"출판사에서 도서를 제공받아 작성된 서평입니다."

데이터 분석, 누구의 일인가?

책제목  : 매출을 만드는 데이터 분석 with 책GPT

저자 : 조선미

출판년도 : 2026/05/04

https://www.gilbut.co.kr/book/view?bookcode=BN004816

한 줄 결론

데이터 분석을 배우고 싶지만 SQL, 시각화, 비즈니스 해석 사이에서 늘 막혔던 마케터·기획자·실무자라면,

챗GPT를 보조 도구로 삼아 분석의 전체 흐름을 익히기에 좋은 책이다.

읽게 된 이유

데이터 분석 책을 볼 때마다 늘 비슷한 고민이 생긴다.

이 책이 통계나 SQL 문법을 설명하는 데서 끝나는 책인지, 아니면 실제 의사결정에 필요한 질문까지 다루는 책인지 먼저 보게 된다.

실무에서 데이터는 예쁘게 정리된 표로만 존재하지 않는다.

지저분하고, 빠져 있고, 중복되어 있고, 무엇을 봐야 할지 애매한 상태로 오는 경우가 훨씬 많다.

"매출을 만드는 데이터 분석 with 챗GPT"는 제목부터 꽤 직접적이다.

데이터 분석을 “공부”가 아니라 “매출을 만드는 일”과 연결한다.

챗GPT를 활용한다는 점도 눈에 들어왔지만, 더 궁금했던 것은 AI가 분석 과정에서 어느 정도까지 도움을 줄 수 있는지였다.

약 2주 동안 읽으면서 이 책은 단순한 챗GPT 활용서라기보다, 비즈니스 데이터를

분석하는 전체 흐름을 따라가게 만드는 실습형 책에 가깝다고 느꼈다.

SQL을 배우고, 데이터를 정리하고, 빅쿼리에서 다루고, 태블로로 시각화하고, 마지막에는 매출·고객·마케팅 전략으로 연결한다.

한마디로 “데이터를 보고 그래서 뭘 해야 하는데?”라는 질문까지 끌고 가려는 책이다.

책을 읽으며

이 책에서 가장 먼저 좋았던 부분은 분석의 시작을 도구가 아니라 “목적”에서 잡는다는 점이었다.

데이터 분석을 처음 배울 때는 SQL 문법이나 시각화 도구 사용법에 먼저 매달리기 쉽다.

하지만 실무에서는 문법을 아는 것보다 먼저 정해야 할 것이 있다.

왜 이 데이터를 보는지, 어떤 판단을 위해 분석하는지, 결과가 나오면 어떤 행동으로 이어질지를 정해야 한다.

책의 초반부에서 데이터 분석의 목적 정의와 SMART 목표 설정을 다루는 점이 그래서 좋았다.

“매출을 분석한다”는 말은 너무 넓다.

어떤 제품이 매출에 기여하는지 보려는 것인지, 특정 기간에 수요가 왜 변했는지 보려는 것인지,

고객이 어디서 이탈하는지 보려는 것인지에 따라 봐야 할 데이터와 질문이 달라진다.

이 부분을 읽으면서 데이터 분석은 결국 질문을 좁히는 일이라는 생각을 했다.

좋은 질문이 있어야 좋은 쿼리도 나오고, 좋은 시각화도 나오고, 쓸 만한 인사이트도 나온다.

챗GPT는 그 과정에서 꽤 유용한 파트너가 될 수 있지만, 처음 질문이 흐릿하면 답도 흐릿해진다.

실습 흐름은 꽤 현실적인 편이다.

챗GPT와 SQL을 함께 쓰는 법을 보여주고, 빅쿼리 환경을 만들고, 데이터 수집과 정제, 전처리를 거쳐 시각화로 넘어간다.

특히 결측값, 이상치, 중복 데이터처럼 실제 데이터에서 자주 만나는 문제를 다루는 부분은 입문자에게 도움이 될 것 같다.

데이터 분석을 처음 배우는 사람은 보통 “분석”이라는 단어에서 멋진 그래프나 예측 모델을 먼저 떠올린다.

하지만 실제로는 데이터를 정리하는 시간이 훨씬 길다.

컬럼 이름이 헷갈리고, 값이 비어 있고, 같은 고객이 여러 방식으로 기록되어 있고, 날짜 형식이 맞지 않는 일이 계속 생긴다.

이 책은 그런 앞단의 지저분한 과정을 건너뛰지 않는다.

챗GPT를 SQL 학습 보조 도구로 쓰는 방식도 흥미로웠다.

예전 같으면 쿼리를 작성하다 막히면 검색을 하거나 문서를 뒤졌을 것이다.

이제는 챗GPT에게 쿼리 초안을 요청하고, 그 쿼리가 어떤 의미인지 설명해 달라고 하고,

오류가 났을 때 원인을 같이 찾아볼 수 있다.

다만 여기서 중요한 것은 AI가 만들어준 쿼리를 그대로 믿지 않는 태도다.

책 후반부로 갈수록 실무 프로젝트 느낌이 강해진다.

이커머스 제품별 매출 기여도 분석, 시계열 기반 수요 예측, 웹 트래픽과 고객 행동 분석,

이탈 가능성 분석, A/B 테스트, 고객 세그멘테이션, 고객 만족도 분석, 디지털 마케팅 성과 분석,

CLV와 ROI 분석까지 이어진다.

제목의 “매출을 만드는”이라는 표현이 여기서 조금 더 분명해진다.

개인적으로는 퍼널 분석과 고객 이탈 분석 부분이 가장 실무적으로 와닿았다.

매출은 최종 결과처럼 보이지만, 그 앞에는 고객 유입, 탐색, 장바구니, 구매, 재방문 같은 여러 단계가 있다.

어느 단계에서 고객이 빠져나가는지 보지 않고 매출만 보면, 문제를 너무 늦게 발견하게 된다.

또 A/B 테스트 부분도 좋았다. 실무에서는 “이 디자인이 더 나은 것 같다”, “이 문구가 더 잘 팔릴 것 같다”는 감각이 자주 등장한다.

감각이 완전히 틀렸다는 뜻은 아니지만, 감각만으로 결정하면 같은 논쟁이 반복된다.

데이터를 통해 가설을 세우고, 실험하고, 결과를 해석하는 과정이 필요하다.

이 책은 그런 과정을 어렵지 않게 따라가도록 구성되어 있다.

내 생각은...

이 책을 읽으면서 계속 떠올린 것은 “분석은 숫자를 맞히는 일이 아니라, 다음 행동을 정하는 일”이라는 점이었다.

데이터 분석을 공부하다 보면 어느 순간 쿼리 작성이나 대시보드 만들기에 몰입하게 된다.

물론 그것도 중요하다. 하지만 실무에서는 숫자가 예쁘게 나왔다고 일이 끝나지 않는다.

중요한 것은 그 숫자가 어떤 결정을 바꾸는지다.

특정 상품의 매출 기여도가 높다면 재고나 마케팅 우선순위를 바꿀 수 있어야 한다.

특정 고객군의 이탈률이 높다면 그 고객군을 위한 혜택이나 커뮤니케이션 방식을 다시 봐야 한다.

광고 채널별 효율이 다르다면 예산 배분 기준도 달라져야 한다.

이 책이 좋았던 이유는 분석 결과를 “인사이트”라는 말에서 멈추지 않고, 실행 전략으로 연결하려는 흐름이 있기 때문이다.

데이터 분석 초보자에게는 이 연결이 특히 중요하다.

숫자를 읽는 법만 배워서는 실무에서 힘이 약하다. 숫자를 보고 질문을 바꾸고, 의사결정의 근거를 만들 수 있어야 한다.

챗GPT의 역할도 이 지점에서 다시 보였다.

AI가 분석가를 완전히 대신한다기보다, 분석을 시작하는 장벽을 낮춰주는 역할에 가깝다.

SQL 문법이 막힐 때 힌트를 주고, 데이터 구조를 이해할 때 질문을 던져주고,

분석 결과를 비즈니스 언어로 바꿔보는 데 도움을 준다.

하지만 AI가 답을 만들어준다고 해서 분석의 책임까지 가져가는 것은 아니다.

오히려 AI를 쓰면 더 꼼꼼히 봐야 한다. 생성된 SQL이 맞는지, 집계 기준이 맞는지,

평균을 봐야 하는지 중앙값을 봐야 하는지, 전환율의 분모와 분자가 제대로 정의되었는지 확인해야 한다.

이 책은 그런 점에서 “AI에게 맡기자”보다 “AI와 함께 더 빨리 배우고 검증하자”에 가깝게 읽혔다.

특히 평균에 속지 않는 법, 지표가 너무 많을 때 생기는 문제, 분석 결과가 나와도 결정이 안 나는 이유 같은

후반부의 실무 팁은 오래 남았다.

데이터 분석은 도구 문제가 아니라 커뮤니케이션 문제이기도 하다.

같은 숫자를 보고도 마케팅팀, 기획팀, 경영진이 다르게 해석할 수 있다.

그래서 분석가는 숫자를 계산하는 사람을 넘어, 질문과 기준을 맞추는 사람이어야 한다.

좋았던 점 

첫째, 데이터 분석의 전체 흐름을 한 권 안에서 볼 수 있다는 점이 좋았다.

SQL 문법만 다루는 책도 아니고, 챗GPT 프롬프트만 모아둔 책도 아니다.

분석 목적 설정, 데이터 정제, SQL, 빅쿼리, 태블로 시각화, 비즈니스 해석까지 이어지기 때문에

“실무 분석은 이런 순서로 흘러가는구나”를 잡기에 좋다.

둘째, 예제가 매출과 고객 행동 중심이라 현실감이 있다.

제품별 매출 기여도, 고객 이탈, 퍼널, A/B 테스트, CLV, ROAS 같은 주제는 마케팅이나

서비스 운영에서 바로 떠올릴 수 있는 문제들이다. 데이터 분석을 배우면서도 “이걸 어디에 써먹지?”라는 느낌이 덜하다.

셋째, 챗GPT를 학습 보조 도구로 쓰는 방식이 실용적이다.

초보자는 SQL을 처음부터 완벽하게 짜기 어렵다. 이때 챗GPT에게 초안을 만들게 하고,

설명을 듣고, 수정 방향을 물어보는 방식은 학습 속도를 높여준다.

단순히 정답을 받는 것이 아니라, 쿼리를 읽고 고치는 연습까지 이어지면 훨씬 도움이 된다.

넷째, 시각화와 대시보드를 함께 다루는 점이 좋았다. 분석 결과는 결국 누군가에게 전달되어야 한다.

숫자를 표로만 보여주면 흐름이 잘 보이지 않을 때가 많다.

태블로를 활용해 KPI 카드, 추세 그래프, 퍼널, 히트맵 등을 구성하는 흐름은 보고와 의사결정까지 염두에 둔 구성으로 느껴졌다.

"출판사에서 도서를 제공받아 작성된 서평입니다." 

챗GPT를 활용하여 데이터 분석을 하는 책이 출간되었다. 원래 데이터 분석 강의를 하면 일일이 코드를 치면서 강의를 했었는데 기술이 너무 빨리 변하다보니 어느새 코딩으로 하는 것 자체가 의미가 없어져 버리게 되었다. 같이 강의를 하시는 박사님께서도 그런 식으로는 하지 말라고 하셔서 이제 데이터 분석도 코딩처럼 생성형 AI를 도입하지 않을 수 없게 되었다. 이책도 그래서 생성형 AI를 데이터 분석에 도입하기 위한 방법을 알아보기 위해 탐독한 책이었다. 매출이라는 주제를 정하고 거기에서 태블루 등 분석 및 시각화 도구를 이용하여 분석을 하는 책이다. GPT도 프롬프트를 이용하여 분석 방법을 알 수 있도록 짜여져 있다. 

현재 강의 일정이 나온 상태인데 이 책의 내용을 참고하여 강의를 하는데에도 많은 도움이 될 것 같다. 데이터 분석을 하는 현업에 계시는 분들도 데이터 분석을 하는데에 생성형 AI를 어떻게 접목했는지 도움이 될 거라 생각한다.

도서는 길벗체험단에 선정되어 제공받았습니다.

안녕하세요.

이번에 데이터 분석에 관심이 생겨 읽게 된 책입니다.

바로 길벗출판사에서 출간한 신간 매출을 만드는 데이터 분석 with 챗GPT 도서인데요.

저자인 조선미님은 데이터는 고객의 행동과 시장의 흐름, 비즈니스의 방향을 결정짓는 강력한 도구라고 말합니다.

이런 도구를 잘 활용하기 위해서는 방대한 데이터를 수집해야 하고, 정리, 분석 그리고 시각화해서 인사이트를 끌어내야 하는데 이 복잡한 과정을 어디서부터 시작해야 할까요?

그 질문에서 이 책은 출발합니다.

책에서는 두 개의 도구를 소개합니다.

SQL과 챗GPT인데요.

SQL 문법을 몰라도 너무 걱정하지 않으셔도 됩니다.

왜냐고요?

바로 챗GPT가 있기 때문이죠.

책을 통해 자세하게 포스팅 해 보겠습니다.

책을 따라 학습하기 위해서는 데이터 파일이 필요한데요.

깃벗출판사 홈페이지에서 다운로드 할 수 있습니다.

전에 필드에서 근무할 때 SQL 데이터를 분석하기 위해서 엑셀을 공부한 적이 있습니다.

기본 엑셀이 아니다 데이터 분석용 엑셀이었죠.

그런데 의외로 쉽지 않았습니다.

일단 수학적인 함수에 대한 개념이 필요했습니다.

그런데 이제는 챗GPT를 통해 작업을 진행하기 때문에 개념만 알고 작업을 진행하면 되니 무척 편리해 졌다는 생각을 하게 되네요,.

요즘 알고리즘이란 단어가 일반 명사처럼 쓰이는 것을 볼 수 있습니다.

학생들과 수업을 할 때도 알고리즘에 대한 이해가 어느 정도 되어 있습니다.

가장 많이 쓰는 단어가 유튜브 알고리즘인데요.

이런 알고리즘은 기본적으로 데이터 분석을 통해 만들어지죠.

SQL이란

SQL(Structured Query Language)은 관계형 데이터베이스 관리 시스템(RDBMS)에서 데이터를 정의, 조작, 제어, 조회하기 위해 사용하는 표준 프로그래밍 언어입니다. 엑셀과 유사한 테이블 형식의 데이터에서 필요한 정보를 효율적으로 찾고, 추가, 수정, 삭제하는 데 활용되며, 거의 모든 데이터베이스(MySQL, Oracle 등)에서 사용되는 핵심 기술입니다.

SQL의 핵심 특징 및 구성표준화: ANSI 표준을 따라 대부분의 RDBMS(MySQL, Oracle, Microsoft SQL Server 등)에서 사용 가능.

언어 구성:

DDL (데이터 정의 언어): 테이블 구조 생성 및 변경 (CREATE, ALTER, DROP).

DML (데이터 조작 언어): 데이터 추가, 수정, 삭제 (INSERT, UPDATE, DELETE).

DQL (데이터 질의 언어): 특정 데이터 조회 (SELECT).

DCL (데이터 제어 언어): 권한 관리 (GRANT, REVOKE).

TCL (트랜잭션 제어 언어): 일괄 작업(COMMIT, ROLLBACK)

이런 구조로 구성이 되어 있는데요.

매출을 만드는 데이터 분석 with 챗GPT

조선미2026길벗

그래서 데이터 분석이 특정 부서나, 전문가만 할 수 있는 분야였습니다.

그런데 지금은 챗GPT 덕분에 누구나 할 수 있어 다양한 분석이 가능해졌습니다.

더 나아가 챗GPT는 데이터 시각화의 복잡한 부분을 단순화해 비즈니스 리더가 데이터를 기반으로 신속하게 의사 결정을 내릴 수 있도록 돕습니다.

예를 들어, 영업 팀이 

"이번 분기 동안 특정 제품의 판매 성과를 지역별로 비교하고 싶다" 라고 질문하면 챗GPT는 자동으로 SQL 쿼리를 생성해 데이터를 추출하고 막대그래프를 통한 시각화를 제공해 줍니다.

2장부터 데이터 분석에 대해 설명해 주는데요.

비지니스 모델을 통해 데이터 분석하는 방법을 익힐 수 있고요.

챗GPT를 활용해서 분석하는 과정도 설명해 줍니다.

전 이상치 확인하고 제거하는 파트를 읽으면서 정말 인공지능이 대단하단 생각을 했습니다.

그리고 중요한 포인트 중에 하나가 시각화인데요.

책에서는 태블로, Power BI, 구글 루커 스튜디오를 소개해 줍니다.

이 책에서는 무료로 사용할 수 있는 태블로 퍼블릭 제품을 사용하는데요.

설치에서부터 시작하기 때문에 저처럼 처음 학습하는 분에게도 유용한 도구네요

2부는 진짜 실전 비즈니스에 써먹는 데이터 분석입니다.

진짜 '매출'을 만들어내기 위해 데이터를 어떻게 해석하고 비즈니스 인사이트를 뽑아내야 하는지 구체적인 실전 방법을 제안합니다.

8장 이커머스 제품별 매출 기여도 분석

9장 시계열 데이터 분석을 이용한 마케팅 수요 예측

10장 웹 트래픽을 분석해 고객 행동 이해

11장 고객 이탈 가능성 분석

12장 A/B 테스트 설계

13장 고객 세그멘테이션으로 전략 세분화

14장 고객 만족도 분석

15장 디지털 마케팅 성과 분석

16장 고객 생애 가치를 계산하고 마케팅 예산 짜기

17장 실전 데이터 분석 Tip

볼륨도 구체적인 실전 비즈니스에 포인트를 맞춰 만든 책이라 데이터 분석을 공부하는 분에게 좋은 책입니다.

그리고 부록에는 기초 SQL 사용법을 정리해 놓았습니다.

이런 분들께 강력 추천합니다!

데이터 분석이 필요하지만 코딩 배울 엄두가 안 나는 비전공자/문과생 직장인

당장 내 쇼핑몰의 매출 데이터를 분석해 스케일업하고 싶은 1인 창업자 및 소상공인

챗GPT를 단순한 글쓰기 도구가 아닌, 강력한 업무 치트키로 쓰고 싶은 스마트 워커

챗GPT로 대변하고 있는 인공지능 시대에는 학습도 AI기술을 활용하는 것이 좋습니다.

복잡한 툴 학습에 시간을 낭비하지 마세요. 

이제는 기술이 아니라 '어떤 질문을 던지느냐'가 실력이 되는 시대입니다. 

《매출을 만드는 데이터 분석 with 챗GPT》와 함께 인공지능의 날개를 달고, 여러분의 업무 성과와 매출을 2배, 3배로 끌어올려 보세요!

인공지능, 특히 거대언어모델을 업무상 다방면으로 활용하실 것입니다. 저 역시 계약서 검토나, 코딩이나, 아니면 PPT를 만들거나 다양한 요소로 사용하고 있습니다. 그런데 그 중에서도 시간대비 효율성이 가장 높은 분야는 단연코 데이터 분석이라고 생각합니다. 과거와 같이 엑셀을 통해서 데이터 분석이 가능하지만, 이를 데이터분석의 대부분의 역할은 반복되는 패턴요소를 파악하고 이를 추출하여 결과물을 만드는 것에 있기 때문입니다. 그리고 데이터 분석자체는 의사결정에 큰 의미가 없기 때문에 이를 시각화하는 과정이 필요합니다. 이 과정에서 Power BI나 세일즈포스의 태블로를 사용하는데요. GPT등의 거대언어모델로 이를 굉장히 단순화할 수 있고, ＜매출을 만드는 데이터분석 with 챗 GPT＞는 바로 이를 위한 방법론을 담은 서적입니다. 

기존의 데이터분석은 상당한 스킬이 필요합니다. 먼저 데이터 분석 목적을 잡아야 합니다. 그 이후에는 일단은 API연동이든 직접 수신을 받던간에 데이터를 받으면 1차 가공을 합니다. 그 이후는 데이터 분류를 합니다. 이것을 데이터 전처리라고 합니다.  데이터 전처리가 되면 BI나 태블로를 통해 해당 시각화 소프트웨어에 맞게 다시한번 분류를 한뒤 시각화의 각종 기능사용해서 시각화 리포트를 만드는게 일반적인 데이터 분석과 시각화인데, 이 과정의 목적은 '유용한 데이터를 선별'하고 시계열이나 분류체계를 통해 '의사결정'을 위함입니다. 문제는 반복업무가 아닌 이상 상당한 시간이 소요된다는 점이고 LLM은 프롬프트를 통해 이를 굉장히 빠르게 할 수 있다는 장점이 있습니다. 

본서는 SQL, 그리고 LLM을 접목해서 데이터 분석과 시각화를 하는 방법을 기술합니다. 여기에 고객관련 데이터를 받아서 대시보드를 만들고 A/B테스트 설계까지 해서 마케팅에 활용하는 방법까지 구현하니, 실제 디지털 마케팅, 데이터분석 현업에서 사용할 수 있는 방법론등을 담습니다. 특히 서적을 따라면 해도 디지털 마케팅의 기초를 배울 수 있다는 점은 큰 장점으로 보입니다. 그런데 한가지 중요한 점이 있습니다. 하나는 마케팅관련 방법론, 둘은 SQL과 데이터 시각화를 할 줄 알아야 의미있다는 것입니다. 본서에 나온 방법을 그대로 따라하면 본서에 나온 내용만 할 수 있을 뿐입니다. 즉 A라는 사례는 주입되었는데 B와 C의 마케팅은 하기 어렵다는 이야기입니다. 

본서에서 기초 SQL을 넣은 이유가 바로 여기에 있습니다. SQL에 대한 프롬프트 입력으로 데이터 전처리를 쉽게 할 수 있지만 사용자가 SQL의 기본 개념이나 태블로/BI의 작동방법을 모르면 결국 다른 사례에서 활용할 수 없습니다. 따라서 본서를 가장 잘 활용하기 위해서는 SQL과 데이터분석, 데이터시각화를 직접 할 줄 알아야합니다. 어찌보면 더 편리한 방법을 사용하기위해 기본적인 것을 다시 공부해야하는 역설일수 있습니다. 그런데 자주 강조한바 인공지능을 잘 사용하려면 사용자가 아는게 많아야 하니 너무나 당연한 이야기이기도 합니다. 

'인공지능을 잘 사용하는방법'