데이터 분석 Skill 소개
업무에서 사용하는 인건비 예산·실적 분석 파일을 AI에게 검토해달라고 요청했습니다.
처음에는 파일의 숫자와 주요 차이를 분석하는 것이 목적이었습니다.
이 파일은 상반기 인건비 예산과 실적을 비교한 자료야.
원본은 수정하지 말고,
주요 차이와 이상한 부분을 분석해줘.
AI는 원본 데이터를 다시 계산해 기존 대시보드와 비교하고, 수식과 누락값까지 점검했습니다.
분석 결과도 유용했지만, 이번 작업을 한 번으로 끝내기보다는 앞으로 다른 Excel이나 CSV 파일에도 같은 절차를 반복 적용하고 싶었습니다.
그래서 AI에게 이번 분석 과정을 재사용 가능한 데이터 분석 Skill로 만들어달라고 요청했습니다.
데이터 분석 Skill 진행 방법
1. 실제 파일 분석
처음에는 회사 PC의 파일 경로를 알려줬지만, AI가 실행되는 PC와 회사 PC가 달라 파일에 접근할 수 없었습니다.
그래서 파일을 직접 업로드했고, AI는 다음 원칙으로 분석을 시작했습니다.
원본 파일을 수정하지 않기
매크로를 실행하지 않 기
기초 데이터로 주요 수치를 다시 계산하기
기존 대시보드와 재계산 결과 비교하기
분석 결과는 별도 파일로 만들기
AI는 단순히 보고서에 표시된 숫자를 요약하지 않았습니다.
시트 구조와 수식을 확인하고, 기초 데이터를 기준으로 예산과 실적을 다시 집계했습니다. 그 과정에서 다음과 같은 문제도 발견했습니다.
일부 예산 누락값이
0으로 표시됨숨김 시트의 계산 기준이 맞지 않음
조정 전 금액과 최종 금액의 구분이 불명확함
상반기 실적을 이용한 연간 전망 방식에 한계가 있음
이번 경험을 통해 기존 Excel에 대시보드가 있더라도 그 숫자를 그대로 신뢰하기보다, 원본 데이터를 기준으로 다시 확인해야 한다는 점을 알게 됐습니다.
2. 분석 절차를 Skill로 만들기
파일 분석이 끝난 뒤 AI는 이번 과정을 다른 업무 데이터에도 활용할 수 있도록 Skill 후보로 정리했습니다.
제가 어떤 Skill인지 묻자 AI는 다음과 같이 설명했습니다.
데이터를 단순히 요약하는 것이 아니라,
원본 데이터를 다시 계산하고,
기존 보고서와 비교하고,
오류 가능성을 확인한 뒤
검증된 결과물을 만드는 Skill입니다.
Skill의 기본 절차는 다음과 같이 구성됐습니다.
파일 구조 확인
→ 원본 보존 여부 확인
→ 기초 데이터와 보고서 구분
→ 중복·누락·이상값 검사
→ 핵심 수치 재계산
→ 기존 대시보드와 비교
→ 주요 변동요인 분석
→ 별도 보고서와 Excel 생성
→ 생성 결과 다시 검증
Skill에는 몇 가지 중요한 원칙도 포함했습니다.
원본 파일은 덮어쓰지 않는다.
실제
0과 미입력 값을 구분한다.계산으로 확인된 사실과 업무상 추측을 나눈다.
데이터만으로 원인을 단정하지 않는다.
결과 파일도 다시 열어 수치를 확인한다.
이렇게 하나의 분석 경험이 다음 작업에도 반복해서 사용할 수 있는 업무 절차로 바뀌었습니다.
3. 목적별 고도화 Skill 추가
기본 Skill을 만든 뒤에는 분석을 더 고도화할 수 있는지 물었습니다.
분석을 더 고도화할 수 있는 Skill도 있어?
AI는 모든 기능을 하나의 Skill에 넣기보다, 목적에 따라 필요한 Skill을 조합하는 방식을 제안했습니다.
그래서 네 가지 Skill을 추가로 만들어달라고 요청했습니다.
변동요인 분석 Skill
예산과 실적 차이가 어디에서 발생했는지 나누어 분석합니다.
전체 차이
→ 인원 또는 수량 효과
→ 인당 비용 또는 단가 효과
→ 조직·사업장·항목별 기여도
시계열·전망 Skill
월별 추세를 확인하고 향후 결과를 여러 시나리오로 전망합니다.
기준 전망
낙관 전망
비용 증가 전망
채용, 임금 인상, 성과급 등 추가 조건 반영
통계 검증 Skill
눈에 보이는 차이가 실제로 의미 있는 차이인지 확인합니다.
다만 자료가 부족한 경우 억지로 분석하지 않고, 어떤 데이터가 더 필요한지 알려주도록 했습니다.
경영진 보고 Skill
분석 결과를 의사결정에 필요한 형태로 정리합니다.
한 문장 결론
→ 핵심 지표
→ 주요 변동요인
→ 위험과 데이터 문제
→ 권고사항
→ 결정이 필요한 내용
최종적으로 다음과 같은 Skill 조합이 만들어졌습니다.
기본 데이터 검증
+ 변동요인 분석
+ 시계열·전망
+ 필요한 경우 통계 검증
+ 경영진 보고서 작성
4. 만든 Skill을 실제 파일에 적용
Skill을 만드는 데서 끝내지 않고, 처음 분석했던 파일에 다시 적용해달라고 요청했습니다.
지금 만든 Skill을 기준으로
이 파일의 결과물을 다시 만들어줘.
AI는 새로 만든 Skill을 조합해 다음 작업을 진행했습니다.
원본 데이터와 주요 수치 재검증
예산·실적 차이의 변동요인 분석
연간 전망 시나리오 작성
통계 분석 적용 가능성 판단
경영진용 보고서 작성
상세 분석 Excel 생성
적용 과정에서는 새로운 문제도 발견됐습니다.
기존 파일의 연간 전망이 전체 평균 집행률이 아니라 조직별 집행률을 각각 적용해 더한 방식이라는 점이 확인됐습니다.
두 방식은 결과가 달랐기 때문에 AI는 하나를 정답으로 단정하지 않고 다음과 같이 비교했습니다.
기존 파일의 전망 방식
전체 평균을 적용한 전망
추가 조건을 반영한 기준 전망
비용 증가를 반영한 전망
또한 데이터가 6개월치밖에 없어 복잡한 계절성 분석이나 통계 모델을 적용하기에는 부족하다고 판단했습니다.
Skill이 있다고 해서 모든 분석을 무조건 실행하는 대신, 자료 수준에 맞는 방법만 선택한 것입니다.
5. 최종 결과물 확인
Skill을 적용한 결과 다음과 같은 산출물이 만들어졌습니다.
경영진용 1페이지 보고서
상세 분석 Excel
변동요인 분석표
연간 전망 시나리오
데이터 품질 점검 결과
계산 기준과 분석 한계를 정리한 보고서
PowerPoint는 현재 환경에서 실제 화면 검수가 어려워, 브라우저에서 직접 확인할 수 있는 HTML 보고서로 대신 제작했습니다.
AI는 결과 파일을 만든 뒤에도 다음 내용을 다시 확인했습니다.
원본 파일이 변경되지 않았는지
주요 합계가 서로 일치하는지
전망 방식이 명확히 표시됐는지
표와 차트의 숫자가 같은지
보고서 화면이 잘리지 않는지
결과와 배운 점
이번 작업의 가장 큰 결과는 특정 인건비 파일의 분석 보고서가 아니었습니다.
한 번 수행한 데이터 분석 절차를 다음 업무에도 사용할 수 있는 Skill로 만들고, 실제 파일에 다시 적용해 검증했다는 점이 더 중요했습니다.
✅ 원본 파일 보존
✅ 원본 데이터 기준 재계산
✅ 기존 보고서 오류 가능성 점검
✅ 반복 가능한 분석 Skill 제작
✅ 목적별 고도화 Skill 추가
✅ 여러 Skill을 조합해 실제 분석 수행
✅ 결과 파일까지 재검증
Skill은 구체적인 업무 설명서
단순히 “잘 분석해줘”라고 요청하면 분석 기준과 결과 형식이 매번 달라질 수 있습니다.
Skill에는 다음 내용이 명시되어 있었습니다.
어떤 순서로 분석할 것인지
무엇을 확인할 것인지
어떤 오류를 주의할 것인지
어떤 결과물을 만들 것인지
무엇을 완료 기준으로 볼 것인지
덕분에 다음 파일을 분석할 때도 비슷한 품질과 절차를 유지할 수 있게 됐습니다.
Skill의 적용과 검증 중요성
Skill 파일을 만들었다고 해서 실제 업무에 사용할 수 있는 것은 아니었습니다.
처음 파일에 다시 적용하는 과정에서 실행 환경 충돌, 전망 방식 차이, 데이터 기간 부족 같은 문제가 발견됐습니다.
실제 파일에 적용해보면서 Skill의 부족한 부분을 수정하고, 어떤 경우에는 분석을 하지 않아야 하는지도 정할 수 있었습니다.
조합형 Skill의 유용성
업무 요청은 매번 다릅니다.
“파일 오류만 확인해줘.”
→ 기본 검증 Skill
“예산 차이의 원인을 분석해줘.”
→ 기본 검증 + 변동요인 Skill
“연간 전망도 만들어줘.”
→ 기본 검증 + 변동요인 + 전망 Skill
“경영회의 자료로 만들어줘.”
→ 검증된 결과 + 경영진 보고 Skill
기능을 나누어두니 필요한 Skill만 조합할 수 있었고, 사용하지 않는 분석을 억지로 수행하는 문제도 줄었습니다.
앞으로는 인건비뿐 아니라 매출, 예산, 인력 현황, 설문 결과 등 다양한 업무 데이터에 Skill을 적용하고, 반복하면서 부족한 절차를 계속 보완해볼 계획입니다.
한 번의 분석을 끝내는 것이 아니라, 분석 경험을 다음 업무에 재사용할 수 있는 AI 업무 방식으로 바꾼 사례였습니다. 📊🤖
도움 받은 글
업무용 데이터 분석 및 Skill 제작·적용 대화 기록
