현대는 누구나 데이터를 분석할 수 있는 시대라고 할 수 있다. 또한, 우리는 이미 정확한 내용을 전달할 때 ‘숫자’로 말하는 것이 익숙하며, 듣는 사람에게는 빠르게 전달되어야만 신뢰를 얻을 수 있다. 그런데, 문제가 있다. ‘숫자 정보'가 넘쳐나는 만큼 ‘왜곡된 숫자 정보’도 넘쳐난다는 것이다. 어쩌면 이제는 ‘데이터 분석 스킬'보다도 데이터 분석의 결과를 ‘정확하게 해석'할 수 있는 능력이 더 절실하지 않을까 한다. 그런데 데이터 분석의 과정을 경험해 보지 못한 사람이 어찌 분석의 결과를 제대로 해석할 수 있을까? 결국 데이터 분석을 하지 못한다는 것은 ‘데이터 분석 결과’ 안의 진짜 의미를 발견하는 것은 고사하고 무슨 말을 하는지조차 짐작할 수 없다는 의미가 아닐까 한다. 

본 도서는 무수히 많은 데이터들이 쏟아지는 시대에서, 어떻게 하면 엑셀을 이용하여 다양한 형식의 데이터들을 수집하고 가공할 수 있는지에 대해 고민하고, 데이터들과 소통하기 위해 프레임에 넣어 관계를 설정하는 방법들을 알아본다. 하지만 이렇게 잘 정리된 데이터라 하더라도 아직 날것 그대로의 상태이기 때문에 적절한 시각화 방법을 알아보며, 분석의 정교화를 위한 이론들도 함께 고민해 보는 시간을 갖는다. 마지막으로 데이터가 진정한 ‘가치’를 찾을 수 있는 활용 방법들도 이야기한다. 이렇게 함으로써 사용자들은 엑셀이란 도구를 이용하여 업무에 따라 데이터의 흐름을 적절하게 분석하고, 원하는 결과를 빠르게 양산하는 시스템을 각자의 방식대로 구성할 수 있다.
 

1부 데이터 쏟아지는구나! 

데이터양이 많아지니, 업무에는 변화가 없음에도 작업 시간이 늘어났다. 같은 일을 반복해서 오랫동안 했으니 당연히 업무 시간이 줄어들 것 같은데 상황은 전혀 그렇지가 않은 것. 희망은 기존의 업무 방식을 점검하고 버려지는 시간을 찾아 늘어난 시간을 줄여야 하는 것이다. 그렇기 때문에 1부에서는 ‘데이터를 입력‘하고, ‘참조하여 새로운 값’을 만들고, ‘데이터를 관리’하는 과정에서 세 가지 측면(재활용, 자동화, 스스로 분석)에 대해 생각해 본다 그리고 어디서 시간이 새는지를 찾고, 기존 사용 방식이 많은 양의 데이터를 감당하기에 얼마나 비효율적이었는가를 분석해 본다. 그 후에 새로운 엑셀 시스템에서 그 답을 찾아본다.

2부 데이터 ‘프레임’을 입다 

좋은 데이터 프레임은 여러 종류의 데이터를 수납할 수 있어야 하고 삽입, 삭제 등의 데이터 조작을 쉽게 할 수 있어야 하며, 다른 데이터 프로그램과의 호환이 가능해야 한다는 것이다. 그렇기 때문에 2부에서는 프레임을 만들기 위해 반드시 알아야 하는 기준들을 알아보고, 다양한 출처에서 데이터를 추출하고, 입맛에 맞게 데이터를 변형하고, 그러한 데이터들을 엑셀이나 파워 피벗으로 불러오는 방법에 관해 이야기한다. 

3부 데이터에서 금 캐기 

2부에서 우리는 엑셀로 데이터를 분석하는 과정에서 재료가 되는 데이터에 대한 이해에 집중했고, ‘일상'이 어떤 모양으로 데이터로 전환되어야 하는지 보았다. 이제 우리는 전환된 데이터의 종류에 따라 적절한 ‘분석 기법’과 만날 수 있도록 해야 한다. 그러기 위해 피벗 테이블을 활용하는 방법을 비롯하여, 슬라이서나 차트에 관해 알아보고, 분석의 정교화를 위해 알아두면 유용할 수학이나 통계 내용도 가볍게 짚어볼 것이다. 

4부 데이터 가치가 되다! 

기존의 정보 생산 프로세스를 보면, 데이터를 수집하고 변형하여 최종 가치로 만들어지기까지의 각 과정이 분리되어 있었다. 이런 과정을 자연스럽게 연결할 방법이 없을까? 그것도 실시간으로! 이런 고민의 결과, 엑셀에는 파워 쿼리, 파워 피벗이 추가되었으며, 단독으로 데이터 분석을 위해 사용할 수 있는 독립적인 파워 BI 서비스도 추가되었다. 엑셀과 파워 BI 서비스 모두 ‘파워 쿼리, 파워 피벗’으로 데이터를 가공하며, 서로 작업 내용을 주고받는다.

파워 쿼리는 데이터의 유입 경로를 지정하고, 변형 과정을 기록하며, 그 결과가 어디로 갈지를 결정한다. 파워 피벗은 파워 쿼리의 결과를 받아 다양한 DAX로 ‘측정값'을 생산하고, 피벗 테이블과 파워 BI의 시각화 개체는 그것을 표현한다. 파워 쿼리의 원본에 변화는 ‘새로 고침'으로 그대로 결과를 바꿉니다. 이렇게 함으로써 데이터가 필요한 사람에게 적절한 시간에 전달되어 그들의 가치 판단에 기여하게 될 것이다.