프롬프트로 끝내는 실무 AI 데이터 분석

차 례
[프롤로그] 코딩의 시대가 저물고, 프롬프트의 시대가 도래하다 1
PART 1. 분석의 뇌 세팅하기 (Foundation) 4
왜 AI 시대에 다시 ‘통계’와 ‘분석 프레임워크’인가? 5

제1장. 데이터 분석의 진화: 가치 창출의 4단계 6
1단계: 기술 분석 - “무슨 일이 일어났는가?” 7
2단계: 진단 분석 - “왜 그런 일이 일어났는가?” 8
3단계: 예측 분석 - “앞으로 어떤 일이 일어날 것인가?” 9
4단계: 처방 분석 - “어떻게 해야 최적의 결과를 얻을 수 있는가?” 10

제2장. AI와 대화하기 위한 필수 언어: 핵심 통계 개념 11
1. 대푯값: 데이터의 무게 중심 (평균, 중앙값, 최빈값) 11
2. 산포도: 데이터의 흩어짐과 리스크 (분산, 표준편차) 12
3. 상관관계 (Correlation): 변수 간의 줄다리기 파악하기 14
4. 데이터의 지문: 정규분포 (Normal Distribution) 15
5. 통계적 사고로 AI를 통제하라 17
6. [실습] 파이썬 코딩 없이 AI 비서 고용하기: ChatGPT & Gemini 완벽 18
7. ChatGPT 세팅 및 Advanced Data Analysis (ADA) 이해하기 19
8. Google Gemini 세팅: 구글 생태계의 강력한 확장성 24
9. AI 데이터 분석을 지휘하는 ‘기본 프롬프트 공식 (CRTF)’ 28
10. [따라하기] 첫 번째 실전 분석: 데이터 탐색부터 시각화까지 29
11. 실무자를 위한 ‘자가 치유(Self-Correction)’ 프롬프트 팁 37
12. 이제 데이터는 당신의 언어에 복종합니다 38


PART 2. 데이터 요리 준비 (Data Preparation & Cleaning) 39
1. 쓰레기를 넣으면 쓰레기가 나온다 (Garbage In, Garbage Out) 40
2. [이론] 데이터의 품질을 망치는 3대 악당 41
3. [실습] AI 조수와 함께하는 원터치 데이터 클리닝 43
4. [고급 기술] 파이프라인 프롬프팅 (Pipeline Prompting) 51
5. 진흙 속에서 진주를 캐내는 데이터 연금술사 53

PART 3. 과거와 현재 꿰뚫어 보기 54
1. 데이터가 스스로 말하게 하라 55
2. [이론] 차트의 언어: 어떤 목적에 어떤 그림을 쓸 것인가? 56
3. [실습] 1단계: 기술 분석 (현황 파악하기) 57
4. [실습] 2단계: 진단 분석 (“왜”라는 질문 던지기) 60
5. [고급 기술] 프롬프트로 다중 가설 검증하기 64
6. 진단이 끝나면, 미래가 보인다 66

PART 4. AI로 미래 예측하기 67
1. 데이터 디렉터, 내일을 설계하는 예언자가 되다. 68
2. [이론] 머신러닝의 뼈대: 예측을 위한 2가지 핵심 무기 69
3. [실습] 1단계: ‘회귀 모델’로 미래의 숫자 예측하기 71
4. [실습] 2단계: ‘분류 모델’로 고객의 행동 예측하기 76
5. [고급 기술] 알아서 다 해주는 오토ML(AutoML) 프롬프팅 81
6. 코더(Coder)의 시대에서 디렉터(Director)의 시대로 83

PART 5. [종합 프로젝트] 실무 밀착형 100% 실전 분석 84
1. 파편화된 지식을 강력한 ‘무기’로 융합하라 85
2. [실습] STEP 1. 데이터의 융합과 정제 87
3. [실습] STEP 2. 현황 진단 및 시각화 90
4. [실습] STEP 3. 부동층 표심 예측 모델링 94
5. [실습] STEP 4. 의사결정을 위한 최종 처방 보고서 96
6. 이제 당신은 완벽한 ‘데이터 디렉터’입니다. 99

부록: 모니터 옆에 붙여두는 ‘데이터 디렉터’의 프롬프트 100
1. 1단계: 데이터 요리 준비 (전처리) 100
2. 2단계: 현황 파악 및 원인 진단 (시각화) 101
3. 3단계: 텍스트 및 미래 예측 분석 (머신러닝) 102
4. 4단계: 최종 전략 도출 (스토리텔링) 103

에필로그: 데이터의 바다에서 항해를 시작한 당신에게 104