AI에게 일 시키는 기술 · CREST 시리즈 · 15편 (PART 3 완결)

"데이터 리터러시는 분석 툴 사용이 아니라 문제 정의·해석·소통이다. AI 도입(78%)과 활용(31%)의 격차를 메우는 핵심이 바로 이 역량이다." — 데이터 리터러시 온라인 게임인 필수 역량 정리 (2026.06)

피벗 테이블을 몰라서 3년을 미뤘다

영업기획팀 정 과장의 이야기입니다.

그는 3년째 같은 생각을 했습니다. '우리 거래처별 수익률을 한번 제대로 봐야 하는데.'

데이터는 있었습니다. ERP에서 뽑으면 됐습니다. 그런데 매번 멈췄습니다. 엑셀 파일을 열면 수천 행의 숫자가 나왔고, 그 앞에서 무엇을 해야 할지 몰랐습니다. 피벗 테이블을 배워야 한다는 것은 알았지만, 배울 시간은 늘 없었습니다.

3년 동안 그 분석은 '언젠가 할 일' 목록에 있었습니다.

그러다 어느 날, 그는 엑셀 파일을 Claude에 첨부하고 이렇게 입력했습니다.

"이 데이터에서 거래처별 수익률을 보고 싶습니다. 어떤 게 문제인지 모르겠어서 일단 다 봐주세요."

40분 후, 그는 팀장에게 보고했습니다. 상위 5개 거래처가 매출의 62%를 차지하는데, 그중 두 곳은 수익률이 마이너스라는 사실을.

3년을 미룬 일이 40분에 끝났습니다. 피벗 테이블은 여전히 몰랐습니다.

데이터 분석의 장벽은 도구가 아닙니다. '무엇을 물어야 하는지 모르는 것'입니다. AI는 도구 장벽을 없앴지만, 질문 장벽은 그대로 남았습니다.

1. 도입 78% vs 활용 31% — 격차의 정체

데이터 리터러시 조사에 흥미로운 숫자가 있습니다. AI 도입률은 78%인데 실제 활용률은 31%입니다. 절반 이상이 도구를 갖고도 쓰지 못하고 있다는 뜻입니다.

이 격차를 메우는 것이 데이터 리터러시라고 조사는 말합니다. 그런데 여기서 중요한 정의가 나옵니다. '데이터 리터러시 뜻은 분석 툴 사용이 아니라 문제 정의·해석·소통이다.'

즉, 엑셀 함수를 아는 것과 데이터를 다루는 능력은 별개라는 것입니다.

정 과장이 3년을 미룬 이유는 도구 능력이 없어서였습니다. 그런데 그가 40분 만에 성과를 낸 이유는 데이터 리터러시가 있었기 때문입니다. '거래처별 수익률이 궁금하다'는 질문은 그의 것이었습니다.

AI는 도구 장벽을 없앴습니다. 그래서 이제 질문하는 능력만 남았습니다. 무엇을 물어야 하는지 아는 사람이 데이터를 다룹니다.

2. 데이터에 던지는 6가지 기본 질문

데이터 앞에서 막히는 이유는 물어볼 것이 떠오르지 않기 때문입니다. 그런데 사실 대부분의 실무 데이터 분석은 여섯 가지 질문 안에 들어갑니다.

이 여섯 가지를 순서대로 물으면 대부분의 데이터에서 의미 있는 것이 나옵니다. 그리고 ⑥번 누락 질문이 특히 중요합니다. 데이터에 있는 것만 보다가 없는 것을 놓치는 경우가 많기 때문입니다.

3. AI에게 데이터를 넘기기 전 준비 3단계

데이터를 그냥 던지면 그냥 던진 만큼의 답이 나옵니다. 3분만 준비하면 결과가 달라집니다.