초보자를 위한 애널리스트 되는 방법, 준비 순서부터 일하는 방식까지

얼마 전 지인이 이직을 고민하면서 “애널리스트는 숫자만 잘 보면 되는 직업이야?”라고 묻더라고요. 사실 저도 처음에는 애널리스트라고 하면 증권사 리포트를 쓰는 사람만 떠올렸는데, 요즘은 금융권뿐 아니라 IT, 커머스, 게임, 제조업, 스타트업까지 꽤 넓은 영역에서 애널리스트를 찾습니다.

애널리스트의 일은 단순히 데이터를 많이 보는 것이 아닙니다. 숫자 뒤에 있는 흐름을 읽고, 왜 이런 변화가 생겼는지 설명하고, 다음 의사결정에 쓸 수 있는 형태로 바꾸는 일에 가깝습니다. 매출이 10% 늘었다는 사실보다 중요한 건 그 10%가 신규 고객 때문인지, 가격 인상 때문인지, 특정 채널의 이벤트 때문인지 가려내는 능력입니다.

애널리스트가 실제로 하는 일

애널리스트라는 이름은 같아도 회사와 산업에 따라 업무가 꽤 다릅니다. 증권사 애널리스트는 기업 실적, 산업 전망, 투자 의견을 분석하는 경우가 많고, 데이터 애널리스트는 서비스 이용자 행동이나 매출 지표를 분석합니다. 비즈니스 애널리스트는 현업 부서와 개발 조직 사이에서 요구사항을 정리하고 문제를 구조화하는 역할을 맡기도 합니다.

공통점은 하나입니다. 흩어진 정보를 판단 가능한 이야기로 바꾸는 일입니다. 예를 들어 쇼핑몰에서 장바구니 이탈률이 65%라면, 애널리스트는 단순히 “이탈률이 높다”고 말하는 데서 멈추지 않습니다. 결제 단계별 이탈, 배송비 노출 시점, 모바일과 PC 차이, 신규 고객과 기존 고객 차이를 나눠 봅니다. 그렇게 보면 어디를 고쳐야 하는지 훨씬 또렷해집니다.

처음 준비할 때 잡아야 할 기본기

애널리스트를 준비할 때 가장 먼저 필요한 건 화려한 도구보다 기본적인 사고방식입니다. 숫자를 보고 바로 답을 내리기보다 “이 숫자가 어떤 기준으로 만들어졌는지”, “비교 대상은 적절한지”, “기간을 바꾸면 해석이 달라지는지”를 확인하는 습관이 중요합니다.

• 엑셀 또는 스프레드시트로 표를 다루는 능력
• 기초 통계 개념, 평균과 중앙값의 차이 이해
• SQL로 필요한 데이터를 직접 꺼내는 능력
• 산업 뉴스와 기업 자료를 읽고 맥락을 잡는 습관
• 분석 결과를 글과 발표로 설명하는 힘

솔직히 말하면 처음부터 파이썬, 머신러닝, 고급 시각화까지 모두 잡으려고 하면 금방 지칩니다. 실무에서는 의외로 “이 매출 기준이 주문일인지 결제일인지”, “환불을 포함했는지”, “지난달과 비교할 때 영업일 수가 같은지” 같은 기본 확인이 더 자주 중요해집니다.

분야별로 준비 방법이 조금 다릅니다

금융 애널리스트

금융 쪽 애널리스트를 생각한다면 재무제표를 읽는 힘이 기본입니다. 매출, 영업이익, 순이익, 현금흐름이 각각 어떤 의미인지 알아야 하고, 같은 업종 기업끼리 비교하는 감각도 필요합니다. 예를 들어 영업이익률 8%가 낮은지 높은지는 산업에 따라 완전히 다르게 보입니다. 유통업에서는 괜찮은 수준일 수 있지만, 소프트웨어 기업이라면 다르게 평가될 수 있습니다.

데이터 애널리스트

데이터 애널리스트는 SQL과 지표 설계가 특히 중요합니다. 가입자 수, 활성 이용자 수, 재구매율, 전환율 같은 지표를 다루는데, 이름이 같아도 회사마다 계산 방식이 다릅니다. 월간 활성 이용자를 30일 내 접속자로 볼지, 특정 행동을 완료한 사람으로 볼지에 따라 보고서의 의미가 달라집니다.

비즈니스 애널리스트

비즈니스 애널리스트는 커뮤니케이션 비중이 큽니다. 현업이 원하는 말을 그대로 문서로 옮기는 게 아니라, 진짜 문제가 무엇인지 좁혀야 합니다. “관리자 페이지가 불편하다”는 요청이 들어와도 실제로는 검색 기능 문제일 수 있고, 권한 설정 문제일 수도 있습니다. 이 차이를 잡아내면 프로젝트 방향이 훨씬 안정됩니다.

포트폴리오는 작게라도 실제처럼 만드는 게 좋습니다

처음 준비하는 사람에게 가장 어려운 부분이 경력입니다. 그런데 경력이 없어도 보여줄 수 있는 결과물은 만들 수 있습니다. 공개된 데이터나 직접 수집한 가벼운 데이터를 활용해 하나의 질문을 끝까지 풀어보는 방식이 좋습니다. 예를 들어 카페 매출을 가정하고 요일별 매출, 시간대별 주문 수, 메뉴별 객단가를 분석해보는 식입니다.

좋은 포트폴리오는 복잡한 그래프가 많은 자료가 아닙니다. 질문이 분명하고, 분석 과정이 자연스럽고, 제안이 현실적이어야 합니다. “주말 매출이 평일보다 35% 높다”에서 끝나는 것보다 “토요일 오후 2시부터 5시까지 디저트 주문 비중이 높으니 세트 메뉴 노출을 강화한다”처럼 행동으로 이어지는 내용이 더 설득력 있습니다.

• 분석 주제를 한 문장으로 정하기
• 사용한 데이터 기준을 먼저 설명하기
• 그래프는 3~5개 정도로 줄이기
• 숫자 변화의 원인을 최소 2가지 이상 가정하기
• 실행 가능한 제안을 마지막에 붙이기

실무에서 오래 가는 애널리스트의 습관

애널리스트는 맞히는 사람이 아니라 확인하는 사람에 가깝습니다. 처음 세운 가설이 틀릴 수도 있고, 데이터가 깨져 있을 수도 있습니다. 그래서 좋은 애널리스트일수록 “제가 본 기준에서는 이렇게 보입니다”라고 말합니다. 단정은 줄이고 근거는 늘리는 태도입니다.

또 하나 중요한 건 문장력입니다. 분석을 잘해도 설명이 어렵다면 팀이 움직이기 힘듭니다. 보고서에는 멋있는 표현보다 정확한 표현이 더 낫습니다. “성과가 좋았다”보다 “신규 유입은 12% 줄었지만 기존 고객 재구매가 18% 늘어 전체 매출은 7% 증가했다”가 훨씬 쓸모 있습니다.

애널리스트를 준비한다면 처음부터 완벽한 전문가처럼 보이려고 애쓰지 않아도 됩니다. 작은 데이터를 붙잡고 질문을 세우고, 기준을 확인하고, 숫자를 해석해 누군가의 선택을 조금 더 쉽게 만드는 연습이면 충분합니다. 이 직업의 매력은 바로 그 지점에 있습니다. 복잡한 상황 속에서 사람들이 “이제 뭘 봐야 하는지 알겠다”고 느끼게 만드는 일, 생각보다 꽤 근사합니다.