같은 스프레드시트, ChatGPT 분석 3가지: 요약·진단·의사결정 지원
이 글의 언어
스프레드시트를 올리는 일은 쉽지만 적절한 질문을 하는 것은 더 어렵습니다. 같은 파일도 요청에 따라 단순 요약, 유용한 진단, 결정에 쓸 분석으로 달라집니다.
이 글은 작은 가상 사업 데이터를 세 가지 ChatGPT 분석 과정으로 살펴봅니다. 빠른 요약, 진단 분석, 의사결정 지원입니다. 과학적 벤치마크가 아니라 질문 구조에 따라 요청하는 업무 통찰이 어떻게 달라지는지 설명하는 예시입니다.
예시 데이터
다음 항목을 가진 6개월 전자상거래 보고서를 가정합니다.
| 월 | 매출(천 달러) | 주문 수 | 환불률 | 광고비(천 달러) | 고객 문의 수 | 매출총이익률 |
|---|---|---|---|---|---|---|
| 1월 | 120 | 1,000 | 2.0% | 20 | 85 | 42% |
| 2월 | 128 | 1,060 | 2.1% | 21 | 90 | 42% |
| 3월 | 134 | 1,110 | 2.2% | 22 | 92 | 41% |
| 4월 | 142 | 1,180 | 3.5% | 28 | 130 | 39% |
| 5월 | 150 | 1,240 | 4.6% | 34 | 170 | 37% |
| 6월 | 156 | 1,290 | 5.1% | 37 | 188 | 36% |
매출은 12만 달러에서 15만 6천 달러, 주문은 1,000건에서 1,290건으로 늘어 겉으로는 긍정적입니다. 하지만 환불률은 2.0%에서 5.1%로 증가했고 고객 문의는 두 배 이상, 광고비는 크게 늘었으며 매출총이익률은 6%포인트 하락했습니다.
과정 1: 빠른 요약
이 스프레드시트의 주요 추세를 요약해 줘. 간결하게 답하고 가장 중요한 변화를 강조해 줘.
이 질문이 유도하는 결과
- 뚜렷한 증가·감소 추세 찾기
- 주요 관찰 몇 가지로 압축하기
- 깊은 원인 분석은 하지 않기
- 빠르고 읽기 쉬운 설명
유용한 결과 예시
매출과 주문은 성장하지만 이익률, 환불률, 지원 부담이 악화된다는 점을 찾아야 합니다. 광고비 증가도 언급할 수 있습니다.
내용 파악에는 유용하지만 실제 질문이 왜사업이 바뀌는지 또는 다음에 무엇을 할지라면 부족할 수 있습니다.
과정 2: 진단 분석
성장만이 아니라 사업의 질이 어떻게 변했는지 분석해 줘. 1월부터 6월까지 매출, 주문, 광고비, 환불률, 문의 수의 변화율을 계산해 줘. 매출총이익률 변화는 %포인트로 계산해 줘. 변곡점과 조사할 관계를 찾고 관찰과 가능한 설명을 나눠 줘.
추가되는 요소
- 명시적인 계산
- 비교 기간 정의
- 단위 차이 확인
- 변곡점 탐지
- 근거와 가설 구분
숫자가 보여 주는 것
| 지표 | 1월 → 6월 변화 | 해석 |
|---|---|---|
| 매출 | +30.0% | 큰 매출 성장 |
| 주문 | +29.0% | 매출과 비슷한 증가 |
| 광고비 | +85.0% | 고객 확보 비용 부담이 늘었을 가능성 |
| 환불률 | +155.0% | 구매 후 품질의 큰 악화 |
| 고객 문의 | +121.2% | 주문보다 고객 불편이 훨씬 빠르게 증가 |
| 매출총이익률 | -6%포인트 | 성장의 수익성이 낮아짐 |
주요 변곡점은 4월 무렵입니다. 환불률이 2.2%에서 3.5%, 문의 수가 92에서 130으로 늘고 광고비가 크게 증가하며 이익률이 40% 미만으로 내려갑니다.
이 분석만으로 마케팅이 환불을 유발했거나 고객 지원 문제가 이익률을 낮췄다고 증명할 수 없습니다. 패턴이 바뀐 시점과 더 조사할 관계를 보여 줍니다.
과정 3: 의사결정 지원
주간 경영 검토를 준비하고 있어. 이 자료로 현재 성장 패턴이 계속 확장해도 될 만큼 건강한지 살펴봐 줘. 1) 근거, 2) 위험, 3) 미확인 사항, 4) 다음 30일의 행동 세 가지, 5) 관찰할 지표로 결정용 요약을 만들어 줘. 데이터로 증명할 수 없는 원인은 만들지 마.
달라지는 점
파일 설명에서 나아가 확장을 그대로 계속해도 되는지에 맞춰 근거를 정리합니다.
좋은 결정용 요약 예시
- 근거: 매출과 주문은 늘지만 광고비, 환불, 지원 수요가 훨씬 빠르게 늘고 있습니다.
- 위험: 구매 후 불편을 해결하기 전에 고객 확보를 확대하면 수익성 없는 성장이 커질 수 있습니다.
- 미확인: 환불 원인이 제품, 배송, 고객 구성, 홍보 전략, 다른 요인인지 자료만으로 알 수 없습니다.
- 행동 1: 제품, 채널, 고객 집단별로 환불과 문의를 나눕니다.
- 행동 2: 4월 변곡점 전후의 고객 확보 효율을 비교합니다.
- 행동 3: 환불률과 이익률이 안정될 때까지 확장에 임시 기준을 둡니다.
- 관찰 지표: 환불률, 매출총이익률, 주문 100건당 문의, 주문당 매출, 주문당 광고비.
과정 비교
| 과정 | 용도 | 주요 장점 | 주요 약점 |
|---|---|---|---|
| 빠른 요약 | 내용 파악 | 빠르고 읽기 쉬움 | 피상적일 수 있음 |
| 진단 | 바뀐 내용 이해 | 계산과 패턴 탐지 | 결정 기준을 자동으로 만들지는 않음 |
| 의사결정 지원 | 경영 행동 | 근거와 다음 단계 연결 | 결정 질문의 질에 크게 좌우됨 |
업무에서 세 번째 질문이 유용한 이유
대부분의 업무 질문은 파일 내용 자체보다 무엇을 챙기고, 어떤 위험이 있고, 다음에 무엇을 할지에 관한 것입니다.
모든 질문에 추천이 필요한 것은 아닙니다. 낯선 데이터를 탐색한다면 진단부터 하세요. 유용한 순서는 다음과 같습니다.
- 구조를 이해합니다.
- 중요한 계산을 검증합니다.
- 이상값과 변곡점을 찾습니다.
- 알 수 있는 것과 없는 것을 구분합니다.
- 그 뒤 의사결정 지원을 요청합니다.
재사용 가능한 스프레드시트 프롬프트
[결정 또는 사업 질문]을 위해 이 자료를 분석해 줘. 먼저 구조와 데이터 품질 문제를 확인해 줘. 그 뒤 [기간 또는 집단]의 [구체적인 지표]를 계산해 줘. 직접 관찰과 가능한 설명을 나누고 이상값과 충돌하는 값을 표시해 줘. [독자/결정]에 주는 의미, 주요 미확인 사항, 실행 전에 할 다음 분석으로 마무리해 줘.
중요한 한계
- 함께 움직이는 변수가 있어도 상관관계만으로 원인을 증명할 수 없습니다.
- 불명확한 열 이름과 섞인 표는 분석 품질을 떨어뜨릴 수 있습니다.
- 정확한 숫자는 표 스크린샷보다 구조화된 셀에서 가져오세요.
- 중요한 결정에 쓰기 전에 계산과 코드를 검토하세요.
- 빠진 정보를 조용히 채우지 말고 가정을 밝히게 하세요.
명확한 열 이름, 행마다 기록 하나, 데이터를 끊는 빈 행·열을 피하는 구조가 유용합니다. 지원 환경에서는 Python으로 계산·변환하고 표와 차트를 만들 수 있습니다.
더 넓은 활용법은 ChatGPT 엑셀 가이드를 참고하세요. 다른 비교 예시는 동일 PDF 활용 비교에서 확인하세요.
공식 자료
마무리
스프레드시트는 같고 질문이 달라졌습니다. 요약은 파일 파악, 진단은 패턴 이해, 의사결정 지원은 같은 근거를 활용한 경영 논의에 맞습니다.
