초보자가 애널리스트 되려면 이렇게 준비하면 됩니다

애널리스트라는 일을 처음 들었을 때

얼마 전 지인이 취업 상담을 하다가 “애널리스트는 숫자만 잘 보면 되는 직업 아니야?”라고 묻더라고요. 사실 저도 처음에는 비슷하게 생각했습니다. 그런데 실제 채용 공고나 현업 인터뷰를 보면 조금 다릅니다. 숫자를 보는 일은 맞지만, 그 숫자가 왜 움직였는지 설명하고 앞으로 어떤 선택을 해야 할지 말로 풀어내는 일이 더 큽니다.

애널리스트는 말 그대로 분석하는 사람입니다. 금융권에서는 기업 실적과 산업 흐름을 분석하는 리서치 애널리스트가 익숙하고, IT 회사에서는 데이터 애널리스트가 고객 행동이나 매출 지표를 봅니다. 기업 내부에서는 사업 애널리스트, 전략 애널리스트, 마케팅 애널리스트 같은 이름도 자주 보입니다. 이름은 달라도 공통점은 분명합니다. 흩어진 정보를 모아 의미 있는 판단으로 바꾸는 일입니다.

애널리스트가 실제로 하는 일

겉으로 보면 엑셀과 차트만 다루는 직업처럼 보이지만 하루 일과는 꽤 다양합니다. 예를 들어 데이터 애널리스트라면 전날 가입자 수, 구매 전환율, 이탈률 같은 지표를 확인합니다. 전환율이 3.2%에서 2.7%로 떨어졌다면 단순히 “떨어졌다”에서 끝나지 않습니다. 특정 광고 채널의 유입 품질이 낮아졌는지, 결제 페이지 오류가 있었는지, 가격 변경이 영향을 줬는지 확인해야 합니다.

금융권 애널리스트도 비슷합니다. 어떤 기업의 영업이익률이 12%에서 9%로 낮아졌다면 원재료 가격 때문인지, 판매량 감소 때문인지, 환율 영향인지 나눠서 봅니다. 그리고 그 내용을 보고서로 작성합니다. 좋은 애널리스트는 숫자를 많이 아는 사람보다 숫자의 흐름을 이야기로 연결하는 사람에 가깝습니다.

• 자료 수집: 공시, 통계, 내부 데이터, 시장 보고서 확인
• 분석: 매출, 비용, 고객 행동, 산업 변화 등 비교
• 해석: 숫자 변화의 원인과 의미 찾기
• 전달: 보고서, 대시보드, 발표 자료로 공유
• 제안: 다음 의사결정에 필요한 선택지 제시

초보자가 먼저 준비할 역량

애널리스트를 준비한다고 해서 처음부터 어려운 통계 모델이나 코딩부터 파고들 필요는 없습니다. 물론 SQL, Python, 엑셀, 시각화 도구는 중요합니다. 다만 순서를 잘 잡는 게 더 현실적입니다. 제 주변에서 빠르게 적응한 사람들은 공통적으로 기본기를 먼저 단단히 만들었습니다.

1. 엑셀과 스프레드시트

가장 먼저 익힐 도구는 엑셀입니다. 피벗 테이블, VLOOKUP 또는 XLOOKUP, 필터, 조건부 서식, 기본 차트 정도만 익혀도 초보 단계에서는 꽤 많은 일을 할 수 있습니다. 실제 회사에서도 작은 분석은 여전히 엑셀로 처리하는 경우가 많습니다. 숫자를 빠르게 확인하고 이상한 값이 있는지 찾는 감각을 기르기 좋습니다.

2. SQL

데이터 애널리스트를 목표로 한다면 SQL은 거의 필수에 가깝습니다. 데이터베이스에서 필요한 값을 직접 가져와야 하기 때문입니다. 처음에는 SELECT, WHERE, GROUP BY, JOIN 정도만 익혀도 충분합니다. 예를 들어 월별 매출, 신규 고객 수, 재구매율 같은 지표를 직접 뽑을 수 있으면 업무 이해도가 확 올라갑니다.

3. 글쓰기와 말하기

의외로 많이 놓치는 부분이 커뮤니케이션입니다. 분석 결과가 좋아도 상대가 이해하지 못하면 가치가 줄어듭니다. “이번 달 매출이 감소했습니다”보다 “신규 유입은 유지됐지만 재구매 고객 매출이 전월 대비 18% 줄면서 전체 매출이 낮아졌습니다”라고 말하는 편이 훨씬 선명합니다. 숫자, 원인, 의미를 짧게 연결하는 연습이 필요합니다.

애널리스트 준비 방법

처음 시작한다면 작은 프로젝트를 직접 만들어보는 방식이 가장 좋습니다. 거창한 데이터가 없어도 됩니다. 공공데이터포털, 통계청, 금융감독원 전자공시, 구글 트렌드처럼 무료로 볼 수 있는 자료가 많습니다. 예를 들어 커피 프랜차이즈 매장 수 변화, 배달 앱 검색량 변화, 특정 산업의 분기 실적 흐름을 주제로 잡을 수 있습니다.

프로젝트는 복잡할 필요가 없습니다. 3단계면 충분합니다. 첫째, 질문을 정합니다. 둘째, 데이터를 모읍니다. 셋째, 그래프와 문장으로 해석합니다. “최근 3년간 A 산업의 매출은 왜 늘었을까?” 같은 질문 하나만 있어도 분석이 훨씬 탄탄해집니다. 질문 없이 데이터를 보면 표만 커지고 방향은 흐려집니다.

• 관심 산업 하나 고르기
• 최근 2~3년치 수치 모으기
• 월별 또는 분기별로 비교하기
• 증가와 감소가 큰 시점 표시하기
• 원인으로 보이는 뉴스나 이벤트 연결하기
• 1페이지 보고서처럼 작성하기

포트폴리오를 만들 때는 화려한 디자인보다 읽기 쉬운 구조가 중요합니다. 문제 제기, 사용한 데이터, 분석 과정, 발견한 점, 제안 순서로 쓰면 보는 사람이 편합니다. 특히 신입이나 전환 지원자라면 “도구를 쓸 줄 안다”보다 “문제를 어떻게 쪼개서 봤는지”를 보여주는 편이 더 강합니다.

채용 공고를 볼 때 놓치기 쉬운 부분

애널리스트 채용 공고를 보면 요구 조건이 꽤 길게 느껴집니다. SQL, Python, Tableau, GA4, 통계, 비즈니스 이해도까지 한 번에 적혀 있는 경우도 많습니다. 그런데 모든 항목을 완벽하게 갖춰야 지원할 수 있다는 뜻은 아닙니다. 실제로는 회사마다 가장 중요하게 보는 부분이 다릅니다.

커머스 회사라면 구매 전환율, 객단가, 재구매율 같은 지표 이해가 중요할 수 있습니다. 콘텐츠 회사라면 조회 수, 시청 유지율, 구독 전환, 이탈률을 많이 봅니다. 금융 리서치 쪽이라면 재무제표, 산업 구조, 기업 가치평가에 익숙해야 합니다. 그래서 먼저 분야를 좁히는 게 좋습니다. 애널리스트라는 이름만 보고 준비하면 범위가 너무 넓어집니다.

연봉이나 성장성도 분야에 따라 차이가 납니다. 일반적으로 데이터 활용이 활발한 IT, 금융, 플랫폼 기업에서는 애널리스트 역할의 영향력이 큰 편입니다. 반대로 데이터 문화가 아직 약한 조직에서는 분석보다 단순 보고서 작성 비중이 커질 수 있습니다. 면접에서 “분석 결과가 실제 의사결정에 어떻게 반영되나요?”라고 물어보면 조직 분위기를 어느 정도 짐작할 수 있습니다.

처음부터 완벽할 필요는 없습니다

애널리스트 준비를 시작하면 배울 것이 너무 많아 보여서 금방 지치기 쉽습니다. 엑셀을 하다 보면 SQL이 필요해 보이고, SQL을 배우다 보면 Python도 해야 할 것 같고, 그러다 통계와 머신러닝까지 눈에 들어옵니다. 근데 처음부터 전부 잘하려고 하면 오히려 손이 멈춥니다.

가장 현실적인 순서는 하나의 분야를 고르고, 그 분야의 대표 지표를 익히고, 작은 분석 프로젝트를 2~3개 완성하는 것입니다. 보고서 한 장이라도 스스로 질문을 세우고 데이터를 찾아 해석해본 경험은 꽤 오래 남습니다. 애널리스트는 결국 복잡한 상황 속에서 “그래서 지금 무엇을 봐야 하는지”를 잡아내는 사람입니다. 그런 감각은 책만 읽는다고 생기기보다 직접 숫자를 만져보고, 틀려보고, 다시 설명해보는 과정에서 조금씩 만들어진다고 생각합니다.