SQL 복습 문제

문제 1.

Lv1. 데이터 속 김서방 찾기

문제: 유저 중 김씨 성을 가진 교육생의 수를 세는 테이블 만들기

필수 문법 복기

SUBSTR(문자열, 시작 위치, (추출 길이)) : 문자열 일부 추출

프로세스

1. name에서 김씨 성을 가진 사용자를 찾고
2. 고유한 값인 user_id를 기준으로 카운팅
3. user_id별로 카운팅을 해 줬으니 GROUP BY 로 마무리

답안 1 (*SUBSTR 사용)

SELECT 
	COUNT(DISTINCT(user_id)) name_cnt	
FROM users
WHERE SUBSTR(name,1,1) = '김';

답안 2 (*LIKE 사용)

SELECT 
	COUNT(DISTINCT(user_id)) name_cnt	
FROM users
WHERE name LIKE '김%';

결과창

문제 2.

Lv2. 날짜별 획득포인트 조회하기

상황: 이번에는 이용자들이 잘 활동하고 있는지 보고자 합니다. 포인트가 많을수록 활동을 잘하고 있다고 생각 할 수 있습니다. 날짜별로 획득한 포인트가 점점 늘어나는지 줄어드는지 확인해 봅시다.

필수 문법 복기

DATE: 데이터형을 날짜값으로 반환
AVG: 평균값 계산
ROUND: 반올림 (ROUNG(VALUE,1), ROUNG(VALUE,2) 등으로 활용 가능. 뒤의 숫자는 '소수점 몇 번째 자리까지 반올림할 것인지'를 나타냄.

프로세스

1. 날짜별 포인트의 평균값 계산
2. 날짜를 GROUP BY

답안

SELECT 
    DATE(created_at) AS created_at,
    ROUND(AVG(point)) AS average_points
FROM 
    point_users 
GROUP BY 
    DATE(created_at);

결과창

• 날짜별로 학습자들이 평균적으로 획득한 포인트를 한 눈에 볼 수 있음.

직무 스터디

=> 데이터 분석가와 데이터 사이언티스트의 차이

데이터 분석가와 데이터 사이언티스트가 당연히 같은 줄 알았는데, 조금은 다르다는 얘기를 들었다. 그래서 둘을 비교 분석해 봤다.
실무적으로는 데이터 분석가가 리포팅 업무만 하지 않는다고 한다.

역량 유형	데이터 분석가 (Data Analyst)	데이터 사이언티스트 (Data Scientist)
SQL	✅ 데이터 추출, 필터링, 집계에 필수	✅ 대용량 데이터 분석과 전처리를 위한 기본 도구
Python	✅ pandas, matplotlib 등 분석 자동화에 활발히 사용	✅ 머신러닝 모델 구현과 실험 자동화에 필수
시각화 도구 (Tableau, Power BI 등)	✅ 대시보드와 리포트 작성에 필수	⚪ 결과 공유에 보조적으로 활용
통계적 사고력	✅ A/B 테스트 등 실무 중심의 통계 지식 필요	✅ 평가 지표 이해 및 실험 설계를 위한 이론 기반 통계 필수
머신러닝 지식	⚪ 기초 수준 있으면 유리, 직접 구현은 거의 없음	✅ 지도·비지도 학습, 분류·예측 등 모델링 핵심 역량
도메인 이해 및 문제 해결력	✅ 분석 결과가 실제 비즈니스에 어떻게 도움이 되는지 설명할 수 있어야 함	✅ 기술이 서비스나 제품에 어떤 영향을 줄지 고려하고 설계할 수 있어야 함

(=>핵심 역량 비교 분석)

데이터 분석을 공부하는 입장에서는 결국 모두 잘 해야 한다는 생각이 든다. 단순히 데이터 분석만으로는 당연히 경쟁력이 없다. 기술적 역량은 기본적으로 갖추고, 스토리텔링 능력과 여타 역량을 같이 키워야 할 것이다.