데이터분석 준전문가 (ADsP) 기출 유형 문제 풀이와 해설

DIKW 피라미드의 맨 아래는 데이터(Data)입니다. 다른 데이터와 관계를 짓지 않은, 있는 그대로의 사실(가공 전 값)을 말합니다.

• 데이터: 'A 주유소 휘발유 1,650원'처럼 하나의 사실
• 정보: 데이터를 가공해 관계나 의미를 끌어낸 것 (예: A 주유소가 B 주유소보다 50원 싸다)
• 지식: 정보를 구조화해 행동에 쓰는 것 (예: 싼 A 주유소에서 주유하기로 한다)
• 지혜: 지식을 바탕으로 한 창의적인 짐작 (예: 경유도 A 주유소가 쌀 것이다)

틀린 선지

• 정보: 두 주유소 값을 비교하는 것처럼 데이터 사이의 관계를 끌어내야 정보입니다.
• 지식: 정보를 바탕으로 '어디서 주유할지' 정하는 단계입니다.
• 지혜: 지식을 넘어 다른 상황을 짐작하는 단계입니다.

분석 주제 유형은 대상과 방법을 아는지(Known) 모르는지(Un-Known)로 나눕니다.

• 대상 앎 + 방법 앎 → 최적화(Optimization)
• 대상 앎 + 방법 모름 → 솔루션(Solution): 해결 방법을 찾아냄
• 대상 모름 + 방법 앎 → 통찰(Insight)
• 대상 모름 + 방법 모름 → 발견(Discovery)

틀린 선지

• 최적화: 대상과 방법을 모두 알 때 개선하는 방식입니다.
• 통찰: 대상은 모르고 방법만 알 때 쓰는 방식입니다.
• 발견: 대상과 방법을 모두 모를 때 쓰는 방식입니다.

데이터 마이닝은 정답(목표변수)이 있느냐로 나눕니다.

• 지도 학습: 정답이 있는 자료로 학습 → 분류·예측 (의사결정나무, 로지스틱 회귀, 인공신경망, 회귀분석 등)
• 비지도 학습: 정답 없이 패턴을 찾음 → 군집분석, 연관분석, 자기조직화지도(SOM) 등

틀린 선지

• 의사결정나무: 정답(목표변수)이 있어야 하는 지도 학습입니다.
• 로지스틱 회귀분석: 범주형 정답을 맞히는 지도 학습입니다.
• 선형 회귀분석: 연속형 정답을 예측하는 지도 학습입니다.

암묵지는 경험으로 몸에 밴 지식(말로 표현하기 어려움), 형식지는 문서·매뉴얼처럼 겉으로 드러난 지식입니다. 암묵지를 글·그림으로 꺼내 형식지로 만드는 과정이 표출화입니다.

• 공통화: 암묵지 → 암묵지 (옆에서 보고 배우기)
• 표출화: 암묵지 → 형식지 (매뉴얼로 정리)
• 연결화: 형식지 → 형식지 (문서끼리 합쳐 새 문서)
• 내면화: 형식지 → 암묵지 (매뉴얼을 읽고 몸에 익히기)

틀린 선지

• 연결화: 이미 있는 형식지끼리 합치는 과정입니다.
• 공통화: 암묵지를 다른 사람과 경험으로 나누는 과정입니다.
• 내면화: 형식지를 다시 자기 것(암묵지)으로 만드는 과정입니다.

분석 대상과 방법이 모두 정해지지 않았다면, 먼저 무엇을 분석할지부터 찾아야 합니다. 이것이 발견(Discovery) 접근입니다.

• 최적화: 대상 앎·방법 앎
• 솔루션: 대상 앎·방법 모름
• 통찰: 대상 모름·방법 앎
• 발견: 대상 모름·방법 모름

틀린 선지

• 통찰: 분석 방법은 알지만 대상이 명확하지 않을 때입니다.
• 솔루션: 대상은 알지만 방법을 모를 때입니다.
• 최적화: 대상과 방법을 모두 알 때입니다.

과대적합은 모형이 훈련 데이터의 잡음(우연한 특징)까지 외워 버려서, 새 데이터에서는 잘 맞지 않는 현상입니다.

• 원인: 모형이 지나치게 복잡함, 훈련 데이터가 적음
• 대처: 검증용 데이터로 확인, 가지치기, 변수 줄이기, 교차검증

틀린 선지

• 과소적합: 모형이 너무 단순해 훈련 데이터에서도 성능이 낮은 현상입니다.
• 다중공선성: 회귀분석에서 독립변수끼리 상관이 강한 문제입니다.
• 차원 축소: 변수 수를 줄이는 기법으로, 성능이 떨어지는 현상이 아닙니다.

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.

포트폴리오 사분면에서는 지금 당장 필요하고(시급성 높음), 쉽게 할 수 있는(난이도 쉬움) 과제를 가장 먼저 추진합니다. 이 영역을 보통 3사분면이라고 부릅니다.

• 시급성 높음 + 쉬움 → 가장 먼저
• 시급성 낮음 + 어려움 → 가장 나중
• 나머지 두 영역은 시급성과 난이도 중 무엇을 더 중시하느냐에 따라 순서가 달라집니다.

틀린 선지

• 시급성 높고 어려운 과제: 중요하지만 바로 하기 어려워 난이도를 낮춘 뒤 추진합니다.
• 시급성 낮고 쉬운 과제: 쉽지만 당장 필요하지 않아 뒤로 밀립니다.
• 시급성 낮고 어려운 과제: 가장 나중에 추진합니다.

층화 추출법은 모집단을 성질이 비슷한 층으로 나누고, 각 층에서 무작위로 뽑는 방법입니다. 층 안은 비슷하고 층끼리는 다릅니다.

• 단순 랜덤 추출: 모집단 전체에서 제비뽑기처럼 무작위로 뽑음
• 계통 추출: 번호를 매긴 뒤 일정 간격(예: 10번째마다)으로 뽑음
• 집락 추출: 모집단을 여러 집단(예: 동네)으로 나누고, 몇 개 집단을 골라 그 안을 모두 조사

틀린 선지

• 집락 추출법: 집단 자체를 골라 그 집단 전체를 조사합니다. 각 집단에서 조금씩 뽑는 것이 아닙니다.
• 계통 추출법: 일정한 간격으로 뽑는 방법입니다.
• 단순 랜덤 추출법: 집단을 나누지 않고 전체에서 무작위로 뽑습니다.

빅데이터의 기본 특징 3V는 다음과 같습니다.

• Volume(규모): 데이터 양이 매우 많음
• Variety(다양성): 정형·반정형·비정형 등 형태가 다양함
• Velocity(속도): 데이터가 매우 빠르게 생기고, 빠르게 처리해야 함

여기에 Value(가치)나 Veracity(정확성)를 더해 4V, 5V로 말하기도 합니다.

틀린 선지

• 가치(Value): 3V에 더해 4V를 말할 때 들어가는 요소입니다.
• 정확성(Veracity): 3V에 더해 4V·5V를 말할 때 쓰는 요소입니다.
• 시각화(Visualization): 3V에 들어가지 않습니다.