[Excel] 엑셀 통계 & 수치 분석 데이터에서 인사이트 찾기

엑셀 통계 & 수치 분석 — 평균·분산·상관관계로 데이터에서 인사이트 찾기

 

📋 목차 1. 데이터 분석의 첫 번째 질문 — 무엇을 봐야 하는가 2. 기술 통계 — 평균·중앙값·최빈값의 차이 3. 분산과 표준편차 — 데이터가 얼마나 퍼져 있나 4. 백분위수와 사분위수 — 순위와 분포 파악 5. 상관관계 — 두 변수는 서로 관련 있는가 6. 엑셀 데이터 분석 도구 — 클릭 한 번으로 통계 분석 7. 실전 분석 패턴 — 데이터를 이야기로 바꾸는 법

 

데이터 분석이라고 하면 어렵게 들리지만, 핵심은 간단하다. '이 숫자들이 무엇을 말하고 있는가'를 읽어내는 것이다.   평균만 보면 놓치는 게 있다. 표준편차를 보면 흩어진 정도를 알 수 있고, 상관관계를 보면 두 지표가 연결되어 있는지 알 수 있다. 오늘은 엑셀로 데이터를 '읽는' 방법을 체계적으로 정리한다.

 

1	데이터 분석의 첫 질문 — 무엇을 봐야 하는가

 

데이터를 받으면 가장 먼저 해야 할 것은 숫자를 계산하는 게 아니라 '이 데이터가 무엇을 말하고 싶은가'를 정하는 것이다. 분석 목적이 명확해야 어떤 통계를 봐야 할지 결정할 수 있다.

 

분석 목적	봐야 할 통계	엑셀 함수
전형적인 값은 얼마인가	평균, 중앙값, 최빈값	AVERAGE, MEDIAN, MODE
데이터가 얼마나 퍼져 있나	표준편차, 분산, 범위	STDEV, VAR, MAX-MIN
특정 값의 위치는 어디인가	백분위수, 사분위수	PERCENTILE, QUARTILE
두 변수는 관련 있는가	상관계수	CORREL, PEARSON
값이 정상 범위인가	이상값 탐지	IQR 방법, 조건부 서식
전체 분포 모양은	히스토그램, 도수분포	데이터 분석 도구

 

💡 핵심 원칙 분석을 시작하기 전에 '이 분석의 결론을 누가, 어떤 결정에 쓸 것인가'를 먼저 생각하자. 목적이 명확해야 어떤 숫자를 강조해야 하는지 알 수 있다.

 

 

2	기술 통계 — 평균·중앙값·최빈값의 차이

 

'평균'은 가장 많이 쓰이지만 오해를 부르는 통계다. 극단값(이상치)이 있으면 평균은 왜곡된다. 중앙값과 최빈값을 함께 봐야 데이터의 진짜 모습이 보인다.

 

▸ 평균 vs 중앙값 — 언제 어떤 걸 써야 하는가

통계	정의	함수	적합한 상황
평균 (Mean)	전체 합 ÷ 개수	=AVERAGE(범위)	정규분포, 이상값 없을 때
중앙값 (Median)	정렬 후 중간 값	=MEDIAN(범위)	이상값 있을 때, 소득·부동산
최빈값 (Mode)	가장 많이 나오는 값	=MODE(범위)	카테고리, 선호도 조사
절사평균 (Trimmed)	상하위 제외 후 평균	=TRIMMEAN(범위,비율)	스포츠 점수, 심사 점수

 

▸ 실전 예시 — 직원 연봉 데이터

연봉 데이터: 3천, 3.2천, 3.1천, 3.3천, 3천, 3.1천, 15천만 원 (임원 1명 포함)

평균:   =AVERAGE(A1:A7)  → 약 5,100만 원  ← 임원 때문에 왜곡! 중앙값: =MEDIAN(A1:A7)   → 3,100만 원    ← 실제 분포를 더 잘 반영 최빈값: =MODE(A1:A7)     → 3,000만 원    ← 가장 많은 직원의 연봉

이 경우 '평균 연봉 5,100만 원'이라고 하면 오해를 부른다. 중앙값 3,100만 원이 훨씬 정직한 표현이다.

 

▸ 기술 통계 한 번에 보기

최솟값:    =MIN(범위) 최댓값:    =MAX(범위) 범위(Range): =MAX(범위)-MIN(범위) 개수:      =COUNT(범위)    ← 숫자만            =COUNTA(범위)   ← 비어있지 않은 셀 합계:      =SUM(범위)

 

💡 실무 팁 보고서에 평균만 쓰지 말고 '평균 3,100만 원 (중앙값), 최저 3,000만 원 ~ 최고 15,000만 원'처럼 범위와 함께 쓰면 훨씬 신뢰도가 높아진다.

 

 

3	분산과 표준편차 — 데이터가 얼마나 퍼져 있나

 

평균이 같아도 데이터의 '흩어진 정도'는 완전히 다를 수 있다. 표준편차는 그 흩어진 정도를 숫자 하나로 요약한다. 표준편차가 작을수록 데이터가 평균 근처에 모여 있고, 클수록 더 넓게 퍼져 있다.

 

▸ 표준편차 함수

=STDEV(범위)    → 표본 표준편차 (일반적으로 이걸 씀) =STDEVP(범위)   → 모집단 표준편차 (전체 데이터가 있을 때) =VAR(범위)      → 분산 (표준편차의 제곱) =VARP(범위)     → 모집단 분산

 

▸ 실전 해석 — 시험 점수 비교

반	평균	표준편차	해석
A반	75점	5점	대부분 70~80점 사이 — 균일한 수준
B반	75점	20점	40~100점까지 분포 — 실력 편차가 큼

평균이 같아도 전혀 다른 집단이다. A반은 추가 심화 학습이 필요하고, B반은 하위권 학생을 집중 지원해야 한다.

 

▸ 변동계수 (CV) — 단위가 다른 데이터 비교

표준편차는 단위에 영향을 받는다. 연봉(만 원)의 표준편차 500과 점수의 표준편차 10은 직접 비교할 수 없다. 변동계수(표준편차/평균)를 쓰면 단위 없이 비교 가능하다.

변동계수(CV) = =STDEV(범위)/AVERAGE(범위)*100  → %로 표현 예: 연봉 CV 15%, 점수 CV 25% → 점수 데이터가 상대적으로 더 분산됨

 

💡 실무 팁 품질 관리에서 표준편차는 '공정이 얼마나 일관적인가'를 나타낸다. 표준편차가 작을수록 일관된 제품이 나온다. 제조·서비스 업종에서 품질 지표로 많이 쓴다.

 

 

4	백분위수와 사분위수 — 순위와 분포 파악

 

'상위 몇 %인가', '하위 25%의 경계는 얼마인가'처럼 순위와 분포를 파악할 때 백분위수와 사분위수를 쓴다.

 

▸ 주요 함수

=PERCENTILE(범위, 0.9)    → 상위 10% 경계값 (90번째 백분위수) =PERCENTRANK(범위, 값)    → 특정 값이 전체에서 몇 % 위치인지 =QUARTILE(범위, 1)        → 1사분위수 (하위 25% 경계) =QUARTILE(범위, 2)        → 2사분위수 = 중앙값 (50%) =QUARTILE(범위, 3)        → 3사분위수 (상위 25% 경계) =RANK(값, 범위, 0)        → 내림차순 순위

 

▸ IQR로 이상값 탐지

사분위 범위(IQR = Q3 - Q1)를 이용해서 이상값(outlier)을 찾을 수 있다.

IQR   = Q3 - Q1 하한선 = Q1 - 1.5 × IQR  (이보다 작으면 이상값) 상한선 = Q3 + 1.5 × IQR  (이보다 크면 이상값)

이상값을 조건부 서식으로 강조하면 보고서에서 한눈에 확인할 수 있다.

 

💡 실무 팁 영업 실적 분석에서 특별히 높거나 낮은 담당자를 찾을 때 PERCENTILE과 IQR을 함께 쓰면 효과적이다. '상위 10% vs 하위 10% 비교'는 보고서에서 강한 인사이트를 준다.

 

 

5	상관관계 — 두 변수는 서로 관련 있는가

 

상관관계는 두 변수가 함께 움직이는 경향이 있는지를 -1에서 1 사이의 숫자로 표현한다. 1에 가까울수록 양의 상관(같이 오름), -1에 가까울수록 음의 상관(하나 오르면 하나 내림), 0은 관련 없음이다.

 

▸ 상관계수 함수

=CORREL(X범위, Y범위)    → 피어슨 상관계수 (-1 ~ 1) =PEARSON(X범위, Y범위)   → CORREL과 동일

 

▸ 상관계수 해석 기준

상관계수 범위	해석	예시
0.7 ~ 1.0	강한 양의 상관	광고비 ↑ → 매출 ↑
0.3 ~ 0.7	중간 양의 상관	공부 시간 ↑ → 성적 ↑
-0.3 ~ 0.3	상관관계 약함	신발 사이즈 vs 성적
-0.7 ~ -0.3	중간 음의 상관	결근 횟수 ↑ → 생산성 ↓
-1.0 ~ -0.7	강한 음의 상관	온도 ↑ → 핫초코 판매 ↓

 

▸ 주의 — 상관관계 ≠ 인과관계

상관관계가 높다고 해서 하나가 다른 하나의 원인이라는 뜻은 아니다. 아이스크림 판매량과 익사 사고 수는 높은 양의 상관관계를 보이지만, 아이스크림이 익사를 일으키는 게 아니라 '여름(더위)'라는 공통 원인이 있을 뿐이다.

상관관계 분석 결과 예시: 광고비 vs 매출:     CORREL = 0.87  → 강한 양의 상관 불량률 vs 생산속도: CORREL = -0.72 → 빠를수록 불량 많음

 

💡 실무 팁 상관관계는 분산형(산점도) 차트와 함께 보여줄 때 가장 설득력이 있다. CORREL 값과 분산형 차트를 나란히 보고서에 넣으면 데이터 기반 근거가 된다.

 

 

6	엑셀 데이터 분석 도구 — 클릭 한 번으로 통계 분석

 

엑셀에는 함수 없이도 통계 분석을 해주는 '데이터 분석 도구'가 내장되어 있다. 기술통계, 상관분석, 회귀분석, 히스토그램 등을 클릭 몇 번으로 실행할 수 있다.

 

▸ 데이터 분석 도구 활성화

파일 → 옵션 → 추가 기능 → Excel 추가 기능 → 분석 도구 체크 → 확인

이후 데이터 탭 오른쪽 끝에 '데이터 분석' 버튼이 생긴다.

 

▸ 기술통계 — 한 번에 모든 통계 출력

데이터 분석 → 기술통계 → 범위 선택 → '요약 통계' 체크 → 확인

평균, 표준오차, 중앙값, 최빈값, 표준편차, 분산, 첨도, 왜도, 범위, 최솟값, 최댓값, 합계, 개수가 한 번에 출력된다.

 

▸ 상관 분석

데이터 분석 → 상관 분석 → 여러 변수 범위 선택 → 확인

모든 변수 쌍의 상관계수가 행렬 형태로 한 번에 출력된다. 변수가 많을 때 특히 유용하다.

 

▸ 회귀 분석

두 변수의 관계를 직선(Y = a + bX)으로 모델링한다. 광고비(X)가 1 증가할 때 매출(Y)이 얼마나 증가하는지 예측하는 데 쓴다.

데이터 분석 → 회귀 분석 → Y범위·X범위 선택 → 확인 출력: R제곱(설명력), 기울기(b), 절편(a), p값(통계적 유의성)

 

💡 실무 팁 R제곱(R²)은 0~1 사이 값으로, 1에 가까울수록 X가 Y를 잘 설명한다. R²=0.87이면 'X가 Y 변동의 87%를 설명한다'는 뜻이다. p값 < 0.05이면 통계적으로 유의미한 관계가 있다고 판단한다 (95% 신뢰수준).

 

 

7	실전 분석 패턴 — 데이터를 이야기로 바꾸는 법

 

통계 함수를 알아도 '어떤 순서로, 어떻게 분석할지' 모르면 막막하다. 실무에서 쓰는 분석 패턴을 정리했다.

 

▸ 패턴 1 — 월별 매출 분석

1. 기본 통계: 평균·최대·최소·표준편차 2. 전월 대비: =(이번달-전월)/전월 3. 목표 대비: =실적/목표-1 4. 이상값 확인: =IF(값>평균+2*표준편차,"주목","") 5. 추세 파악: SLOPE(Y, X)로 기울기 계산

 

▸ 패턴 2 — 설문조사 결과 분석

1. 응답 분포: COUNTIF로 각 점수 개수 2. 평균 만족도: AVERAGE 3. 중앙값 비교: MEDIAN (평균과 차이 크면 편향 확인) 4. 표준편차: STDEV (의견 일치도) 5. 상위/하위 분석: PERCENTILE(범위, 0.9/0.1)

 

▸ 패턴 3 — 두 그룹 비교

그룹별 평균:     =AVERAGEIF(그룹열,"A",값열) 그룹별 표준편차: =AVERAGEIF 유사 방식 or 피벗테이블 차이 비율:       =(A평균-B평균)/B평균

 

▸ 인사이트를 찾는 3가지 질문

① 이 숫자는 예상과 다른가? — 평균과 이상값 확인

② 왜 이런 결과가 나왔는가? — 상관관계와 세그먼트 분석

③ 앞으로 어떻게 될 것인가? — 추세선과 회귀분석

 

💡 실무 팁 좋은 데이터 분석 보고서는 '숫자 나열'이 아니라 '한 문장 결론 + 근거 숫자' 구조다. 예: '3월 영업팀 성과가 전월 대비 23% 하락 (평균 4,800만 → 3,700만 원)했으며, 이는 표준편차 1,200만 원으로 팀 내 편차도 확대된 것으로 분석됨'

 

 

오늘 배운 내용 정리

통계 개념	핵심 함수	언제 쓰는가
평균·중앙값·최빈값	AVERAGE, MEDIAN, MODE	대표값 파악 (중앙값은 이상값 있을 때)
표준편차·분산	STDEV, VAR	데이터 흩어진 정도
백분위수·사분위수	PERCENTILE, QUARTILE	순위·분포·이상값 탐지
상관관계	CORREL, PEARSON	두 변수의 관련성 (-1~1)
기술통계 도구	데이터 분석 → 기술통계	모든 통계 한 번에 출력
회귀분석	데이터 분석 → 회귀	X가 Y에 미치는 영향 예측

 

데이터는 숫자가 아니라 이야기다. 평균 하나를 보는 것으로 시작하더라도, 그 옆에 표준편차와 중앙값을 함께 놓는 습관을 들이면 데이터를 훨씬 깊게 읽게 된다.