안녕하세요 데이터리안의 보민입니다.요즘 기획자, 마케터, 디자이너 채용 공고를 보면 빠지지 않는 문구가 있습니다.<ul><li>데이터에 기반하여 문제를 정의하고 해결하실 수 있는 분</li><li>SQL, GA4 등 데이터 툴 활용 가능자 우대</li></ul>그런데 정작 입사해 보면 어떤가요? 로그는 엉망으로 쌓여 있거나 아예 없고, 보고를 올리면 &quot;데이터도 좋지만, 내 감으론 이게 맞는데?&quot;라는 답변이 돌아오기 일쑤입니다. 세상은 &#039;데이터 드리븐&#039;을 외치지만, 정작 현장에서 어떻게 데이터를 만들고 어떻게 설득해야 하는지는 아무도 가르쳐주지 않습니다.사실 이건 여러분의 역량 부족이 아니라, 아직 시스템이 갖춰지지 않은 조직의 성장통입니다. 이 지독한 현실을 어떻게 뚫고 나갈 수 있을지, 진짜 실무 현장에서 굴러본 사람만 해줄 수 있는 현실적인 조언을 담아 글을 구성해 보았습니다.데이터 불모지에서 기술적 한계와 문화적 고집을 깨부수기 위해 할 수 있는 가장 현실적인 대처법이 궁금하다면 글을 끝까지 읽어보세요.<figure data-type="image-block" data-src="https://attachments.datarian.io/production-2d29463d-984d-80c1-b9ff-ebed3ae6d6ec-g9bIq3nyAchrKF7s3Xo533BSlKXjS82NZ29mPxz3AOw.png" data-align="center" data-width="528" data-show-caption="true" style="width: 528px; max-width: 100%"><img src="https://attachments.datarian.io/production-2d29463d-984d-80c1-b9ff-ebed3ae6d6ec-g9bIq3nyAchrKF7s3Xo533BSlKXjS82NZ29mPxz3AOw.png" width="528" /><figcaption>쏘카 PM, 에이블리 프로덕트 디자이너 채용 공고 발췌</figcaption></figure><h1 id="2cb9463d984d8055ad38dcff8614a41d">내 업무에 데이터 활용이 어려운 이유 파악하기</h1>업무에 데이터를 활용하기 어려운 경우 가장 먼저 해야 할 일은 내가 왜 데이터를 활용하지 못하고 있는지 그 원인을 정확하게 파악하는 것입니다. 세부적인 요소들은 회사마다, 직무별로 조금씩 차이가 있을 수 있지만 대부분의 실무자가 아래와 같은 이유로 업무에서 데이터를 잘 활용하지 못하더라고요.이 글을 읽고 있는 여러분 중에서도 내 업무에 데이터 활용하기가 어려운 것 같은 분들이 있다면, 혹시 아래 이유 중에 내가 겪고 있는 어려움의 원인이 무엇인지 먼저 한번 체크해 보시기 바랍니다.<div data-type="callout" data-emoji="✅" data-background-color="rgba(235, 236, 237, 0.3)" style="background-color: rgba(235, 236, 237, 0.3);">데이터 드리븐을 방해하는 ‘2대 문제’ 체크리스트1. 기술적인 문제<ul><li>데이터가 어디 있는지 모름 / 데이터 열람 권한이 없음</li><li>데이터가 활용할 수 있는 형태로 저장되어 있지 않음</li><li>(필요한) 데이터가 없음</li></ul>2. 문화적인 문제<ul><li>함께 일하는 사람들이 데이터의 필요성을 모름</li><li>필요성은 알고 있으나 매번 우선순위에서 밀려남</li><li>데이터는 있으나 어떤 데이터를 어떻게 활용해야 할지 모름</li></ul></div><h1 id="2cb9463d984d80acb434d3670107509d">원인에 맞는 해결 방법 찾기</h1><h2 id="2cb9463d984d80909089d871ba135ded">기술적인 문제: “데이터가 없는데 어떻게 분석하나요?”</h2>아마도 여러분들이 실무에서 가장 먼저 마주하는 건 데이터가 없다, 또는 어디 있는지 모른다는 문제일 것입니다. 하지만 완벽한 인프라가 없어도 시작할 방법은 분명히 있습니다.<figure data-type="image-block" data-src="https://attachments.datarian.io/production-2d29463d-984d-806e-8f2d-ee88a7b6a4d7--dBkVJH8-NBbABFNnF0rOKinm_BPJ_LF7uyatGD6NGM.png" data-align="center" data-width="432" data-height="320" style="width: 432px; max-width: 100%"><img src="https://attachments.datarian.io/production-2d29463d-984d-806e-8f2d-ee88a7b6a4d7--dBkVJH8-NBbABFNnF0rOKinm_BPJ_LF7uyatGD6NGM.png" width="432" height="320" /></figure><h3 id="2d29463d984d8093a5aac4e2e01d0f85">1. 데이터가 어디 있는지조차 모를 때: 담당자 찾아가기</h3>“데이터 담당자님, 바쁘신데 죄송하지만...”으로 시작하는 메시지를 보내보는 것이 가장 빠른 해결책입니다. 단순히 “궁금해서요”가 아니라 “A 안과 B 안 중 결정 속도를 높이기 위해서”라고 목적을 명확히 하면, 조금 더 빠르게 원하는 데이터를 얻을 방법을 알아낼 수 있을 거예요.그리고 담당자에게 데이터 열람 권한을 직접 얻기 위해서는 어떻게 하면 되는지도 꼭 물어보세요. 권한이 생기면 할 수 있는 일들이 훨씬 더 많아집니다. <h3 id="2d29463d984d805db265e26f1c26d2a4">2. 데이터가 엉망진창으로 쌓여 있을 때: 바로 사용할 수 있는 정제 데이터 만들기 </h3>사내에 내가 원하는 형태로 데이터가 잘 쌓여있지 않다면, 일단 데이터를 다운받아 엑셀(Excel)이나 SQL로 직접 노가다(?)를 해서라도 내가 원하는 데이터를 만들어보세요. 그리고 그것을 기반으로 기획, 마케팅, 디자인을 진행해 보세요. 우선 흩어져있는 데이터 중에서 내가 필요한 것들만 뽑아오는 것부터 시작해 보시는 것도 좋을 거예요.<div class="prosemirror-column-container" data-type="column_container"><div class="prosemirror-column" data-type="column" style="flex: 0.4375 1 0px; min-width: 0;">[ 흩어진 데이터 ]예시 1. 광고 집행 데이터<table><tbody><tr><th>날짜</th><th>집행 금액</th><th>노출 수</th><th>…</th></tr><tr><td></td><td></td><td></td><td></td></tr></tbody></table>예시 2. GA4 사용자 행동 데이터<table><tbody><tr><th>날짜</th><th>페이지 뷰 수</th><th>클릭 수</th><th>…</th></tr><tr><td></td><td></td><td></td><td></td></tr></tbody></table>예시 3. 매출 데이터<table><tbody><tr><th>날짜</th><th>매출액</th><th>…</th></tr><tr><td></td><td></td><td></td></tr></tbody></table></div><div class="prosemirror-column" data-type="column" style="flex: 0.5625 1 0px; min-width: 0;">[ 한 번에 정리한 데이터 ]<table><tbody><tr><th>날짜</th><th>광고 집행 금액</th><th>페이지 뷰 수</th><th>매출액</th><th>…</th></tr><tr><td></td><td></td><td></td><td></td><td></td></tr><tr><td></td><td></td><td></td><td></td><td></td></tr></tbody></table></div></div>추가로 이렇게 필요한 데이터를 가져오다 보면 누락이 있거나 오류가 있어서 당황스러울 때가 있기도 한데요. 데이터를 정제할 때 꼭 확인해야 하는 항목이 정리된 표가 있어서 참고용으로 첨부합니다. 출처는 ‘데이터 삽질 끝에 UX가 보였다’라는 책이에요.[ 바로 사용할 수 있게 정제된 정량 데이터의 상태와 예시 ]<table><tbody><tr><th>구분</th><th>상태</th><th>예시</th></tr><tr><td>누락 없음</td><td>필요한 모든 값이 빠짐없이 채워져 있어 분석에 필요한 정보가 누락되지 않았다</td><td>- 가입일, 성별, 결제일 등 모든 주요 필드에 값이 입력되어 있다.</td></tr><tr><td>중복 없음</td><td>동일한 사용자나 이벤트가 여러 행에 중복되어 기록되어 있지 않다</td><td>- 한 사용자가 한 개의 행에 존재한다(상황에 따라 예외는 있다). - 같은 주문 건이 한 번만 기록되어 있다.</td></tr><tr><td>오류 없음</td><td>데이터 타입과 값이 올바르게 기록되어 있으며 논리적으로도 문제없다</td><td>- 요일 항목에 ‘월, 화, 수’ 같은 요일만 기록되어 있다. - 매출 값에 음수가 없다.</td></tr><tr><td>일관</td><td>표기 방식이나 단위가 동일하게 맞춰져 있어 해석하거나 계산할 때 혼란스럽지 않다</td><td>- 날짜가 모두 ‘YYYY-MM-DD’ 형식으로 통일되어 있다. - 유입 경로가 전부 ‘instagram’으로 통일되어 있다.</td></tr><tr><td>정보의 정체 유추 가능</td><td>데이터값이 무엇을 의미하는지 명확해져서 정보 간의 관계(시간 순서, 사용자 구분, 이벤트 흐름)를 이해할 수 있다.</td><td>- 100이라는 숫자가 ‘신규 가입자 수’라는 컬럼명 아래에 정확히 기록되어 있고 시간 흐름대로 정렬되어 있다.</td></tr></tbody></table>우리 팀에 개발자가 없고, 팀 규모가 너무 작아서, 데이터 인프라에 투자할 돈이 없어서 데이터가 엉망진창으로 쌓여있다고 생각한다면 그것은 큰 착각일 수 있습니다. 굉장한 개발팀이 있는 대기업에서도 분석용 데이터는 아름답게 정리 되어있지 않을 가능성이 매우 높으니, 어디에서나 데이터 드리븐 하게 일하고 싶다면 부족한 데이터를 잘 활용하는 방법을 지금부터 익혀보세요.<h3 id="2d29463d984d809bbedcf43f4d31bdd7">3. 필요한 데이터가 아예 쌓이지 않을 때: 일단 쌓기 시작하기</h3>거창한 분석 툴이 없어도 됩니다. 오늘부터라도 구글 스프레드시트에 수동으로 기록하기 시작하세요. 클릭 데이터가 필요하다면 무료인 GA4를 설치해 달라고 강력하게 요청하세요. 만약 GA4를 설치해 줄 동료가 없다면, ‘<a href="https://datarian.io/blog/ga4-installation-guide-for-beginners" target="_blank">코딩 몰라도 할 수 있는 GA4 설치 가이드 (2025년 최신 버전!)</a>’를 따라서 직접 설치를 시작해 보시는 것도 추천합니다.그 방법이 무엇이든 &quot;없어서 못 한다&quot;는 말 대신 &quot;없으니까 직접 쌓아보겠다&quot;는 말이 조직에서는 더 힘을 얻을 거예요. 참고로 데이터리안에서는 CS 데이터를 아래와 같이 수동으로 스프레드시트에 적어두면서 의사결정에 반영하고 있답니다.<figure data-type="image-block" data-src="https://attachments.datarian.io/production-2d29463d-984d-80d6-b22b-ee7b130e4dd3-CT36-Nyj9rs5oY0DtJBQDxuZNvRXGnJiuFlyPnS8zO8.png" data-align="center" data-width="480" data-height="383" data-show-caption="true" style="width: 480px; max-width: 100%"><img src="https://attachments.datarian.io/production-2d29463d-984d-80d6-b22b-ee7b130e4dd3-CT36-Nyj9rs5oY0DtJBQDxuZNvRXGnJiuFlyPnS8zO8.png" width="480" height="383" /><figcaption>데이터리안 CS 데이터 집계 시트</figcaption></figure><h2 id="2d29463d984d803a99bef34cbb25db82">문화적인 문제: “그거 왜 해야 해요?”</h2>앞서 언급한 기술적인 문제보다 더 큰 벽은 바로 &#039;문화적인 문제&#039;입니다. 사람의 생각과 일하는 방식을 바꾸는 건 정말 어려운 일이죠. 제가 실무에서 직접 겪으며 실마리를 찾았던 두 가지 사례를 공유합니다. <figure data-type="image-block" data-src="https://attachments.datarian.io/production-2d29463d-984d-80ff-aa17-f8185edd0fbf-YzIBthhtAbNcZQ5SW-DdIZAn7Imt7sqnSf_0Q_IrFp8.png" data-align="center" data-width="432" data-height="320" style="width: 432px; max-width: 100%"><img src="https://attachments.datarian.io/production-2d29463d-984d-80ff-aa17-f8185edd0fbf-YzIBthhtAbNcZQ5SW-DdIZAn7Imt7sqnSf_0Q_IrFp8.png" width="432" height="320" /></figure><h3 id="2d29463d984d80deaf31ff3d33a11b82">1. 데이터의 필요성을 체감하지 못할 때: 데이터의 가치를 경험시키기</h3>제가 이전 회사에서 팀에 합류했을 때, 팀원들은 데이터의 필요성을 알긴 하지만 직접적으로 느끼지 못하는 상태였습니다. 제가 분석을 위해 무언가를 요청하면 “지금 바쁜데 꼭 해야 하나요?”라는 반응이 돌아오기 일쑤였죠. 이때 제가 선택한 전략은 데이터가 우리의 &#039;고통&#039;을 줄여준다는 것을 직접 보여주는 것이었습니다.저희 팀은 회의가 길기로 유명했는데요. 의견이 갈리면 2시간은 기본, 길면 5시간 내내 서로의 논리가 맞다며 싸우곤 했죠. 예를 들어 설문지 UI를 구성할 때도 그랬습니다.<ul><li>A: &quot;단계가 많으면 피로하니 한 페이지에 다 넣자!&quot;</li><li>B: &quot;한 페이지에 내용이 너무 많으면 번잡해서 사용자들이 이탈한다. 페이지를 쪼개자!&quot;</li></ul>이때 저는 과거의 데이터를 가져와 보여주었습니다. “이전에 비슷하게 구성한 원페이지 설문지의 이탈률은 X%였고, 페이지를 나눴을 때의 이탈률은 Y%였습니다”라고요. 수치를 보자마자 사람들은 갈피를 잡았고, 몇 시간 동안 갑론을박을 해야 했을 회의는 30분 만에 끝났습니다.팀원들이 데이터가 있으면 감정 소모 없이 빨리 퇴근할 수 있다는 것을 체감하는 순간, 데이터 요청을 대하는 태도가 완전히 달라졌어요. 팀원들이 데이터를 보는 일에 거부감을 가지고 있다면, 우선은 이렇게 데이터의 가치를 직접 경험할 수 있도록 하는 게 가장 도움이 될 수 있어요.<h3 id="2d29463d984d80859478f08c62868c77">2. 데이터 요청이 계속 밀릴 때: 데이터 요청서로 내 요청 우선순위 높이기</h3>데이터의 필요성은 알지만, 늘 현업에 밀려 분석가나 개발자에게 “나중에 뽑아드릴게요”라는 답변만 듣고 계신가요? 이럴 땐 데이터 요청 방식을 바꾸는 것만으로도 데이터를 빨리 받을 수 있어요. 이 방법의 핵심은 요청받는 사람이 들여야 할 시간과 고민을 최소화해 주는 것입니다.데이터 요청을 할 때 가장 피해야 할 것은 ‘두루뭉술한 요청’인데요. &#039;올해 6, 7월 구매 관련 데이터 주세요&#039; 이렇게 얘기하는 게 바로 두루뭉술한 요청 사항입니다. 이런 요청이 오면 분석가는 고민이 많아져요. ‘구매 관련 지표’는 사실 하나가 아니라 수십 가지가 되거든요. 그렇기 때문에 이렇게 요청이 오면 정확히 어떤 구매 데이터를 봐야 하는지 다시 물어봐야 하고 그만큼 속도가 느려집니다.카페에서 &#039;커피 주세요&#039; 라고만 하면 뜨거운지, 차가운지, 사이즈는 뭔지 다시 물어봐야 하는 것과 같은 거예요. 물론, 카페에서는 커피를 판매하기 위해 되물어야 하는 게 당연하지만, 분석가는 그렇지 않거든요. 한날한시에 들어온 요청이라도 이렇게 두세 번 더 되물어야 하는 요청이 있다면 아무래도 우선순위가 뒤로 밀릴 수밖에 없습니다.이상하게 내 데이터 요청만 유독 밀리는 것 같이 느껴진다면, 이번 기회에 데이터를 요청하고 있는 방식을 한번 점검해 보세요. 어떻게 요청해야 할지 잘 모르겠다면 상대의 고민을 줄여주는 ‘데이터 요청 템플릿’을 사용해 보는 것도 좋은 방법입니다. 아래와 같이 항목을 나누어 필요한 데이터를 명확하게 요청하면, 바쁜 분석가도 여러분의 데이터를 더 빠르게 뽑아줄 수 있을 거예요. ChatGPT 같은 AI에게 데이터를 정리해달라고 할 때도 이 양식을 참고하면 훨씬 정확한 답을 얻을 수 있을 겁니다.[ 데이터 요청 템플릿 샘플 ]<table><tbody><tr><th>항목</th><th>상세 내용</th><th>예시</th></tr><tr><td>1. 요청 마감일</td><td>데이터를 최종적으로 받아야 하는 기한</td><td>1/5(월) 오전 11시까지 (오후 주간 회의 보고용)</td></tr><tr><td>2. 목적</td><td>이 데이터로 어떤 의사결정을 하려고 하는가?</td><td>여름 프로모션(6~7월) 성과 분석 및 하반기 프로모션 예산 배분 근거 마련</td></tr><tr><td>3. 필요한 데이터 정의</td><td>확인하려는 지표의 정확한 명칭과 정의</td><td>- 실 결제 금액(환불 제외) - 총주문 건수 - 결제 사용자 수(중복 제거)</td></tr><tr><td>4. 범위</td><td>기간, 채널, 상품, 사용자 그룹 등 필터 조건</td><td>- 기간: 2025.06.01~07.31 - 채널: 전체(앱, 웹 포함) - 상품: 전 품목</td></tr><tr><td>5. 결과 형식</td><td>일/주/월 집계 여부, 필요한 컬럼을 포함한 파일 형식(엑셀 등)</td><td>- 결과 형식: 엑셀 파일(.xlsx) 형태 - 포함 컬럼: 날짜, 주문 건수, 결제금액, 사용자 수 - 일자별 집계 필요</td></tr><tr><td>6. 기타 설명</td><td>이 데이터가 왜 중요한지 어필할 수 있는 비즈니스 배경</td><td>지난 6월 진행한 &#039;여름맞이 세일&#039;이 실제 매출 견인에 얼마나 기여했는지 파악하여, 다음 시즌 프로모션 규모를 결정하고자 합니다.</td></tr></tbody></table><h1 id="2d29463d984d80ec9ed2f9576e2d0951">여러분의 노력이 &#039;함께 일하는 방식&#039;을 변화시킬 거예요</h1>물론 조직의 구조와 문화를 바꾸는 건 실무자 한 명의 힘으로는 벅찰 수 있습니다. 하지만 내가 먼저 데이터의 효용을 보여주고, 동료들이 이해할 수 있는 구체적인 언어로 요청을 시작한다면 조금씩 변화가 일어날 거예요. 데이터 기반의 문화는 대표님이 공표한다고 생기는 게 아니거든요. 실무자인 우리가 데이터로 문제를 해결하고, 회의 시간을 줄이고, 성과를 증명해 낼 때 비로소 조금씩 스며드는 것이죠.지금 당장 데이터가 자동으로 쌓이지 않는다고 좌절하지 마세요. 오늘 여러분이 만든 스프레드시트 한 줄이 우리 회사의 데이터 문화를 바꾸는 첫걸음이 될 거예요 😊분석가가 아닌 직무(프로덕트 디자이너)에서 데이터를 활용하는 방법에 대한 구체적인 예시들이 궁금하다면, 2025년 11월에 진행한 ‘<a href="https://datarian.io/blog/replay-seminar-2025-nov" target="_blank">데이터 분석가 없이 데이터 드리븐 디자인하기</a>’ 세미나 다시 보기를 참고해 보세요.

지독하게 읽기 힘든 SQL문을 해석해 본 적 있으신가요?

SQL 가독성을 높이는 다섯 가지 사소한 습관

막막함에 부딪혔을 때 이 글이 도움이 되길 바랍니다. 새로운 걸 배우는 모두가 멋있어요.

SQL 질문 잘 하는 방법

대부분의 데이터 분석은 창의력을 발휘하는 것보다는 쿠키 틀로 쿠키 찍어내기에 좀 더 가깝습니다

분석이 막막하다면 이렇게 생각해보세요!

퍼널 전환율 5%, 개선이 정말 필요할까요? 지표 판단의 함정에서 벗어나기 위한 3가지 방법을 소개합니다.

지표 개선이 정말 필요할까? 데이터로 판단하는 세 가지 방법

"데이터 기반 필수"라더니 현실은 데이터도 없다면? 기술적 한계와 조직 문화를 극복하고 업무에 데이터 활용하는 법 알려드릴게요

데이터 드리븐 하고 싶은 실무자를 위한 생존 가이드

내 업무에 데이터 활용이 어려운 이유 파악하기

여러분의 노력이 '함께 일하는 방식'을 변화시킬 거예요

데이터 드리븐 하고 싶은 실무자를 위한 생존 가이드

Contents

데이터 분석 소식을
매월 받아보세요

😎 데이터 분석 실무 팁 모아보기

함께 읽어보면 좋은 글

분석이 막막하다면 이렇게 생각해보세요!

감이 아닌 데이터로, 사회 문제를 더 정확하게 바라보아요

예체능 출신의 비전공자, 마케터에서 데이터 분석가로 직무 전환했어요

데이터 분석 소식을
매월 받아보세요데이터 분석 소식을 받아보세요

데이터 드리븐 하고 싶은 실무자를 위한 생존 가이드

Contents

데이터 분석 소식을 매월 받아보세요

😎 데이터 분석 실무 팁 모아보기

함께 읽어보면 좋은 글

분석이 막막하다면 이렇게 생각해보세요!

감이 아닌 데이터로, 사회 문제를 더 정확하게 바라보아요

예체능 출신의 비전공자, 마케터에서 데이터 분석가로 직무 전환했어요

데이터 분석 소식을 매월 받아보세요데이터 분석 소식을 받아보세요

데이터 분석 소식을
매월 받아보세요

데이터 분석 소식을
매월 받아보세요데이터 분석 소식을 받아보세요