분석 기간은 왜 매번 "최근 1년"인가요?

데이터 분석을 시작할 때 분석 기간을 그냥

“최근 1년”으로 잡는 경우가 많습니다.

기간이 길면 데이터도 많아지고 더 정확할 것 같기 때문입니다.

그런데 분석 기간은 편의상 정하는 값이 아닙니다.

어디서부터 어디까지 보느냐에 따라
같은 데이터도 전혀 다른 결론이 나올 수 있습니다.

예를 들어 매출이 최근 3개월 동안
빠르게 증가했다고 해보겠습니다.

최근 3개월만 보면 성장세가 뚜렷합니다.

그런데 최근 2년을 보면 매년 같은 시기에 반복되는

계절적 상승일 수도 있습니다.

이 경우

“최근 시장이 성장하고 있습니다”보다

“매년 반복되는 성수기 패턴이 나타났습니다”

가 더 정확한 해석일 수 있습니다.

반대로 기간을 너무 길게 잡으면 최근 변화가 묻힐 수도 있습니다.

예를 들어 최근 6개월 동안 고객 이탈률이 급격히 높아졌는데

3년 평균으로 보면 큰 변화가 없어 보일 수 있습니다.

- 최근 업데이트
- 가격 변경
- 경쟁사 진입
- 정바카라 변화

처럼 최근에 발생한 사건을 확인하려면

전체 기간뿐 아니라
변화가 시작된 시점도 따로 봐야 합니다.

재구매 분석에서는 기간 설정이 더 중요합니다.

첫 구매 후 90일 재구매율을 보면서 최근 한 달 안에 가입한 고객까지

모두 포함하면 아직 90일이 지나지 않은 고객이 분모에 들어갑니다.

그러면 재구매율이 실제보다 낮게 나올 수 있습니다.

분석 기간과 관찰 기간은 같은 말이 아닙니다.

고객 행동을 볼 때는 각 고객에게 충분한 관찰 시간이 있었는지 확인해야 합니다.

이벤트 효과를 분석할 때도
기간을 잘못 잡으면 결론이 왜곡될 수 있습니다.

예를 들어 프로모션 효과를 보면서

행사 1주 전 vs 행사 1주 후

만 비교했다고 해보겠습니다.

그런데 행사 직후가 원래 수요가 높은 주말이나 성수기였다면

매출 상승이 프로모션 때문인지 시즌 영향인지 구분하기 어렵습니다.

가능하다면

① 행사 직전 기간
② 행사 기간
③ 행사 직후 기간
④ 전년 같은 기간

을 함께 비교해보는 편이 좋습니다.

포트폴리오에 분석 기간을 쓸 때도

“2025년 1월~12월”이라고만 적지 말고

왜 이 기간을 선택했는지 한 줄이라도 설명해보세요.

예를 들면

“연간 계절성을 확인하기 위해 최근 24개월을 사용했습니다.”

“프로모션 전후 영향을 보기 위해 행사 전후 4주를 비교했습니다.”

“90일 재구매율을 계산하기 위해 최소 90일 이상 관찰 가능한 고객만 포함했습니다.”

이런 설명 하나로도 분석 설계가 훨씬 탄탄해 보입니다.

데이터 분석에서 기간은 단순한 필터 조건이 아닙니다.

무엇을 비교하고 어떤 변화를 의미 있게 볼 것인지 결정하는 분석 기준입니다.

같은 데이터라도 기간을 다르게 잡으면

전혀 다른 이야기가 나올 수 있습니다.

그래서 분석을 시작하기 전에 항상 물어보세요.

“왜 이 기간을 보는가?”

#데이터분석 #데이터분석포트폴리오 #시계열분석 #재구매분석 #분석설계 #데이터해석