생성형 AI로 시작하는 데이터 분석

이 페이지는 “생성형 AI로 시작하는 데이터 분석” 연재 전체를 한눈에 볼 수 있도록 모아둔 안내 페이지입니다. 각 회차는 최신 글 목록에도 올라오지만, 처음 오신 분이라면 최신순이 아니라 이 순서대로 보시는 걸 권해드립니다.

이런 분들께 추천합니다

Python이나 R 같은 프로그래밍 언어를 배운 적이 없지만, 데이터 분석을 시작해보고 싶은 분
ChatGPT·Claude 같은 생성형 AI를 써본 적은 있지만, 데이터 분석에 어떻게 활용해야 할지 감이 안 잡히는 분
사내에서 데이터 분석 관련 업무를 맡았는데, 매번 개발팀에 코드를 부탁하기는 부담스러운 분
프롬프트를 대충 던져보긴 했는데, 결과가 왜 매번 다르고 왜 틀리는지 원리부터 알고 싶은 분

이 연재를 마치면 할 수 있는 것

생성형 AI가 왜 그럴듯한 오답(환각)을 내놓는지 원리를 이해하고, 결과를 그대로 믿지 않고 검증하는 습관을 갖게 됩니다
대화형·코파일럿·에이전트 방식의 차이를 알고, 상황에 맞는 도구를 고를 수 있습니다
분석 목적에 맞는 프롬프트를 9가지 요소로 구성하고, 대화로 다듬어갈 수 있습니다
Google Colab에서 Python 코드를 몰라도 생성형 AI가 짜준 코드를 실행하고 결과를 읽을 수 있습니다
고객 이탈 데이터, 반도체 품질 데이터를 가지고 “계획 수립 → 코드 생성 → 실행 → 보고서 작성”까지 처음부터 끝까지 직접 해봅니다

전체 목차

시작하며 — 생성형 AI로 시작하는 데이터 분석

Python 모르는 사람만 보세요.

코딩을 배운 적 없어도 생성형 AI와 대화하는 것만으로 데이터 분석을 시작할 수 있는 시대입니다. Python 문법이 아니라 ‘무엇을 물어봐야 하는지’가 새로운 기초 소양이 된 이유를 소개합니다.

1회 — 말귀를 못 알아듣던 신입(규칙 기반 AI)이, 어떻게 에이스(생성형 AI)가 되었을까?

규칙만 따르던 AI가 스스로 일하게 되기까지

신입은 시킨 일만 겨우 해냈지만, 에이스는 시키지 않은 일까지 알아서 처리합니다. 규칙 기반 AI에서 머신러닝, 딥러닝을 거쳐 생성형 AI에 이르는 인공지능의 발전 과정을 회사 생활에 비유해 풀어봅니다.

2회 — 에이스(생성형 AI)의 정체를 밝혀드립니다

생성형 AI가 답을 만들어내는 진짜 원리

생성형 AI는 정답을 알고 답하는 게 아니라, 다음에 올 말을 확률로 추측해서 이어붙입니다. 스마트폰 문자 자동완성과 같은 원리인데, 그 규모가 어마어마하게 커진 것뿐입니다. 프롬프트와 문맥이 왜 중요한지 이 원리로 설명합니다.

3회 — 생성형 AI의 말을 그대로 믿다간 큰일날 수 있습니다

환각과 인지부채 — AI를 쓸수록 똑똑해질까, 게을러질까

생성형 AI는 확률이 높은 답을 자신 있게 내놓을 뿐, 사실 여부를 검증하지 않습니다. MIT의 인지부채 연구와 METR의 AI 코딩 역설 연구를 통해, 왜 반드시 사람이 검토해야 하는지 살펴봅니다.

4회 — 생성형 AI를 사용하는 세 가지 방식

대화형·코파일럿·에이전트, 그리고 SK하이닉스·삼성전자의 실제 활용 사례

생성형 AI를 쓰는 방식은 크게 세 가지입니다. 물어보고 답을 받는 대화형, 작업 중인 화면 안에서 거들어주는 코파일럿, 목표만 주면 알아서 여러 단계를 수행하는 에이전트. ChatGPT·Gemini·Claude 비교와 SK하이닉스·삼성전자 사례까지 정리합니다.

5회 — 생성형 AI에게 작업을 시킬 때 기억해야 할 9가지 요소

지시·출력 형식·예시부터 역할까지, 프롬프트에서 빠뜨리기 쉬운 것들

좋은 프롬프트는 문장을 길게 쓰는 게 아니라, 필요한 요소를 빠뜨리지 않는 것입니다. 프롬프트를 구성하는 9가지 요소와 각각의 좋은 예·나쁜 예를 정리했습니다.

6회 — 생성형 AI와 대화하며 프롬프트를 다듬는 법

완벽한 프롬프트 대신, 단계별 요청과 나만의 GPT

완벽한 프롬프트를 한 번에 쓰려고 하지 마세요. 짧게 시작해서 대화로 다듬어가는 게 더 빠르고 정확합니다. 반복되는 조건을 매번 입력하지 않도록 시스템 프롬프트와 맞춤형 GPT를 만드는 법까지 실습으로 안내합니다.

7회 — Colab으로 Python 코딩을 시작해볼까요

Python·Colab 첫걸음, 코드 몰라도 괜찮습니다

Python 문법을 몰라도 됩니다. 실습에 필요한 최소한의 도구인 Google Colab 사용법과 데이터프레임의 기본 개념만 딱 필요한 만큼 정리했습니다.

8회 — 고객 이탈 데이터 분석 실습 (준비 중)

두 개의 GPT로 처음부터 끝까지 데이터 분석하기

Data Analysis Planner로 분석 계획을 세우고, Python Code Assistant로 노트북 전체를 한 번에 받는 전체 과정을 고객 이탈 데이터로 직접 실습합니다. 에러와 버그의 차이, 그리고 에러가 나면 어떻게 해결하는지도 함께 다룹니다.

9회 — 반도체 품질 데이터 실습 (준비 중)

9회 연재를 마무리하는 실전 종합 실습

Lot 정보, 검사 결과, 결함 상세, 계측 결과 네 가지 반도체 품질 데이터를 가지고, 두 개의 GPT로 분석 계획을 세우고 보고서 템플릿의 빈칸까지 자동으로 채우는 실습으로 9회 연재를 마무리합니다.

실습 데이터 · 코드 저장소

8회(고객 이탈 데이터 분석)와 9회(반도체 품질 데이터 분석) 실습에 쓰는 더미 데이터와 노트북, 보고서 템플릿은 모두 아래 GitHub 저장소에 있습니다.

저장소: github.com/HelloDataScience/python-using-gpt

각 실습 데이터의 상세 설명과 다운로드 링크는 해당 회차 글에 정리되어 있습니다.

다음 단계

이 9회 연재는 현재 전자책 형태로 다듬는 것을 검토하고 있습니다. 확정되면 이 페이지에 안내를 추가하겠습니다. 그 전까지는 이 페이지가 연재 전체의 기준점 역할을 합니다 — 새 글이나 개정 내용은 모두 여기에 먼저 반영됩니다.

궁금한 점이나 실습 중 막히는 부분이 있으면 각 글의 댓글로 남겨주세요.

나성호 (Seongho Na)