데이터분석 전문가 교본
IT 위키
더 많은 작업
데이터분석 전문가(ADP, Advanced Data Analytics Professional)는 데이터 이해와 처리 기술에 대한 기본지식을 바탕으로 데이터분석 기획, 데이터분석, 데이터 시각화 업무를 수행하는 전문가를 검정하는 국가공인 민간자격이다. 이 문서는 한국데이터산업진흥원이 공개한 과목·주요항목·세부항목과 실기 출제 방향을 뼈대로 삼아, 각 항목을 공부할 때 읽어야 할 위키 문서를 이어 둔 학습 목차이다.
- 시행 기관 : 한국데이터산업진흥원 (데이터자격검정)
- 자격 종류 : 국가공인 민간자격
- 관련 근거 : 자격기본법 제17조(민간자격의 신설 및 등록 등)
- 시행 횟수 : 필기·실기 연 2회 정기 시행
- 학점은행제 30학점 인정 (학점인정 등에 관한 법률 제7조제2항제4호)
- 하위 등급 : 데이터분석 준전문가(ADsP). ADsP 취득자는 ADP 응시자격을 얻는다. 범위가 겹치는 부분은 데이터분석 준전문가 교본과 같은 학습 문서를 쓴다.
필기시험 합격기준과 응시자격 요건을 충족하면 실기시험에 응시할 수 있고, 실기 합격자가 응시자격 증빙서류 심사를 통과하면 최종 합격자가 된다.
| 과목 | 객관식 문항 | 서술형 문항 | 배점 | 시험시간 |
|---|---|---|---|---|
| 데이터 이해 | 10 | 1 | 객관식 80점 (각 1점) 서술형 20점 |
180분 |
| 데이터 처리 기술 이해 | 10 | |||
| 데이터분석 기획 | 10 | |||
| 데이터분석 | 40 | |||
| 데이터 시각화 | 10 | |||
| 계 | 80 | 1 | 100점 | 180분 |
- 합격기준 : 총점 70점 이상
- 과락기준 : 과목별 40% 미만 취득
- 필기 합격의 효력 : 합격자 발표일부터 2년 동안 실기에 응시할 수 있다. 이 기간에 검정이 2회 미만 시행되면 그다음 필기 1회를 더 면제한다.
| 과목 | 배점 | 시험시간 | 방식 |
|---|---|---|---|
| 데이터분석 실무 | 100점 | 240분 | CBT |
- 합격기준 : 100점 만점에 75점 이상
- 출제 방향과 공부할 문서는 데이터분석 전문가 실기에 따로 정리했다.
필기시험일 기준으로 다음 가운데 하나를 갖춰야 한다.
| 구분 | 요건 |
|---|---|
| 학력 및 경력 | 박사학위를 취득한 자 |
| 석사학위 취득 후 해당 분야 실무경력 1년 이상 | |
| 학사학위 취득 후 해당 분야 실무경력 3년 이상 | |
| 전문대학 졸업 후 해당 분야 실무경력 6년 이상 | |
| 고등학교 졸업 후 해당 분야 실무경력 9년 이상 | |
| 자격 보유 | 데이터분석 준전문가 자격을 취득한 자 |
- 실기 합격 뒤 경력·재직증명서, 최종학력증명서, 자격증 사본 가운데 해당 서류를 누리집 시험결과 화면에서 온라인으로 낸다.
- 입실은 09:30까지이고 시험은 10:00에 시작한다. 필기는 10:00~13:00, 실기는 10:00~14:00이다. 10:00 이후에는 입실할 수 없다.
- 계산기를 쓸 수 없다. 실기시험에는 필기구도 놓을 수 없다.
- 실기시험 중 허가되지 않은 웹사이트에 접속·검색하거나 USB 등 허가되지 않은 장치를 연결하면 부정행위로 처리된다.
| 회차 | 구분 | 원서접수 | 수험표 발급 | 시험일 | 사전점수 공개 및 재검토 접수 | 합격(예정)자 발표 | 응시자격 서류제출 |
|---|---|---|---|---|---|---|---|
| 제36회 | 필기 | 1. 5. ~ 1. 9. | 1. 23. | 2. 7.(토) | 2. 27. ~ 3. 3. | 3. 6. | - |
| 실기 | 3. 30. ~ 4. 3. | 4. 17. | 5. 2.(토) | 5. 22. ~ 5. 26. | 5. 29. | 5. 29. ~ 6. 8. | |
| 제37회 | 필기 | 7. 6. ~ 7. 10. | 7. 24. | 8. 8.(토) | 8. 28. ~ 9. 1. | 9. 4. | - |
| 실기 | 9. 14. ~ 9. 18. | 10. 2. | 10. 17.(토) | 11. 6. ~ 11. 10. | 11. 13. | 11. 13. ~ 11. 20. |
- 원서를 제출하고 2시간 안에 수수료를 내지 않으면 접수가 자동 취소된다.
ADsP의 출제 범위는 ADP 범위 안에 그대로 들어 있고, 겹치는 부분은 세부항목 문구까지 같다. ADP에는 아래 굵게 쓴 부분이 더 있다.
| 과목 | ADsP | ADP |
|---|---|---|
| 데이터 이해 | 10문항 | 10문항 |
| 데이터 처리 기술 이해 | 없음 | 10문항 (과목 전체) |
| 데이터분석 기획 | 10문항 | 10문항 |
| 데이터분석 | 30문항 (R기초와 데이터 마트, 통계분석, 정형 데이터 마이닝) | 40문항 (같은 범위 + 비정형 데이터 마이닝) |
| 데이터 시각화 | 없음 | 10문항 (과목 전체) |
| 서술형 | 없음 | 1문항 20점 |
| 실기 | 없음 | 데이터분석 실무 240분 |
| 합격기준 | 총점 60점 | 필기 70점, 실기 75점 |
| 응시자격 | 없음 | 학력·경력 요건 또는 ADsP 취득 |
- ADsP를 먼저 따 두면 응시자격이 해결되고, 1·3과목과 4과목의 상당 부분을 이미 공부한 셈이 된다. ADsP 범위는 데이터분석 준전문가 교본을 따른다.
- 4과목 데이터분석(40문항)이 필기와 실기를 함께 좌우한다. 통계적 가설 검정, 회귀 분석, 분산분석과 데이터 마이닝을 ADsP보다 깊게, 가정 점검(정규성 검정, 등분산 검정)과 사후 검정까지 정리한다. 비정형 데이터 마이닝(텍스트 마이닝, 사회연결망 분석)이 ADsP에 없는 부분이다.
- 2과목 데이터 처리 기술 이해는 용어와 구조 비교가 중심이다. ETL·CDC·EAI를 데이터 연계 및 통합 기법의 비교표로 묶고, 구글 파일 시스템·하둡 분산 파일 시스템·MapReduce·빅테이블·전가상화·반가상화를 짝지어 외운다.
- 5과목 데이터 시각화는 시각화 인사이트 프로세스의 3단계와 데이터 시각화 방법의 5가지 유형, 시각 변수가 자주 나온다.
- 필기에 붙으면 곧바로 실기를 준비한다. 4시간 동안 전처리부터 모델 평가, 통계 검정까지 코드와 해석을 함께 써야 하므로 시간 안에 끝까지 쓰는 연습이 필요하다.
ADsP 1과목과 범위가 같다.
| 주요항목 | 세부항목 | 학습 문서 |
|---|---|---|
| 데이터의 이해 | 데이터와 정보 | |
| 데이터베이스의 정의와 특징 | ||
| 데이터베이스 활용 | ||
| 데이터의 가치와 미래 | 빅데이터의 이해 | |
| 빅데이터의 가치와 영향 |
| |
| 비즈니스 모델 |
| |
| 위기 요인과 통제 방안 |
| |
| 미래의 빅데이터 | ||
| 가치 창조를 위한 데이터 사이언스와 전략 인사이트 | 빅데이터분석과 전략 인사이트 |
|
| 전략 인사이트 도출을 위한 필요 역량 |
| |
| 빅데이터 그리고 데이터 사이언스의 미래 |
|
ADP에만 있는 과목이다.
| 주요항목 | 세부항목 | 학습 문서 |
|---|---|---|
| 데이터 처리 프로세스 | ETL(Extraction, Transformation and Load) | |
| CDC(Change Data Capture) |
| |
| EAI(Enterprise Application Integration) |
| |
| 데이터 연계 및 통합 기법 요약 |
| |
| 대용량 비정형 데이터 처리 |
| |
| 데이터 처리 기술 | 분산 데이터 저장 기술 |
|
| 분산 컴퓨팅 기술 | ||
| 클라우드 인프라 기술 |
ADsP 2과목과 범위가 같다.
| 주요항목 | 세부항목 | 학습 문서 |
|---|---|---|
| 데이터분석 기획의 이해 | 분석 기획 방향성 도출 |
|
| 분석 방법론 |
| |
| 분석 과제 발굴 | ||
| 분석 프로젝트 관리 방안 |
| |
| 분석 마스터 플랜 | 마스터 플랜 수립 | |
| 분석 거버넌스 체계 수립 |
|
R기초와 데이터 마트, 통계분석, 정형 데이터 마이닝은 ADsP 3과목과 같고, 비정형 데이터 마이닝이 더 있다. ADsP보다 문항이 10개 많아 같은 주제도 더 깊게 묻는다.
| 주요항목 | 세부항목 | 학습 문서 | ||
|---|---|---|---|---|
| R기초와 데이터 마트 | R기초 | |||
| 데이터 마트 | ||||
| 결측값 처리와 이상값 검색 | ||||
| 통계분석 | 통계학 개론 | |||
| 기초 통계분석 | ||||
| 다변량 분석 | ||||
| 시계열 예측 | ||||
| 정형 데이터 마이닝 | 데이터 마이닝 개요 | |||
| 분류분석(Classification) | ||||
| 군집분석(Clustering) | ||||
| 연관분석(Association Analysis) |
|
비정형 데이터 마이닝 | 텍스트 마이닝 | |
| 사회연결망 분석 |
ADP에만 있는 과목이다.
| 주요항목 | 세부항목 | 학습 문서 |
|---|---|---|
| 시각화 인사이트 프로세스 | 시각화 인사이트 프로세스의 의미 |
|
| 탐색(1단계) | ||
| 분석(2단계) | ||
| 활용(3단계) | ||
| 시각화 디자인 | 시각화의 정의 | |
| 시각화 프로세스 |
| |
| 시각화 방법 |
| |
| 빅데이터와 시각화 디자인 | ||
| 시각화 구현 | 시각화 구현 개요 | |
| 분석 도구를 이용한 시각화 구현 | ||
| 라이브러리 기반의 시각화 구현: D3.js |
|
필기에는 객관식 80문항과 별도로 20점짜리 서술형 1문항이 있다. 공식 안내에는 문항 수와 배점만 있고 출제 범위를 따로 밝히지 않는다. 과락은 과목별로 따지므로 서술형만으로 합격선(70점)을 채울 수는 없지만, 20점은 객관식 20문항과 맞먹는다. 분석 결과를 근거와 함께 문장으로 정리하는 연습은 실기 답안 작성에도 그대로 쓰인다.
과목은 '데이터분석 실무' 하나이며 기계학습 영역과 통계 영역으로 나뉘어 출제된다. 공식 출제 방향과 유형별 학습 문서는 데이터분석 전문가 실기에 있다.
| 영역 | 분야 | 내용 |
|---|---|---|
| 기계학습 | 기계학습 알고리즘을 활용한 분석 | 데이터 전처리, 탐색적 데이터 분석, 모델 구축과 초매개변수 조율, 모델 평가와 선택 |
| 통계적 학습 방법을 활용한 분석 | 데이터 품질 평가와 변수 처리, 변수 간 관계 분석과 예측 모델, 통계적 학습과 기계학습 모델 비교 | |
| 통계 | 데이터 탐색 및 기초 통계 분석 | 기술통계량과 시각화, 탐색적 데이터 분석과 전처리 |
| 통계적 추론 및 통계 모형 구축 | 유의성 검정, 상관·회귀 분석, 다변량 분석, 시계열 분석, 고급 통계 분석 |
한국데이터산업진흥원은 시험문제와 답안을 공개하지 않는다. 학습 문서마다 "시험 포인트" 절에 자주 묻는 내용을 정리해 두었다.