Data Analysis
데이터를 수집, 정제, 분석하여 의미 있는 인사이트를 도출하고 의사결정에 활용하는 역량. 통계적 사고와 시각화 능력을 포함한다.
데이터 분석은 원시 데이터에서 패턴과 의미를 발견하여 비즈니스 의사결정을 지원하는 역량입니다. 데이터 수집과 정제, 탐색적 분석(Exploratory Analysis), 통계 검정(Statistical Testing), 시각화, 결과 해석과 커뮤니케이션까지 전 과정을 포괄합니다. 단순히 도구를 다루는 기술을 넘어, 올바른 질문을 던지고 데이터로 답을 찾아 실행 가능한 제안으로 연결하는 사고 체계가 핵심입니다.
스프레드시트나 기본 도구를 사용하여 데이터를 열어보고 구조를 파악할 수 있습니다. 행과 열의 의미를 이해하고, 정렬과 필터링으로 원하는 데이터를 찾을 수 있습니다. 평균, 합계 등 기본 집계 함수를 활용하며, 간단한 차트를 만들어 데이터를 시각적으로 표현할 수 있습니다.
다음 단계로
이 체크리스트를 대부분 달성했다면, Data Analyst 단계로 진입하여 데이터를 체계적으로 정제하고 기술통계로 요약하는 데 도전할 준비가 됐습니다. Bandura(1977)의 사회학습 이론에 따르면, 데이터 분석 시연과 분석 보고서 사례 관찰을 통해 자기효능감을 높이는 것이 효과적입니다.
SFIA 9 defines data analytics competency across 7 levels from Level 2 (assist) to Level 6 (lead), providing autonomy and complexity criteria directly used for level boundary setting.
Entry-Level, Mid-Level, Senior 3-tier structure with Analytical/Technical tracks, reflecting stage-specific competency differences in checklist behavior criteria.
Awareness-Comprehension-Application-Influence 4-stage proficiency framework providing governmental authority as an accredited data competency standard.
Presents a 5-stage analytics maturity model (Analytically Impaired to Analytical Competitors) with organizational analytics culture case studies, providing practical grounding for L4-L7 checklists on quantifying business impact and establishing organizational analytics systems.
