AI 분석 Signal : BI는 말이 없고 데이터는 말하고 있을 때

세상은 변하고 내 마음도 바뀌는데 대시보드는 똑같아요

변화는 유일한 상수(“Change is the only constant")라는 말이 있습니다. 고대 그리스의 헤라클레이토스가 이 말을 남겼을 때, 그는 아마도 우리가 매일 같이 맞닥뜨리는 데이터와 지표의 세계까지는 상상하지 못했겠지만, 이 문장은 비즈니스 현장과 데이터 분석을 둘러싼 우리의 고민을 단적으로 드러내는 것 같습니다.

세상은 멈추지 않고 흐릅니다. 오늘의 매출은 어제와 다르고, 고객의 행동은 한순간도 같지 않으며, 시장과 경쟁 환경은 예측할 수 없을 만큼 빠르게 변해갑니다. 그런데 정작 우리가 매일 들여다보는 대시보드는 어떤가요? 어제와 크게 다를 바 없는 변화 없는 테이블과 늘 익숙한 차트들이 반복적으로 놓여 있습니다. 대시보드의 이면에 있는 데이터는 쉴 새 없이 요동치고 있는데 말이지요.

스티븐 킹은 그의 소설 The Dark Tower에서 "왜란 질문은 원래부터 곧게 답할 수 없는, 구부러진 글자와 같다"(Why is a crooked letter and can't be made straight)라고 썼습니다. 왜 매출이 떨어졌는지, 왜 특정 지역에서 고객의 반응이 냉랭해졌는지, 왜 우리가 예상했던 결과와는 다른 일이 벌어지는지—이 ‘왜’라는 질문은 대시보드만으로는 마치 휘어진 글자처럼 좀처럼 곧게 펴지지 않습니다. 실무자든 경영진이든, 누구나 이 질문 앞에서 한 번쯤 멈칫하게 됩니다. 데이터와 리포트, 수많은 대시보드가 손 닿는 곳에 있지만, 정작 ‘왜’라는 질문에는 선뜻 답을 내리기 어렵습니다.

대시보드, “이런 건 안 나오나요?”의 무한 반복

여기에는 BI의 구조적인 한계에 그 이유가 있습니다. 우리가 사용하는 대부분의 BI 대시보드는 ‘무엇이’ 일어났는지, 즉 팩트와 수치를 보여주도록 설계되어 있습니다. 기업들은 막대한 비용과 시간을 들여 최신 BI 도구와 데이터 대시보드를 구축하지만, 결국 이 대시보드는 ‘미리 정의된’ 몇 가지 질문과 조건만을 지원하게 되어 있습니다.

실제 현장에서는 지역별, 상품별, 기간별 등 수많은 차원이 있고, 그 조합의 수는 기하급수적으로 늘어납니다. 그래서 실무에서 자주 듣게 되는 말이 있습니다. “이 조합은 대시보드에 안 나오는데, 뽑아줄 수 있나요?” 혹은 "이 관점의 대시보드도 추가해 주세요" 같은 요청들입니다.

아무리 많은 필터와 드릴다운 경로를 마련해두어도, 실제로는 몇 번의 클릭과 정해진 조합 내에서만 질문에 접근할 수 있습니다. 모든 조합을 미리 설계하려다 보면, 수십 개, 수백 개의 대시보드가 만들어지기도 하지만, 여전히 '내가 지금 궁금한 바로 그 질문'에 맞는 뷰를 찾기는 어렵습니다. 정작 새로운 관점이나 복합적인 변화가 감지될 때, 혹은 이전에 한 번도 궁금해하지 않았던 조합에서 변화가 나타날 때, 실무자는 다시 분석가에게 쿼리를 부탁하거나, 데이터를 엑셀로 내려받아 직접 조합하며 한계를 넘으려 애쓰게 됩니다.

반복되는 보고서, 길어지는 회의, “조금만 더 뽑아주세요”로 이어지는 추가 요청—이 모든 과정은 마치 미로를 도는 듯한 과정과 의사결정 속도 지연의 연속입니다. 대시보드는 늘 과거의 나의 궁금증에 맞춰져 있을 뿐, 지금의 질문에는 뒤처지는 것이지요.

AI 시대의 BI

BI와 기존의 AI데이터 분석도구의 한계와, 그 한계를 넘는 HEARTCOUNT AI Analyst를 소개합니다. 웨비나를 등록하고 우리 조직의 데이터를 가장 효율적으로 활용하는 방법을 직접 들어보세요.

HEARTCOUNT COMMUNITYSidney Yang

20세기 미국의 커뮤니케이션 이론가이자 교육학자로, 미디어와 기술이 인간의 인식과 사회에 미치는 영향에 대해 연구한 존 컬킨(John Culkin)은 “우리가 도구를 만들고, 그 후에 도구가 우리를 만든다”(We shape our tools, and thereafter our tools shape us)라고 말했습니다. 우리는 데이터를 통해 세상을 더 명확하게 해석한다고 믿지만, 실상은 그 반대일 때가 많습니다. 우리가 사용하는 도구가 곧 우리의 질문을 결정하고, 질문의 깊이와 범위를 제한합니다. 대시보드는 우리에게 빠르고 편리한 접근성을 제공하지만, 동시에 우리가 스스로 던지는 질문을 ‘미리 정해진 틀 안’에 가둬 버립니다. 결국 우리의 사고방식 자체가 도구에 의해 길들여지는 것입니다.

데이터는 늘 변합니다. 그리고 그 변화에 따라 우리의 사고도 유연하게 확장되어야 합니다. 그렇다면, 우리가 사용하는 도구 역시 변화하는 현실과 질문에 맞추어 함께 확장될 수 있어야 하지 않을까요?

지표 변화의 요인을 자동으로 찾는 AI 데이터 분석, Signal

그래서 여러분께 새로워진 HEARTCOUNT의 AI 분석 기능, 시그널(지표 변화요인 식별)을 소개하고자 합니다.

시그널은 변화하는 지표 뒤에 숨은 ‘이유’를 자동으로 찾아주고, 다양한 관점에서 데이터를 해석할 수 있도록 지원하는 분석 입니다. 이제 복잡한 쿼리나 수많은 대시보드를 만들 필요 없이, 변화의 흐름에 맞춰 사고와 질문을 자유롭게 확장해보실 수 있습니다.

아래 데모를 통해 실제 시그널 기능을 어떻게 사용할 수 있는지 알아볼게요.

*이번 글에서 소개하는 기능은 정식 릴리즈 전이며, 9/30웨비나에서 최초 공개됩니다. 지금 바로 웨비나에 사전 등록 해보세요!

[1] 분석 시작하기

1-1) 템플릿 선택하기

HEARTCOUNT의 시그널(지표 변화요인 식별)은 실제로 어떻게 사용될까요?
분석이 필요한 데이터를 열면, 가장 먼저 분석 템플릿 화면이 나타납니다.
여기서 실무자는 별도의 통계 지식 없이, 분석의 목적에 따라 집단 간 지표 비교, 집단 특성 요약, 상관 분석, 추이 및 계절성 분석 등 다양한 분석 템플릿을 선택할 수 있습니다.

시그널은 지표 변화요인 식별 템플릿을 통해 시작할 수 있습니다.

1-2) 분석 조건 설정하기

HEARTCOUNT 시그널 분석의 설정 과정은 기존 BI 도구의 ‘복잡한 쿼리 입력’이나 ‘수십 개의 필터 조합’과 다릅니다.

• 지표 선택
  • 실제로 분석하고 싶은 지표(예: 매출, 주문 건수, 이익 등)를 클릭 한 번으로 선택할 수 있습니다 .
• 분석 방향
  • ‘매출은 합계로 볼 것인가, 평균으로 볼 것인가?’, ‘지표가 클수록 좋은가, 작을수록 좋은가?’(망소/망대 지표)와 같은 분석 방향도 이해하기 쉬운 자연어로 안내됩니다.
• 시계열 분석 기준
  • 시간 기준(월/주/일/분기/년)을 원하는 대로 정하고, 분석에 사용할 날짜 컬럼(예: 주문일)을 지정하면, 별도의 SQL 작성이나 복잡한 설정 없이도 실무자의 질문이 그대로 분석 조건에 반영됩니다.
  • ‘변화 원인 분석 시 참고할 컬럼’은 기본적으로 모든 변수에 대해 자동으로 분석이 이뤄져, 데이터에 대한 사전 지식이 많지 않은 현업 실무자도 한 번의 클릭만으로 탐색을 시작할 수 있습니다. 물론, 궁금한 변수만 선택해서 분석하는 것도 가능합니다.

설정이 끝났다면 “다음” 버튼을 눌러 바로 분석을 실행해볼까요?

[2] 분석 내용 확인하기

분석이 시작되면 가장 먼저, 선택한 지표의 전체적인 추이와 변화를 한눈에 보여줍니다.

2-1) 전반적 지표 추이 및 변화

위 화면처럼, 사용자가 선택한 지표(예: 매출 총합)가 시간의 흐름에 따라 어떻게 움직였는지, 어느 시점에서 변화의 패턴이 있었는지를 시계열 차트와 함께 확인할 수 있습니다. 단순히 숫자의 나열이 아니라, ‘최근 12월의 매출이 얼마나 올랐는지/떨어졌는지’, ‘직전/동기간 대비 변화폭은 어느 정도였는지’ 등, 주목할 내용 이 함께 제시됩니다.

이 데이터에서는 최근(2024년 12월)에 매출 총합이 하락했고, 동기간에 비해서도 떨어졌네요.

이 과정에서 실무자는 ‘숫자’를 보는 것이 아니라, 데이터의 움직임과 추세, 그리고 그 변화가 시사하는 맥락을 직관적으로 파악할 수 있습니다. BI 대시보드가 보여주는 정적인 수치에서 벗어나, “변화의 흐름” 자체를 데이터가 먼저 이야기하도록 만든 것이죠. 실제 데이터 업무에서 “그래서 최근 매출이 어떻게 바뀌었지?” “올해는 전년 동기간과 비교해서 어느 정도 성장(혹은 하락)했나?”와 같은 질문에, 별도의 추가 분석 없이 바로 답할 수 있는 화면입니다.

또한, 실제 분석 결과와 함께 분석 결과 해석 가이드 박스가 함께 제공됩니다.
이 가이드 박스는

• 차트 해석의 핵심 포인트
• 표에 나오는 각 수치와 지표가 실제로 무엇을 의미하는지
• 어떤 부분에 주목해야 하는지

를 짧고 명확하게 안내해줍니다. 이를 통해 데이터 분석에 익숙하지 않은 실무자도 “무엇을 읽어야 하는지”, “어떤 수치가 중요한지” 혼란 없이 이해할 수 있도록 돕는 역할을 합니다.

2-2) 지표 변화 요인 자동 분석

이번에는 지표 변화 요인 분석 결과를 살펴보겠습니다.

이 단계에서는 단순히 “매출이 줄었다”는 사실을 넘어서, 어떤 컬럼과 범주에서 변화가 가장 두드러지게 나타났는지를 자동으로 보여줍니다.

예를 들어, '고객분류: 기업고객', '제품대분류: 전자제품', '지역: 전라' 등 주요 컬럼·범주별로 직전 기간 대비 변화율%, 변화량, 그리고 그 변화가 전체 지표 변화에 미친 변화 기여도(%)가 한눈에 정리됩니다. 표 왼쪽에는 각 범주별 최근 흐름을 나타내는 시각화(미니 트렌드라인)가 함께 제공되어, 숫자만으로는 파악하기 어려운 변화를 시각적으로도 빠르게 확인할 수 있습니다.

표의 맨 오른쪽으로 스크롤하면, 최근 ‘감소세로 전환’, ‘특정 기간 급감’ 등 특이사항을 요약해주는 해설도 함께 제공됩니다. 이런 분석 결과는 복잡한 SQL 쿼리나 별도의 추가 분석 없이, 지표 변화의 원인을 빠르게 파악해야 하는 실무자에게 특히 유용합니다.

변화 기여도(%) 순으로 내림차순해볼까요?

최근 매출 하락의 가장 큰 원인은 ‘기업고객’ 고객 분류에서 크게 감소한 영향이 절대적으로 컸으며, 특히 전자제품, 전라 지역, 전기·기계류, 경기·수도권 등에서도 동반 하락세가 두드러지게 나타났습니다.

기업고객의 최근 급격한 감소 전환이 전체 매출 감소의 90% 이상을 설명하고 있다는 점이 특징적입니다.

2-2-1) AI 인사이트 생성하기

이번에는 LLM을 활용하여 자동으로 실무자 누구나 유용하게 사용할 수 있는 분석 결과 해석 문장을 생성하는 것을 보여드리겠습니다.

AI 인사이트 기능을 통해 표로 정리된 수치와 추이를 한눈에 요약해서 보여주는 핵심 인사이트가 자동 생성됩니다.

최근 기업고객과 전자제품 부문의 매출이 각각 약 2천 5백만원, 2천 3백만원 가량 크게 감소하며, 전체 매출 하락의 주요 원인이 되고 있다는 사실을 바로 파악할 수 있습니다.

특히 기업고객 매출은 직전 기간 대비 약 2만 5천 단위 이상(-63%) 급감했고, 전체 매출 감소에 90%나 기여하고 있다는 것을 파악할 수 있었네요.

이처럼 AI 인사이트는 단순 수치 나열을 넘어 변화의 핵심 원인을 요약하고, 구체적 경영 시사점까지 자동으로 제시해줍니다. 이제 표를 하나씩 해석하며 보고서를 작성하는 수고 없이, 변화의 원인과 시사점까지 바로 확인할 수 있습니다.

[3] 추가 드릴다운하기

기업고객의 문제를 파악했으니, 실제 기업고객의 어떤 영역에서 매출 하락 이슈가 두드러지게 나타나는지 분석해봅시다. 다음 질문을 선택해볼까요?

혹시 기업고객의 매출 하락에 특정 배송방식이 영향을 미치지는 않았을까요? 이번 단계에서는 “고객분류: 기업고객”으로 필터를 한정하고, 추가적으로 매출 변동을 배송방식 별로 분석해 볼게요.

즉, 최근 매출 하락의 원인이 기업고객의 어느 영역(배송방식)에 집중되어 있는지, 각 배송방식이 전체 매출 변화에 얼마나 기여 했는지 파악하는 과정입니다.

표준등급, 1등급, 2등급, 당일배송 등 거의 모든 배송방식에서 기업고객 매출이 크게 감소했습니다. 특히 당일배송과 2등급 배송방식에서는 각각 -94.86%, -77.80%의 급격한 감소율이 확인되고, 매출 감소폭도 각각 약 -1천만원, -7백40만원 등으로 매우 크게 나타납니다.

특정 배송방식에 국한된 이슈가 아니라, 다양한 배송채널에서 동시다발적으로 매출 하락이 일어나고 있다는 점이 분명하게 드러납니다. 그 중에서도 배송방식: 1등급이 최근 감소세로 전환되었다는 점이 눈에 띄네요.

3-1) AI 인사이트 생성하기

이번 분석에도 LLM을 활용하여 AI 인사이트를 생성해볼까요?

현재 기업고객의 매출 하락세를 배송방식 별로 나누어 적절한 인사이트 및 액션 플랜까지 AI가 자동으로 제공하는 것을 확인할 수 있습니다.

[4] 원본 데이터 확인하기

이 단계는, 앞선 요인별 분석을 통해 매출 하락이 두드러진 구간 중, 최근 감소세로 전환된 (기업고객–배송 1등급)을 선택한 후, 해당 구간에서 실제로 발생한 개별 거래(레코드)를 구체적으로 들여다보는 과정입니다.

상위(또는 하위) 매출 데이터를 직접 확인함으로써, 수치로만 파악하기 어려운 실제 거래 내역, 단가, 지역, 상품 종류, 할인율, 이익 등 세부 패턴을 확인할 수 있겠죠?

또한, 원본 데이터는 분석 과정의 신뢰성을 높이는 데도 중요한 역할을 합니다. 단순히 요약 결과만 보는 것이 아니라, 개별 거래 데이터까지 직접 열람할 수 있으니, “실제로 어떤 거래에서 이런 현상이 발생했는가?”라는 실무적 질문에도 바로바로 대응할 수 있습니다.

또한, 이 원본 데이터를 CSV나 Excel(xls) 파일로 바로 내려받을 수 있기 때문에, 데이터를 한 번 더 가공하거나 다양한 방식으로 심층 분석하는 일이 훨씬 수월해집니다. 실제로 엑셀 파일로 내려받은 원본 데이터는 담당자나 팀원끼리 공유하거나 보고서에 활용할 수 있겠죠?

마치며

이처럼 HEARTCOUNT의 시그널 분석은 ‘무엇이 일어났는지’뿐 아니라 ‘왜 그런 변화가 나타났는지’를 한눈에 파악할 수 있도록, 실무자의 질문 흐름에 맞춰 자연스럽게 분석을 확장해 나갑니다. 대시보드가 반복적으로 보여주는 익숙한 수치, 정적인 차트에 머무르지 않고, 데이터의 변화와 그 원인을 실시간으로 추적하며, 새로운 관점의 질문까지 능동적으로 던질 수 있도록 도와 드리는 기능입니다.

결국 중요한 건, 변화가 일어난 ‘이유’를 더 빠르고 정확하게 이해하고, 그에 맞춰 실질적인 의사결정을 내릴 수 있는지에 달려 있습니다. 기존 BI 대시보드가 과거의 궁금증과 미리 정해진 질문만을 담았다면, HEARTCOUNT는 데이터의 흐름을 놓치지 않으면서도, 실무자가 “지금 가장 궁금한” 질문에 집중할 수 있는 유연함을 제공하고자 합니다. 이제는 도구에 질문을 맞추는 시대가 아니라, 질문이 도구를 이끌어야 할 때입니다.

[웨비나 사전 등록] AI 데이터 분석으로 숫자 뒤 진짜 인사이트 찾기

HEARTCOUNT AI 라이브 데모

이번 글에서 소개한 기능은 정식 릴리즈 전, 웨비나에서 최초 공개됩니다. 사전 등록자에게는 미공개 기능을 활용한 맞춤형 데이터 클리닉 세션 신청 기회도 열려 있어요. 데이터 전문가와 함께하는 AI 분석 클리닉 기회까지, 꼭 놓치지 마세요!

📅 2025.09.30 오후 2시(60분)
🎟️ 무료 사전 등록 (click!)