매출을 만드는 데이터 분석 with 챗GP

 "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

매출을 만드는 데이터 분석 with 챗GPT

 

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."