)
▼ 정답과 해설 보기▲ 정답과 해설 접기
정답: ④ 분석 기술에 대한 숙련(최적의 분석 설계와 노하우)
핵심: 하드 스킬=이론 지식·분석 기술, 소프트 스킬=통찰·전달·협력
데이터 사이언티스트의 역량은 두 가지로 나눕니다.
- 하드 스킬: 빅데이터에 관한 이론적 지식(관련 기법 이해), 분석 기술에 대한 숙련(최적의 분석 설계·노하우 축적)
- 소프트 스킬: 통찰력 있는 분석(창의적 사고·호기심·논리적 비판), 설득력 있는 전달(스토리텔링·시각화), 다분야 간 협력(커뮤니케이션)
틀린 선지
- 스토리텔링과 시각화: 소프트 스킬의 '설득력 있는 전달'입니다.
- 창의적 사고와 호기심: 소프트 스킬의 '통찰력 있는 분석'입니다.
- 협력·커뮤니케이션: 소프트 스킬의 '다분야 간 협력'입니다.
문제 2. 데이터 사이언티스트의 소프트 스킬 가운데 '통찰력 있는 분석'에 해당하는 능력으로 묶은 것은?
- ① 스토리텔링, 시각화(비주얼라이제이션)
- ② 빅데이터 관련 기법에 대한 이론적 지식
- ③ 다분야 간 협력, 커뮤니케이션
- ④ 창의적 사고, 호기심, 논리적 비판
▼ 정답과 해설 보기▲ 정답과 해설 접기
정답: ④ 창의적 사고, 호기심, 논리적 비판
핵심: 통찰력 있는 분석 = 창의적 사고·호기심·논리적 비판
소프트 스킬은 세 가지로 나눕니다.
- 통찰력 있는 분석: 창의적 사고, 호기심, 논리적 비판
- 설득력 있는 전달: 스토리텔링, 시각화
- 다분야 간 협력: 커뮤니케이션
틀린 선지
- 스토리텔링, 시각화: '설득력 있는 전달'에 해당합니다.
- 다분야 간 협력, 커뮤니케이션: '다분야 간 협력'에 해당합니다.
- 이론적 지식: 소프트 스킬이 아니라 하드 스킬입니다.
문제 3. 데이터 사이언스를 이루는 영역 가운데 수학, 확률 모델, 머신러닝, 분석학, 패턴 인식 같은 이론적 지식을 다루는 영역은?
- ① IT(데이터 관리)
- ② 커뮤니케이션
- ③ 애널리틱스(Analytics)
- ④ 비즈니스 분석
▼ 정답과 해설 보기▲ 정답과 해설 접기
정답: ③ 애널리틱스(Analytics)
핵심: 데이터 사이언스 = 애널리틱스 + IT(데이터 관리) + 비즈니스 분석
데이터 사이언스는 세 영역으로 이루어집니다.
- 애널리틱스(Analytics): 수학, 확률 모델, 머신러닝, 분석학, 패턴 인식 등 이론 영역
- IT(데이터 관리): 데이터 웨어하우징, 분산 컴퓨팅, 시각화 등 데이터를 다루는 기술 영역
- 비즈니스 분석: 커뮤니케이션, 발표, 스토리텔링 등 결과를 업무에 연결하는 영역
틀린 선지
- IT(데이터 관리): 데이터 저장·처리 기술을 다루는 영역입니다.
- 비즈니스 분석: 분석 결과를 업무와 의사결정에 연결하는 영역입니다.
- 커뮤니케이션: 비즈니스 분석 영역에 속하는 세부 능력입니다.
문제 4. 빅데이터 회의론이 나온 원인으로 가장 알맞은 것은?
- ① 과거 고객관계관리(CRM) 같은 솔루션에 투자하고도 효과를 보지 못한 부정적 학습 효과
- ② 분석에 쓸 수 있는 통계 기법이 사라진 것
- ③ 데이터 저장 비용이 갑자기 크게 오른 것
- ④ 정형 데이터가 점점 줄어든 것
▼ 정답과 해설 보기▲ 정답과 해설 접기
정답: ① 과거 고객관계관리(CRM) 같은 솔루션에 투자하고도 효과를 보지 못한 부정적 학습 효과
핵심: 빅데이터 회의론: 과거 투자 실패의 부정적 학습 효과
빅데이터 회의론은 '빅데이터도 결국 효과가 없을 것'이라는 생각입니다. 원인으로 다음이 꼽힙니다.
- 부정적 학습 효과: 과거 CRM(고객관계관리) 같은 솔루션에 큰돈을 들였지만 기대한 성과를 내지 못한 경험
- 과장된 성공 사례: 빅데이터와 관계없는 분석 사례를 빅데이터 성공 사례로 포장한 경우
틀린 선지
- 저장 비용이 크게 오름: 오히려 저장 비용이 낮아진 것이 빅데이터 등장 배경입니다.
- 정형 데이터 감소: 회의론의 원인으로 꼽히지 않습니다.
- 통계 기법이 사라짐: 사실과 다릅니다.
문제 5. 빅데이터에 많이 투자했는데도 기대한 성과를 얻지 못하는 기업이 많은 이유로 가장 알맞은 것은?
- ① 분석 도구의 값이 지나치게 비쌌기 때문이다
- ② 업계 내부의 문제에만 맞춘 일차적인 분석에 머물러 전략적 통찰로 이어지지 못했기 때문이다
- ③ 데이터 사이언티스트의 수가 지나치게 많았기 때문이다
- ④ 분석할 수 있는 데이터의 양이 너무 적었기 때문이다
▼ 정답과 해설 보기▲ 정답과 해설 접기
정답: ② 업계 내부의 문제에만 맞춘 일차적인 분석에 머물러 전략적 통찰로 이어지지 못했기 때문이다
핵심: 일차적 분석 → 전략 도출 가치 기반 분석으로
많은 기업이 빅데이터를 비용 절감 같은 일차적인 분석(부서 단위의 업무 개선)에만 써 왔습니다. 일차적 분석도 의미가 있지만, 사업 환경 전체를 보고 전략 인사이트(경쟁 우위를 만드는 통찰)를 끌어내는 '가치 기반 분석'으로 나아가야 성과가 납니다.
- 일차적 분석: 해당 부서·업무 영역의 문제 해결에 집중
- 전략 도출을 위한 가치 기반 분석: 업계 밖 변화와 사업 모델까지 보고 큰 방향을 제시
틀린 선지
- 데이터 양이 적었다: 빅데이터 시대에는 데이터가 부족해서가 아니라 활용 방식이 문제였습니다.
- 도구 값이 비쌌다: 성과가 나지 않는 핵심 이유로 꼽히지 않습니다.
- 데이터 사이언티스트가 많았다: 오히려 전문 인력이 부족한 것이 문제로 꼽힙니다.
문제 6. 최근 기업 경영에서 인문학이 다시 주목받는 이유로 옳지 않은 것은?
- ① 비즈니스의 중심이 서비스에서 제품 생산으로 옮겨 갔다
- ② 경제와 산업의 논리가 생산에서 시장 창조로 바뀌었다
- ③ 비즈니스의 중심이 제품 생산에서 서비스로 옮겨 갔다
- ④ 단순한 세계화에서 복잡한 세계화로 바뀌었다
▼ 정답과 해설 보기▲ 정답과 해설 접기
정답: ① 비즈니스의 중심이 서비스에서 제품 생산으로 옮겨 갔다
핵심: 인문학 열풍: 복잡한 세계화·서비스 중심·시장 창조
외부 환경이 바뀌면서 사람과 문화를 이해하는 인문학적 사고가 중요해졌습니다. 이유는 세 가지입니다.
- 단순한 세계화 → 복잡한 세계화 (다양한 문화·가치를 이해해야 함)
- 비즈니스 중심: 제품 생산 → 서비스 (고객 경험이 중요해짐)
- 경제·산업 논리: 생산 → 시장 창조 (새 시장을 만드는 상상력이 필요함)
따라서 '서비스에서 제품 생산으로'는 방향이 거꾸로 된 설명입니다.
틀린 선지
- 복잡한 세계화로 바뀌었다: 옳은 설명입니다.
- 제품 생산에서 서비스로: 옳은 설명입니다.
- 생산에서 시장 창조로: 옳은 설명입니다.
문제 7. 데이터 분석 모형의 한계에 대한 설명으로 가장 알맞은 것은?
- ① 상관관계가 높게 나오면 두 변수 사이에는 반드시 인과관계가 있다
- ② 정량적 분석 결과는 숫자로 나오므로 해석하는 사람에 따라 달라지지 않는다
- ③ 모형은 여러 가정을 바탕으로 만들어지므로, 모형이 현실을 완벽하게 설명한다고 믿어서는 안 된다
- ④ 데이터가 충분히 많으면 사람의 해석 없이도 언제나 정확한 결론이 나온다
▼ 정답과 해설 보기▲ 정답과 해설 접기
정답: ③ 모형은 여러 가정을 바탕으로 만들어지므로, 모형이 현실을 완벽하게 설명한다고 믿어서는 안 된다
핵심: 모든 모형은 가정 위에 서 있다 — 해석과 한계 인식 필요
분석 모형은 현실을 단순하게 만든 것이어서 여러 가정이 들어갑니다. 그래서 '모든 모델은 틀렸다, 그러나 일부는 쓸모 있다'는 말처럼, 모형의 한계를 알고 써야 합니다. 또 같은 결과라도 해석하는 사람의 관점에 따라 다르게 읽힐 수 있습니다.
틀린 선지
- 상관관계가 높으면 인과관계: 함께 움직인다고 해서 한쪽이 원인이라는 보장은 없습니다.
- 데이터가 많으면 해석 없이도 정확: 데이터가 많아도 가정과 사람의 해석이 필요합니다.
- 숫자라서 해석이 달라지지 않는다: 같은 숫자도 관점과 가정에 따라 다르게 해석될 수 있습니다.
직접 풀어서 확인해 보세요.