데이터분석 준전문가 교본
IT 위키
더 많은 작업
데이터분석 준전문가(ADsP, Advanced Data Analytics Semi-Professional)는 데이터 이해에 대한 기본지식을 바탕으로 데이터분석 기획과 데이터분석 직무를 수행하는 실무자를 검정하는 국가공인 민간자격이다. 이 문서는 한국데이터산업진흥원이 공개한 과목·주요항목·세부항목을 뼈대로 삼아, 각 항목을 공부할 때 읽어야 할 위키 문서를 이어 둔 학습 목차이다.
- 시행 기관 : 한국데이터산업진흥원 (데이터자격검정)
- 자격 종류 : 국가공인 민간자격 (공인자격 제2022-05호)
- 관련 근거 : 자격기본법 제17조(민간자격의 신설 및 등록 등)
- 시행 횟수 : 연 4회 정기 시행
- 학점은행제 14학점 인정 (학점인정 등에 관한 법률 제7조제2항제4호)
- 상위 등급 : 데이터분석 전문가(ADP). 필기(객관식 80문항 + 서술형 1문항, 180분)와 실기(CBT, 240분)를 치르며 응시자격 요건이 있다.
준전문가 시험은 필기시험 하나로 끝난다. 필기 합격자가 곧 최종 합격자이다.
| 과목 | 문항수 (객관식) | 배점 | 시험시간 |
|---|---|---|---|
| 데이터 이해 | 10 | 100점 (문항당 2점) | 90분 |
| 데이터분석 기획 | 10 | ||
| 데이터분석 | 30 | ||
| 계 | 50 | 100점 | 90분 |
- 합격기준 : 총점 60점 이상
- 과락기준 : 과목별 40% 미만 취득 (데이터 이해 4문항 미만, 데이터분석 기획 4문항 미만, 데이터분석 12문항 미만 정답이면 과락이다)
- 응시자격 : 제한 없음
- 입실은 09:30까지이고 시험은 10:00~11:30에 치른다. 10:00 이후에는 입실할 수 없다.
- 계산기를 쓸 수 없다. 통계 계산은 손으로 풀어야 하므로 공식을 외워 두고 필산을 연습한다.
- 시험문제와 답안은 공개하지 않는다. 문제를 옮겨 적어 나갈 수 없다.
| 회차 | 원서접수 | 수험표 발급 | 시험일 | 사전점수 공개 및 재검토 접수 | 합격(예정)자 발표 |
|---|---|---|---|---|---|
| 제48회 | 1. 5. ~ 1. 9. | 1. 23. | 2. 7.(토) | 2. 27. ~ 3. 3. | 3. 6. |
| 제49회 | 4. 13. ~ 4. 17. | 5. 1. | 5. 17.(일) | 5. 29. ~ 6. 2. | 6. 5. |
| 제50회 | 7. 6. ~ 7. 10. | 7. 24. | 8. 8.(토) | 8. 21. ~ 8. 25. | 8. 28. |
| 제51회 | 9. 28. ~ 10. 2. | 10. 16. | 10. 31.(토) | 11. 13. ~ 11. 17. | 11. 20. |
- 원서접수는 접수 시작일 10:00부터 마감일 17:59:59까지이다. 원서를 제출하고 2시간 안에 수수료를 내지 않으면 접수가 자동 취소된다.
- 환불 : 접수 마감일 17:59:59까지 전액, 그 뒤 시행 5일 전 17:59:59까지 50%, 그 이후에는 환불되지 않는다. 시험 연기 제도는 없다.
- 3과목 데이터분석(30문항, 60점)이 합격을 좌우한다. 기초통계량, 확률 분포, 통계적 추정, 통계적 가설 검정을 먼저 잡고 회귀 분석, 분산분석, 상관 분석으로 넘어간다.
- 데이터 마이닝은 분류(의사결정 나무, 로지스틱 회귀, 앙상블 기법)·평가(혼동 행렬, ROC 곡선)·군집(계층적 군집 분석, K-Means)·연관 분석의 네 덩어리로 나눠 정리한다. 지지도·신뢰도·향상도, 정밀도·재현율처럼 손으로 계산하는 지표는 공식과 함께 직접 풀어 본다.
- 객관식 시험이므로 R 코드를 직접 짜지는 않는다. 코드와 출력 결과를 보고 해석할 수 있도록 R 데이터 구조와 기본 함수, 회귀분석 결과표 읽는 법을 익힌다.
- 1·2과목(각 10문항)은 암기 과목이다. 과락(4문항 미만)만 피하면 되므로 시험 1~2주 전에 데이터 분석 기획, 분석 과제 발굴, 분석 마스터 플랜, 데이터 분석 거버넌스, 빅데이터 위기 요인과 통제 방안을 표 위주로 외운다.
- 같은 기관이 시행하는 빅데이터분석기사와 범위가 많이 겹친다(분석 기획, 통계, 데이터 마이닝). 이어서 준비한다면 전처리와 실기(Python·R 작업형)를 더하면 된다.
| 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 |
|
| 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 |
|
| 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) |
|
한국데이터산업진흥원은 시험문제와 답안을 공개하지 않는다. 시험장에서 문제를 옮겨 적어 나가는 것도 금지된다. 위 학습 문서마다 "시험 포인트" 절에 출제 범위의 핵심을 정리해 두었다.