ADsP를 문제와 정답만 외우면 통계 검정, 회귀분석, 데이터마이닝이 서로 다른 단원처럼 보인다. 실제 분석에서는 데이터의 의미를 파악하고, 해결할 문제를 정한 뒤, 전처리·통계·모델링·평가를 한 흐름으로 수행한다. 온라인 쇼핑몰의 고객 이탈 분석을 따라가며 세 과목을 연결해 보자.
쇼핑몰 운영팀이 “최근 고객 이탈이 늘어난 이유를 찾고 다음 달 이탈 가능성이 큰 고객을 예측해 달라”고 요청했다. 보유 데이터는 고객 등급, 최근 접속일, 주문 횟수, 평균 결제액, 문의 횟수, 이탈 여부다.
1. ADsP는 3과목을 90분 동안 푸는 시험이다
한국데이터산업진흥원 데이터자격시험 안내를 2026년 7월 28일 기준으로 확인하면 ADsP는 응시자격 제한이 없는 필기시험이다. 객관식 50문항을 90분 동안 풀며 총점 60점 이상이어야 한다. 동시에 어느 한 과목이라도 득점이 40% 미만이면 과락이다. 일정과 세부 규정은 접수 전에 공식 페이지에서 다시 확인해야 한다.
| 과목 | 문항 | 무엇을 묻는가 | 학습 초점 |
|---|---|---|---|
| 데이터 이해 | 10문항 | 데이터·정보·데이터베이스·빅데이터 가치 | 용어의 구분과 실제 활용 맥락 |
| 데이터분석 기획 | 10문항 | 분석 과제 발굴·방법론·프로젝트·거버넌스 | 문제에서 실행 계획으로 가는 순서 |
| 데이터분석 | 30문항 | 데이터 준비·통계·분류·군집·연관분석 | 조건에 맞는 기법 선택과 결과 해석 |
현재 안내는 10·10·30문항, 총 50문항이다. 오래된 요약표보다 공식 출제기준을 우선한다.
2. 데이터 이해: 같은 숫자도 질문에 따라 의미가 달라진다
원시 데이터는 사실의 기록이다. 고객 A의 최근 접속일이 30일 전이라는 값 하나만으로는 행동을 결정하기 어렵다. 전체 고객보다 접속 공백이 길다는 비교가 붙으면 정보가 되고, 접속 공백과 이탈률의 관계를 반복해서 확인하면 지식이 된다. 이 지식을 바탕으로 재방문 쿠폰을 어느 고객에게 보낼지 결정하는 단계가 지혜다.
관찰된 값 Information
맥락을 붙인 값 Knowledge
반복된 관계 Wisdom
행동 결정
정형·반정형·비정형은 저장 모양으로 구분한다
| 유형 | 쇼핑몰 예시 | 특징 |
|---|---|---|
| 정형 데이터 | 주문 테이블, 고객 등급, 결제 금액 | 열과 행의 구조가 명확해 조회와 집계가 쉽다. |
| 반정형 데이터 | JSON 형식의 앱 이벤트 로그 | 키·태그 같은 구조 표시는 있지만 고정 테이블은 아니다. |
| 비정형 데이터 | 상담 녹취, 상품 후기 문장, 이미지 | 분석 전에 텍스트·음성·영상 특징을 추출해야 한다. |
데이터베이스의 핵심은 단순 저장이 아니다. 여러 사용자가 함께 쓰는 데이터를 일관되게 관리하고, 중복과 오류를 줄이며, 필요한 시점에 조회할 수 있게 만드는 데 있다. 이탈 분석에서는 고객 ID가 여러 시스템의 주문·문의·접속 기록을 연결하는 기준이 된다.
3. 데이터분석 기획: “이탈이 늘었다”를 검증 가능한 질문으로 바꾼다
좋은 분석 과제는 목적, 대상, 판단 기준, 제약을 포함한다. “이탈 원인을 찾아 달라”보다 “최근 90일 행동 데이터로 다음 30일 이탈 여부를 예측하고, 재방문 캠페인 대상 10%를 선정한다”가 실행 가능하다.
하향식과 상향식은 경쟁 관계가 아니다
- 하향식 접근: 해결할 비즈니스 문제가 분명할 때 문제 탐색 → 정의 → 해결방안 → 타당성 검토 순서로 좁혀 간다.
- 상향식 접근: 무엇을 찾아야 할지 불명확할 때 데이터에서 패턴을 탐색하고 프로토타입을 반복한다.
- 실무 조합: “이탈률 감소”라는 하향식 목표를 두고, 행동 데이터를 상향식으로 탐색해 새로운 가설을 만든다.
분석 우선순위는 효과만 커 보인다고 정하지 않는다. 비즈니스 가치, 시급성, 데이터 확보 가능성, 구현 난이도, 운영 위험을 함께 비교한다. 정확도가 조금 높은 모델보다 매주 안정적으로 실행되고 담당자가 설명할 수 있는 모델이 더 유용할 수 있다.
4. 데이터 준비: 결측값과 이상값은 무조건 지우지 않는다
모델을 고르기 전에 각 열의 의미, 단위, 누락 이유, 수집 시점을 확인한다. 결측값은 단순 오류일 수도 있지만 “문의한 적 없음”처럼 실제 행동을 나타낼 수도 있다. 이상값도 입력 오류와 중요한 고액 고객을 구분해야 한다.
| 점검 항목 | 잘못된 처리 | 권장 판단 |
|---|---|---|
| 결측값 | 모든 행을 일괄 삭제 | 발생 원인을 확인하고 삭제·대치·별도 범주를 선택한다. |
| 이상값 | IQR 밖이면 모두 제거 | 입력 오류인지 실제 극단 고객인지 원본과 대조한다. |
| 척도 차이 | 거리 기반 모델에 원값 그대로 투입 | 거리·벌점이 중요한 모델은 표준화 필요성을 검토한다. |
| 데이터 누수 | 이탈 이후 생성된 환불 정보를 학습에 사용 | 예측 시점에 알 수 있는 정보만 사용한다. |
기술통계는 모델링 전 오류 탐지 도구다
평균은 모든 값을 사용하므로 극단값에 민감하다. 중앙값은 순서의 가운데 값이라 비대칭 분포에서 대표값으로 유용하다. 표준편차는 원래 변수와 같은 단위로 퍼짐을 나타내고, IQR은 Q3 - Q1로 가운데 50%의 범위를 보여 준다.
대칭분포는 왜도가 0이지만, 반대로 왜도 0만으로 완전한 대칭을 보장하지는 않는다. 시험형 문장을 외울 때 조건의 방향을 바꾸지 않도록 주의한다. 상관계수가 높아도 인과관계가 자동으로 성립하지 않는다는 점도 같다.
5. 가설검정: p-value보다 먼저 비교 구조를 본다
가설검정은 “차이가 우연한 표본 변동으로 설명될 수 있는가”를 판단하는 절차다. 먼저 종속변수가 연속형인지 범주형인지, 비교 집단이 독립인지 짝지어졌는지, 집단 수가 몇 개인지 확인한다.
| 질문 | 대표 검정 | 쇼핑몰 예시 |
|---|---|---|
| 한 집단 평균과 기준값 비교 | 1표본 t-검정 | 평균 배송일이 목표 2일과 다른가? |
| 독립된 두 집단 평균 비교 | 독립표본 t-검정 | 쿠폰 수신군과 미수신군의 결제액이 다른가? |
| 같은 대상의 전후 평균 비교 | 대응표본 t-검정 | 개편 전후 같은 고객의 주문 횟수가 달라졌는가? |
| 세 집단 이상 평균 비교 | 일원분산분석 | 고객 등급별 평균 결제액이 모두 같은가? |
| 두 범주형 변수의 관계 | 카이제곱 독립성 검정 | 쿠폰 수신 여부와 재구매 여부가 관련 있는가? |
1종 오류·2종 오류·검정력
- 1종 오류(α): 실제 차이가 없는데 있다고 판단한다.
- 2종 오류(β): 실제 차이가 있는데 없다고 판단한다.
- 검정력(1-β): 실제 차이가 있을 때 이를 발견할 확률이다.
p-value < α이면 설정한 유의수준에서 귀무가설을 기각한다. 이것은 “귀무가설이 참일 확률이 p-value다”라는 뜻이 아니다. 표본이 매우 크면 작은 차이도 통계적으로 유의할 수 있으므로 효과크기와 신뢰구간을 같이 보고 실제로 의미 있는 차이인지 판단한다.
모분산을 모르는 평균 검정에서는 t분포를 사용하며, 표본 수뿐 아니라 독립성·분포 형태·이상값·등분산성 등의 가정을 함께 점검한다. 독립 두 집단의 분산이 다르면 Welch t-검정을 고려한다.
6. 회귀분석: 계수보다 잔차와 일반화 성능까지 확인한다
선형회귀는 독립변수가 변할 때 연속형 종속변수의 평균이 얼마나 달라지는지 추정한다. 이탈 여부처럼 결과가 0과 1이면 로지스틱 회귀를 사용해 확률을 모델링한다.
# 로지스틱 회귀 해석 예시
logit(churn) = b0 + b1 × days_since_login + b2 × order_count
b1 > 0 → 다른 조건이 같을 때 접속 공백이 길수록 이탈 오즈 증가
b2 < 0 → 다른 조건이 같을 때 주문 횟수가 많을수록 이탈 오즈 감소회귀 결과는 결정계수나 p-value 하나로 평가하지 않는다. 잔차에서 선형성·독립성·등분산성·이상 관측치를 확인하고, 학습에 쓰지 않은 검증 데이터로 예측 성능을 점검한다. 다중공선성은 서로 비슷한 독립변수 때문에 계수의 표준오차가 커지고 해석이 불안정해지는 현상이다.
| 방법 | 벌점 | 주요 효과 |
|---|---|---|
| Ridge | L2 | 큰 계수를 줄여 모델을 안정화하지만 보통 정확히 0으로 만들지는 않는다. |
| Lasso | L1 | 일부 계수를 0으로 만들어 변수 선택 효과를 낼 수 있다. |
| Elastic Net | L1 + L2 | 상관된 변수가 많을 때 두 벌점의 장점을 조합한다. |
VIF가 크면 다중공선성을 의심할 수 있지만 “10 이상이면 무조건 삭제”는 아니다. 변수의 업무 의미, 표본 크기, 다른 진단값, 예측과 해석 중 무엇이 목적인지를 함께 본다.
7. 데이터마이닝: 정답 유무와 목적이 알고리즘을 나눈다
| 문제 | 정답 라벨 | 대표 기법 | 이탈 분석 예시 |
|---|---|---|---|
| 분류 | 있음 | 로지스틱 회귀, 의사결정나무, 랜덤포레스트 | 다음 달 이탈 여부 예측 |
| 회귀 | 있음 | 선형회귀, Ridge, Lasso | 다음 달 결제액 예측 |
| 군집 | 없음 | k-means, 계층적 군집 | 행동이 비슷한 고객군 탐색 |
| 연관분석 | 없음 | Apriori 등 | 함께 구매되는 상품 조합 발견 |
정확도는 불균형 데이터에서 착시를 만든다
고객 100명 중 이탈자가 5명뿐이라면 모두 “유지”라고 예측해도 정확도는 95%다. 이 모델은 이탈자를 한 명도 찾지 못한다. 그래서 목적에 따라 정밀도, 재현율, F1 점수, ROC-AUC 등을 함께 본다.
- 정밀도: 이탈이라고 예측한 고객 중 실제 이탈 고객의 비율. 연락 비용이 큰 캠페인에서 중요하다.
- 재현율: 실제 이탈 고객 중 모델이 찾아낸 비율. 놓치면 손실이 큰 상황에서 중요하다.
- F1 점수: 정밀도와 재현율의 조화평균. 두 지표의 균형을 비교할 때 유용하다.
연관분석의 세 지표
- 지지도: 전체 거래 중 A와 B가 함께 나타난 비율
- 신뢰도: A가 나타난 거래 중 B도 나타난 비율
- 향상도: A를 모를 때보다 알 때 B의 발생 가능성이 얼마나 달라지는지 나타낸 값
향상도가 1이면 두 항목이 독립에 가깝고, 1보다 크면 양의 연관을 의심할 수 있다. 지지도와 신뢰도가 높아도 흔한 상품 때문에 생긴 결과일 수 있어 세 지표를 함께 해석한다.
8. 문제를 풀 때 자주 틀리는 판단
- 상관계수가 높다는 이유만으로 원인과 결과를 단정한다.
- p-value를 귀무가설이 참일 확률로 해석한다.
- 통계적으로 유의하면 효과도 크다고 판단한다.
- 결측값과 이상값을 원인 확인 없이 모두 삭제한다.
- 독립표본과 대응표본을 표본 수만 보고 구분한다.
- 범주가 k개인 더미변수를 절편이 있는 모형에 k개 모두 넣는다.
- R²가 올랐다는 이유만으로 변수를 계속 추가한다.
- 불균형 분류에서 정확도만 보고 좋은 모델이라고 결론낸다.
- k-means의 k를 업무 목적과 검증 없이 임의로 고정한다.
- 분석 결과를 실제 운영 시점에 사용할 수 있는지 확인하지 않는다.
9. 기출형 변형문제로 확인하기
아래 문항은 앞에서 다룬 개념을 실제 시험 문장처럼 바꾼 연습문제다. 먼저 답을 고른 뒤 정답과 해설을 열어 보자. 단순히 번호를 외우지 말고 다른 선택지가 왜 틀렸는지까지 확인해야 비슷한 지문에 대응할 수 있다.
문제 1. 쇼핑몰의 고객별 최근 접속일 원본을 집계해 “지난달보다 이탈률이 3%p 증가했다”는 비교 결과를 만들었다. DIKW 관점에서 이 결과에 가장 가까운 것은?
- Data
- Information
- Knowledge
- Wisdom
정답·해설 보기
정답: B. Information
원시값에 기간과 비교 기준을 붙여 의미를 만들었으므로 정보다. 반복 분석을 통해 일반적인 관계를 발견하면 지식, 그 관계를 이용해 쿠폰 대상을 결정하면 지혜에 가깝다.
문제 2. 해결할 업무 문제가 분명한 하향식 분석 과제 발굴 순서로 가장 알맞은 것은?
- 데이터 수집 → 모델 배포 → 문제 정의 → 성과 측정
- 문제 탐색 → 문제 정의 → 해결방안 탐색 → 타당성 검토
- 프로토타입 제작 → 모든 데이터 저장 → 문제 탐색 → 예산 확정
- 알고리즘 선택 → 변수 삭제 → 문제 정의 → 데이터 확보
정답·해설 보기
정답: B
하향식 접근은 업무 목표에서 출발해 문제를 좁히고 해결방안과 타당성을 검토한다. 알고리즘이나 데이터부터 정하는 선택지는 문제와 수단의 순서를 뒤집었다.
문제 3. 결측값을 발견했을 때 가장 적절한 첫 행동은?
- 결측값이 있는 행을 모두 삭제한다.
- 모든 결측값을 평균으로 대체한다.
- 발생 원인과 비율, 변수의 의미를 확인한다.
- 결측 여부와 관계없이 0으로 바꾼다.
정답·해설 보기
정답: C
삭제와 대체는 원인 확인 뒤에 선택한다. 시스템 오류, 응답 거부, 해당 없음은 의미가 다르며 처리 방법도 달라진다. 무조건 삭제하거나 같은 값으로 채우면 편향이 생길 수 있다.
문제 4. 같은 고객 40명의 쿠폰 발송 전·후 월평균 구매액 차이를 검정하려 한다. 정규성 가정을 만족한다고 할 때 적절한 검정은?
- 독립표본 t-검정
- 대응표본 t-검정
- 일원분산분석
- 카이제곱 검정
정답·해설 보기
정답: B. 대응표본 t-검정
동일한 대상을 두 번 측정했으므로 두 값이 서로 짝을 이룬다. 서로 다른 고객 집단이면 독립표본 검정을 고려한다. 집단 수보다 먼저 같은 대상인지 다른 대상인지 확인해야 한다.
문제 5. 유의수준 0.05에서 p-value가 0.03으로 나왔다. 가장 적절한 해석은?
- 귀무가설이 참일 확률은 3%다.
- 연구가설이 참일 확률은 97%다.
- 귀무가설이 참이라는 가정 아래 현재와 같거나 더 극단적인 결과가 나올 확률이 3%다.
- 효과가 실무적으로 크다는 사실이 증명됐다.
정답·해설 보기
정답: C
p-value는 가설 자체가 참일 확률이 아니다. 0.03은 설정한 유의수준보다 작으므로 귀무가설을 기각할 수 있지만, 효과의 크기와 실무적 중요성은 효과크기와 신뢰구간으로 따로 판단한다.
문제 6. 실제로 쿠폰이 재구매율을 높이지 않았는데 분석 결과를 보고 “효과가 있다”고 결론냈다. 어떤 오류인가?
- 1종 오류
- 2종 오류
- 표본 오차
- 다중공선성
정답·해설 보기
정답: A. 1종 오류
차이가 없다는 귀무가설이 실제로 참인데 이를 기각했으므로 1종 오류다. 실제 효과가 있는데 발견하지 못하면 2종 오류이며, 검정력은 실제 차이를 발견할 확률이다.
문제 7. 회귀모형의 한 변수에서 VIF가 12로 나타났다. 가장 적절한 조치는?
- 기준값을 넘었으므로 즉시 삭제한다.
- 모든 독립변수를 제거하고 다시 시작한다.
- 상관된 변수와 업무 의미, 모델 목적을 함께 점검한다.
- VIF는 분류모형에서만 사용하므로 무시한다.
정답·해설 보기
정답: C
높은 VIF는 다중공선성을 의심하는 신호이지 자동 삭제 명령이 아니다. 변수의 중복성, 해석 필요성, 표본 크기, 예측과 설명 중 무엇이 목적인지 검토한 뒤 결합·제거·규제 적용을 결정한다.
문제 8. 다음 달 고객의 이탈 여부처럼 결과가 0과 1인 값을 예측하려 한다. 첫 기준 모델로 가장 자연스러운 것은?
- 선형회귀
- 로지스틱 회귀
- k-means
- 주성분분석
정답·해설 보기
정답: B. 로지스틱 회귀
정답 라벨이 있는 이진 분류 문제다. 로지스틱 회귀는 이탈 확률과 변수의 영향을 함께 해석하기 좋은 기준 모델이다. k-means는 정답 라벨 없이 비슷한 대상을 묶는 군집 기법이다.
문제 9. 이탈 고객이 전체의 5%인 데이터에서 모든 고객을 “유지”로 예측한 모델의 정확도는 95%다. 이 모델을 평가할 때 가장 중요한 설명은?
- 정확도가 높으므로 바로 배포한다.
- 이탈 고객 재현율이 0이므로 목적에 맞는 지표를 함께 봐야 한다.
- 표본이 많으면 정확도만으로 충분하다.
- 군집화로 바꾸면 항상 해결된다.
정답·해설 보기
정답: B
다수 클래스만 예측해도 정확도가 높아지는 불균형 데이터의 착시다. 놓치면 손실이 큰 이탈 탐지에서는 재현율을 우선 확인하고 정밀도, F1, ROC-AUC 등도 업무 비용과 함께 본다.
문제 10. 연관규칙 A → B의 향상도가 1이고, 고객 유형을 나눌 정답 라벨도 없다. 옳은 설명은?
- A와 B는 강한 양의 연관이며 분류분석을 사용한다.
- A와 B는 독립에 가깝고 고객 유형 탐색에는 군집분석을 고려한다.
- A가 B의 원인이며 선형회귀를 사용한다.
- 향상도가 1이면 반드시 해당 규칙을 삭제한다.
정답·해설 보기
정답: B
향상도 1은 A를 알아도 B의 발생 가능성이 거의 달라지지 않아 독립에 가깝다는 뜻이다. 정답 라벨 없이 비슷한 고객을 찾는 목적이라면 군집분석이 맞다. 연관은 인과관계를 증명하지 않는다.
10. 7일 복습 순서
| 날짜 | 학습 내용 | 완료 기준 |
|---|---|---|
| 1일 | 데이터 유형·DIKW·데이터베이스·빅데이터 | 각 개념을 쇼핑몰 예시로 설명 |
| 2일 | 분석 기획·방법론·과제 우선순위·거버넌스 | 문제를 분석 과제로 바꾸는 순서 작성 |
| 3일 | 기술통계·확률분포·표본분포 | 대표값과 산포도 선택 이유 설명 |
| 4일 | 가설검정·t-검정·ANOVA·카이제곱 | 비교 구조를 보고 검정 선택 |
| 5일 | 회귀·잔차·다중공선성·정규화 | 계수와 진단 결과를 구분해 해석 |
| 6일 | 분류·군집·연관분석·평가지표 | 업무 목적에 맞는 지표 선택 |
| 7일 | 오답을 개념별로 재분류 | 정답 번호가 아니라 틀린 판단을 한 줄로 기록 |
- ADsP의 세 과목은 데이터 의미 파악 → 분석 기획 → 전처리·통계·모델링으로 연결된다.
- 통계 검정은 p-value보다 데이터 유형, 집단 수, 독립·대응 구조를 먼저 본다.
- 회귀와 분류는 계수나 정확도 하나가 아니라 가정, 효과크기, 검증 성능을 함께 해석한다.
- 문제 100개를 외우기보다 틀린 이유를 개념 단위로 묶어야 새로운 지문에도 대응할 수 있다.
공식 확인 자료
- 한국데이터산업진흥원 데이터자격시험: ADsP 자격소개·출제기준·합격기준 (2026-07-28 확인)
- 한국데이터산업진흥원 데이터자격시험: 2026년 시험 일정 (접수 전 최신 일정 재확인)