데이터 기반 의사결정 자동화 2부 - 무엇을 분석할 것인가?
데이터가 많다고 좋은 분석 프로그램을 만들 수 있는 것은 아닙니다. 먼저 해결할 업무 문제를 정하고, 판단에 필요한 질문과 지표를 골라야 합니다. 이번 글에서는 매출이 감소한 가상의 온라인 판매 기업을 예로 들어 데이터 기반 의사결정 보조 프로그램의 목적과 요구사항을 정의합니다. 아직 코드는 작성하지 않습니다. 무엇을 만들어야 하는지부터 분명히 정해보겠습니다.
데이터보다 업무 문제를 먼저 봅니다
기업에는 매출, 고객, 상품, 마케팅 등 다양한 데이터가 쌓입니다. 이 데이터로 월별 매출 그래프나 상품별 순위를 만들 수 있습니다. 하지만 결과가 실제 판단에 쓰이지 않는다면 데이터를 보기 좋게 정리한 것에 그칠 수 있습니다.
분석의 출발점은 데이터가 아니라 업무 문제입니다. 예를 들어 담당자가 겪는 문제가 다음과 같다고 해보겠습니다.
최근 매출이 감소하고 있는데, 어떤 부분부터 개선해야 할지 모르겠다.
이제 필요한 분석이 달라집니다. 단순히 매출액을 계산하는 데서 끝나지 않습니다. 어느 상품의 매출이 줄었는지, 고객의 구매 행동이 달라졌는지, 광고 성과에 변화가 있었는지 살펴봐야 합니다.
데이터 분석의 목적은 정보를 많이 만드는 것이 아닙니다. 업무에서 해결할 문제를 이해하고, 의사결정에 필요한 근거를 찾는 것입니다.
분석할 업무 상황을 구체적으로 만듭니다
앞으로 만들 프로그램은 여러 상품을 온라인으로 판매하는 가상의 기업을 대상으로 합니다. 이 기업에는 최근 다음과 같은 변화가 생겼습니다.
- 최근 3개월 동안 매출이 계속 감소했습니다.
- 광고비는 이전과 비슷한 수준입니다.
- 일부 상품의 판매량은 늘었지만 전체 매출은 줄었습니다.
- 담당자는 어디부터 개선해야 할지 판단하기 어렵습니다.
이 상황에서 월별 매출 그래프 하나만 보여줘서는 부족합니다. 상품별 실적, 고객의 구매 변화, 광고비와 전환 성과를 함께 확인해야 합니다. 현재 흐름이 이어질 때 다음 달 매출이 어떻게 될지도 살펴볼 수 있습니다.
이처럼 실제 업무 장면을 구체적으로 그리면 프로그램이 제공해야 할 정보가 보이기 시작합니다.
업무 문제를 분석 질문으로 바꿉니다
‘매출 감소 원인 분석’이라는 말은 범위가 너무 넓습니다. 프로그램으로 구현하려면 답할 수 있는 질문으로 나눠야 합니다.
현재 어떤 변화가 생겼는가
- 월별 매출액은 얼마나 감소했는가?
- 감소가 시작된 시점은 언제인가?
- 특정 상품이나 고객군에서 두드러진 변화가 있는가?
어떤 요인이 매출 변화와 관련 있는가
- 판매 수량이 줄었는가?
- 평균 판매 단가가 낮아졌는가?
- 고객의 구매 횟수가 감소했는가?
- 광고 전환 성과가 달라졌는가?
앞으로 어떤 결과가 예상되는가
- 현재 흐름이 이어지면 다음 달 매출은 어떻게 되는가?
- 목표 매출을 달성할 수 있는가?
어떤 조치를 비교할 수 있는가
- 광고비를 조정하면 예상 결과가 달라지는가?
- 할인율을 바꾸면 매출과 이익은 어떻게 변하는가?
- 어느 상품에 집중하는 편이 유리한가?
질문이 구체적이면 필요한 기능도 자연스럽게 정리됩니다. 현황 확인, 비교 분석, 예측, 조건별 결과 비교가 프로그램 요구사항으로 이어집니다.
목표 KPI와 분석 지표를 구분합니다
분석 질문을 정했다면 업무 상황을 숫자로 표현할 지표가 필요합니다. 이번 프로젝트에서는 지표를 ‘목표 KPI’와 ‘분석 지표’로 구분합니다.
목표 KPI는 최종적으로 개선하거나 달성하려는 결과입니다. 분석 지표는 그 결과가 왜 변했는지 살펴보는 단서입니다.
| 구분 | 지표 | 활용 목적 |
|---|---|---|
| 목표 KPI | 월 매출액 | 매출 목표 달성 여부 확인 |
| 분석 지표 | 판매 수량 | 판매량 변화 확인 |
| 분석 지표 | 평균 판매 단가 | 가격과 상품 구성 변화 확인 |
| 분석 지표 | 고객 구매 횟수 | 고객의 구매 활동 변화 확인 |
| 분석 지표 | 상품별 매출액 | 상품별 매출 기여도 확인 |
| 분석 지표 | 광고비 | 마케팅 투입 비용 확인 |
| 분석 지표 | 광고 전환율 | 광고 유입이 구매로 이어진 정도 확인 |
월 매출액이 8% 줄었다고 가정해보겠습니다. 이 숫자만으로는 원인을 알 수 없습니다. 판매 수량은 늘었지만 평균 판매 단가가 크게 낮아졌을 수 있습니다. 반대로 판매 단가는 그대로인데 판매 수량이 줄었을 수도 있습니다. 같은 매출 감소라도 필요한 대응은 다릅니다.
또한 두 지표가 함께 변했다고 해서 하나가 다른 하나의 원인이라고 단정할 수는 없습니다. 광고비가 늘어난 시기에 매출이 줄었더라도 다른 요인이 작용했을 수 있습니다. 프로그램은 데이터로 확인한 사실과 추가 검증이 필요한 가설을 구분해 보여줘야 합니다.
지표를 정하면 필요한 데이터가 보입니다
회사에 있는 데이터를 처음부터 모두 모을 필요는 없습니다. 정해둔 지표를 계산하는 데 필요한 데이터부터 준비하면 됩니다.
월 매출액을 계산하려면 주문일과 판매금액이 필요합니다. 상품별 실적을 비교하려면 상품 정보가 있어야 합니다. 고객의 구매 횟수를 확인하려면 고객을 구분할 값과 주문 기록이 필요합니다.
| 데이터 | 주요 항목 | 분석 목적 |
|---|---|---|
| 주문 데이터 | 주문일, 주문번호, 상품ID, 고객ID, 수량, 판매금액 | 매출과 판매 현황 분석 |
| 상품 데이터 | 상품ID, 상품명, 상품분류, 원가 | 상품별 실적과 수익성 분석 |
| 고객 데이터 | 고객ID, 고객구분, 가입일 | 고객군별 구매 분석 |
| 마케팅 데이터 | 날짜, 캠페인ID, 광고비, 유입수, 전환수 | 마케팅 성과 분석 |
| 할인 데이터 | 주문번호, 할인금액, 할인유형 | 할인 정책의 영향 분석 |
실무에서는 필요한 항목이 없을 수도 있습니다. 광고비는 기록되어 있지만 어떤 광고를 통해 구매했는지 알 수 없는 경우가 대표적입니다. 이때는 분석 가능한 범위와 불가능한 범위를 분명히 나눠야 합니다. 없는 값을 임의로 만들어 실제 분석 결과처럼 사용해서는 안 됩니다.
프로그램의 기본 요구사항을 정합니다
지금까지 매출 감소라는 문제를 분석 질문으로 나누고, 지표와 필요 데이터를 정했습니다. 이제 프로그램이 수행할 작업을 정의할 수 있습니다.
| 기능 | 프로그램이 수행할 작업 |
|---|---|
| 데이터 관리 | CSV와 Excel 파일 읽기 및 정리 |
| 현황 분석 | 월별 매출과 주요 KPI 계산 |
| 비교 분석 | 상품·고객·기간별 실적 비교 |
| 변화 요인 분석 | 매출 변화와 관련된 지표 탐색 |
| 예측 분석 | 과거 데이터를 활용한 미래 매출 예측 |
| 시뮬레이션 | 광고비와 할인율 등 조건별 예상 결과 비교 |
| AI 분석 | 분석 결과 요약과 판단 참고 정보 생성 |
| 자동화 | 데이터 갱신부터 보고서 생성까지 반복 실행 |
모든 기능을 한 번에 만들 필요는 없습니다. 먼저 데이터를 읽고 정리하는 기능을 구현합니다. 그다음 현황 분석과 비교 기능을 붙입니다. 이후 예측, 조건 비교, AI 요약, 보고서 자동화를 차례로 연결할 수 있습니다.
최종 목표는 여러 분석 결과를 한 화면에서 확인하고, 담당자가 판단에 필요한 정보를 자동으로 받아보는 프로그램입니다.
AI에게 코드를 요청하기 전 요구사항을 설명합니다
AI에게 “매출 데이터를 분석하는 프로그램을 만들어줘”라고 요청하면 월별 그래프와 상품별 순위를 보여주는 프로그램을 만들 수 있습니다. 하지만 우리가 해결하려는 문제는 단순한 매출 조회가 아닙니다. 매출 감소를 이해하고 개선 방향을 판단하도록 돕는 일입니다.
따라서 무엇을 계산할지만 전달해서는 부족합니다. 계산 결과가 어떤 판단에 쓰이는지도 설명해야 합니다. 예를 들면 다음처럼 요청 범위를 구체화할 수 있습니다.
주문 데이터를 월별로 집계하고, 매출액과 판매 수량, 평균 판매 단가의 변화를 비교해 주세요. 매출이 감소한 기간에는 상품별 기여도도 함께 보여주세요.
요구사항이 명확하면 AI에 맡길 개발 작업도 구체적으로 나눌 수 있습니다. 완성된 기능이 원래의 업무 문제를 해결하는지도 점검하기 쉬워집니다.
다음 단계는 실습용 데이터 준비입니다
이번 글에서는 Python 코드를 작성하지 않았습니다. 대신 앞으로 만들 프로그램의 기준을 정했습니다.
- 해결할 문제: 최근 3개월 동안 이어진 매출 감소
- 목표 KPI: 월 매출액
- 분석 지표: 판매 수량, 평균 판매 단가, 고객 구매 횟수, 상품별 매출, 광고 성과
- 필요 데이터: 주문, 상품, 고객, 마케팅, 할인 데이터
- 주요 기능: 현황 분석, 비교, 예측, 조건별 결과 비교, AI 요약, 보고서 자동화
다음 글에서는 이 구조에 맞는 실습용 데이터셋을 준비하고 Python으로 데이터를 읽어보겠습니다.
프로그램을 만드는 첫 단계는 코드를 입력하는 일이 아닙니다. 어떤 문제를 해결하고, 그 결과를 어떤 판단에 쓸 것인지 정하는 일입니다.