기술통계, 데이터를 처음 마주할 때 제일 먼저 하는 일

안녕하세요, Rabbit입니다! 🐰

처음 데이터 파일을 열었을 때를 생각해 봅니다. 수백 줄의 숫자가 빼곡히 채워진 화면 앞에서, 뭐부터 봐야 할지 몰라 그냥 스크롤만 내리던 경험. 저도 있었습니다.

데이터를 분석한다는 게 처음엔 거창하게 느껴지지만, 사실 첫 번째 단계는 아주 단순합니다. “이 숫자들이 대충 어떻게 생겼지?”를 파악하는 것. 그 첫 번째 도구가 바로 기술통계(Descriptive Statistics)입니다.

기술통계란 무엇인가

통계는 크게 두 가지로 나뉩니다. 기술통계와 추론통계.

기술통계는 수중에 있는 데이터를 있는 그대로 요약하는 것입니다. “이번 달 납기 준수율이 평균 며칠이었나”, “편차가 얼마나 되나” 같은 질문에 답합니다. 추론통계는 한발 더 나아가 샘플 데이터로 전체 모집단을 추정하는 것인데, 오늘은 기술통계에 집중합니다.

기술통계의 목적은 하나입니다. 수백 개의 숫자를 몇 개의 의미 있는 숫자로 압축하는 것.

기술통계는 세 가지 질문으로 이루어집니다. 데이터가 어디에 몰려 있나(중심), 얼마나 흩어져 있나(퍼짐), 어떻게 나뉘어 있나(위치). 이 세 질문에 답할 수 있으면 데이터의 윤곽이 잡힙니다.

그림 1. 기술통계의 세 가지 질문과 각 지표

첫 번째 질문: 데이터가 어디에 몰려 있나

평균

가장 먼저 떠오르는 지표입니다. 모든 값을 더해서 개수로 나눈 숫자입니다.

예를 들어 5개 견적 건의 완료 소요일이 3, 4, 5, 4, 14일이라면, 평균은 (3+4+5+4+14) ÷ 5 = 6.0일입니다.

직관적이고 계산하기 쉽지만, 극단값에 민감하다는 치명적인 약점이 있습니다. 14일짜리 건 하나가 전체 평균을 2일이나 끌어올렸습니다. 나머지 4건은 모두 5일 이하였는데도요.

중앙값

데이터를 크기순으로 나열했을 때 정가운데 위치한 값입니다. 3, 4, 4, 5, 14를 정렬하면 가운데는 4입니다. 평균(6.0)과 중앙값(4.0)이 2일이나 차이납니다.

💡 핵심: 평균과 중앙값이 크게 차이 날 때는 데이터가 한쪽으로 치우쳐 있다는 신호입니다. 이럴 때는 평균 하나만 보면 왜곡된 그림을 보게 됩니다. 이 내용은 평균의 함정 글에서 실무 사례로 더 자세히 다뤘습니다.

실무 적용: KPI를 평균 하나로 관리하고 있다면, 중앙값도 함께 확인하는 습관을 들이세요. 두 값이 비슷하면 안심, 크게 차이 나면 데이터를 더 들여다봐야 한다는 신호입니다.

두 번째 질문: 데이터가 얼마나 흩어져 있나

평균이 같아도 데이터의 성격이 완전히 다를 수 있습니다. A팀과 B팀 모두 평균 납기 5일이라고 해도, A팀은 매번 4–6일 사이에 일정하게 끝내고 B팀은 어떤 건은 1일, 어떤 건은 9일로 들쭉날쭉할 수 있습니다. 이 차이를 잡아주는 게 퍼짐 지표입니다.

분산

각 데이터 값이 평균에서 얼마나 떨어져 있는지를 수치로 나타낸 것입니다. 계산 방법은 이렇습니다.

1. 각 값에서 평균을 뺍니다 (편차)
2. 편차를 제곱합니다 (음수가 사라지게)
3. 제곱한 값들의 평균을 냅니다

3, 4, 4, 5, 14의 분산을 계산하면: 평균 6.0에서 각각 편차를 구하면 –3, –2, –2, –1, 8. 이를 제곱하면 9, 4, 4, 1, 64. 평균을 내면 16.4입니다.

문제는 단위가 “일²”이 되어버려 직관적으로 해석하기 어렵다는 점입니다.

표준편차

분산의 제곱근입니다. √16.4 ≈ 4.0일. 단위가 원래대로 돌아오기 때문에 “평균에서 평균적으로 4일 정도 떨어져 있다”고 직관적으로 읽을 수 있습니다.

표준편차가 크다는 건 데이터가 평균 주변에 고르게 모여 있지 않다는 뜻입니다. 예측 가능성이 낮다는 신호이기도 합니다.

실무 적용: 두 공급업체의 납기일 평균이 같다면 표준편차를 비교하세요. 표준편차가 작은 쪽이 더 예측 가능하고 안정적인 공급업체입니다. 평균만 보면 놓치는 정보입니다.

세 번째 질문: 데이터가 어떻게 나뉘어 있나

사분위수

데이터를 크기순으로 정렬한 뒤 4등분하는 경계값입니다.

• Q1 (제1사분위수): 하위 25% 경계값. 전체 데이터의 25%가 이 값 아래에 있습니다.
• Q2 (제2사분위수): 중앙값과 같습니다. 정확히 절반이 이 값 아래에 있습니다.
• Q3 (제3사분위수): 상위 25% 경계값. 전체 데이터의 75%가 이 값 아래에 있습니다.

3, 4, 4, 5, 14 데이터에서: Q1=4, Q2=4, Q3=5입니다.

다섯 수치 요약

최솟값, Q1, Q2(중앙값), Q3, 최댓값 — 이 다섯 개 숫자를 함께 보면 데이터 전체 윤곽을 한눈에 파악할 수 있습니다.

	최솟값	Q1	Q2 (중앙값)	Q3	최댓값
견적 소요일	3일	4일	4일	5일	14일

표 1. 견적 소요일 5수치 요약

Q3와 Q1의 차이(5–4=1)를 IQR(사분위 범위)이라고 합니다. IQR은 이상치를 판별하는 기준으로도 씁니다. 일반적으로 Q3 + 1.5×IQR을 초과하는 값, 또는 Q1 – 1.5×IQR 미만인 값을 이상치 후보로 봅니다.

⚠️ 주의: 이상치라고 무조건 제거하는 게 아닙니다. 외부조달처럼 구조적으로 다른 집단인지, 입력 오류인지를 먼저 판단해야 합니다.

실무 적용: 생산 리드타임이나 재고 수량 데이터의 5수치 요약을 정기적으로 뽑아보세요. 최댓값과 Q3 사이가 지나치게 벌어져 있다면, 그 구간에 뭔가 설명이 필요한 데이터가 있다는 뜻입니다.

Rabbit의 한 끗

기술통계를 처음 배울 때는 공식 외우는 데 집중하게 됩니다. 분산 공식, 표준편차 공식. 그런데 실제로 더 중요한 건 각 지표가 “무엇을 보기 위한 것인지” 아는 겁니다.

평균은 중심을 봅니다. 표준편차는 퍼짐을 봅니다. 사분위수는 분포의 모양을 봅니다. 이 세 가지를 함께 보면, 숫자 수백 개가 몇 줄로 압축됩니다.

현업에서 KPI 숫자를 볼 때 평균 하나만 보던 것을 조금씩 바꿔보고 있습니다. 중앙값이 얼마인지, 표준편차가 크지 않은지. 같은 데이터를 보고 있는데 보이는 게 달라지기 시작했습니다. 그게 기술통계를 배우면서 얻은 첫 번째 변화입니다. 😎

---

더 읽어보기

• 다시 학생이 된 이유, 감으로 말하던 것들을 데이터로 말하고 싶어서
• 평균의 함정, KPI 숫자가 목표를 달성했다는 착각
• 상관관계는 인과관계가 아니다, 데이터가 말하는 것과 말하지 않는 것