데이터 분석을 위해 챗GPT 쓸 때 유용한 프롬프트

데이터 분석용으로 GPT를 쓸 때 그냥

"분석해줘", "해석해줘", "인사이트 찾아줘" 라고 말하면

의미 있는 결과를 뽑기 어려움.

GPT는 데이터를 직접 “이해”하는 게 아니라,

사용자가 어떤 데이터인지 등 어떻게 설명하느냐에 따라

그에 맞는 분석가처럼 행동하기 때문인데,

그래서 데이터 종류에 따라 프롬프트도 달라져야 함.

예를 들어 같은 “매출 하락 원인 분석”이라도:

쇼핑몰 주문 데이터면 → 구매전환, 객단가, 재구매, 카테고리 중심

GA4 웹로그 데이터면 → 유입, 세션, 이벤트, 이탈, 퍼널 중심

광고 데이터면 → CTR, CPC, CPA, ROAS 중심

설문 데이터면 → 만족도, 집단 차이, 응답 패턴 중심

텍스트 데이터면 → 키워드, 감성, 토픽, 맥락 중심

즉,
같은 질문도 데이터 종류가 바뀌면 “읽는 법”이 달라지는 것.

① 숫자형 집계 데이터

(매출표, 월별 실적, 채널별 성과표 등)

너는 데이터 분석가야.

아래 표는 월별/카테고리별 실적 데이터야.

[목적]

- 실적 변화의 핵심 포인트를 찾고

- 보고서에 바로 쓸 수 있는 문장으로 정리해줘.

[원하는 분석]

1. 전월/전년 대비 변화

2. 가장 크게 증가/감소한 항목

3. 이상치처럼 보이는 구간

4. 실무자가 바로 쓸 수 있는 해석

5. 발표용 한 줄 요약

[출력 형식]

- 핵심 요약 3줄

- 상세 분석

- 인사이트

- 액션 제안

② 시계열 데이터

(날짜/주/월 단위 흐름 데이터)

너는 시계열 데이터를 해석하는 분석가야.

아래 데이터는 날짜 기준으로 정렬된 시계열 데이터야.

[분석 목표]

- 장기 추세, 계절성, 급변 시점을 파악하고

- 왜 이런 흐름이 나왔는지 가설까지 제시해줘.

[원하는 분석]

1. 전체 추세 요약

2. 상승/하락 전환점 탐지

3. 반복 패턴(계절성) 여부

4. 특정 연도/구간별 차이

5. 향후 흐름에 대한 해석

[주의]

- 단순 숫자 설명이 아니라

- '무슨 현상이 보이는지' 중심으로 설명해줘.

③ 고객/개인 단위 원본 데이터

(row가 사람/주문/회원/거래 1건씩 있는 데이터)

너는 CRM/고객 분석 전문가야.

아래 데이터는 고객 1명 또는 주문 1건 단위의 원본 데이터야.

[목적]

- 이 데이터로 어떤 분석이 가능한지 정의하고

- 우선순위 높은 분석 과제를 추천해줘.

[원하는 분석]

1. 이 데이터로 볼 수 있는 핵심 질문 10개

2. 고객 세분화 아이디어

3. 이탈/재구매/고객가치 분석 가능성

4. 꼭 만들어야 할 파생변수

5. 실무 활용도가 높은 분석 순서

[출력 형식]

- 분석 가능 항목

- 추천 분석 과제

- 우선순위

- 실무 활용 예시

④ 광고/마케팅 성과 데이터

(캠페인, 소재, 채널, 매체 성과)

너는 퍼포먼스 마케팅 분석가야.

아래는 광고 성과 데이터야.

[목표]

- 성과가 좋은/나쁜 캠페인을 구분하고

- 왜 그런 결과가 나왔는지 해석해줘.

[중점 지표]

- Impressions

- Clicks

- CTR

- CPC

- Conversions

- CPA

- ROAS

[원하는 분석]

1. 효율 좋은 캠페인 vs 비효율 캠페인

2. 클릭은 잘 나오는데 전환이 낮은 구간

3. 예산 재배분 아이디어

4. 운영자가 바로 실행할 개선안

5. 보고서용 한 줄 요약

⑤ 웹/앱 로그 데이터

(GA4, 이벤트 로그, 사용자 행동 데이터)

너는 GA4/행동로그 분석 전문가야.

아래 데이터는 웹/앱 사용자 행동 이벤트 로그야.

[목표]

- 사용자의 행동 흐름을 이해하고

- 전환 퍼널에서 병목 구간을 찾고 싶어.

[원하는 분석]

1. 주요 이벤트 흐름 정리

2. 전환 퍼널 설계

3. 이탈이 많이 발생하는 단계 추정

4. 꼭 봐야 할 세그먼트 제안

5. 실무 보고서 구조로 정리

[주의]

- 단순 이벤트 나열이 아니라

- 사용자 여정 관점으로 설명해줘.

⑥ 설문조사 데이터

(만족도, 인식, 선택형/척도형 응답)

너는 설문조사 분석 전문가야.

아래는 설문 응답 데이터야.

[목표]

- 응답 패턴을 해석하고

- 만족/불만의 핵심 요인을 정리해줘.

[원하는 분석]

1. 주요 문항별 응답 경향

2. 긍정/부정 응답이 두드러진 항목

3. 집단별 차이 가능성

4. 보고서에 넣을 해석 문장

5. 시각화 추천

⑦ 텍스트 데이터

(리뷰, 댓글, VOC, 기사, 인터뷰, 커뮤니티 글)

너는 텍스트 분석가야.

아래 데이터는 사용자 리뷰/댓글/VOC 텍스트 데이터야.

[목표]

- 사람들이 실제로 어떤 주제를 말하고 있는지

- 어떤 감정과 태도를 보이는지 파악하고 싶어.

[원하는 분석]

1. 반복적으로 등장하는 핵심 주제

2. 긍정/부정/불만 포인트

3. 자주 함께 언급되는 키워드

4. 소비자 인식 구조 요약

5. 보고서용 해석 문장

진짜 중요한 건 “데이터 종류”보다 “분석 목적”이다

같은 데이터라도 목적이 다르면 프롬프트가 또 달라질 수 있다.

예를 들어 광고 데이터도:

“성과 요약”이 목적이면 → 요약형 프롬프트

“예산 줄일 곳 찾기”면 → 진단형 프롬프트

“보고서 문장 만들기”면 → 문장화형 프롬프트

“인사이트 뽑기”면 → 해석형 프롬프트

즉 프롬프트는 사실 2축 구조로 생각하면 됨.

GPT 데이터분석 프롬프트의 2축 구조

1축: 데이터 종류

집계 데이터

시계열 데이터

고객 원본 데이터

광고 데이터

로그 데이터

설문 데이터

텍스트 데이터 등

2축: 분석 목적

요약

이상치 탐지

원인 분석

비교 분석

세분화

예측

보고서 작성

발표용 해석

시각화 추천

즉 가장 좋은 프롬프트는

“이 데이터는 무엇이고” +

“나는 무엇을 알고 싶은지” +

“어떤 형식으로 받고 싶은지”

를 명확히 하는 것.

실무에서 제일 잘 먹는 프롬프트 공식

너는 [분석 역할] 전문가야.

아래 데이터는 [데이터 종류]이며,

각 행은 [분석 단위],

주요 컬럼은 [컬럼 설명]이야.

[분석 목적]

- 내가 알고 싶은 것은 [질문]이다.

[원하는 분석]

1.

2.

3.

[출력 형식]

- 핵심 요약

- 상세 해석

- 인사이트

- 액션 제안

[주의]

- 단순 수치 나열 말고 의미 중심으로 설명

- 보고서에 바로 쓸 수 있게 작성

GPT 데이터분석은 “좋은 질문 설계”가 반이다.
그리고 좋은 질문은 데이터 종류에 따라 달라진다.

즉,
“엑셀 넣고 분석해줘”보다 훨씬 중요한 건

이 데이터가 뭐고

행이 뭘 의미하고

내가 뭘 알고 싶고

어떤 방식으로 결과를 받고 싶은지

를 정확히 말해주는 것.

그렇게 해야 GPT가
요약기계가 아니라 진짜 분석 파트너처럼 움직인다.