Chapter 1. 답변형 AI에서 실행형 분석 시스템으로 ? 기존 분석 업무를 데이터 입력, 해석, 처리, 검증, 보고 단계로 분해하고 Agent·Workflow·사람의 역할을 구분한다. 장별 산출물: 현재 업무 분석 지도, 자동화 후보 점수표, 사람 승인 지점 목록.
Chapter 2. AI 데이터 분석 Agent의 작동 구조 ? 데이터 프로파일링, 스키마 탐색, 분석 계획, 코드·SQL 실행, 결과 구조 선언, 자기검증, 실패 복구와 산출물 기억을 설계한다. 장별 산출물: 분석 Agent 역할 명세서, 예상 결과 구조 템플릿, 의미 오류 검수표.
Chapter 3. 분석부터 보고서까지 이어지는 Workflow 구축 ? 파일 수집, 품질 검사, 전처리, 분석, 차트 생성, 서술 초안, 검증, 배포를 하나의 재실행 가능한 흐름으로 연결한다. 장별 산출물: 엔드투엔드 Workflow 청사진, 단계별 입출력 계약서, 오류·재시도 정책, 보고서 생성 프롬프트.
Chapter 4. MCP 기반 분석 시스템 만들기 ? 데이터베이스, 파일 저장소, 코드 실행기, 시각화 도구, 문서 생성기를 MCP로 연결하고 call·loop·parallel·pipe·collect 패턴으로 오케스트레이션한다. 장별 산출물: MCP 도구 카탈로그, 권한 매트릭스, Workflow JSON 예제, 호출 로그·감사 체크리스트.
Chapter 5. 운영 가능한 미래형 AI 데이터 분석가 ? 정확도, 비용, 지연시간, 재현성, 데이터 보안과 사람 검토율을 관리하며 작은 자동화에서 팀 단위 분석 플랫폼으로 확장한다. 장별 산출물: 운영 KPI 대시보드 설계안, 배포 전 점검표, 30일 구축 로드맵, 역량 전환 계획.