CLAUDE로 하는 데이터 분석
데이터 분석에 Claude를 사용하는 방법: CSV, SQL 쿼리, 보고서
스프레드시트는 줄어들지 않는다. 줄어드는 건 첫 검토 시간이다.
Anthropic의 Claude는 데이터 작업 첫 한 시간 동안 꽤 쓸만한 조력자가 된다. CSV를 읽고, 스키마를 분해하고, PDF 더미에서 필드를 추출하고, 쌓여 있는 리서치 자료를 요약하는 일까지. 이 페이지는 실제로 데이터 분석에 Claude를 사용하는 방법과 효과적인 프롬프트, 그리고 잘못된 숫자가 보고서에 섞이지 않도록 막아주는 점검 방법을 다룬다.
데이터 분석에 Claude를 사용하는 방법이란, Anthropic의 Claude에게 CSV 파일이나 데이터베이스 스키마, 혹은 문서 더미를 건네고 패턴을 찾거나 SQL 쿼리를 작성하거나 구조화된 데이터를 추출하거나 평이한 문장으로 보고서를 작성하게 하는 것을 말한다. Claude는 하나의 대화 안에서 큰 파일을 읽고, 추론 과정을 설명하며, 더 나은 도구일 때는 코드를 작성하기도 한다. 다만 스스로 코드를 실행하거나 실제 운영 중인 데이터베이스에 쿼리를 날리지는 않으므로, 의사결정에 반영되기 전에 원본 데이터와 대조하거나 직접 계산을 샘플로 확인하거나 한 번 더 검토하는 과정이 필요하다.
게시일 · 최종 검토일
무료 레슨 · 계정 필요 없음반복 루프필수 역량 마스터하기6분무료 레슨 시작하기핵심 요약
- Claude는 대화창에 붙여넣거나 업로드한 데이터를 바로 읽어 CSV 파일을 분석하므로, 첫 검토 단계에서는 별도의 BI 툴이 필요 없다.
- Claude는 스키마 설명만으로 조인, 윈도우 함수, CTE를 포함한 SQL 쿼리를 작성하고, 각 부분이 하는 일을 설명해준다.
- Claude는 뒤죽박죽인 텍스트, 이메일, PDF, 웹 페이지에서 구조화된 데이터를 추출해 직접 정의한 JSON이나 CSV 스키마에 맞춰 정리해준다.
- Claude는 코드를 실행하거나 운영 중인 데이터베이스에 직접 연결하지 않으므로, 결과로 내놓는 모든 숫자는 사용하기 전에 검증 단계를 거쳐야 한다.
- Claude의 분석을 바탕으로 만든 보고서라도, 기반 데이터를 확인하고 질문 자체가 잘못 설정되지는 않았는지 사람이 직접 점검해야 한다.
Claude가 직접 하는 일 vs. 여전히 사람이 해야 할 일
| 작업 | Claude가 직접 하는 일 | 여전히 사람이 확인해야 할 일 |
|---|---|---|
| CSV 분석 | 붙여넣거나 업로드한 데이터를 읽고 추세를 찾고 이상치를 짚어내고 평이한 문장으로 요약한다. | 보고하기 전에 피벗 테이블이나 별도 계산으로 합계를 확인한다. |
| SQL 쿼리 | 스키마 설명을 바탕으로 조인, CTE, 윈도우 함수를 작성하고 설명한다. | 직접 쿼리를 실행해 행 수와 null, 중복 같은 예외 케이스를 확인한다. |
| 구조화된 데이터 추출 | 뒤죽박죽인 텍스트에서 필드를 추출해 직접 정의한 JSON이나 CSV 스키마에 맞춘다. | 특히 애매한 필드는 레코드 샘플을 원본 문서와 대조해 확인한다. |
| 보고서 초안 작성 | 데이터와 발견 사항을 명확한 헤드라인과 권고 사항이 담긴 글로 풀어낸다. | 배포하기 전에 초안 속 모든 숫자가 원본 데이터로 추적되는지 확인한다. |
| 리서치 종합 | 여러 자료를 한 대화 안에서 읽고 공통된 내용, 모순, 빈틈을 짚어낸다. | 인용된 주장이 그럴듯한 요약이 아니라 실제로 원본 자료에 있는 내용인지 확인한다. |
복사해서 붙여넣기
오늘 바로 쓸 수 있는 프롬프트
CSV에서 추세와 이상치 찾기
여기 [기간] 동안 [제품 수]개 제품의 월별 매출 CSV가 있습니다. 어떤 제품이 가장 강한 성장 추세를 보이는지, 연중 계절적 패턴이 있는지, 모든 제품이 동시에 부진했던 달이 있는지, 그리고 가장 두드러진 개별 이상치 다섯 가지를 각각 한 줄 설명과 함께 찾아주세요.
원본 CSV 텍스트를 그대로 붙여넣거나, 파일이 너무 커서 전체를 붙여넣을 수 없다면 열 구성과 대표적인 샘플을 설명해주세요.
스키마로 SQL 쿼리 생성하기
제 스키마는 다음과 같습니다: users (id, email, created_at), orders (id, user_id, amount, status, created_at). 지난 [12]개월간 가입 코호트별 월간 매출을 전월 대비 성장률과 함께 반환하는 [Postgres] 쿼리를 작성하고, 쿼리의 각 부분이 하는 일을 설명해주세요.
실제 테이블명과 컬럼명으로 바꿔 넣고, 문법이 맞도록 사용 중인 데이터베이스 엔진도 알려주세요.
비정형 텍스트에서 구조화된 데이터 추출하기
이 채용 공고에서 다음 필드를 JSON으로 추출해주세요: role_title, company, location, salary_range(명시되지 않았다면 null), required_years_experience, 배열 형태의 tech_stack, remote_policy. 애매한 필드가 있다면 판단 근거를 설명하는 extraction_notes 필드를 추가해주세요. 채용 공고: [텍스트 붙여넣기]
원하는 스키마를 정확히 정의해주세요. Claude는 여러 문서 묶음에도 이를 일관되게 적용합니다.
원본 데이터로 보고서 초안 작성하기
여기 [부서]의 [분기] 데이터가 있습니다. 한 페이지짜리 경영진 요약을 작성해주세요. 가장 중요한 발견 하나로 시작하고, 해석에 필요한 맥락과 함께 가장 중요한 지표 세 가지를 보여주고, 리스크 하나를 짚어주고, 추천하는 다음 단계 두 가지로 마무리해주세요. 전문 용어 없이 평이한 문장으로 써주세요.
독자층과 필요한 분량을 알려주면 Claude가 그에 맞는 어조로 맞춰줍니다.
뒤죽박죽인 데이터를 리서치 계획으로 바꾸기
ticket_id, created_at, category, resolution_time_hours, CSAT_score, agent_id, product_area 필드를 가진 [개월 수]개월치 고객 지원 티켓 데이터가 있습니다. 아직 무엇을 봐야 할지 모르겠습니다. 이 데이터셋으로 할 수 있는 가장 가치 있는 분석 다섯 가지와, 각각 무엇을 알려줄지, 팀에 왜 중요한지 제안해주세요.
데이터는 있지만 아직 가설이 없을 때 유용합니다. Claude가 먼저 질문의 틀을 잡는 걸 도와줍니다.
직접 작성하지 않은 쿼리 설명 요청하기
이 SQL 쿼리가 하는 일을 조인, 서브쿼리, 윈도우 함수까지 포함해 단계별로 설명해주세요. 그런 다음 더 간단하거나 빠르게 작성할 방법이 있는지 알려주고, 중복되거나 누락된 행을 반환할 소지가 있어 보이는 부분이 있다면 짚어주세요. 쿼리: [SQL 붙여넣기]
다른 사람에게서 물려받은 쿼리나 동료의 풀 리퀘스트를 검토할 때 유용합니다.
무료 레슨
좋은 데이터 분석 뒤에 있는 추론 습관부터 시작하기
데이터 분석가도, 터미널을 한 번도 열어본 적 없는 사람도 출발점은 같다. Claude에게 맥락을 주고 결과물을 점검하는 법을 배우는 것이다.
워크플로
Claude가 잘 처리하는 여섯 가지 데이터 작업
평범한 분석 업무 한 주에서 가장 자주 마주치는 일들이다.
CSV와 스프레드시트 분석
원본 CSV 데이터를 붙여넣거나 열 구성을 설명하고, 평이한 문장으로 기술 통계, 추세선, 이상치 탐지, 코호트 비교를 요청한다.
SQL 쿼리 작성
스키마와 알고 싶은 질문을 설명하면 Claude가 조인, 집계, 윈도우 함수를 포함한 쿼리를 작성하고 각 단계를 설명한다.
구조화된 데이터 추출
이메일, PDF, 채용 공고, 기사 같은 비정형 텍스트를 Claude에 건네고 원하는 JSON이나 CSV 스키마를 정의한다.
리서치 종합
여러 논문이나 보고서를 붙여넣고 자료 전반에서 반복되는 발견, 모순, 빈틈을 Claude에게 찾아달라고 요청한다.
보고서 생성
원본 데이터와 독자층을 알려주면 Claude가 서술형 글을 작성하고 핵심 지표를 뽑아내며 수정 가능한 경영진 요약을 써준다.
탐색적 데이터 대화
데이터셋은 있지만 아직 뚜렷한 질문이 없을 때, Claude가 무엇을 분석할 가치가 있는지와 그 이유를 함께 정리해준다.
시작하기
Claude는 CSV 파일을 분석할 수 있을까?
가능하다. 데이터 분석에 Claude를 사용하는 가장 직접적인 방법은 CSV를 대화창에 바로 붙여넣거나 파일을 업로드한 뒤 구체적인 질문을 던지는 것이다. Claude는 몇 개 행만 샘플링하는 게 아니라 건네받은 파일 전체를 맥락 안에서 읽으므로, 한 번에 모든 달, 모든 제품 라인, 모든 고객 세그먼트를 비교할 수 있다.
파일이 크다면 헤더 행과 대표성 있는 샘플을 붙여넣고 전체 행 수와 결측값, 날짜 형식 불일치, 사실상 두 필드가 합쳐진 열 같은 특이사항을 설명해주자. Claude는 그 설명을 바탕으로 전체 데이터셋을 추론하지만, 그 신뢰도는 제공한 샘플과 설명의 품질만큼만 보장된다. 편향된 샘플은 편향된 해석을 낳는다.
Claude는 실시간 스프레드시트를 열거나 파일을 실행하지 않으며, 붙여넣거나 업로드한 내용을 바탕으로만 작업한다. 붙여넣을 수 있는 한계보다 큰 파일을 처리해야 하거나 매주 새 파일에 같은 분석을 반복해야 한다면, Claude는 전체 데이터셋을 대화창에 담으려 하는 대신 그 작업을 위한 Python이나 SQL 코드를 작성해준다.
SQL
Claude는 SQL 쿼리를 작성할 수 있을까?
가능하고, 이는 데이터 분석에 Claude를 쓰는 용도 중에서도 꽤 신뢰할 만한 편이다. 테이블명, 컬럼명, 테이블 간 관계를 포함한 스키마를 설명하고 답을 얻고 싶은 비즈니스 질문을 명시하면, Claude가 쿼리를 작성하고 요청하면 각 절이 하는 일과 그 이유를 짚어준다.
조인, 서브쿼리, 공통 테이블 표현식, 윈도우 함수는 많은 프롬프팅 없이도 처리하며, 다른 곳에서 가져온 쿼리를 최적화하거나 단순화해주기도 한다. 질문을 어떻게 표현하느냐보다 스키마가 더 중요하다. 테이블을 정확하게 설명할수록 Claude가 컬럼명이나 데이터 타입을 추측해야 할 일이 줄어든다.
Claude는 데이터베이스에 연결하지 않으며 쿼리가 실제로 실행되는지, 올바른 숫자를 반환하는지 확인할 수 없다. 결과를 신뢰하기 전에 모든 쿼리를 직접 실행해보고, 예상한 행 수와 맞는지 확인하자. 행이 0개 반환되거나 예상의 두 배가 나온다면 뭔가 문제가 있다는 신호다.
추출
Claude는 문서에서 구조화된 데이터를 추출할 수 있을까?
가능하다. 원하는 필드를 정확히 정의하고 각 필드의 타입을 명시한 뒤, 필드가 누락되거나 애매할 때 어떻게 할지(null 처리, 플래그 표시, 최선의 추측 후 그 사실 명시) 알려주자. Claude는 문서 한 건이든 쉰 건이든 그 스키마를 일관되게 적용하므로 채용 공고, 송장, 계약서, 스크래핑한 웹 페이지에 유용하다.
주의해야 할 실패 유형은 자신 있게 채워진 것처럼 보이지만 실제로는 원문에 명시된 게 아니라 추론된 필드다. 추론해야 했던 항목에는 노트 필드를 추가해달라고 요청하고, 어딘가로 넘기기 전에 출력물 샘플을 원본 문서와 대조해 확인하자.
정확도
Claude는 데이터 분석에서 얼마나 정확할까, 그리고 어떻게 확인할까?
Claude는 통계에 대해 추론을 잘하며 흔한 오류 상당수를 스스로 잡아낸다. 추세가 단 하나의 이상치 때문에 생긴 것인지, 샘플이 너무 작아 일반화할 수 없는지, 실제로는 비교할 수 없는 두 숫자를 비교하려는 건 아닌지 짚어준다. 하지만 특히 전체 데이터셋이 아니라 일부 샘플이나 데이터 설명만 보고 작업할 때는, 틀린 숫자도 맞는 숫자와 똑같이 자신감 있는 어조로 말할 수 있다.
해법은 Claude가 내놓는 모든 것을 불신하는 게 아니라, 사용 방식에 몇 가지 점검 단계를 끼워 넣는 것이다. 결론만이 아니라 풀이 과정을 보여달라고 요청해서 숫자가 어디서 나왔는지 확인하자. 적어도 계산 하나는 손으로 직접 하거나 믿을 만한 출처와 대조해보자. 그리고 결과가 놀랍다면, 받아들이기 전에 Claude에게 스스로의 결론에 반박해보라고 요청하자. 숫자에 대한 빠른 사전 점검만으로도 잘못된 가정을 잡아내기에 충분한 경우가 많다.
Claude의 첫 답변은 완성된 분석이 아니라 탄탄한 초안으로 대하자. 그 습관이 'Claude와 함께하는 데이터 분석'과 '어쩌다 Claude가 끼어든 데이터 분석'을 가른다.
준비하기
Claude로 데이터를 분석하려면 Python을 알아야 할까?
아니다. 위에서 다룬 모든 작업은 평범한 대화로 가능하다. 데이터를 붙여넣고, 질문하고, 자연어로 답을 받으면 된다. 추세 분석이든 SQL 쿼리든 구조화된 추출이든, Claude에게서 얻어내는 데 코드를 한 줄도 쓸 필요가 없다.
매주 새 파일에 같은 분석을 반복하거나, 붙여넣기엔 너무 큰 데이터셋을 처리하거나, 재사용 가능한 스크립트를 동료에게 넘기고 싶을 때 Python이 쓸모 있어진다. 이럴 때는 Claude에게 pandas, SQL, 플로팅 코드를 작성하고 그 동작을 설명해달라고 요청하면 된다. 직접 코드를 쓰는 건 여전히 아니지만, 결과적으로 대화창 밖에서 실행되는 결과물을 얻게 된다.
맥락
분석을 쓸모 있게 만드는 맥락 제공하기
데이터 분석 프롬프트는 맥락이 적을수록이 아니라 많을수록 더 잘 작동한다. CSV라면 열 정의와 이미 알고 있는 데이터 품질 이슈를 뜻한다. SQL 쿼리라면 대충 풀어쓴 설명이 아니라 실제 스키마를 뜻한다. 구조화된 데이터 추출이라면 정확한 출력 스키마와 예외 케이스 처리 방법을 뜻한다. 보고서라면 독자층과 그 보고서가 뒷받침해야 할 의사결정을 뜻한다.
필수 역량 마스터하기의 반복 루프 레슨이 바로 이 내용을 다룬다. 첫 응답을 초안으로 대하고, 더 긴 프롬프트로 처음부터 다시 쓰는 대신 맥락을 보정해서 다시 물어보는 것이다. 데이터 작업에서는 그 보정이 대개 질문을 표현한 방식의 결함이 아니라, 빠뜨린 스키마 일부나 언급을 잊은 데이터 특이사항인 경우가 많다.
한계
비즈니스 데이터를 Claude에 업로드해도 안전할까, 한계는 무엇일까?
붙여넣거나 업로드하는 모든 데이터는 이메일에 담을 데이터를 대하듯 다루자. 벤더 시스템이 처리해도 괜찮다고 느끼지 않을 내용은 포함하지 말고, 고객 기록, 재무 정보, 개인정보가 붙은 자료를 업로드하기 전에 조직의 데이터 처리 정책을 확인하자. 확신이 서지 않으면 식별 가능한 열을 제거하거나 집계된 버전의 데이터셋으로 작업하자.
더 큰 한계는 프라이버시가 아니라 검증이다. 데이터를 직접 건네지 않는 한 Claude는 실제 운영 중인 데이터베이스, BI 대시보드, 실제 스프레드시트 파일에 접근할 수 없다. 그래서 보여준 내용에 대해서는 잘 추론하지만, 숫자가 맞는지 독립적으로 확인할 수는 없다. Claude와의 대화에서 나온 모든 보고서, 차트 설명, 핵심 지표는 고객이나 수강생, 동료에게 전달되기 전에 출처로 거슬러 올라가 확인돼야 한다.
이는 기술적인 문제인 만큼이나 직업적 책임의 문제이기도 하다. 보고서를 보낸 사람이 그 내용에 책임을 지는 것이지, 초안 작성을 도운 도구가 책임지는 게 아니다.
시작하는 곳
Claude로 데이터 작업을 시작하는 경로
필수 역량 마스터하기가 가장 빠른 진입로다. 반복 루프 레슨은 위의 모든 워크플로 뒤에 있는 핵심 습관을 가르친다. Claude의 첫 결과물을 초안으로 대하고, 더 나은 맥락으로 보정해서 처음부터 다시 쓰는 대신 다시 물어보는 습관이다. 문서 분석은 Claude가 건네받은 파일을 어떻게 읽고 추론하는지를 다루는데, 이는 CSV나 보고서 더미를 붙여넣을 때 정확히 벌어지는 일이다. 리서치와 사고는 여러 자료를 하나의 명확한 답으로 종합하는 법을 다루며, 이는 리서치 종합과 보고서 작성 뒤에 있는 것과 같은 역량이다.
이 세 레슨을 그 순서대로 들으면 이 페이지의 모든 데이터 워크플로 뒤에 있는 추론 습관을 다지게 된다. 그 다음부터는 위의 프롬프트들을 자신의 스키마, 데이터셋, 보고서 형식에 맞게 바꿔 쓰면 된다.
데이터 분석을 직접 해보기
CSV와 SQL용 프롬프트를 읽는 것과 실제로 자신의 데이터에 돌려보는 것은 다르다. 무료 Nightschool AI 커리큘럼은 반복 루프로 시작하는데, 이는 이 페이지에 실린 모든 데이터 프롬프트를 두 번째에는 더 잘 작동하게 만드는 습관이다.
자주 묻는 질문
Claude는 CSV 파일을 분석할 수 있나요?
네. CSV를 대화창에 바로 붙여넣거나 업로드한 뒤 추세, 이상치, 비교에 대한 구체적인 질문을 하세요. Claude는 행을 샘플링하는 대신 건네받은 파일 전체를 한 번에 읽으므로 데이터셋 전체의 수치를 한꺼번에 비교할 수 있습니다. 붙여넣기엔 너무 큰 파일이라면 열 구성과 대표 샘플을 대신 설명해주세요.
Claude는 SQL 쿼리를 작성할 수 있나요?
네. 테이블명과 컬럼명을 포함한 데이터베이스 스키마를 설명하고 답을 얻고 싶은 질문을 명시하세요. Claude는 조인, 집계, 서브쿼리, 윈도우 함수를 다루는 쿼리를 작성하고, 각 부분을 설명하거나 이미 가지고 있는 쿼리를 최적화해줄 수 있습니다. 다만 올바른 행을 반환하는지 확인하려면 직접 쿼리를 실행해봐야 합니다.
Claude는 데이터 분석에서 얼마나 정확한가요?
Claude는 통계에 대해 추론을 잘하며 작은 샘플 크기나 오해의 소지가 있는 비교 같은 문제를 스스로 잡아내는 경우가 많습니다. 하지만 특히 일부 샘플만 보고 작업할 때는 틀린 숫자도 맞는 숫자와 똑같이 자신감 있는 어조로 말할 수 있습니다. 첫 답변은 탄탄한 초안으로 대하고 사용하기 전에 핵심 숫자를 검증하세요.
Claude는 문서에서 구조화된 데이터를 추출할 수 있나요?
네. JSON 스키마처럼 원하는 정확한 필드와 형식을 정의하면 Claude가 이메일, PDF, 계약서, 웹 페이지 전반에 걸쳐 일관되게 적용합니다. 직접 명시된 게 아니라 추론해야 했던 부분은 표시해달라고 요청하고, 출력물 샘플을 원본 문서와 대조해 확인하세요.
Claude의 분석에서 오류를 어떻게 확인하나요?
결론만이 아니라 풀이 과정을 보여달라고 요청해서 각 숫자가 어디서 나왔는지 확인하세요. 적어도 계산 하나는 손으로 직접 하거나 믿을 만한 출처와 대조해보세요. 결과가 놀랍다면 받아들이기 전에 Claude에게 스스로의 결론에 반박해보라고 요청하세요. 이것만으로도 잘못된 가정 상당수를 잡아낼 수 있습니다.
비즈니스 데이터를 Claude에 업로드해도 안전한가요?
고객 기록, 재무 정보, 개인정보를 업로드하기 전에 조직의 데이터 처리 정책을 확인하고, 식별 가능한 열을 제거하거나 데이터를 먼저 집계하는 것을 고려하세요. Claude는 대화에서 공유한 것 이상으로 시스템에 독립적으로 접근하지 않지만, 어떤 데이터를 공유할지에 대한 책임은 사용자에게 있습니다.
Claude로 데이터를 분석하려면 Python을 알아야 하나요?
아니요. 추세 분석부터 SQL 생성, 구조화된 추출까지 모든 작업이 코드 작성 없이 평범한 대화로 가능합니다. 새 파일에 자동으로 분석을 반복하거나 재사용 가능한 스크립트를 넘기고 싶을 때 Python이 쓸모 있어지며, 필요하면 Claude가 그 코드를 작성해줍니다.
Claude는 데이터로 차트나 시각화를 만들 수 있나요?
Claude는 Python 플로팅 스크립트처럼 차트를 생성하는 코드를 작성할 수 있지만, 대화 안에서 그 코드를 직접 실행하거나 차트를 렌더링해주지는 않습니다. 차트 코드와 그 차트가 보여줘야 할 내용에 대한 설명을 요청한 뒤 자신의 환경에서 직접 실행하세요.