AI시대가 이미 다가와 버렸다. 직업으로 하던 데이터 분석도 AI를 통하면 쉽고, 빠르고, 다양하고, 풍부하게 분석결과를 만들어 준다. 큰일났다. 내 직업은...
하지만, 걱정한다고 해결되는 것은 아니다. 통찰을 가져야 한다. 아니면, 통찰을 찾아야 한다.
여기 글은 데이터 분석가로서 AI 시대의 통찰을 찾는 과정에서 만난 글이다. 미디엄(Medium)에 실린 글로서 마이크로소프트 파워BI영역에서 발견하였다.
단, 글의 내용은 마이크로소프트의 툴 및 제품 중심으로 전개되고 있다. 하지만, 일반적인 툴로 전환하면 현재 필요한 스킬을 알게 될 것이다.
medium.com
이 글을 읽고 생각한 내용을 같이 적어둔다. 이 내용이 절대적일 수는 없지만, 어는 정도 AI시대를 살아가는데 도움을 줄 수 있기 때문이다.
제목은 "미래 BI 분석가가 알아야 할 사항: 2025년 이후 성공하기 위한 최고의 신기술"이다.
부제목으로 "현대 데이터 분석가가 더 이상 '단순히 기술적인' 것에만 머물 수 없는 이유"라고 붙여져 있다. 단순히 기술적인 것에 머물지 말라는 의미가 담겼다. 즉, 계속 공부하고 생각하라는 것이다. 평생 교육이다.
미디엄에 소개된 내용은 단락으로 분리하여 사각형 상자에 넣어 두고, 그 아래 생각과 해석을 달았다. 괜히 원문의 의도를 회손할까 조심스럽다. 그리고 내용은 자동 번역된 한글을 참조 하였다.
이제 그 내용을 다루어보자.
2019년에는 BI 분석가라는 직업이 엑셀 전문가, 대시보드 작성자, 그리고 레거시 시스템에서 버려진 데이터를 정리하는 역할을 맡았습니다. 2025년으로 넘어가면 그 역할은 거의 알아볼 수 없을 정도로 변했습니다.
2025년 초, 저는 SQL 5년 경력, Power BI 자격증 3개, 그리고 방대한 Excel 파일 처리 경험을 갖춘 지원자와 마주 앉았습니다. 기술적으로 그들은 모든 조건을 충족했습니다. 하지만 면접 시작 15분 만에 드러난 사실은 그들이 사업을 제대로 이해하지 못한다는 것이었습니다. 데이터를 의사 결정에 연결하지 못한다는 것이었습니다.
아무도 언급하지 않는 침묵의 격차는 다음과 같습니다. 데이터 및 BI 분석가는 더 이상 단순한 기술 작업자가 아닙니다. 의사결정 설계자.
역할은 빠르게 진화하고 있습니다. 도구는 변화하고 있으며, 기대치는 높아지고 있습니다. AI, 로우코드 플랫폼, 비즈니스 중심 인텔리전스의 부상으로 분석가는 더 높은 수준으로 발전해야 하며, 그렇지 않으면 대체될 위험이 있습니다.
그렇다면 현대적이고 미래의 데이터 또는 BI 분석가는 무엇을 알아야 할까요?
자세히 살펴보겠습니다.
2019년의 상황과 2025년 현재의 상황에서 데이터분석가 또는 BI 분석가의 역할의 변화가 필요했다. 단순히 기술적이고 기능적인 역할에서 의사결정을 설계하는 기업의 중추적인 역할로의 진화이다. 기존 기술 능력이 좋은 사람도 사업을 이해하지 못하면 의사결정을 주도할 데이터의 편성이 어렵기 때문입니다.
이전 엑셀, DB 등으로 월별 매출액, 지역별 매출액, 전년도/전월과의 비교와 같은 단순 수치적인 정보만을 제공했습니다. 하지만 이제 그것은 전문 툴로 쉽게 처리가 됩니다. 이제는 대시보드 또는 의사결정을 지원할 데이터의 연계를 그려주는 업무가 필요하게 된 것이죠.
역할이 바뀐 이유
정적인 대시보드, 월별 보고서, 그리고 좁은 범위의 KPI를 추구하던 시대는 이제 사라지고 있습니다. 오늘날의 비즈니스 리더들은 다음과 같은 것을 원합니다.
- 실시간 동적 통찰력
- Copilots를 통한 자연어 쿼리
- "무슨 일이 일어났는가"를 넘어서는 예측 모델
전월, 전일 등 과거 데이터는 이미 발생한 상황이어서, 미래를 알고 싶고 현재를 분석하는 데에는 제한이 있는 것이죠. 그래서 실시간 데이터를 이용한 동적 통찰력을 가지고 싶어합니다. 더군다나 툴이 좋아진 요즘 AI까지 참여하다 보니 자연어로 쿼리를 하고자 하는 경향이 발생하였습니다.
일일이 수작업을 하던 수치 작업은 현대의 빠름과 민첩함에 대응해 나가기 어렵습니다. 이제 예측을 통해 미래를 선점하고 있기 때문이죠.
한편, Microsoft Fabric, Power BI Copilot 과 같은 플랫폼 과 Cursor AI 와 같은 도구 덕분에 분석가 없이도 누구나 대시보드를 구축하거나 데이터에 대한 질문을 하는 것이 더 쉬워졌습니다.
그러면 당신은 어떻게 될까요?
즉, 여러분의 역할은 단순히 데이터를 분석하는 것이 아니라, 데이터를 해석하고, 설명하고, 이를 통해 영향을 미치는 것 입니다 .
지금의 AI는 우리 질문에 답하는 상황을 넘어 IT 개발자의 코딩 자리도 넘보고 있습니다. Cursor AI가 대표적이죠. VS Code에 착 달라붙어서 사용자가 원하는 쿼리를 바로 짜 주고 있기 때문입니다.
개발자가 코딩하면서 만나는 오류의 대부분은 오탈자 때문입니다. 파이썬 강의를 해 보면 학생들 질문의 95%가 오타 때문에 발행한 문제였습니다.
이제 우리 데이터 분석가는 명칭 처림 분석에 머물지 말고 보여지는 데이터를 해석하고, 설명하면서 기업 경영의 의사결정에 참여하는 활동이 되어야 합니다.
컴퓨터는 초기 산술적 계산을 하는 기기였으나, 이제는 데이터 처리를 담당하였습니다. 그게 정보통신 혁명 시기이죠. 이제는 분석과 예방 조치까지 하는 전반적인 상황을 담당하게 되었습니다. AI는 이것을 뛰어 넘어 인간의 동반자가 되료하고 있습니다.
2025년 데이터 및 BI 분석가의 새로운 기술 세트
- AI 증강 분석
- 데이터 스토리텔링과 비즈니스 유창성
- 엔드투엔드 워크플로우 리터러시(특히 Microsoft Fabric에서)
- 운영 지표 및 KPI 설계
- 최신 SQL 및 DAX 마스터리
- 신속한 엔지니어링 및 노코드 툴 스태킹
1. AI 증강 분석
Power BI Copilot과 같은 AI 도구를 경쟁이 아닌 활용하는 방법
쿼리를 작성하는 방법을 아는 것은 유용합니다. 하지만 AI Copilot이 고객 이탈 이상 징후를 쉬운 언어로 표시하도록 유도하는 방법을 아는 것은 필수적입니다.
다음이 필요합니다.
- 분석 도구에 대한 AI 프롬프트 이해
- 조종사가 잘못되었거나 불완전한 경우 발견
- AI 기반 내러티브를 사용자 지정하고 수정합니다.
쿼리를 작성하는 방법을 아는 것은 유용합니다. 하지만 AI Copilot이 고객 이탈 이상 징후를 쉬운 언어로 표시하도록 유도하는 방법을 아는 것은 필수적입니다.
다음이 필요합니다.
- 분석 도구에 대한 AI 프롬프트 이해
- 조종사가 잘못되었거나 불완전한 경우 발견
- AI 기반 내러티브를 사용자 지정하고 수정합니다.
AI 증강분석은 AI를 이해하고 같이 일 하는 부분에 대한 내용입니다. AI는 Chat GPT 이후 다양한 종류가 나왔습니다. 여기서 이 얘기하는 Copilot은 MS 제품입니다.
AI와 같이 하기 위한 프롬프트 이해와 우리가 작업 내용의 불완전 부분을 발견하고 AI의 결과물을 사용자가 참여하여 조정하는 것입니다. 즉, 같이 동행해야 하는 것이죠.
2. 데이터 스토리텔링과 비즈니스 유창성
데이터를 시각화하는 것만으로는 충분하지 않습니다. 데이터를 설명할 수 있어야 합니다. 분석가는 숫자만큼이나 단어에도 능숙해야 합니다.
주요 기술:
- 비즈니스 우선순위 내에서 통찰력을 프레이밍
- 비기술 팀을 위한 데이터 단순화
- 매력적인 시각적 내러티브 제작
연습 팁:
연례 보고서를 읽고 대시보드로 만들어 보세요. 그런 다음 CEO에게 브리핑하듯 3분 분량의 요약을 작성해 보세요.
주요 기술:
- 비즈니스 우선순위 내에서 통찰력을 프레이밍
- 비기술 팀을 위한 데이터 단순화
- 매력적인 시각적 내러티브 제작
연습 팁:
연례 보고서를 읽고 대시보드로 만들어 보세요. 그런 다음 CEO에게 브리핑하듯 3분 분량의 요약을 작성해 보세요.
우리 주변에 데이터가 넘쳐 나고 있습니다. 이 데이터를 어떻게 보여주어야 할까요?
그 중심에는 스토리텔링이 있습니다. 즉, 우리 환경 또는 기업의 환경에 따라 스토리를 만들어 제공하는 것이죠. 그러기 위해서는
시각화 중심의 대시보드 제공이 필요합니다. 상사에게 브리핑하듯 정보 제공의 스토리를 구성하는 것이죠.
물론 실무자를 위한 실무 시스템도 필요합니다. 빠르게 정보를 편성하고, 데이터를 다운로드하고, 쉬운 그래프로 정보 전달과 현황을 알 수 있도록 하는 것이죠.
3. 엔드투엔드 워크플로우 리터러시(특히 Microsoft Fabric에서)
오늘날 분석가들은 다음 사항을 이해해야 합니다.
- 데이터가 저장되는 위치 (예: Lakehouse, Dataflows Gen2)
- 데이터 파이프라인의 이동 방식
- 모델링 방식 (Lakehouse SQL Endpoints, 의미 모델)
- 표면화 방식 (Power BI 또는 기타 프런트엔드 도구)
Microsoft Fabric은 백엔드를 간소화하지만, 코드 없이도 Fabric 스택 전반에서 작업할 수 있는 분석가에 대한 수요가 많습니다.
- 데이터가 저장되는 위치 (예: Lakehouse, Dataflows Gen2)
- 데이터 파이프라인의 이동 방식
- 모델링 방식 (Lakehouse SQL Endpoints, 의미 모델)
- 표면화 방식 (Power BI 또는 기타 프런트엔드 도구)
Microsoft Fabric은 백엔드를 간소화하지만, 코드 없이도 Fabric 스택 전반에서 작업할 수 있는 분석가에 대한 수요가 많습니다.
데이터 분석가는 워크플로우를 이해해야 합니다. 엔드투엔드(End-To-End)로 데이터의 흐름을 이해하고 전달해야 합니다. 다양한 데이터는 바로 RDB에 저장하기보다는 데이터레이크를 거쳐서 활용하는 방식도 고려되어야 합니다.
그런 데이터를 보여주는 UI도 MS의 power BI 같은 전문툴을 활용하면, 즉각적인 정보 제공과 유연성을 확보할 수 있습니다. 이런 때 Power BI 같은 툴을 익혀 두면 되겠습니다.
4. 운영 지표 및 KPI 설계
현대의 분석가는 기존의 KPI를 보고하는 데 그치지 않고, 변화하는 비즈니스 현실을 반영하는 더욱 스마트한 지표를 설계합니다.
다음을 배우세요:
- 이해관계자와 협력하여 실행 가능한 KPI를 정의합니다.
- 허영 지표를 넘어서다
- 지연 지표와 선행 지표를 효과적으로 활용하세요
다음을 배우세요:
- 이해관계자와 협력하여 실행 가능한 KPI를 정의합니다.
- 허영 지표를 넘어서다
- 지연 지표와 선행 지표를 효과적으로 활용하세요
지표를 만들고 그 데이터와 화면을 제공해 봅시다. 재무에서 사용하는 매출성장률, 물류에서 사용하는 재고 회전율 등 회사의 상황을 잘 보여 주는 지표를 선정하여 정보를 제공해야 합니다. 또한 새로운 지표를 만들어서 기업환경에 유연하게 대응하는 정보를 제공해 주어야 합니다. 이런 지표는 이해관계자와 연동될 때 효과가 좋습니다.
5. 최신 SQL 및 DAX 마스터리
SQL은 사라지지 않을 것입니다. 하지만 2025년에는 다음이 필요할 것입니다.
- 고급 윈도
- 함수명확성을 위한 공통 테이블 표현식(CTE)
- Microsoft Fabric 또는 Synapse 내부 성능 최적화
- 동적이고 반응성이 뛰어난 Power BI 시각적 요소를 위한 DAX 패턴
SQL과 DAX에 모두 능통하면 모든 최신 도구에서 독립성과 유연성을 확보할 수 있습니다.
- 고급 윈도
- 함수명확성을 위한 공통 테이블 표현식(CTE)
- Microsoft Fabric 또는 Synapse 내부 성능 최적화
- 동적이고 반응성이 뛰어난 Power BI 시각적 요소를 위한 DAX 패턴
SQL과 DAX에 모두 능통하면 모든 최신 도구에서 독립성과 유연성을 확보할 수 있습니다.
SQL은 데이터를 조회하기 좋은 데이터 언어입니다. 그리고 오랜 시간 발전해 왔습니다. 특히 IT관련 많은 사람이 사용할 줄 알죠. SQL은 기본적으로 ANSI 표준을 따릅니다.
하지만, MS는 자체적인 DAX를 활용하여 쿼리를 합니다. 엑셀을 만든 MS 답게 엑셀처럼 언어가 되어 있습니다. 어렵지 않으니, 기회가 되면 활용해 보시기를 권합니다.
6. 신속한 엔지니어링 및 노코드 툴 스태킹
많은 분석가들은 다음을 사용하여 워크플로를 구축합니다.
- Power BI Copilot
- 문서 쿼리를 위한 ChatGPT 또는 Copilot Studio
- 로우코드 스크립팅을 위한 Cursor AI 또는 Replit
- 자동화를 위한 Zapier/Make/Fabric 파이프라인
로우코드와 AI를 활용하여 인사이트를 조율하는 능력이 새로운 "기술"입니다. 1만 줄의 코드를 작성하는 것이 아니라, 생태계를 조율하는 것이 중요합니다.
- Power BI Copilot
- 문서 쿼리를 위한 ChatGPT 또는 Copilot Studio
- 로우코드 스크립팅을 위한 Cursor AI 또는 Replit
- 자동화를 위한 Zapier/Make/Fabric 파이프라인
로우코드와 AI를 활용하여 인사이트를 조율하는 능력이 새로운 "기술"입니다. 1만 줄의 코드를 작성하는 것이 아니라, 생태계를 조율하는 것이 중요합니다.
이제 워크플로우입니다. 데이터 처리의 처음과 마지막, 그리고 중간과정의 처리를 일관성 있게 진행하게 하죠. 여기서 언급된 Power BI Copilot, ChatGPT, Copilot Studio, Cursor AI, Replit, Zapier/Make/Fabric 파이프라인과 같은 툴을 익히면 훨씬 업무가 편하고 유연해질 것입니다.
무시할 수 없는 소프트 스킬
기술적 숙련도는 이야기의 절반일 뿐입니다. 나머지는 영향력입니다.
- 의사소통:
마케팅이나 재무팀에 데이터 논리를 명확하게 설명할 수 있나요?
- 호기심:
단순히 숫자를 옮기는 것이 아니라 통찰력을 얻는 질문을 하고 계신가요?
- 적응성:
AI가 모델링부터 시각화까지 모든 것을 바꾸는 상황에서 빠르게 방향을 전환할 수 있을까요?
- 의사소통:
마케팅이나 재무팀에 데이터 논리를 명확하게 설명할 수 있나요?
- 호기심:
단순히 숫자를 옮기는 것이 아니라 통찰력을 얻는 질문을 하고 계신가요?
- 적응성:
AI가 모델링부터 시각화까지 모든 것을 바꾸는 상황에서 빠르게 방향을 전환할 수 있을까요?
데이터 분석가는 데이터를 다루어 의사결정에 참여합니다. 여기서 놓치면 안 되는 것이 영향력입니다. 분석가가 만든 정보가 유익해야겠죠. 유익함을 위해서는 의사소통이 되어야 하고, 통찰력을 유도해야 하고, 시대 변화에 빠르게 적응할 수 있는 구조를 담아야 하는 것이죠.
마지막으로 이 글에서 2025년 분석 툴킷을 보여주고 있습니다. MS 제품군 위주입니다. 프런트엔드, 데이터 모델링, 오토메이션, 데이터 엔지니어링, 스토리텔링 각 영역에서 툴을 제안하고 있습니다. 꼭 이게 아니더라도 유산한 툴을 찾아서 적용하시면 됩니다.
다음 10년을 이끌어갈 분석가는 단순히 CSV를 정리하거나 KPI를 설계하는 방법을 아는 사람이 아닙니다. 그들은 빠르고, 정확하고, 맥락에 맞는 의사 결정에 영향을 미칠 수 있는 사람입니다.
2025년의 데이터 또는 BI 분석가라면, 당신의 경쟁력은 단순히 도구에만 있는 것이 아닙니다. 바로 사고력, 추진력, 비즈니스 감각, 그리고 스토리텔링 능력에 있습니다.
Dossier Analysis and Solutions LLC는 현대 비즈니스 팀에 맞춰 분석가 기술 향상 프로그램, Power BI Copilot 교육, Microsoft Fabric 구현, 전략적 데이터 스토리텔링 워크숍을 제공합니다.
마지막으로 데이터 분석가는 의사결정에 영향을 미치는 사람으로 정리하고 있습니다. 이를 위해 " 사고력, 추진력, 비즈니스 감각, 그리고 스토리텔링 능력"에 대해 언급하고 있습니다.
이러고 보니, 데이터를 이야기하고 툴을 이야기했지만 결로는 사람이었습니다. 즉, 사람과의 융합, 의사소통을 위한 활동이 데이터분석가의 미래임을 알려주고 있는 것이죠.
우리는 데이터를 다루고 있지만, 결국은 사람과의 관계에 참여하고 있는 것입니다. 이를 위해 인문학 책도 보고 소설도 보면서 의사소통에 참여해 보도록 합시다.