데이터 기반 의사결정 자동화 1부 - 무엇을 만들 것인가

업무 자동화의 목표를 단순히 보고서 생성에만 두면 아쉽습니다. AI 문장 요약 생성에서 한 걸음 더 나아가, 사람이 판단할 때 필요한 정보를 준비 하고, 데이터 분석, 예측, AI 해석 기능까지 자동화로 구현을 할 수 있습니다.

회사는 이미 많은 데이터를 가지고 있습니다

회사에서는 매일 새로운 데이터가 쌓입니다. 매출, 고객, 상품, 마케팅 데이터가 대표적입니다. 문제는 데이터의 양이 아니라 활용 방식입니다.

자료가 여러 Excel 파일과 업무 시스템에 흩어져 있으면 매달 같은 일을 반복하게 됩니다. 파일을 모으고, 열 이름을 맞추고, 필요한 행만 골라 다시 표를 만듭니다. 보고서가 완성된 뒤에는 담당자가 차트를 하나씩 살펴보며 변화를 찾아야 합니다.

이 과정에서는 정리 작업에 많은 시간이 들어갑니다. 정작 중요한 원인 분석과 대응 방안 검토에는 충분한 시간을 쓰기 어렵습니다. 이번 프로젝트는 이 간격을 줄이는 데서 출발합니다.

보고서 자동화보다 한 걸음 더 나아갑니다

데이터를 읽어 표와 그래프를 만드는 일은 자동화할 수 있습니다. 하지만 우리가 만들 프로그램은 결과를 나열하는 데서 멈추지 않습니다. 업무 담당자가 다음 행동을 정하는 데 필요한 단서를 찾아줍니다.

이번 달 매출이 지난달보다 8% 줄었다고 가정해보겠습니다. 일반 보고서는 감소율을 보여주고 끝날 수 있습니다. 의사결정 보조 프로그램은 여기서 질문을 이어갑니다.

• 어떤 상품의 매출이 가장 많이 줄었는가?
• 특정 고객군에서 변화가 집중됐는가?
• 매출 변화와 함께 움직인 요인은 무엇인가?
• 현재 흐름이 이어지면 다음 달에는 어떤 결과가 예상되는가?
• 광고비 같은 조건을 바꾸면 예상 결과는 어떻게 달라지는가?

숫자 하나를 알려주는 것이 아니라, 그 숫자를 이해하고 대응하는 데 필요한 정보를 함께 준비하는 것입니다.

데이터에서 의사결정까지 하나의 흐름으로 연결합니다

프로그램의 전체 흐름은 다음과 같습니다.

데이터 수집 → 데이터 정리 → 핵심 지표 분석 → 대시보드 시각화 → 예측 분석 → 조건 시뮬레이션 → AI 해석과 제안 → 의사결정

먼저 CSV나 Excel 파일을 읽습니다. 불필요한 값을 빼고 표의 구조를 정리한 뒤, 매출과 이익 같은 핵심 지표를 계산합니다. 기간별 변화를 그래프로 보여주고 앞으로의 흐름도 예측합니다.

조건 시뮬레이션도 추가합니다. 예를 들어 광고비를 늘렸을 때 예상 매출이 어떻게 달라지는지 여러 경우를 비교할 수 있습니다. AI는 계산된 결과를 바탕으로 눈여겨볼 변화와 검토할 사항을 쉬운 문장으로 정리합니다.

각 기능은 따로 노는 도구가 아닙니다. 처음 입력한 데이터가 최종 판단 자료로 이어지는 하나의 프로그램 안에서 작동합니다.

처음에는 CSV 파일 하나면 충분합니다

처음부터 데이터베이스와 웹 서비스를 갖출 필요는 없습니다. 모든 기술을 한꺼번에 연결하면 무엇을 해결하려는지 놓치기 쉽습니다.

우선 CSV 파일 하나를 Python으로 읽습니다. 필요한 값을 계산하고 그래프로 표현합니다. 그다음 예측 기능을 붙이고, 조건을 바꾸어 결과를 비교하는 기능을 더합니다. 분석 결과가 준비되면 AI가 이를 이해하기 쉬운 말로 설명하도록 연결합니다.

이렇게 만들면 각 단계의 역할을 분명히 확인할 수 있습니다. 오류가 생겨도 어느 과정에서 문제가 발생했는지 찾기 쉽습니다. 작은 기능을 차례로 보태면서도 최종적으로는 하나의 완성된 업무 도구를 만들 수 있습니다.

기술은 업무 문제를 해결할 때 꺼내 씁니다

이 프로젝트에서는 Python과 Pandas를 사용하고, 데이터 시각화 도구와 간단한 예측 모델도 다룹니다. 필요에 따라 API, 데이터베이스, LLM을 연결할 수도 있습니다.

그렇다고 이 기술들을 먼저 모두 공부해야 하는 것은 아닙니다. 창고에 있는 모든 공구의 사용법을 외운 뒤 선반을 만드는 사람은 드뭅니다. 필요한 모양을 정하고, 작업에 맞는 공구를 하나씩 꺼내 쓰는 편이 자연스럽습니다.

업무 자동화도 같습니다. 먼저 해결할 질문을 정합니다. 매출 변화를 알고 싶다면 데이터를 읽고 비교하는 기능부터 만듭니다. 다음 달 흐름이 궁금해졌을 때 예측 기능을 추가합니다. 분석 내용을 쉽게 공유해야 할 때 AI 설명 기능을 연결합니다.

기술이 출발점이 아니라 업무 질문이 출발점입니다.

자동화 시스템은 분석하고, 사람은 결정합니다

프로그램은 여러 자료를 분석해 가능성을 제시합니다. 핵심 정보는 대시보드처럼 보기 쉽게 정리합니다. 담당자는 분석 결과뿐 아니라 현장의 상황, 고객과의 관계, 실행 비용처럼 데이터에 모두 담기지 않는 요소까지 함께 살펴봅니다.

예를 들어 프로그램이 특정 상품의 판매 확대 가능성을 보여주더라도 재고, 공급 일정, 고객 문의 같은 현실적인 조건은 사람이 확인해야 합니다. AI의 제안은 판단 재료이지 최종 결정이 아닙니다.

자동화와 사람의 역할을 구분하면 프로그램의 목적도 선명해집니다. 자동화는 자료를 모으고 변화를 찾으며 여러 가능성을 빠르게 비교합니다. 사람은 준비된 정보를 바탕으로 상황을 종합하고 최종 선택을 내립니다.

앞으로 하나의 프로그램을 계속 발전시킵니다

앞으로 만들 기능은 모두 같은 프로그램에 차례로 추가합니다.

1. 업무 데이터를 읽습니다.
2. 분석할 수 있는 형태로 정리합니다.
3. 주요 지표와 기간별 변화를 계산합니다.
4. 결과를 그래프로 보여줍니다.
5. 앞으로의 결과를 예측합니다.
6. 조건을 바꾸며 여러 경우를 비교합니다.
7. AI가 분석 결과를 쉬운 말로 설명하게 합니다.
8. 전체 과정이 이어서 실행되도록 자동화합니다.

업무 자동화의 목적은 사람의 일을 무조건 없애는 데 있지 않습니다. 데이터를 찾고 정리하는 시간을 줄이고, 중요한 변화를 더 빨리 발견하도록 돕는 데 있습니다. 반복 작업을 프로그램에 맡기면 사람은 결과를 해석하고 대응 방안을 고르는 일에 더 집중할 수 있습니다.

이제 CSV 파일 하나에서 시작해, 판단하기 좋은 정보를 준비하는 프로그램을 단계별로 만들어보겠습니다.