---
title: "\"데이터 분석해줘\" 다음 말이 안 나올 때 — data-compass 내비게이터 BEFORE/AFTER"
description: "AI에게 데이터 분석을 시키면 해주긴 하는데, 다음에 뭘 시켜야 할지는 아무도 알려주지 않습니다. 같은 견본 데이터로 스킬 없이 실행한 BEFORE와 data-compass 분석 지도를 따라 걸은 AFTER를 나란히 비교합니다. 견본 CSV가 그대로 실려 있어 직접 따라할 수 있습니다."
created_at: 2026-07-26
category: tutorial
tags: ["data-compass", "itda-data", "데이터분석", "분석지도", "프롬프트", "before-after", "따라하기"]
published: true
---
## "분석해줘"까지는 누구나 합니다

카페 3개 지점의 주문 내역 CSV를 받았다고 합시다. Claude에게 이렇게 말합니다.

> **나** — 카페주문.csv 분석해줘

잘 해줍니다. 행 수를 세고, 합계를 내고, 지점별 매출을 표로 정리해 줍니다. 문제는 그 다음입니다.

> **나** — (…그래서 이제 뭘 물어보지?)

데이터 분석을 업으로 하지 않는 사람에게 진짜 장벽은 계산이 아니라 **방향**입니다. 처음 보는 데이터 앞에서 "뭘 시켜야 할지"를 모르니, 결국 "알아서 해줘"라고 하고 이해하지 못한 결과를 받아들게 됩니다. AI가 아무리 계산을 잘해도, 지시를 못 하면 대화가 거기서 멈춥니다.

[data-compass](/skills/itda-data/data-compass)는 이 방향 문제를 뒤집는 {term:skill|스킬}입니다. 유저가 AI를 가이드하는 대신, **AI가 유저를 가이드합니다** — 단, 분석은 대신 해주지 않고, 매 단계 "다음엔 이렇게 말해보세요"라는 복붙 지시문만 건넵니다. 지시는 언제나 당신이 합니다.

이 글은 썰이 아니라 **실측 비교**입니다. 아래 견본 데이터를 그대로 만들어 BEFORE(스킬 없이)와 AFTER(data-compass와 함께)를 직접 재현할 수 있습니다.

## 준비물 — 견본 데이터 만들기

빈 폴더에 아래 내용을 `카페주문.csv`로 저장하세요. 카페 3개 지점(강남·홍대·판교)의 2026년 4~6월 주문 36건입니다. 이 안에 발견할 만한 이야기가 하나 숨어 있습니다 — 글 끝에서 확인됩니다.

:::fold[카페주문.csv 전체 내용 (복사해서 저장)]

```csv
고객명,주문번호,지점,주문일,메뉴,금액,환불여부
김민준,C-1001,강남점,2026-04-03,아메리카노,4500,N
이서연,C-1002,강남점,2026-04-05,카페라떼,5500,N
박도윤,C-1003,홍대점,2026-04-07,아메리카노,4500,N
최지우,C-1004,판교점,2026-04-08,바닐라라떼,6000,N
정하은,C-1005,강남점,2026-04-12,콜드브루,5000,N
강시우,C-1006,홍대점,2026-04-15,카페라떼,5500,Y
윤서아,C-1007,판교점,2026-04-18,아메리카노,4500,N
임준서,C-1008,강남점,2026-04-21,콜드브루,5000,N
한예은,C-1009,홍대점,2026-04-24,바닐라라떼,6000,N
오지호,C-1010,판교점,2026-04-27,카페라떼,5500,N
서유나,C-1011,강남점,2026-05-02,아메리카노,4500,N
신은우,C-1012,홍대점,2026-05-05,콜드브루,5000,N
황수아,C-1013,판교점,2026-05-08,아메리카노,4500,N
안도현,C-1014,강남점,2026-05-11,바닐라라떼,6000,Y
송채원,C-1015,홍대점,2026-05-14,카페라떼,5500,N
전민재,C-1016,판교점,2026-05-17,콜드브루,5000,N
홍서준,C-1017,강남점,2026-05-20,아메리카노,4500,N
문지안,C-1018,홍대점,2026-05-23,아메리카노,4500,N
양하율,C-1019,판교점,2026-05-26,카페라떼,5500,N
조은서,C-1020,강남점,2026-05-29,콜드브루,5000,N
백시은,C-1021,홍대점,2026-06-02,흑임자라떼,6500,Y
남주원,C-1022,판교점,2026-06-04,아메리카노,4500,N
유하진,C-1023,강남점,2026-06-06,카페라떼,5500,N
심로아,C-1024,홍대점,2026-06-09,흑임자라떼,6500,Y
노건우,C-1025,판교점,2026-06-11,콜드브루,5000,N
하윤슬,C-1026,강남점,2026-06-13,아메리카노,4500,N
곽태오,C-1027,홍대점,2026-06-16,흑임자라떼,6500,Y
성아린,C-1028,판교점,2026-06-18,바닐라라떼,6000,Y
차이든,C-1029,강남점,2026-06-20,콜드브루,5000,N
주소율,C-1030,홍대점,2026-06-23,흑임자라떼,6500,N
우재이,C-1031,판교점,2026-06-25,아메리카노,4500,N
구나은,C-1032,강남점,2026-06-26,카페라떼,5500,N
민시온,C-1033,홍대점,2026-06-27,아메리카노,4500,N
탁하람,C-1034,판교점,2026-06-28,콜드브루,5000,N
피준우,C-1035,강남점,2026-06-29,아메리카노,4500,N
석다은,C-1036,홍대점,2026-06-30,카페라떼,5500,N
```

:::

스킬은 {term:skillpack|스킬팩} itda-data 0.18.0부터 포함됩니다.

```bash
claude plugin install itda-skills/skills.pub itda-data
```

## BEFORE — data-compass 없이 "분석해줘"

같은 CSV를 놓고, data-compass 없이 Claude에게 "카페주문.csv 분석해줘" 한 마디만 던져 **실제로 실행**했습니다. 응답 발췌입니다(전문은 접힘).

> 분석 완료했습니다. 36건의 주문(2026년 4~6월), 3개 지점, 5개 메뉴 데이터입니다.
>
> **전체 요약** — 총 주문 36건, 총 매출 188,000원 (…) 환불 6건 / 37,000원, 환불률 16.7%
>
> (월별 추이 표, 지점별 표, 메뉴별 표…)
>
> **핵심 발견** — 흑임자라떼의 환불률 75%: 6월 신메뉴로 4건 판매 중 3건이 환불됐고, 전부 홍대점입니다. (…) 원하시면 차트 시각화나 엑셀 리포트로 정리해 드릴 수 있습니다.

:::fold[BEFORE 응답 전문 보기 (실측 원문)]

```text
분석 완료했습니다. 36건의 주문(2026년 4~6월), 3개 지점, 5개 메뉴 데이터입니다.

## 전체 요약
- 총 주문: 36건, 총 매출 188,000원 (평균 객단가 약 5,222원)
- 환불: 6건 / 37,000원 → 환불 반영 순매출 151,000원, 환불률 16.7%

## 월별 추이
4월 10건 52,000원 · 5월 10건 50,000원 · 6월 16건 86,000원
6월에 주문이 60% 급증했는데, 신메뉴로 보이는 흑임자라떼(6월에만 등장)가
4건을 차지하고 6월 하순에 주문 간격이 촘촘해진(거의 매일) 영향입니다.

## 지점별
홍대점 12건 67,000원 (환불 4건) · 강남점 13건 65,000원 (환불 1건) · 판교점 11건 56,000원 (환불 1건)
홍대점이 매출 1위지만 환불이 6건 중 4건으로 집중되어 있어,
순매출로는 강남점(59,000원)이 홍대점(43,000원)을 크게 앞섭니다.

## 메뉴별
아메리카노 12건 (환불 0) · 카페라떼 8건 (환불 1) · 콜드브루 8건 (환불 0)
· 흑임자라떼 4건 (환불 3) · 바닐라라떼 4건 (환불 2)

## 핵심 발견
1. 흑임자라떼의 환불률 75% — 6월 신메뉴로 4건 판매 중 3건이 환불됐고, 전부 홍대점입니다.
   홍대점의 환불 집중도 사실상 이 메뉴 문제입니다. 레시피·품질 점검이 필요해 보입니다.
2. 바닐라라떼도 환불률 50% (4건 중 2건) — 고가 라떼류 전반의 만족도 이슈일 가능성.
3. 반면 아메리카노·콜드브루(20건)는 환불 0건 — 기본 메뉴는 안정적입니다.
4. 흑임자라떼 환불 3건을 빼면 실질 환불률은 8.3%로 절반 수준입니다.

원하시면 차트 시각화나 엑셀 리포트로 정리해 드릴 수 있습니다.
```

:::

보다시피 **분석 자체는 훌륭합니다.** 숨겨둔 이야기(흑임자라떼)까지 한 방에 찾아냈습니다. AI의 계산 능력은 이미 문제가 아닙니다. 문제는 다른 데 있습니다.

1. **정답을 받았지만, 도달하는 법은 못 배웠습니다.** 어떤 질문이 가능한지, 왜 그 질문부터인지를 볼 기회 없이 완성된 결과가 옵니다. 다음 주에 다른 데이터를 받으면 나는 여전히 "분석해줘" 한 마디뿐이고, 결과를 검증하거나 다르게 잘라볼 힘도 없습니다.
2. **다음이 없습니다.** 대화가 한 번에 끝나고, "그래서 이제 뭘 더 물어볼까"는 다시 내 몫입니다. 실무 데이터는 이렇게 작지 않아서, 실제로는 훨씬 긴 덤프를 받아 어디부터 읽을지부터 막힙니다.
3. **매번 다릅니다.** 같은 파일로 다시 돌리면 구성도 순서도 달라집니다. 강의나 스터디에서 "저랑 화면이 달라요"가 바로 발생합니다.

## AFTER — data-compass와 함께

이번엔 이렇게 시작합니다.

> **나** — 이 데이터 분석 어떻게 시작해?

스킬이 딱 두 가지만 묻습니다. 데이터 위치, 그리고 알고 싶은 것("몰라요"도 유효한 답입니다). 여기서는 "환불이 좀 궁금해"라고 답했다고 합시다. 그러면 데이터를 훑어 **분석 지도** 파일(`카페주문-분석지도.md`)을 만들어 줍니다. 아래는 위 견본 CSV로 실제 생성된 지도의 핵심부입니다.

```markdown
| 컬럼 | 역할 | 예시 | 고유값 | 결측% |
|---|---|---|---|---|
| 고객명 | 개인정보 | 김민준, 이서연 | 36 | 0.0 |
| 주문번호 | 식별자 | C-1001, C-1002 | 36 | 0.0 |
| 지점 | 차원 | 강남점, 홍대점 | 3 | 0.0 |
| 주문일 | 날짜 | 2026-04-03, 2026-04-05 | 36 | 0.0 |
| 메뉴 | 차원 | 아메리카노, 카페라떼 | 5 | 0.0 |
| 금액 | 측정값 | 4500, 5500 | 5 | 0.0 |
| 환불여부 | 차원 | N, Y | 2 | 0.0 |
```

컬럼마다 역할이 붙습니다. 개인정보(고객명)와 식별자(주문번호)는 분석 축 추천에서 자동으로 빠집니다 — "고객명별 주문번호" 같은 무의미한 분석을 제안하지 않기 위해서입니다.

:::fold[생성된 분석 지도 전문 보기]

```markdown
# 분석 지도 — 카페주문.csv

> data-compass 가 만든 분석 여정 지도입니다. 한 걸음 나아갈 때마다
> §3(현재 위치)과 §4(지나온 길)가 갱신됩니다. 지시는 언제나 당신이 합니다.

## 1. 지형 — 이 데이터는 무엇인가

- 규모: 36행 × 7열 · 인코딩 utf-8
- 관심사: 환불

| 컬럼 | 역할 | 예시 | 고유값 | 결측% |
|---|---|---|---|---|
| 고객명 | 개인정보 | 김민준, 이서연 | 36 | 0.0 |
| 주문번호 | 식별자 | C-1001, C-1002 | 36 | 0.0 |
| 지점 | 차원 | 강남점, 홍대점 | 3 | 0.0 |
| 주문일 | 날짜 | 2026-04-03, 2026-04-05 | 36 | 0.0 |
| 메뉴 | 차원 | 아메리카노, 카페라떼 | 5 | 0.0 |
| 금액 | 측정값 | 4500, 5500 | 5 | 0.0 |
| 환불여부 | 차원 | N, Y | 2 | 0.0 |

- 품질 신호: 특이 없음

## 2. 갈 수 있는 길 — 이 데이터로 가능한 분석

1. **[탐색]** 환불여부 기준으로 금액을(를) 갈라 봅니다 — 어디에서 값이 큰지/작은지가 첫 지형 감각입니다 (담당: `data-ask`)
2. **[탐색]** 환불여부 값이 어떻게 분포하는지 봅니다 — 값별 건수는 데이터의 몸통이 어디인지 알려줍니다 (담당: `data-ask`)
3. **[추이]** 시간 흐름에서 금액 변화를 봅니다 — 추이를 알면 이상 구간(급증·급감)이 눈에 띕니다 (담당: `data-ask`)
4. **[탐색]** 금액 상위 건을 봅니다 — 극단값 몇 건이 전체 그림을 왜곡할 수 있습니다 (담당: `data-ask`)
5. **[보고]** 여정을 한 페이지 보고로 정리합니다 — 분석은 남에게 설명할 수 있어야 끝난 것입니다 (담당: `data-compass`)

## 3. 현재 위치와 다음 행선지

- 현재 위치: **출발점** (지형 파악 완료, 아직 첫 분석 전)
- 행선지 1 ← 추천: [탐색] 환불여부 기준으로 금액을(를) 갈라 봅니다
  > 이렇게 말해보세요: "환불여부별 금액 합계와 평균 알려줘"
- 행선지 2: [탐색] 환불여부 값이 어떻게 분포하는지 봅니다
  > 이렇게 말해보세요: "환불여부 값별 건수 분포 알려줘"
- 행선지 3: [추이] 시간 흐름에서 금액 변화를 봅니다
  > 이렇게 말해보세요: "월별 금액 추이 보여줘"

## 4. 지나온 길 — 여정 로그

- (출발) 지도 생성 — 아직 첫 걸음 전입니다.
```

:::

여기서 중요한 약속 하나: **여러분이 위 CSV로 만들면 지도가 이 글과 똑같이 나옵니다.** 초기 지도는 결정론으로 생성되기 때문입니다(같은 데이터·같은 관심사 → 같은 지도). "저랑 화면이 달라요"가 원리상 발생하지 않아 강의·스터디 교재로 쓸 수 있습니다.

그리고 BEFORE와의 결정적 차이 — **여기서 멈춥니다.** 스킬은 분석을 시작하지 않습니다. 지시문을 건넸으니, 걷는 건 당신입니다.

## 여정 걷기 — 환불 6건의 범인을 찾아서

이제 지도의 지시문을 복붙하며 걷습니다. 아래 수치는 전부 위 견본 CSV로 실제 계산한 값입니다.

### 1보 — 환불이 얼마나 되는데?

> 이렇게 말해보세요: "환불여부 값별 건수 분포 알려줘"

| 환불여부 | 건수 | 비중 |
|---|---|---|
| N | 30 | 83.3% |
| Y | 6 | 16.7% |

주문 여섯 건 중 한 건이 환불. 커피 주문치고는 많아 보입니다. 결과가 나오면 코치가 지도의 여정 로그를 갱신하고, **결과를 반영한 다음 행선지**를 제안합니다 — "환불 6건이 어디에 몰려 있는지 갈라 봅시다."

### 2보 — 어느 지점에서?

> 이렇게 말해보세요: "지점별 환불 건수 알려줘"

| 지점 | 환불 건수 |
|---|---|
| 홍대점 | 4 |
| 강남점 | 1 |
| 판교점 | 1 |

환불 6건 중 4건이 홍대점입니다. 코치의 다음 제안 — "홍대점 환불 주문의 메뉴를 봅시다."

### 3보 — 무슨 메뉴에서?

> 이렇게 말해보세요: "홍대점에서 환불된 주문의 메뉴별 건수 알려줘"

| 메뉴 | 환불 건수 |
|---|---|
| 흑임자라떼 | 3 |
| 카페라떼 | 1 |

흑임자라떼는 6월에 홍대점에만 등장한 신메뉴입니다. **판매 4건 중 3건이 환불** — 숨어 있던 이야기가 이것이었습니다. "카페 주문 데이터 분석"이라는 막연한 과제가, 세 걸음 만에 "6월 신메뉴 흑임자라떼 품질을 점검해야 한다"는 실행 가능한 발견으로 좁혀졌습니다.

이 시점의 지도는 이렇게 자라 있습니다.

```markdown
## 4. 지나온 길 — 여정 로그

- (출발) 지도 생성
- (1보) "환불여부 값별 건수 분포 알려줘" → 36건 중 환불 6건(16.7%)
- (2보) "지점별 환불 건수 알려줘" → 홍대점 4 · 강남점 1 · 판교점 1 — 홍대점 집중
- (3보) "홍대점에서 환불된 주문의 메뉴별 건수 알려줘" → 흑임자라떼 3 · 카페라떼 1 — 6월 신메뉴에 집중
```

### 4보 — 정리

> 이렇게 말해보세요: "지금까지 알아낸 것들을 분석 지도 기준으로 한 페이지로 정리해줘"

여정 로그가 그대로 보고서의 뼈대가 됩니다. 어떤 질문을 어떤 순서로 던져 무엇을 알아냈는지가 기록으로 남아 있으니, 정리는 요약일 뿐입니다.

## 왜 분석을 대신 안 해주나요?

일부러입니다. 2보의 "지점별 환불 건수 알려줘", 3보의 "홍대점에서 환불된 주문의…"는 지도가 준 문장을 복붙했을 뿐이지만, 여정이 끝나면 이 문형이 손에 남습니다 — **차원별로 가르고, 몰린 곳을 파고드는** 데이터 분석의 기본기가 지시문 형태로 몸에 붙는 것입니다. 컬럼명만 바꾸면 다음 데이터에서도 그대로 통합니다("지점별" 대신 "담당자별", "메뉴별" 대신 "상품별").

data-compass가 자동으로 다 해버리면 이 학습이 사라집니다. 그래서 "알아서 진행해줘"라고 해도 지시문을 다시 건넬 뿐, 먼저 걷지 않습니다.

## BEFORE / AFTER 한눈에

| | BEFORE (스킬 없이) | AFTER (data-compass) |
|---|---|---|
| 시작 | "분석해줘" 한 방에 결과 덤프 | 2문항(위치·관심사) 후 분석 지도 |
| 주도권 | AI가 알아서 (나는 관전) | 지시는 내가, 방향은 지도가 |
| 다음 단계 | 스스로 떠올려야 함 | 매 단계 복붙 지시문 2~3개 |
| 재현성 | 실행마다 다름 | 같은 데이터 → 같은 초기 지도 |
| 남는 것 | 결과 텍스트 | 여정 로그 + 질문하는 문형 |

## 직접 해보세요

1. 위 `카페주문.csv`를 저장하고
2. itda-data 스킬팩(0.18.0+)을 설치한 뒤
3. Claude에게 — **"이 데이터 분석 어떻게 시작해?"**

관심사를 물으면 "환불이 궁금해"라고 답해 보세요. 이 글과 똑같은 지도가 나오는지, 그리고 세 걸음 만에 흑임자라떼에 도달하는지 확인해 보시길. 물론 "몰라요"라고 답해도 됩니다 — 그때는 지도가 대신 첫 방향을 제안합니다.

내 데이터가 지저분하다면(빈 헤더·중복 열·숫자에 섞인 텍스트) 지도가 알아서 [정돈 경로](/skills/itda-data/data-prep)를 첫 행선지로 올립니다. 실제 계산은 [data-ask](/skills/itda-data/data-ask)가, 숫자 검산은 [data-verify](/skills/itda-data/data-verify)가 맡습니다 — data-compass는 끝까지 길만 안내합니다.