코드 없이, 말로 하는 데이터 분석

1. 코드 없이, 말로 하는 데이터 분석

데이터 분석을 배워보려는 사람이 처음 듣는 말은 대개 "먼저 파이썬부터 배우세요"입니다. 강의를 열면 낯선 코드가 나오고, 한 글자만 틀려도 빨간 에러 메시지가 뜹니다. 문법 하나를 검색하다 30분이 지나가고, 분석은 시작도 못 한 채 지칩니다. 알고 싶은 것은 "우리 가게 매출이 왜 줄었지?" 하나였는데, 그 질문에는 손도 못 댄 상태입니다.

# 카테고리별 매출 합계
df.groupby('category')['amout'].sum()

KeyError: 'amout'

amount를 amout로 잘못 쓴 오타 하나에 멈춘 장면입니다. 예전에는 이 빨간 줄을 스스로 고쳐야 다음으로 갈 수 있었습니다.

1.1 바이브 코딩에서 바이브 데이터 분석으로

2025년부터 개발 현장에서 바이브 코딩(Vibe Coding)이라는 말이 빠르게 퍼졌습니다. 코드를 한 줄씩 직접 작성하는 대신, 원하는 것을 자연어로 설명하면 AI가 코드를 대신 만들어 주는 방식입니다. 이 방식을 데이터 분석에 그대로 가져온 것이 이 강의의 주제인 바이브 데이터 분석(Vibe Data Analysis)입니다.

같은 작업을 두 방식으로 비교해 보겠습니다. "카테고리별 매출을 높은 순으로 보고 싶다"는 요청입니다.

전통적 방식에서는 groupby와 sort_values 같은 문법을 떠올려야 하고, 안 떠오르면 검색하고, 에러가 나면 다시 검색합니다. 바이브 방식에서는 이렇게 말합니다.

카테고리별 매출 합계를 높은 순 막대그래프로 보여줘

AI가 코드를 만들고 실행해서 약 30초 만에 차트를 내놓습니다. 여러분이 한 일은 한 문장을 입력한 것뿐입니다.

코드 작성이 사라졌다고 분석이 저절로 쉬워지지는 않습니다. 필요한 능력이 달라집니다. 코드를 외우는 대신 무엇을 볼지 정하고, AI가 내놓은 답이 맞는지 판단하고, 그 숫자가 무슨 뜻인지 해석해야 합니다. 그래서 이 과정은 좋은 질문을 던지는 법과 AI의 답을 검증하는 법을 처음부터 끝까지 반복합니다.

1.2 이 과정에서 만드는 세 가지

강의를 마치면 아래 세 가지를 만들어 두게 됩니다. 실무에서 데이터로 하는 일도 대개 이 셋 중 하나입니다.

• KPI 대시보드: 매출, 주문 수, 객단가, 재구매율을 한눈에 보는 대화형 대시보드입니다. 4장에서 만듭니다.
• 매출 예측 차트: 과거 데이터로 다음 분기 매출을 예측하고, 그 예측이 얼마나 믿을 만한지까지 검증합니다. 6장에서 만듭니다.
• 경영 리포트: 흩어진 분석 결과를 모아 의사결정에 바로 쓰는 한 페이지 보고서로 정리합니다. 7장에서 만듭니다.

개념과 검증 습관을 먼저 익히고, 매출과 KPI, 수요와 가격, 예측, 리포팅 순으로 이어집니다. 한 강의는 10분에서 15분 분량입니다.

교안 전체를 한 장에 놓으면 위와 같습니다. 왼쪽 온라인 과정은 orders.csv 하나로 질문, 검증, KPI, 수요와 가격, 예측, 리포트를 차례로 쌓고, 장마다 만든 결과물이 아래 세 가지로 남습니다. 오른쪽 오프라인 집중캠프는 같은 순서를 실제 제주 입도객 데이터에 다시 적용해 HTML 대시보드 파일 하나로 묶습니다. 어느 장에서 막혀도 이 지도에서 앞 단계로 돌아가면 됩니다.

오프라인 마지막 시간에 만드는 결과물은 아래 같은 모습입니다. 2013년부터의 실제 입도객 흐름, 계절, 예측과 그 예측이 얼마나 맞는지까지 한 화면에 담깁니다.

1.3 세 가지 도구, 모두 무료로 시작

이 과정에서는 세 가지 도구를 씁니다. 고사양 컴퓨터도, 유료 프로그램도 필요 없습니다. 인터넷만 되면 됩니다.

이 강의에서는 두 AI의 역할을 이렇게 나눠 씁니다.

탐색은 Gemini, 산출은 Claude

이 분업은 학습을 위한 선택이며 도구의 능력 경계는 아닙니다. Colab의 Gemini도 계획·코드 실행·결과 제시를 하고, Claude도 계산과 파일 생성을 할 수 있습니다. 실습은 탐색→검증→산출 순서를 유지하고, 익숙해지면 한 도구에서 끝내는 방법도 선택할 수 있습니다.

1.4 시작 전 체크리스트

실습에 앞서 아래 네 가지를 준비합니다.

• Google 계정: Colab 접속용입니다.
• Claude 계정: claude.ai에 가입합니다.
• 웹 브라우저: Chrome을 권장합니다.
• 실습용 데이터: 아래 버튼으로 내려받습니다.

실습 데이터 제주 관광 데이터

압축을 풀면 아래 파일이 나옵니다. 온라인 과정 내내 쓰는 파일은 orders.csv 하나이고, 나머지는 특정 절과 오프라인 집중캠프에서 씁니다.

• orders.csv: 온라인 쇼핑몰의 2024년 1년치 주문 데이터입니다. 주문번호, 주문일자, 고객ID, 상품명, 카테고리, 단가, 수량, 금액 여덟 개 열에 3,567건의 주문이 담겨 있습니다.
• daily_traffic.csv: 같은 쇼핑몰의 일별 방문자 수, 주문 수, 신규 고객 수, 광고비입니다. 4장의 KPI 실습에서 전환율과 고객획득비용을 계산할 때 씁니다.
• monthly_sales_2022_2024.csv: 같은 쇼핑몰의 2022년부터 2024년까지 3년치 월별 매출 요약입니다. 6장에서 계절을 반영한 예측과 백테스트에 씁니다.
• titanic 폴더: 데이터 분석 입문용으로 널리 쓰이는 타이타닉 승객 데이터입니다. 8장 미니 프로젝트에서 연습용 대안 데이터로 씁니다.
• jeju_visitors.csv, jeju_stores.csv: 오프라인 집중캠프(10장)에서 쓰는 제주 입도객과 상권 연습 데이터입니다. 위니브가 실습용으로 만든 가상 데이터라 실제 통계와 다릅니다.
• dashboard-example.html: 오프라인 집중캠프에서 최종적으로 만들 HTML 대시보드의 완성 예시입니다. 브라우저에서 더블클릭해 열어 볼 수 있습니다.

첫 노트북은 세 단계로 만듭니다. 자세한 화면 설명은 3장 2절에서 다루니 지금은 흐름만 봐 두세요.

1. Google Colab에 접속합니다.
2. '새 노트북'을 클릭합니다.
3. 툴바의 Gemini 아이콘을 눌러 AI 채팅을 엽니다.

1.5 이 강의를 듣는 법

강의는 세 단계로 듣습니다.

1. 따라하기: 교안에 나온 프롬프트를 그대로 입력해 봅니다.
2. 직접 질문하기: 따라 한 다음, 같은 데이터에 나만의 질문을 던져 변형해 봅니다.
3. 과제 하기: 각 절 끝의 '직접 해보기'를 가능하면 본인 데이터로 수행해 봅니다.

따라하기만 하고 끝내는 경우가 가장 많습니다. AI가 엉뚱한 답을 줄 때 알아채는 감각은 질문을 직접 바꿔 던져 봐야 생깁니다. 2단계와 3단계까지 하는 것을 전제로 교안을 짰습니다.