데이터 분석가의 첫 90일

데이터 분석가로 첫 출근을 하는 날, 대부분의 사람들은 두 가지 극단적인 기대를 안고 온다. 하나는 '내가 빠르게 성과를 보여줘야 한다'는 조급함이고, 다른 하나는 '새로운 환경에서 실수를 하면 안 된다'는 두려움이다.

현실은 그 중간 어딘가에 있다. 첫 90일은 성과를 내야 하는 기간이 아니다. 신뢰를 쌓는 기간이다. 그리고 신뢰는 올바른 질문을 묻고, 비즈니스를 이해하고, 데이터가 어떻게 흘러가는지를 파악함으로써 만들어진다.

이 글은 내가 직접 온보딩을 경험하고, 수십 명의 분석가 커리어를 지켜보면서 반복적으로 확인한 패턴을 정리한 것이다. 모든 회사에 똑같이 적용할 수는 없지만, 방향성은 어디서나 통한다.

첫 달의 유일한 목표는 '이해하기'다. 쿼리를 작성하거나 대시보드를 만드는 것보다 더 중요한 일이 있다 — 이 회사가 어떻게 돈을 버는지, 어디서 의사결정이 일어나는지, 데이터가 어디서 왜 망가지는지를 파악하는 것이다.

가장 먼저 해야 할 일은 이해관계자 지도 그리기다. 어떤 팀이 데이터를 요청하는지, 누가 최종 의사결정을 하는지, 어느 부서가 가장 데이터에 우호적인지를 파악하라. 첫 미팅에서 '무엇을 도와드릴 수 있을까요?'라고 묻기보다 '지금 팀에서 가장 반복적으로 받는 데이터 질문이 무엇인가요?'라고 묻는 것이 훨씬 정보가 많다.

다음으로는 데이터 인프라를 탐색하라. ERD나 데이터 카탈로그가 없는 회사가 많다. 이 경우에는 직접 주요 테이블의 구조와 관계를 파악하고 간단한 문서를 남겨두는 것이 나중에 큰 자산이 된다. 이 문서가 팀에게 가치 있다고 느껴질 때 이미 신뢰는 시작되고 있다.

첫 30일 체크리스트: (1) 핵심 이해관계자 5명과 1:1 대화 완료, (2) 주요 데이터 소스 3개 이상 파악 및 간단한 설명 작성, (3) 팀에서 가장 자주 반복되는 데이터 요청 2개 파악, (4) 기존 대시보드 또는 리포트를 실제로 사용해보기.

30일이 지나면 이제 실제로 손을 움직여야 할 시간이다. 하지만 여전히 '빠른 성과'를 목표로 삼지 마라. 이 시기의 목표는 '재현 가능한 분석'을 만드는 것이다.

분석 요청을 받으면, 결과물을 만들기 전에 먼저 정의를 확인하라. '활성 사용자'가 무엇인지, '전환율'의 분모가 무엇인지, '매출'이 결제 시점 기준인지 인식 기준인지를 미리 확인하지 않으면 나중에 회의실에서 망신을 당한다. 이 확인 과정 자체가 전문성을 드러내는 행동이다.

이 시기에 특히 중요한 것은 분석 로직을 코드로 남기는 습관이다. 엑셀 셀에 숨겨진 계산식이 아니라, SQL 또는 Python으로 투명하게 재현 가능한 형태로. 처음에는 시간이 더 걸리지만, 3개월 후에 '그 숫자 어떻게 나온 거예요?'라는 질문에 즉시 링크로 답할 수 있을 때 그 가치가 드러난다.

또한 분석 요청에 우선순위를 매기는 연습을 시작하라. 모든 요청이 동등하게 중요하지 않다. 핵심 지표에 직접 연결되는 분석, 실제 의사결정에 활용되는 분석을 먼저 처리하고, 일회성 리포트는 자동화하거나 셀프서비스 가능한 형태로 전환하는 방향을 고민하라.

3개월 차에 들어서면 이제 분석 결과가 실제로 의사결정에 사용되기 시작한다. 이 시기의 핵심은 '맞는 답'이 아니라 '신뢰받는 답'을 만드는 것이다. 두 가지는 다르다.

신뢰받는 분석에는 몇 가지 공통점이 있다. 첫째, 숫자에 맥락이 있다. '전환율 12%'가 아니라 '지난 분기 대비 +3%p이며, 계절성 영향 없이 순수 캠페인 효과로 판단됨'처럼. 숫자 하나보다 숫자와 배경이 함께일 때 의사결정자는 더 자신 있게 행동한다.

둘째, 한계를 먼저 밝힌다. 데이터의 coverage가 70%라면, 결론을 내리기 전에 '이 데이터는 앱 사용자에 한정되며 웹은 포함되지 않는다'는 조건을 먼저 적는다. 이것이 취약점으로 보이지만, 실제로는 분석가에 대한 신뢰를 높이는 신호다.

셋째, 다음 질문을 먼저 제안한다. 분석 결과를 전달한 후 '이것을 기반으로 다음에 확인해볼 만한 질문은 X입니다'라는 한 문장이 회의실에서 분석가의 포지션을 만든다. 숫자를 전달하는 사람이 아니라, 사고의 방향을 제시하는 사람으로.

많은 신입 분석가들이 기술적인 역량에는 집중하지만, 커뮤니케이션 구조를 만드는 데는 소홀하다. 특히 두 가지가 반복적으로 문제를 일으킨다.

첫 번째는 분석 완료 후에야 공유하는 습관이다. 분석 중간에 방향이 맞는지 확인하는 것이 최종 결과물을 완전히 다시 만드는 것보다 훨씬 효율적이다. 이해관계자와 '이런 방향으로 분석하고 있는데, 의도하신 것과 맞나요?'라는 중간 확인을 습관화하라.

두 번째는 데이터 품질 문제를 혼자 해결하려는 것이다. 데이터가 이상하면 일단 다른 사람들에게 이상하다고 알려야 한다. 당신이 처음으로 이 문제를 발견한 것이 아닐 가능성이 높고, 팀 내 어딘가에 이미 해결책이 있거나 '이건 원래 이래'라는 설명이 있을 수 있다. 모르는 걸 모른다고 하고 확인하는 것이 빠른 성장의 경로다.

마지막으로, 첫 90일 동안 작성한 모든 분석과 질의응답을 문서화해두어라. 이것이 6개월 후에 '나는 어떻게 성장했는가'를 보여주는 포트폴리오의 재료가 된다.

첫 90일이 끝나는 시점에 스스로에게 물어볼 수 있는 질문들이 있다. '나는 팀에서 데이터에 관한 첫 번째 질문을 받는 사람인가? 아니면 아직 그 포지션을 만들어가는 중인가?' 이 질문에 대한 답이 다음 목표를 만든다.

90일 이후의 방향은 크게 세 가지로 나뉜다. 분석의 깊이를 더하는 방향, 더 많은 데이터 소스를 다룰 수 있는 역량을 키우는 방향, 그리고 분석 결과가 실제로 의사결정에 반영되는 구조를 만드는 방향. 어느 방향이 맞는지는 회사의 성숙도와 팀의 필요에 따라 다르다.

가장 중요한 것은 첫 90일 동안 쌓은 신뢰를 레버리지로 사용하는 것이다. 신뢰가 있을 때 더 어려운 분석에 도전할 기회가 생기고, 더 전략적인 논의에 참여할 수 있으며, 데이터 문화를 만드는 데 기여할 수 있다. 그 신뢰는 화려한 기술이 아니라 첫 90일의 작은 행동들로 만들어진다.