데이터 분석가 / 데이터 사이언티스트를 위한 GPT 가이드라인

 

데이터 분석 실무에서는 우리가 예상하지 못한 다양한 문제를 해결해야 합니다. 경험이 많은 데이터 분석가나 데이터 사이언티스트조차 매일 검색하면서 업무를 수행합니다. 이때 중요한 것은 어떤 키워드로 검색해야 하는지(구글링), 그리고 어떤 프롬프트를 써야 하는지(ChatGPT 활용)를 아는 것입니다.

 

1. ChatGPT를 활용하면 어떤 업무 효율을 높일 수 있을까?

ChatGPT는 다양한 업무에서 효율을 높이는 데 유용하게 사용될 수 있습니다.

• 새로운 개념 이해
  • 예: "결정 트리가 뭐야? 초보자도 이해할 수 있게 설명해줘"
• 코드 리뷰 및 최적화
  • 예: "이 코드에서 에러가 발생하는 이유가 뭐고 어떻게 해결할 지 알려줘"
• 코드 작성 지원
  • 예: "이 데이터에서 고객 이탈률을 계산하는 MySQL 쿼리를 작성해줘"
• 브레인스토밍
  • 예: "이러한 프로젝트가 있는데 어떻게 해결할지 같이 고민해보자"
• 문서 첨삭
  • 예: "이 영어 표현 좀 수정해줄 수 있어? Jira 티켓에 답글로 쓸 거야"
• 자동화 지원
  • 예: "이 데이터 분석 결과를 쉽게 이해할 수 있도록 요약해줘"

 

2. ChatGPT는 만능이 아니다: AI의 한계

많은 사람들이 ChatGPT만 사용하면 고급 실무자가 될 수 있는가?라는 의문을 가집니다. 하지만 배경지식 없이 GPT의 결과물을 그대로 사용하는 것은 위험합니다.

GPT의 한계

1. 오답 가능성 – 반드시 정답을 도출하지는 않습니다.
2. 비즈니스 도메인 이해 부족 – 어떤 문제를 해결해야 하는지는 사람이 결정해야 합니다.
3. 창의적 문제 해결의 어려움 – 기존에 다뤄지지 않은 문제는 GPT가 해결할 수 없습니다.
4. 운영 자동화의 어려움 – 분석 이후 실제 서비스 배포 및 운영은 사람이 해야 합니다.

즉, GPT는 도구일 뿐, 그것을 활용하는 사람의 역량이 중요합니다.

 

3. 좋은 프롬프트 작성 가이드

ChatGPT의 성능을 극대화하려면 명확하고 구체적인 프롬프트 작성이 필수적입니다.

1) 명확한 질문 (Clarity)

❌ 잘못된 예시
"이 데이터셋을 분석해줘."

✔️ 좋은 예시
"이 데이터를 사용하여 고객별 평균 구매 금액을 계산해줘."

• 컬럼명: customer_id, purchase_amount
• 목표: 고객별 평균 구매 금액을 계산하여 새로운 컬럼 avg_purchase 생성
• 출력 형식: Pandas 코드 제공

2) 맥락 제공 (Context)

❌ 잘못된 예시
"최근 1년간 가장 많이 구매한 고객을 찾는 SQL 쿼리를 작성해줘."

✔️ 좋은 예시
"PostgreSQL에서 최근 1년간 가장 많이 구매한 고객을 찾는 SQL 쿼리를 작성해줘."

3) 예제 제공 (Examples)

❌ 잘못된 예시
"Python으로 날짜 데이터를 변환하는 코드를 작성해줘."

✔️ 좋은 예시
"Python으로 날짜 데이터를 변환하는 코드를 작성해줘. 예를 들어, 2020-01-02를 Jan-02 2020으로 바꾸고 싶어."

4) 목표 중심 (Goal-Oriented)

❌ 잘못된 예시
"이 데이터에서 매출 변수를 시각화해줘."

✔️ 좋은 예시
"매출 추이를 제품별로 비교하고 싶은데, 제품에 따른 매출 추이를 비교하는 시각화를 해줘."