데이터 분석은 숫자를 의사결정으로 연결합니다. 데이터가 깨끗하고, 방법이 질문에 맞으며, 결과가 명확히 설명될 때 가능합니다. 잘 쓴 데이터 분석 AI 프롬프트는 데이터 점검부터 SQL 작성, 통계 검증, 결과 보고까지 모든 단계를 빠르게 합니다.
아래 25개 프롬프트는 데이터 탐색·정제, 분석 계획, 코드 작성, 인사이트 발견, 결과 보고의 다섯 단계로 구성했습니다. 무료 AI 채팅에 붙여 넣고 대괄호를 채운 뒤 실제 데이터로 결과를 확인하세요.
‘이 데이터를 분석해 줘’처럼 모호하게 요청하면 일반적인 목록만 나옵니다. 유용한 결과를 위해 네 가지 정보를 제공하세요.
모델 선택도 중요합니다. Claude Sonnet 5는 신중한 해석과 약한 가정을 찾는 데 유용하고, GPT-6 Astra는 구조화된 계획과 여러 단계의 분석에 적합합니다. 같은 질문을 두 모델에 물어 사각지대를 살펴보세요.
분석 오류는 분석 시작 전에 생기는 경우가 많습니다. 데이터의 구조를 파악하고 먼저 정리하세요. 긴 PDF 데이터 사전은 AI PDF 요약 도구로 핵심 정의를 추려 프롬프트에 넣을 수 있습니다. 작은 열 샘플은 Gemini 3.1 Flash Lite로도 확인할 수 있습니다.
1. 데이터셋 개요 파악
새 데이터셋이 있습니다: [출처, 행과 열의 수, 주요 변수를 설명]. 목표는 [비즈니스 또는 연구 질문]에 답하는 것입니다. 가장 먼저 확인할 질문, 즉시 할 품질 검사, 목표와 관련된 변수, 이 데이터로 답할 수 없는 질문을 나열해 주세요.
2. 데이터 품질 감사
이 데이터의 품질을 점검해 주세요. 열 이름, 자료형, 20행 샘플은 다음과 같습니다: [붙여 넣기]. 결측값, 중복, 형식 불일치, 불가능한 값, 이상치를 확인하고 문제, 영향받는 열, 심각도, 해결책을 표로 정리해 주세요.
3. 단계별 데이터 정제 계획
이 데이터셋의 정제 계획을 단계별로 세워 주세요: [열과 알려진 문제 설명]. [Excel / SQL / Python pandas]에서 작업합니다. 각 단계의 내용, 이유, 정확한 함수나 코드를 설명하고 유효한 데이터가 삭제될 위험을 표시해 주세요.
4. 결측값 처리 전략
데이터셋의 [열 이름]은 [X]%가 비어 있습니다. 데이터는 [설명]에 관한 것이고 해당 열을 [목적]에 사용합니다. 행 삭제, 단순 대치, 모델 기반 대치, 결측 여부 표시를 비교하고 결과의 편향을 설명한 뒤 한 가지를 추천해 주세요.
5. 탐색적 데이터 분석 계획
[데이터셋 설명]을 위한 탐색적 분석 계획을 짜 주세요. 계산할 요약 통계, 시각화할 분포와 관계, 비교할 집단, 추가로 조사할 가치가 큰 패턴 세 가지를 포함하되 한나절에 끝낼 수 있게 해 주세요.
분석법을 고르고 가설을 검정하거나 결과의 타당성을 살필 때 사용하세요. GPT-5.6 Sol은 단계별 통계 추론에, AI 수학 계산기는 표본 크기와 검정통계량 검증에 도움이 됩니다.
6. 비즈니스 질문을 분석 계획으로 바꾸기
이해관계자의 질문을 분석 계획으로 바꿔 주세요: [원래 질문]. 사용 가능한 데이터: [설명]. 구체적이고 측정 가능한 질문으로 다시 쓰고, 적절한 지표와 접근법을 제시하며 데이터로 답할 수 없는 부분을 알려 주세요.
7. 통계 기법 선택
[관계 또는 차이를 설명]인지 알아보려 합니다. 데이터: [변수 유형, 표본 크기, 수집 방법]. 적절한 통계 검정이나 모델을 추천하고, 전제 조건과 점검 방법 및 조건이 맞지 않을 때의 대안을 알려 주세요.
8. 상관관계와 인과관계 구분
[관계를 설명]하는 결과를 찾았습니다. 데이터는 [관찰 / 실험 / 준실험] 자료입니다. 인과관계의 근거가 얼마나 강한지 평가하고, 가능한 대안적 설명을 나열한 뒤 증거 범위에 맞는 한 문장 결론을 작성해 주세요.
9. A/B 테스트 설계
[기능, 메시지 또는 가격 변경]의 A/B 테스트를 설계해 주세요. 가설: [설명]. 주요 지표: [설명]. 현재 기준값: [값]. 필요한 표본 크기를 추정하고 집단 비율 불일치, 신기성 효과, 중간 결과 반복 확인, 다중 비교의 위험과 경계선 결과의 해석을 알려 주세요.
10. 회귀분석 결과 해석
이 회귀분석 결과를 쉬운 말로 설명해 주세요: [결과 붙여 넣기]. 모델은 [설명 변수]로 [결과 변수]를 예측합니다. 중요한 계수와 실제 단위에서의 의미, 적합도, 다중공선성 같은 경고 신호, 도출 가능한 결론의 범위를 설명해 주세요.
자연어 질문을 코드로 바꾸는 프롬프트입니다. DeepSeek V4 Pro는 복잡한 쿼리와 pandas 스크립트에, DeepSeek V4 Flash는 작은 수정과 간단한 수식에 유용합니다. 항상 소량의 샘플에서 먼저 실행해 보세요.
11. SQL 쿼리 작성
[필요한 작업]을 수행하는 [PostgreSQL / BigQuery / MySQL] 쿼리를 작성해 주세요. 테이블: [테이블명, 열, 조인 방식]. 각 단계에 주석을 달고 NULL을 명시적으로 처리하며 결과가 맞는지 검증하는 방법을 알려 주세요.
12. SQL 쿼리 최적화
이 쿼리는 [행 수]개 행에서 느리게 실행됩니다: [쿼리 붙여 넣기]. 느린 이유를 설명하고 성능을 개선해 다시 작성한 뒤 인덱스나 구조 변경을 제안해 주세요. 새 쿼리가 정확히 같은 결과를 내는지 확인해 주세요.
13. Excel 수식 만들기
Excel에서 [계산 내용]을 위한 수식이 필요합니다. 데이터는 [열과 범위]에 있습니다. 수식을 제시하고 부분별 작동 원리를 설명하며 더 간단하다면 [XLOOKUP / LET / 동적 배열] 버전도 알려 주세요.
14. Python pandas 스크립트
pandas로 [파일 유형]을 불러와 [필터링, 그룹화, 병합, 피벗 등]을 수행하고 [결과]를 출력하는 Python 스크립트를 작성해 주세요. 주석과 명확한 변수명을 사용하고 각 단계 뒤 행 수가 타당한지 검사해 주세요.
15. 코드 설명과 디버깅
인수인계받은 코드입니다: [SQL 또는 Python 붙여 넣기]. 단계별로 설명하고 버그나 논리 오류, 조용히 잘못된 숫자를 만들 수 있는 부분을 표시한 뒤 더 읽기 쉬운 버전을 제안해 주세요.
결과가 결정으로 이어질 때 의미가 있습니다. 이 프롬프트로 실제 신호와 잡음을 구분하세요. Gemini 3 Pro는 여러 설명을 깊이 비교할 수 있고, Grok 4.5에 같은 질문을 하면 다른 시각을 얻을 수 있습니다.
16. 중요한 인사이트 추출
분석 결과는 다음과 같습니다: [붙여 넣거나 설명]. 지원해야 할 결정: [설명]. 결정과 관련된 인사이트 3~5개를 뽑고, 확실한 결과와 잠정적 신호를 구분하며 교란 요인이나 데이터 오류를 표시해 각 항목을 권고안으로 표현해 주세요.
17. 이상 현상 조사
[기간] 동안 데이터에서 [급증, 급감 또는 특이 패턴]이 나타났습니다. 일반적인 기준치는 [설명]입니다. 가능성 높은 원인을 순서대로 나열하고 데이터로 검증하는 방법과 실제 사건인지 데이터 품질 문제인지 판단할 방법을 알려 주세요.
18. 세분화와 코호트 분석
이 변수[목록]로 [고객 / 사용자 / 제품]을 세분화해 주세요. 목표는 [설명]입니다. 비교할 세그먼트 또는 코호트, 비교 지표, 관찰된 차이가 우연인지 판단할 방법을 제안해 주세요.
19. 추세 및 예측 점검
지난 [기간]의 [지표]를 [일 / 주 / 월] 단위로 기록했습니다: [데이터 붙여 넣기]. 추세, 계절성, 구조적 변화를 설명하고 다음 [기간]을 예측하는 간단한 방법과 신뢰할 수 있는 정도를 알려 주세요.
20. KPI 및 지표 설계
[팀, 제품 또는 목표]의 지표 체계를 설계해 주세요. 핵심 지표 3~5개를 추천하고 선행·후행 지표를 구분하며 정확한 계산식을 정의해 주세요. 목표가 되면 가장 쉽게 왜곡될 수 있는 지표도 알려 주세요.
좋은 분석도 이해하기 어렵다면 쓰이지 않습니다. 알맞은 차트를 선택하고 이야기를 구성하며 까다로운 질문을 준비하세요. 긴 보고서 초안은 AI 요약 도구로 줄이고, Claude Haiku 4.5로 독자별 요약을 빠르게 작성할 수 있습니다.
21. 적절한 차트 선택
[비교, 추세, 분포 또는 관계]를 [대상 독자]에게 보여주고 싶습니다. 데이터: [변수 설명]. 최적의 차트 유형과 다른 흔한 선택지보다 나은 이유를 설명하고 축, 레이블, 색상, 제외할 요소를 구체적으로 안내해 주세요.
22. 데이터 스토리 구성
[결정]을 내려야 하는 [대상 독자]를 위해 이 결과를 데이터 스토리로 정리해 주세요: [결과 설명]. 가장 중요한 발견으로 시작해 한 가지 권고안으로 논리를 전개하고, 예상 반론에 데이터로 답한 뒤 명확한 다음 단계로 마무리해 주세요.
23. 경영진 요약 작성
[주요 결과 붙여 넣기]에 대한 [대상 독자]용 150단어 분량의 요약을 작성해 주세요. 결론으로 시작하고 근거 숫자는 세 개 이하로 제한하며 핵심 한계를 한 문장으로 밝히고 권장 조치로 끝내 주세요.
24. 대시보드 레이아웃 계획
[목표]를 추적하는 [대상 독자]용 대시보드를 설계해 주세요. 최상단 KPI, 보조 차트, 필요한 필터와 위에서 아래로의 배치를 제안하고 한 가지 핵심 질문에 집중하려면 무엇을 빼야 하는지 알려 주세요.
25. 분석 결과 최종 점검
발표 전 제 작업을 의심이 많은 선임 분석가처럼 검토해 주세요: [질문, 데이터, 방법, 결론 설명]. 의문스러운 방법, 데이터 이상의 결론, 놓친 대안적 해석을 찾고 이해관계자가 가장 물을 법한 세 가지 질문과 답변을 제시해 주세요.
Chat Smith 한곳에서 Claude, GPT, Gemini, Grok, DeepSeek를 사용할 수 있습니다. Gemini 3.5 Flash 같은 빠른 모델과 고급 추론 모델을 비교하며 한 모델로 SQL을 작성하고 다른 모델로 해석을 확인해 보세요. 자주 쓰는 프롬프트는 템플릿으로 저장할 수 있습니다.
결과가 준비되면 AI 이메일 작성 도구로 요약을 이해관계자에게 보내는 업데이트로 바꿀 수 있습니다. 최종 판단은 사용자의 몫이며 이 프롬프트는 신뢰할 만한 답에 더 빨리 도달하도록 돕습니다.
데이터 분석을 위한 AI 프롬프트란 챗봇에게 데이터셋을 살펴보도록 요청하는 문장으로, 추세를 요약하거나 이상치를 찾아내거나 차트를 설명해달라고 요청하는 식입니다. 데이터와 궁금한 질문을 명확히 적을수록 답변이 정확해지며, 챗스미스에서는 여러 AI 모델로 이런 프롬프트를 한 앱에서 시험해 볼 수 있습니다.
Chat Smith 편집팀은 AI를 더욱 쉽고 실용적으로 활용할 수 있도록 돕는 AI 애호가, 연구자, 콘텐츠 크리에이터들로 구성되어 있습니다. Chat Smith 블로그를 통해 최신 AI 트렌드, 도구 리뷰, 업계 인사이트, 그리고 실용적인 가이드를 제공하여 개인과 기업이 AI로부터 더 큰 가치를 얻을 수 있도록 지원합니다. 우리의 목표는 빠르게 변화하는 AI 환경 속에서 독자들이 최신 정보를 얻고, 생산성을 높이며, 한발 앞서 나갈 수 있도록 명확하고 신뢰할 수 있으며 이해하기 쉬운 콘텐츠를 제공하는 것입니다.
