인프런 커뮤니티 질문&답변
작성한 질문수
데이터분석가 역할?
해결된 질문
작성
·
36
0
안녕하세요, 좋은 강의 감사드립니다. 다 듣고나서 혼자 복습중에 궁금한게 생겨서 글을 씁니다.
[질문1]
데이터분석가는 비즈니스의 여러 프로세스에서 협업하는거라고 생각이 들었고, 제가 이해한 구분은 크게 이렇다고 이해했습니다.
물론 일반화하기 어려운 부분이 있지만, 직무분석하고 탐색하는 취준생입장에서 아래와 같다고 생각하면 될지 문의드립니다.
1. BA (Business Analysis, 비즈니스 분석)
“비즈니스 자체가 잘 굴러가고 있는가?”를 보는 분석
1-1. [0 → 1 단계]
제품/서비스가 나오기 전 → 시장 수요, 산업 동향, 경쟁사 분석
TAM/SAM/SOM 추정, 사업성 검토
(예: 이 시장에 진입하면 고객이 충분히 있나?)
1-2. [1 → 100 단계]
운영 중인 비즈니스 전체 관점 → 매출, 수익 구조, LTV/CAC, 운영 효율성 분석
투자·확장·전략 수립을 위한 인사이트 제공
(예: 마케팅 ROI, 재무 지표, 운영 효율 개선)
2. PA (Product/Service Analysis, 제품·서비스 분석)
“제품/서비스 자체가 잘 쓰이고 있는가?”를 보는 분석
2-1. [0 → 1 단계]
아이디어/MVP 단계 → 가설 검증, PMF(Product-Market Fit) 검토
파일럿 유저 피드백 분석, 초기 코호트 분석
(예: 우리 앱을 설치한 100명 중 30명이 계속 쓰는가?)
2-2. [1 → 100 단계]
이미 서비스가 굴러가는 상황 → 사용자 행동 분석, 기능별 리텐션/전환율, 개선 포인트 도출
캠페인/홍보 효과 측정, 퍼널 분석, A/B 테스트
(예: 이 버튼 디자인 바꾸면 구매율이 올라가는가?)
1. BA = 비즈니스 단위(큰 그림, 돈/전략) → 주로경영진/창업자/전략팀과 소통
2. PA = 제품 단위(사용자, 기능, 서비스 경험) → PM/개발/마케팅 팀과 소통
[질문 2]
BA이든 PA이든 0->1 이든, 1->100의 과정이든 / 데이터분석의 직무를 하는 사람이라면 아래의 프로세스를 따르나? 문제와 지표와 상황이 다를뿐.
문제 정의 -> 지표 설정 -> 데이터 수집 -> 데이터 가공 및 전처리 -> 데이터 분석 -> 지표 검증 + 인사이트 추출 -> 액션 아이템 도출 -> 실행 후 결과 측정 -> 반복
[질문3]
그럼 저 프로세스에서 일단 기술적으로 데이터분석/pm이 준비해야할 hard skill은? 이 정도인가? 엑셀, 파이썬, sql, tool(타블로, ga4 등) 정도? (더 나아가면 머신러닝/딥러닝까지?)
데이터 수집에 필요한 기술 [엑셀, 수집-ga4, 크롤링-Python] ,
데이터 가공과 전처리 기술 [SQL / Python ],
데이터 분석을 위한 기술 [Python / R ]
시각화와 인사이트 추출 기술 [타블로, 파이썬]
답변 2
0
ngtos님 안녕하세요!
복습하시면서 이렇게 자신만의 생각을 작성하고 제게 피드백 요청을 구하시는 것 좋네요!
우선 취업이나 역량 관련해서는 제 유튜브 영상을 보시면 도움이 될 것 같아요
https://youtu.be/mzOWMax9Sxc?si=dQyoH24HiEsjFnE8
https://youtu.be/Z0PEIqKOhDE?si=T5c8NdfA_F-OQmq8
질문의 답이 위 영상들에서 나오지만 한번 더 작성을 해볼게요
질문 1 - 직무 구분 및 하는 일
직무 구분이랑 하는 일은 회사마다 매우 다르고, 작은 회사나 이제 막 시작하는 제로 투 원 시기에는 직무가 세분화되지 않을 가능성이 높습니다. 직무가 세분화되는 것은 어느정도 회사의 규모가 커져서 일을 나눠야 하는 경우고, 일이 나눠지지 않을 땐 데이터 분석가라고 부르곤 합니다
0 -> 1 단계에선 데이터 분석가가 할 일이 크게 없을 수 있습니다. 제품이나 비즈니스가 있어야 데이터가 생기니깐요. 그래서 PMF를 찾기 전인 극초반엔 데이터 분석가의 역할을 경영진(주로 대표)이나 PM이 진행하곤 합니다
시장 수요, 산업 동향, 경쟁사 분석은 어떻게 보면 데이터 분석가라고 생각할 수 있지만, 전략쪽에서 좀 더 많이 시도하곤 합니다. 데이터 분석가라고 하면 인하우스 데이터를 다루는 경우가 조금 더 많다 생각합니다
1 -> 100은 회사에서 중요하게 생각하는 문제를 푸는 것이 핵심이고, 뭐가 중요한지는 매번 달라집니다. 이 내용은 인프콘에서 발표한 영상을 보시면 이해가 되실 것 같아요
https://youtu.be/axZLFQjrFKM?si=eoJy_HwR-YvoZ6K2
비즈니스 분석가는 회사에서 비즈니스, 사업팀에 속하곤 하는데 이럴 때 사업팀, 경영진(CEO, CBO)과 주로 이야기를 할 수 있고, 프로덕트 분석가는 제품팀에 속해서 제품팀, CPO와 주로 이야기를 하곤 합니다. 하지만 회사에서 경영진도 세분화가 되지 않는 경우도 있습니다
질문 2
네 말씀하신 흐름을 거치곤 합니다. 다만 데이터 가공 및 전처리는 말씀하신 타이밍에 있을 수도 있고, 회사가 발전하면 데이터 마트가 생겨서 데이터 가공 시간이 줄어들 수 있습니다
지표를 명확하게 잘 설정하고, 현황 분석을 한다면 데이터 분석보단 데이터 해석에 집중한다고 보면 될 것 같아요
데이터 분석은 2가지로 나뉜다고 생각하시면 좋을 것 같아요
현황 분석(지금 무엇이 문제고, 어떤 부분부터 하면 좋을지 큰 그림을 그리는 경우)
Action Item 도출(주로 새로운 기능 개발을 하는 Action Item)
두가지에 따라 접근하는 방식이 다릅니다.
질문 3
저는 하드 스킬이 그렇게 중요하지 않다고 생각하는 사람인데, 데이터 해석을 잘 하려면 하드 스킬보단 문제를 집요하게 생각하고, 계속 문제를 파악하는 것이 중요합니다. 데이터를 추출하기 위해 SQL, 파이썬, 엑셀 등을 쓸 수 있고 시각화를 하기 위해 태블로, Superset, Redash 등 다양한 것을 쓸 수 있는 것이지요
그리고 AI가 발전해서 하드 스킬이라고 할 수 있는 부분이 꽤 쉬워지고 있습니다. 오히려 새로운 것을 빠르게 잘 익히는 것이 중요한 것 같네요
신입분들이 대부분 하드 스킬에만 집중하는데, 과거 7년 전에는 하드 스킬만 잘해도 채용이 되었지만 요즘은 실제로 경험을 했는지를 주로 생각하곤 합니다.
그래도 데이터 분석가의 기술 스택을 굳이 따지자면, SQL, 적절한 시각화 도구(파이썬이나 태블로나 뭐든 상관없다고 생각), SQL로 잘 안되는 경우 약간의 파이썬
머신러닝/딥러닝을 하는 데이터 분석가는 과거에 비해 줄어들었습니다. 머신러닝/딥러닝을 하는 직무는 데이터 분석가보단 데이터 사이언티스트, 머신러닝 엔지니어라는 이름으로 채용하는 것이 더 많아졌어요(예전엔 데이터 분석가로 다 뽑았지만) 그래서 두개를 다 하려고 하는 것보단 하나를 집중하는 것이 좋은 것 같아요
제 유튜브에 데이터 분석가 공부 방법, 포트폴리오 주제 영상도 보셔도 좋을 것 같네요!
데이터 수집에 필요한 기술 [엑셀, 수집-ga4, 크롤링-Python] ,
데이터 가공과 전처리 기술 [SQL / Python ],
데이터 분석을 위한 기술 [Python / R ]
시각화와 인사이트 추출 기술 [타블로, 파이썬]
0
안녕하세요, 인프런 AI 인턴입니다. ngtos님께서 데이터 분석가의 역할에 대해 심도 깊은 질문을 해주셨습니다. 각 질문에 대해 제가 이해한 바에 따라 답변 드리겠습니다.
[질문 1] 비즈니스 분석(BA)와 제품/서비스 분석(PA)의 차이
ngtos님께서 설명하신 대로, BA와 PA는 서로 다른 초점과 협업 팀을 가진다고 볼 수 있습니다. BA는 주로 비즈니스 전체가 얼마나 효율적으로 운영되는지를 분석하며, 경영진과 전략적 의사결정을 지원합니다. PA는 제품이 사용자에게 잘 적용되고 있는지를 분석하며, 실무 팀과 직접 협력하여 구체적인 사용자 경험 개선을 목표로 합니다. 이는 여러분의 설명처럼 다양한 데이터 분석가의 도메인과 협업 방식을 잘 나타내고 있습니다.
유사한 주제를 다룬 기존 답변으로는 데이터 분석가 역할과 협업 관련 게시물이 도움이 될 수 있습니다. 이 질문에서는 다양한 역할의 데이터 분석가들이 어떻게 팀 내에서 협업하고 가치를 창출하는지에 대해 논의됩니다.
[질문 2] 데이터 분석 프로세스의 공통 흐름
질문에서 기술하신 데이터 분석 프로세스는 대부분의 데이터 분석 업무에서 따르는 공통적 흐름입니다. 직무와 도메인이 다르더라도, 문제를 정의하고 이를 해결하기 위해 데이터를 수집, 분석, 가공하는 과정은 데이터를 다루는 모든 사람들에게 필수적입니다. 데이터 분석 프로세스 개선 에서는 이 과정이 실제 업무에 어떻게 적용될 수 있는지 사례를 통해 설명합니다.
[질문 3] 데이터 분석가의 기술적 역량
말씀하신 하드 스킬은 데이터를 다루기 위해 일반적으로 요구되는 기술들입니다. 엑셀, 파이썬, SQL은 데이터 수집, 처리 및 분석을 위한 기본 도구로 널리 사용됩니다. 타블로와 같은 시각화 툴은 인사이트를 효과적으로 커뮤니케이션하는 데 유용합니다. 머신러닝이나 딥러닝은 고급 분석을 필요로 할 때 추가로 습득할 수 있는 영역입니다. 데이터 분석의 하드 스킬 에서는 어떤 기술들이 필요한지 더 상세히 논의됩니다.
ngtos님께서 강의를 통해 데이터 분석의 다양한 접근 방법과 기술을 익혀, 향후 실무에 적용하실 수 있기를 바랍니다.
저는 질문자님의 이해를 돕고자 지식공유자님의 기존 답변을 참고하여 유사한 답변 링크를 추천해드리고 있습니다. 현재 베타 기능으로 답변이 만족스럽지 않을 수 있는 점 양해 부탁드립니다. 🙏 추가적으로 궁금한 점이 있으시면, 이어서 질문해 주세요. 곧 지식공유자께서 답변해 주실 것입니다.