4차시 같은 데이터, 다른 이야기 — 분석 방법 비교

🤔

생각 열기 — 같은 표를 보고 두 사람이 싸운다

연구자가 대형 화면의 데이터 시각화를 분석하는 모습 — 같은 데이터를 두고도 **분석 방법**에 따라 다른 결론이 나온다 — 그래서 분석가는 한 가지 방법만 믿지 않는다. 사진: Oak Ridge National Laboratory, CC BY 2.0, Wikimedia Commons

한 회사의 급여 자료를 두고 사장은 "우리 회사 평균 연봉이 높다!"고 하고, 직원은 "무슨 소리, 대부분은 적게 받는다!"고 해요. 둘 다 같은 데이터를 봤는데 왜 다른 말을 할까요? 사장은 '평균'을, 직원은 '중앙값'을 본 거예요. 이렇게 어떤 분석 방법을 쓰느냐에 따라 데이터는 전혀 다른 이야기를 합니다. 직접 확인해 봐요.

1

같은 급여, 다른 결론 — 평균 vs 중앙값

어느 회사 직원 7명의 월급이에요. 그중 한 명(사장)이 유난히 많이 받죠. 어떤 대푯값으로 요약하느냐에 따라 결론이 어떻게 뒤집히는지 보세요.

🔄 결론 뒤집기 실험실 — 무엇으로 요약할까? INTERACTIVE

분석 방법을 골라 보세요. 노란 선이 그 대푯값의 위치예요. 같은 막대(데이터)인데 결론이 달라져요.

[안내]두 방법을 번갈아 눌러 보세요. 사장 한 명(맨 아래 긴 빨간 막대)이 평균을 얼마나 끌어올리는지 보여요.

💡 둘 다 '거짓말'은 아니다 — 다른 질문에 답할 뿐

평균(397만원)과 중앙값(230만원) 모두 맞는 계산이에요. 다만 답하는 질문이 달라요 — 평균은 "다 합치면?", 중앙값은 "한가운데 사람은?". 그래서 어느 하나가 거짓말이라기보다, "이 데이터엔 어떤 방법이 더 어울리나?"를 판단하는 것이 분석가의 실력이에요.

2

어디를 잘라 보느냐 — 기간(구간)의 함정

추세를 볼 때도 마찬가지예요. 어느 기간을 잘라 보느냐에 따라 "상승!"도 "하락!"도 만들 수 있어요. 아래는 어느 가게의 12개월 매출이에요. 보는 구간을 바꿔 가며 결론이 어떻게 달라지는지 확인해 보세요.

✂️ 기간 자르기 실험실 — 같은 매출, 다른 추세 INTERACTIVE

강조해서 볼 구간을 골라 보세요. 같은 데이터인데 추세 결론이 정반대가 되기도 해요.

[안내]같은 매출 데이터인데 '최근만' 보면 위기처럼, '여름만' 보면 대박처럼 보여요. 구간을 바꿔 보세요!

3

그래서 — 여러 방법으로 비교(상호 대조)

지금까지 봤듯, 분석 방법 하나만 믿으면 위험해요. 그래서 데이터 과학자는 같은 데이터를 여러 방법으로 분석해 결과를 비교(상호 대조)해요. 결과가 서로 일치하면 더 믿을 수 있고, 엇갈리면 "왜 다르지?"를 파고들어 더 깊은 진실에 다가가죠.

🔭

여러 각도로 보기

평균과 중앙값, 전체와 부분, 여러 그래프로 두루 살펴요.

🤝

일치하면 신뢰

여러 방법이 같은 결론을 가리키면 그 결과는 더 탄탄해요.

🔍

엇갈리면 탐구

결과가 다르면 "왜?"를 파고들어 숨은 사실을 찾아요.

✏️ 활동 — 정직한 분석 vs 속이는 분석

위 매출 데이터로 ① 가게를 '위기'로 보이게 하는 분석(어느 구간·방법?)과 ② '성장 중'으로 보이게 하는 분석을 각각 만들어 보세요. 그리고 ③ 가장 정직한(균형 잡힌) 분석은 무엇일지 토론해 봐요. 같은 데이터로 정반대를 만들 수 있다는 걸 알면, 남의 분석에 속지 않는 눈도 생겨요!

✅

확인 문제

바로바로 채점!

✏️

4차시 확인 문제

4문항 · 즉시 채점

1사장 한 명만 월급이 매우 높은 회사에서, '평균은 높지만 대부분 직원은 적게 받는' 상황이 가능한 이유는?

2같은 매출 데이터로 '상승세'도 '하락세'도 보이게 만들 수 있는 이유는?

3평균과 중앙값이 크게 다를 때의 올바른 이해는?

4[OX] 같은 데이터를 여러 분석 방법으로 비교해 보면, 더 믿을 만한 결론에 다가갈 수 있다.

➕

더 알아보기

교과서 너머의 이야기 — 클릭해서 펼쳐 보세요

사례심슨의 역설 — 부분과 전체가 정반대일 때

정말 신기한 통계 현상이 있어요. 심슨의 역설이라고 해요. 예를 들어 두 병원 A·B를 비교했더니, 가벼운 환자에서도 A의 생존율이 높고 위중한 환자에서도 A가 높은데, 신기하게도 전체로 합치면 B의 생존율이 더 높게 나올 수 있어요! 어떻게 이런 일이? A 병원이 위중한 환자를 훨씬 많이 받았기 때문이에요(데이터의 구성이 다른 거죠). 이 역설은 "데이터를 어떻게 묶어서(집계해서) 보느냐"에 따라 결론이 뒤집힐 수 있다는 강력한 경고예요. 그래서 전체 숫자만 보지 말고, 집단을 나눠서(쪼개서)도 봐야 진실이 보여요. 이것도 '여러 방법으로 분석해 비교하기'의 한 예랍니다.

실전분석가의 무기 — 같은 데이터를 보는 여러 도구

데이터를 여러 방법으로 보려면 도구도 알아야겠죠? 스프레드시트(엑셀·구글 시트)는 가장 친숙한 도구로, 표·수식·그래프로 빠르게 분석할 수 있어요. 더 큰 데이터나 반복 작업엔 파이썬(판다스로 표를 다루고, 시각화 라이브러리로 그래프를 그려요)이나 R 같은 프로그래밍 언어를 써요. 보기 좋은 대시보드를 만들 땐 전용 시각화 도구(예: 태블로 같은 BI 도구)도 있고요. 도구마다 잘하는 일이 달라서, 분석가는 상황에 맞게 골라 써요. 중요한 건 도구 자체가 아니라 "같은 데이터를 여러 각도에서 보겠다"는 태도예요. 도구는 그 태도를 돕는 수단일 뿐이죠. (3단원에서 분석 도구를 더 다뤄요!)

생각통계로 거짓말하기 — 그러나 통계 없이는 더 위험하다

"세상에는 세 가지 거짓말이 있다 — 거짓말, 새빨간 거짓말, 그리고 통계." 이런 유명한 말이 있을 만큼, 통계·데이터는 사람을 속이는 데 쓰이기도 해요(유리한 구간만 자르기, 평균 뒤에 숨기기, 축 조작 등). 하지만 그렇다고 "통계는 다 거짓말"이라고 하면 큰 오해예요. 오히려 데이터를 제대로 읽을 줄 알아야 이런 속임수에 넘어가지 않아요. 감과 소문에만 의존하면 더 쉽게 속거든요. 그래서 답은 '통계를 멀리하기'가 아니라 '통계를 비판적으로 읽는 힘(데이터 리터러시)을 기르기'예요. 이 단원에서 배운 '여러 방법으로 비교하고 의심하기'가 바로 그 힘의 핵심이랍니다.

같은 데이터, 다른 이야기분석 방법 비교