데이터 분석는 숫자로 근거를 만들어 윗사람을 설득하는 사람입니다. SQL로 데이터를 뽑아 지표를 관리하고, 대시보드와 분석 보고서로 사업 의사결정을 뒷받침합니다. 현직자 말을 빌리면 '상부를 설득하기 위한 백업 자료를 만드는 일'입니다. 대형 IT 플랫폼·이커머스에서는 전략·사업운영 조직과 붙어 KPI 관리와 Ad-hoc(수시) 분석을 하고, 카드사·제조사 자회사에서는 마케팅 배너 성과 분석이나 콜센터 운영 데이터 기획처럼 '데이터 기획'에 가까운 일을 합니다. 최근에는 신규 기능·지면 효과 분석과 A/B 테스트 검증을 전담하는 '프로덕트 분석가'로 세분화되는 흐름도 있습니다. 같은 직무명이라도 회사에 따라 분석가보다 기획자에 가까울 수 있습니다. 메타버스 플랫폼처럼 커뮤니티·엔터테인먼트·커머스가 섞인 서비스에서는 MAU·트래픽, 전환율·객단가, 유저 행동 패턴을 함께 보며 참여도(engagement)를 높이는 분석을 하고, 컨설팅 출신 분석가는 전략 과제 도출과 데이터 로드맵 설계까지 겸하는 '하이브리드'로 일하기도 합니다.
신입 연봉대
3,600~5,000만원
비전공 입문
가능
AI 영향
큼
근거 자료
7건
하루는 이렇게 흘러갑니다출근하면 사내 메신저·문서 댓글·메일에서 급한 분석 요청이 있는지 먼저 확인하고, 매일 사내 주요 지표(KPI)의 등락을 봅니다. 숫자가 흔들리면 왜 그런지 원인을 찾아 위에 알리고, 영업팀처럼 바쁜 부서에는 실적이 왜 안 나오는지 이유를 정리해 줍니다. 급한 건이 없으면 진행 중인 과제의 목적과 성공 지표를 정하고 SQL로 데이터를 추출·가공합니다. 당일에 끝나는 것도 있고 몇 주 걸리는 것도 있습니다. 하루의 마무리는 결과를 PM·마케터가 이해할 수 있는 비즈니스 언어로 문서화해 공유하는 일입니다. 리더가 '멤버십에 OTT를 붙이면 득실이 뭐냐' 같은 질문을 던지면 매출·가입자·트래픽 숫자로 단기간에 깊은 분석을 해냅니다.
하는 일
핵심 지표(KPI) 모니터링과 등락 원인 분석
경영진·현업 질문에 대한 Ad-hoc 분석과 보고
대시보드 설계·제작과 지표 배포
신규 기능·배너·캠페인 성과 분석과 A/B 테스트 검증
데이터 접근이 어려운 팀에 쿼리·테이블 지원
분석 결과를 보고서로 정리해 설득
현직자가 말하는 현실
데이터 분석은 윗사람과 연관이 매우 깊은 조직입니다. 힘 있는 사람과 붙어 다니게 되고, 그들은 시도 때도 없이 질문합니다. 단기간에 깊은 분석을 해내야 합니다.
호흡이 빠른 IT 기업에서는 결론을 먼저 내고 끼워 맞추는 연역적 분석이 많습니다. 위에서 찍은 답을 옳다고 만들어 가는 '현타' 오는 일도 있습니다.
강력한 벤치마크나 오너의 탑다운 결정이 있으면 데이터가 필요 없을 때도 있습니다. 데이터를 많이 볼수록 의사결정이 느려진다는 현직자 시각도 있습니다.
쿼리 작성 시간은 AI 덕에 5시간에서 1시간으로 줄었습니다. 대신 현업이 데이터를 스스로 읽도록 돕는 서포터 역할이 커졌습니다.
회사에 따라 '데이터 분석'이라는 이름으로 데이터 기획·운영 지원을 하는 경우도 많습니다. 공고마다 모델링·프로덕트 분석 등 역할이 달라 요구 역량 범위도 다릅니다. 대기업은 보안 때문에 자체 툴만 쓰게 하는 등 도구 유연성도 다릅니다.
분석 자체보다 데이터 추출·정제에 시간이 많이 듭니다. 비즈니스 이해 없이는 분석 방향조차 잡기 어려워, 기술 숙련도보다 사고력과 도메인 이해가 더 자주 평가됩니다.
현직자의 말
회사에 들어오시면 설득의 연속이거든요. 데이터 분석은 상부를 설득하기 위한 백업 자료를 만든다고 생각하시면 돼요.IT 플랫폼 데이터분석 현직자취업조로 인터뷰
분석가는 숫자가 생명이기 때문에 숫자 틀리는 순간 진짜 끝이에요. 합계는 무조건 봐야 돼요.IT 플랫폼 데이터분석 현직자취업조로 인터뷰
쿼리를 예전에는 5시간 짰다면 지금은 한 시간 짜나? 다 맡겨버리니까. 저는 이제 태블로 안 써요. 클로드로 만들어버려요.IT 플랫폼 데이터분석 현직자취업조로 인터뷰
전자제품은 시즌성이 강한데, 8월 면접에서 에어컨 판매 시즌성을 강조했어요. 그 단어를 쓴 사람이 없어서 1순위가 됐습니다.전자 대기업 자회사 데이터기획 현직자취업조로 인터뷰
업무 지식은 몰라도 괜찮지만 책임감과 배우려는 의지가 가장 중요합니다. 자격증은 플러스 요인일 뿐 기본 베이스가 되어서는 안 됩니다.전자 대기업 자회사 데이터기획 현직자취업조로 인터뷰
최근 데이터 분석 분야는 단순히 데이터를 추출하는 데이터 분석가를 넘어, 제품과 서비스의 성장을 진단하는 프로덕트 분석가로 세분화되는 추세입니다. 분석 결과를 PM·마케터가 이해하기 쉬운 비즈니스 언어로 문서화해 공유하는 것이 하루의 마무리입니다.패션 커머스 플랫폼 프로덕트 분석가 8년차공개 인터뷰
데이터 분석은 다른 개발 분야에 비해 무조건 높은 기술 숙련도를 요구하지 않습니다. 하지만 비즈니스에 대한 깊은 이해 없이는 올바른 분석 방향을 잡기 어렵습니다.IT 업계 비전공 출신 데이터 분석가(경영학·마케터 출신)공개 인터뷰
채용공고 40개를 분석해 필요한 스킬 목록을 만들고, 근거를 타당하게 설명할 수 있다면 그 스킬을 가지고 있다고 봤습니다. 일단 지원을 해야 합격까지 갈 수 있다는 것!채용 플랫폼 데이터 분석가(문예창작 전공 비전공자)공개 인터뷰
필요한 역량
하드 스킬
SQL(필수)
통계 기초(회귀분석·시계열·A/B 테스트)
Python 또는 R 전처리
시각화 도구 1~2개(Tableau·Looker Studio 등)
데이터 파이프라인·마트 구조 이해
소프트 스킬
꼼꼼함(숫자 하나 틀리면 끝)
논리적으로 쪼개서 보는 사고
현업 맥락을 읽는 도메인 감각
자주 쓰는 도구
SQL(BigQuery·Hive 등)
Python(pandas)·R
Tableau·Looker Studio·Redash·사내 BI 툴
Excel
AI 도구(Claude·ChatGPT)로 쿼리·대시보드 생성
Jira·Notion
들어가는 길
관련 전공·신입통계·산업공학·경영·컴퓨터 전공이 많습니다. 신입은 SQL 코딩테스트와 분석 과제, 프로젝트 발표가 일반적이고 석사 출신은 연구 분석의 깊이와 현업 연관성을 봅니다. 3년차 이하 공고에는 'SQL 가능자 우대'와 '유사 플랫폼 분석 경험 우대'가 자주 붙습니다. 통계 전공자는 '수에 대한 감각'이 있어 선호되지만, 분석 결과를 '왜 돈을 더 벌 수 있는지'로 연결하는 힘은 따로 길러야 하고, 분석 쪽으로 계속 갈 생각이면 석사도 고려해 보라는 조언이 있습니다.
비전공가능비전공도 충분히 가능합니다. 사업운영에서 엑셀 작업을 효율화하려 SQL을 배운 뒤 분석가가 된 현직자, 경영학·조선해양·문예창작 전공에서 마케터·CS 기획을 거쳐 전환한 현직자들이 있습니다. 공통 조언은 SQL을 먼저 익히고, 이전 직무의 도메인 지식을 분석 관점으로 연결하라는 것입니다.
경력 전환사업운영·마케팅·CS 기획·전략 쪽에서 데이터를 다루다 넘어오는 경우가 많습니다. 반대로 분석가가 전략·사업 쪽으로 이동하는 길도 열려 있습니다. 전략 컨설팅에서 비즈니스 데이터 분석으로 옮겨 온 경우도 있습니다.
커리어 패스
주니어 (0~3년)
쿼리로 데이터 추출, 지표 정리, 대시보드 운영. 합계 검증과 비교 분석처럼 실수를 줄이는 기본기를 몸에 익힙니다.
미들 (3~7년)
문제 정의부터 결론까지 분석 과제를 혼자 끌고 갑니다. 경영진 보고 자료를 직접 만들고 현업 팀의 데이터 활용을 지원합니다.
시니어 (7년~)
분석 조직 리딩 또는 전략·성과관리 조직으로 이동합니다. 엔지니어링과 전략 중 한 방향을 선택하는 시점입니다.
이후
분석을 바탕으로 사업을 만드는 사업기획·전략, 데이터 해석가(결과 해석 전문), PM, 데이터 조직장으로 갑니다.
연봉대
만원 · 추정
신입
3,600~5,000
미들
5,000~7,500
시니어
7,500~11,000
5,00010,00015,000
단위 만원, 세전 기본급 기준 추정치. 산업·기업 규모·인센티브에 따라 범위를 벗어나는 경우가 흔합니다.
석사·프로젝트 분석이 현업과 얼마나 연결되는지 봅니다. 분석 전에 목표 지표(인풋 메트릭·아웃풋 메트릭)가 정해진 프로젝트가 좋습니다. '분석을 위한 분석'이 가장 최악입니다.
꼼꼼함과 논리성을 반드시 어필하세요. 분석가는 숫자가 생명이어서 숫자가 틀리는 순간 신뢰를 잃습니다.
지원 회사의 사업 배경지식을 준비하세요. 전자제품의 시즌성(8월 에어컨 판매)을 언급해 40명 중 1순위로 뽑힌 사례가 있습니다. 면접은 임팩트입니다.
분석하는 영역이 바뀌어도(판매자 → 고객) 기법은 유사합니다. 새 영역을 섭렵하고 싶다는 열정을 드러내세요.
SQL 코딩테스트는 대부분 회사가 봅니다. 조인·그룹 집계는 기본이고 리텐션·퍼널 같은 분석 프레임워크를 쿼리로 풀 수 있어야 합니다. 현직자들도 20곳 넘는 코딩테스트를 보며 합격했습니다.
면접에서 도메인 이해도를 깊게 봅니다. 비슷한 플랫폼 경험이 있으면 우대받고, 없으면 그 업계의 제품·동향을 공부해 간 것을 보여 줘야 합니다.
현직자가 권하는 준비
문제 정의를 잘하면 반은 먹고 들어갑니다. 5-whys(왜를 다섯 번 묻기)로 한 단계씩 내려가 보세요. 임원의 감에 한 방에 무너지지 않는 깊이가 생깁니다.
지금 하는 프로젝트에서 '얼마나 더 나눠 봤는지', 한 단계 더 내려간 경험이 있는지 점검하세요. 분석은 결국 쪼개서 보는 것입니다.
AI를 잘 쓰는 능력이 중요합니다. 현직자는 태블로 없이 AI만으로 두 달 사이 대시보드 10개를 만들었습니다. 효율화든 대시보드든 직접 해 보세요.
채용공고 40개를 모아 요구 스킬을 세어 보고, 내가 가진 것과 없는 것을 Impact-Effort 매트릭스로 정리해 학습 우선순위를 정하세요. 비전공 현직자가 실제로 쓴 방법입니다.
SQL을 먼저 익히고 시각화 도구를 그다음에 배우세요. 실무 데이터와 비슷한 공개 데이터로 리텐션·퍼널·코호트 분석 프로젝트를 끝까지 완성해 포트폴리오로 두세요. 문제 상황과 해결 과정을 기록해 두면 면접에서 그대로 쓰입니다.
분석 결과가 재무적으로도 이득인지, 기존 강점을 잠식(카니발라이제이션)하지 않는지 거시적으로 보는 습관을 들이세요.
서류는 많이 떨어져 봐야 합격률이 올라갑니다. 완벽히 준비되기를 기다리지 말고 일단 지원해야 합격까지 갈 수 있습니다.
이런 분에게 맞습니다
'왜 그런가'를 끝까지 쪼개서 숫자로 확인하고 싶은 사람
실수를 줄이는 자기만의 검증 루틴을 만들 수 있는 꼼꼼한 사람
결과를 사람에게 설명하고 설득하는 일이 즐거운 사람
AI가 이 직무를 바꾸는 방식
큼
현직자 추산으로 쿼리·대시보드 작업의 80% 정도를 AI가 대체하고 있습니다. BI 쪽 파장이 크고, 분석가는 문제 정의와 결과 해석, 현업 데이터 활용 지원으로 역할이 이동 중입니다. 2026년 채용에서는 AI로 분석 속도를 올리면서 결과를 검증할 수 있는지를 함께 봅니다.
도움이 되는 자격·학습
SQLD
ADsP(선택)
정보처리기사(선택)
공모전·분석 프로젝트 경험
자주 묻는 질문
데이터 분석는 어떤 일을 하나요?
숫자로 근거를 만들어 윗사람을 설득하는 사람. SQL로 데이터를 뽑아 지표를 관리하고, 대시보드와 분석 보고서로 사업 의사결정을 뒷받침합니다. 현직자 말을 빌리면 '상부를 설득하기 위한 백업 자료를 만드는 일'입니다. 대형 IT 플랫폼·이커머스에서는 전략·사업운영 조직과 붙어 KPI 관리와 Ad-hoc(수시) 분석을 하고, 카드사·제조사 자회사에서는 마케팅 배너 성과 분석이나 콜센터 운영 데이터 기획처럼 '데이터 기획'에 가까운 일을 합니다. 최근에는 신규 기능·지면 효과 분석과 A/B 테스트 검증을 전담하는 '프로덕트 분석가'로 세분화되는 흐름도 있습니다. 같은 직무명이라도 회사에 따라 분석가보다 기획자에 가까울 수 있습니다. 메타버스 플랫폼처럼 커뮤니티·엔터테인먼트·커머스가 섞인 서비스에서는 MAU·트래픽, 전환율·객단가, 유저 행동 패턴을 함께 보며 참여도(engagement)를 높이는 분석을 하고, 컨설팅 출신 분석가는 전략 과제 도출과 데이터 로드맵 설계까지 겸하는 '하이브리드'로 일하기도 합니다.
데이터 분석 신입 연봉은 어느 정도인가요?
신입 3,600~5,000만원, 미들(3~7년) 5,000~7,500만원, 시니어 7,500~11,000만원 수준으로 추정합니다(세전 기본급, 산업·기업 규모·인센티브에 따라 달라집니다).
비전공자도 데이터 분석로 갈 수 있나요?
가능합니다. 비전공도 충분히 가능합니다. 사업운영에서 엑셀 작업을 효율화하려 SQL을 배운 뒤 분석가가 된 현직자, 경영학·조선해양·문예창작 전공에서 마케터·CS 기획을 거쳐 전환한 현직자들이 있습니다. 공통 조언은 SQL을 먼저 익히고, 이전 직무의 도메인 지식을 분석 관점으로 연결하라는 것입니다.
데이터 분석에서 옮겨갈 수 있는 직무는 무엇인가요?
전략기획, 경영기획·경영관리·경영분석, 퍼포먼스·그로스 마케팅, 서비스 기획 (PM/PO) 쪽으로 이동하는 경우가 많습니다. 사업운영·마케팅·CS 기획·전략 쪽에서 데이터를 다루다 넘어오는 경우가 많습니다. 반대로 분석가가 전략·사업 쪽으로 이동하는 길도 열려 있습니다. 전략 컨설팅에서 비즈니스 데이터 분석으로 옮겨 온 경우도 있습니다.
AI가 데이터 분석에 미치는 영향은?
영향 큼. 현직자 추산으로 쿼리·대시보드 작업의 80% 정도를 AI가 대체하고 있습니다. BI 쪽 파장이 크고, 분석가는 문제 정의와 결과 해석, 현업 데이터 활용 지원으로 역할이 이동 중입니다. 2026년 채용에서는 AI로 분석 속도를 올리면서 결과를 검증할 수 있는지를 함께 봅니다.
근거 자료 취업조로 현직자 직무 인터뷰 3건 (2023~2026) + 공개 현직자 인터뷰·직무 자료 4건 인터뷰 현직자 업종 IT 플랫폼, 대형 이커머스, 카드사, 전자 대기업 자회사, 패션 커머스, 채용 플랫폼, 메타버스 플랫폼, 전략 컨설팅
