데이터 분석가 책 추천: 이 순서로 읽는 3권

들어가며

결론부터: 데이터 분석가 책 추천을 딱 세 권으로 줄이면 『데이터 문해력』, 『A/B 테스트』, 『실무로 통하는 인과추론 with 파이썬』이다. 읽는 순서도 이대로가 좋다. 첫 단계에는 『가설이 무기가 된다』와 『진화된 마케팅 그로스 해킹』을 곁들여 읽기를 권한다.

검색해 보면 데이터 분석가 추천 도서 목록은 이미 많다. 대부분 SQL 입문서, 통계 교양서, 시각화 책, 그로스 해킹 책을 6~10권씩 나열한다. 다 좋은 책이지만, 목록이 길면 무엇부터 읽을지가 오히려 흐려진다.

이 글은 반대로 간다. 분석가의 일을 “질문을 세운다 → 실험으로 확인한다 → 실험이 어려우면 관측 데이터로 인과를 추정한다”는 세 단계로 보고, 단계마다 한 권씩 골랐다. 첫 권은 이론이 거의 없는 사고법 책이고, 나머지 두 권은 이론을 깊게 파는 책이다.

왜 이 순서인가

분석 결과가 쓸모없어지는 이유는 대개 기법이 아니라 질문에 있다. 목적과 연결되지 않은 지표를 열심히 비교하거나, 상관관계를 보고 “이것 때문에 올랐다”고 말하는 경우다. 그래서 첫 권은 질문을 세우는 책, 두 번째는 인과를 가장 확실하게 확인하는 방법(무작위 실험), 세 번째는 그 방법을 쓸 수 없을 때의 대안이다.

순서	책	답하는 질문	성격
1	데이터 문해력 (+ 가설이 무기가 된다, 그로스 해킹)	무엇을 물어야 하나? 이 데이터로 그 질문에 답할 수 있나?	사고법, 수식 없음
2	A/B 테스트	이 변화가 정말 지표를 바꿨나? 그 결과를 믿어도 되나?	실험 설계·운영 이론
3	인과추론 with 파이썬	실험을 못 할 때는 효과를 어떻게 추정하나?	통계·계량 이론 + 파이썬 코드

두 번째와 세 번째 책은 자연스럽게 이어진다. 『A/B 테스트』 11장이 “관측 인과 연구”이고, 『인과추론 with 파이썬』 2장이 “무작위 실험”이다. 앞 책이 끝나는 곳에서 뒤 책이 시작한다.

① 데이터 문해력: 분석보다 활용

항목	내용
원제	『빅데이터 시대, 성과를 이끌어 내는 데이터 문해력: 그래프와 도표만 바라보는 당신에게』
저자	카시와기 요시키 (강모희 옮김)
출판	프리렉, 2021 · 240쪽
링크	교보문고

이 책의 주장은 한 문장이다. 데이터를 분석하는 능력보다 활용하는 능력이 먼저다. 통계나 파이썬을 몰라도, 목적과 문제를 올바른 데이터에 연결하면 가치 있는 결론을 낼 수 있다고 본다. 저자는 이 능력을 “데이터 문해력”이라고 부른다.

목차가 곧 분석의 흐름이다.

1. 목적 사고력: 목적에 맞게 문제와 데이터를 연결한다 (2장)
2. 현상 파악·평가력: “이것이 문제다”를 데이터로 표현한다 (3장)
3. 원인 파악력: 결과에서 멈추지 않고 행동으로 이어지는 원인을 찾는다 (4장)
4. 전체 구성력: 기법에 집착하지 않고 논리(스토리)를 만든다 (5장)
5. 정보 집약력: 정보를 모아 결론을 이끌어 낸다 (6장)
6. 시야확대력: 데이터만으로 문제를 풀 수 있다는 착각을 경계한다 (7장)

누구에게: 데이터 분석을 막 시작한 사람, 그리고 분석가와 함께 일하는 기획자·PM. SQL을 아무리 잘 써도 “그래서 무엇을 하자는 건가”에 답하지 못하는 리포트를 만들고 있다면 이 책이 맞다.

꼭 볼 부분: 2장과 5장. 2장은 질문과 데이터가 어긋나는 패턴을, 5장은 기법보다 논리 구성이 먼저라는 점을 다룬다. 2장은 데이터 문해력: 올바른 데이터로 올바른 문제를 풀고 있는가?에서 내 블로그 숫자에 적용해 가며 따로 정리했다.

아쉬운 점: 사례가 비즈니스 일반에 맞춰져 있어 제품 데이터(이벤트 로그, 퍼널, 코호트)를 다루는 사람에게는 쉽게 느껴질 수 있다. 240쪽이라 하루 이틀이면 읽으니, 사고 틀을 정리하는 용도로 보면 된다.

함께 읽으면 좋은 두 권

『데이터 문해력』을 읽고 나면 두 가지가 남는다. 목적을 정한 다음 “무엇을 확인할지”는 어떻게 정하나? 그리고 이 사고법을 제품 데이터에는 어떻게 적용하나? 이 두 질문에 각각 답하는 책이 『가설이 무기가 된다』와 『진화된 마케팅 그로스 해킹』이다. 둘 다 수식 없이 읽히니, 1단계에서 같이 읽고 2단계로 넘어가면 좋다.

	가설이 무기가 된다	진화된 마케팅 그로스 해킹
저자	우치다 카즈나리 (이정환 옮김)	션 엘리스, 모건 브라운 (이영구·이영래 옮김)
원서	『仮説思考』	Hacking Growth (Crown Business, 2017)
출판	한빛비즈, 2020 · 248쪽	골든어페어, 2017 · 446쪽
링크	교보문고	교보문고
『데이터 문해력』에 더하는 것	데이터를 모으기 전에 답부터 세우는 법	제품 지표(퍼널, 코호트)와 실험으로 성장시키는 법

가설이 무기가 된다: 데이터보다 가설이 먼저

『데이터 문해력』이 “목적과 데이터를 연결하라”고 말한다면, 이 책은 그 연결을 더 빨리 하는 방법을 알려 준다. 데이터를 다 모으고 나서 답을 찾지 말고, 분석 전에 “아마 이것이 답일 것이다”라는 가상의 답, 즉 가설을 먼저 세우라는 것이다.

저자는 보스턴컨설팅그룹(BCG) 출신 컨설턴트다. 신입 시절 정보를 닥치는 대로 모으고 남보다 몇 배 분석했지만 결론을 내지 못해 “곁가지 인간”이라는 평가를 받았고, 선배에게 가설사고를 배운 뒤 일이 빨라졌다고 한다. 분석가가 자주 빠지는 함정과 똑같다. 대시보드를 다 만들고 나서야 “그래서 뭘 보려고 했지?”를 묻는 것이다.

분석가에게 특히 쓸모 있는 부분은 이렇다.

• 1장 “정보는 모으는 것보다 버리는 것이 중요하다”: 모든 경우를 다 따지는 망라사고는 비효율적이다. 가설이 있어야 무엇을 보지 않을지도 정할 수 있다.
• 3장 좋은 가설의 조건: 원인과 이유까지 들어가고, 행동과 연결돼야 한다. 『데이터 문해력』의 원인 파악력(4장)과 같은 이야기다. 이슈트리로 가설을 구조화하는 법도 여기서 다룬다.
• 4장 가설을 검증한다: 실험, 토론, 분석이라는 세 가지 검증 방법과 정량분석의 기본(비교, 시계열, 분포, 인수분해)을 다룬다. 세븐일레븐이 “200엔짜리 삼각김밥이 팔릴까?”를 매장 실험으로 검증한 사례는 그대로 A/B 테스트의 출발점이다.

『데이터 문해력』의 목차가 목적 → 현상 → 원인 → 스토리로 흐르듯, 이 책은 가설 세우기 → 검증 → 수정을 반복하는 흐름이다. 두 책을 겹쳐 읽으면 “목적을 정하고, 가설을 세우고, 데이터로 검증한다”는 분석 순서가 잡힌다. 아쉬운 점은 현재 절판이라는 것이다. 중고나 도서관에서 구해야 한다.

진화된 마케팅 그로스 해킹: 같은 사고법을 제품 데이터에

앞서 『데이터 문해력』의 아쉬운 점으로 제품 데이터(이벤트 로그, 퍼널, 코호트)를 다루는 사람에게는 쉽다는 점을 꼽았다. 이 책이 그 빈자리를 채운다. “그로스 해킹”이라는 말을 처음 만든 션 엘리스가 드롭박스 등 여러 스타트업의 성장을 이끈 방법을 정리한 책이다.

제목에 “마케팅”이 붙어 있지만, 분석가의 눈으로 보면 지표 설계와 실험 운영에 관한 책이다.

• 2장 “머스트 해브”인가: 사용자가 제품의 가치를 처음 느끼는 “아하 순간(aha moment)“을 데이터로 찾는다. 성장보다 이것이 먼저다.
• 3장 성장의 지렛대: 핵심 지표 하나를 북극성 지표(North Star Metric)로 정하고, 이를 구성하는 하위 지표로 나눈다. 『데이터 문해력』의 목적 사고력을 제품 지표에 적용한 셈이다.
• 4장 급속 실험: 아이디어를 내고, 우선순위를 정하고, 실험하고, 분석하는 순환을 매주 돌린다. 『가설이 무기가 된다』의 “가설 → 검증 반복”을 팀 단위 프로세스로 만든 것이다.
• 6~8장 활성화·유지·수익화: 퍼널 보고서로 이탈 지점을 찾고, 코호트로 유지율 곡선을 그리는 방법을 다룬다. 실제 대시보드에서 가장 많이 쓰는 분석이 여기 모여 있다.

다만 이 책은 실험을 “많이, 빨리” 돌리는 데 초점이 있고, 그 결과를 믿어도 되는지는 깊게 다루지 않는다. 바로 그 부분을 파고드는 책이 다음 단계의 『A/B 테스트』다. 그로스 해킹으로 실험하는 문화를 이해하고, 하마책으로 실험 결과를 의심하는 법을 배우는 순서가 자연스럽다.

② A/B 테스트: 실험을 믿을 수 있게 만드는 법

항목	내용
원제	Trustworthy Online Controlled Experiments: A Practical Guide to A/B Testing (Cambridge University Press, 2020)
저자	론 코하비, 다이앤 탕, 야 쉬 (이기홍·김기영 옮김)
출판	에이콘출판, 2022 · 378쪽
링크	교보문고 · 원서 사이트

온라인 A/B 테스트 분야의 표준 참고서로 꼽히는 책이고, 표지 그림 때문에 “하마책”으로도 불린다. 저자들은 마이크로소프트(코하비), 구글(탕), 링크드인(쉬)에서 실험 플랫폼을 만들고 운영했고, 각 회사는 1년에 2만 건 넘는 실험을 돌린다. 그래서 이 책의 관심은 “어떻게 검정하나”보다 “그 결과를 믿어도 되나”에 있다.

통계 교과서와 다른 점은 실험이 틀어지는 지점을 집요하게 다룬다는 것이다.

• 3장 트위먼의 법칙: 너무 좋아 보이는 결과는 대개 오류다. 결과가 놀라우면 먼저 버그를 의심한다.
• 7장 실험 지표와 OEC: 무엇을 성공으로 볼지 하나의 종합 평가 기준(Overall Evaluation Criterion)으로 정한다.
• 19장 A/A 테스트: 같은 것끼리 비교해서 실험 시스템 자체를 검증한다.
• 21장 SRM과 가드레일 지표: 그룹별 표본 비율이 설계와 다르면(Sample Ratio Mismatch) 결과를 해석하기 전에 실험을 의심한다.

누구에게: 실험 결과를 해석하거나 실험을 설계해야 하는 분석가, PO, 데이터 사이언티스트. 1·2부는 수식이 거의 없어 누구나 읽을 수 있고, 4·5부는 실험 플랫폼을 만들거나 분석을 깊게 하는 사람을 위한 부분이다.

꼭 볼 부분: 1부(1~4장) 전체와 21장. 시간이 없다면 2장의 엔드투엔드 예제만 봐도 실험의 전체 흐름이 잡힌다.

아쉬운 점: “종합 대조 실험(controlled experiment)“처럼 낯선 번역어가 종종 나온다. 원어를 같이 떠올리며 읽으면 편하고, 막히는 부분은 원서 사이트의 자료를 참고하면 된다.

이 책의 내용 일부는 이 블로그에서도 따로 정리했다. 실험 전에 표본 크기를 정해야 하는 이유는 A/B 테스트에서 검정력 분석이 필요한 이유에서, 가드레일 지표를 “유의하지 않음”이 아니라 마진으로 판정하는 방법은 A/B 테스트의 가드레일 지표와 비열등성 검정에서 다뤘다.

③ 인과추론 with 파이썬: 실험을 못 할 때

항목	내용
원제	Causal Inference in Python: Applying Causal Inference in the Tech Industry (O’Reilly, 2023)
저자	마테우스 파쿠레 (신진수·가짜연구소 인과추론팀 옮김, 박지용 감수)
출판	한빛미디어, 2024 · 464쪽
링크	교보문고 · 저자의 무료 온라인 책

A/B 테스트는 인과를 확인하는 가장 확실한 방법이지만, 현실에서는 못 하는 경우가 많다. 이미 전 사용자에게 배포한 기능, 지역 단위로만 바꿀 수 있는 가격 정책, 사용자끼리 영향을 주고받아 그룹을 깔끔하게 나눌 수 없는 기능이 그렇다. 이 책은 그런 상황에서 관측 데이터로 효과를 추정하는 방법을 다룬다.

저자는 브라질 핀테크 누뱅크(Nubank)의 데이터 사이언티스트이고, 마케팅 예산, 할인 쿠폰, 가격 전략 같은 실무 문제를 예제로 쓴다. 방법마다 몇 줄짜리 파이썬 코드가 붙어 있어 바로 따라 해 볼 수 있다.

• PART 1 기초: 잠재적 결과, 무작위 실험, 그래프 인과모델(DAG)
• PART 2 편향 보정: 선형회귀, 성향점수
• PART 3 이질적 효과: 누구에게 효과가 큰지 추정하는 메타러너(S/T/X-learner)
• PART 4 패널데이터: 이중차분법(DiD), 통제집단합성법(Synthetic Control)
• PART 5 대안적 실험 설계: 지역 실험, 스위치백 실험, 도구변수

누구에게: A/B 테스트의 기본을 알고, 실험이 어려운 문제를 자주 만나는 분석가. 회귀분석과 파이썬(pandas)을 다뤄 봤다면 충분히 따라갈 수 있다.

꼭 볼 부분: 1장, 4장(회귀), 8장(이중차분법). 8장은 “기능을 출시한 뒤 지표가 올랐다”를 주장할 때 가장 먼저 꺼낼 도구다.

아쉬운 점: 464쪽에 수식도 적지 않아 한 번에 다 읽기는 어렵다. 1·2부를 먼저 읽고, 3~5부는 필요한 문제가 생길 때 찾아보는 방식을 권한다. 저자가 먼저 공개한 무료 온라인 책 Causal Inference for the Brave and True로 맛보기를 해도 좋다.

세 권 비교

	데이터 문해력	A/B 테스트	인과추론 with 파이썬
분량	240쪽	378쪽	464쪽
난이도	입문	중급	중급~고급
수식	없음	일부(5부)	많음
코드	없음	없음	파이썬
읽는 방법	처음부터 끝까지	1·2부 정독, 나머지는 필요할 때	1·2부 정독, 나머지는 필요할 때
이런 사람에게	분석 입문자, 기획자	실험을 해석·설계하는 사람	실험이 어려운 문제를 만나는 사람

자주 묻는 질문

비전공자가 데이터 분석가를 준비할 때 첫 책으로 괜찮나? 『데이터 문해력』은 괜찮다. 수식과 코드가 없고, 분석의 목적부터 잡아 준다. 『가설이 무기가 된다』와 『그로스 해킹』도 수식 없이 읽힌다. 다만 이 책만으로 SQL이나 통계 실력이 생기지는 않으니, 실습서를 따로 병행해야 한다. 나머지 두 권은 기초 통계(평균, 분산, 가설검정)를 익힌 뒤에 읽는 게 좋다.

SQL, 파이썬 책은 왜 없나? 도구는 책보다 실습으로 익히는 편이 빠르고, 버전이 바뀌면 책이 금방 낡는다. 이 글은 도구가 바뀌어도 남는 사고법과 이론에 집중했다.

『A/B 테스트』와 『인과추론』 중 하나만 고른다면? 회사에 실험 플랫폼이 있고 실험을 자주 돌린다면 『A/B 테스트』를, 실험을 거의 못 하고 출시 전후 비교로 판단하는 환경이라면 『인과추론 with 파이썬』을 먼저 읽는다.

더 쉬운 입문서부터 읽고 싶다면? A/B 테스트는 『AB 테스트 무작정 따라하기』(오서준)가, 인과추론은 『고수들의 계량경제학』(조슈아 앵그리스트 외)과 『원인과 결과의 경제학』(나카무로 마키코 외)이 자주 함께 추천된다. 개념을 먼저 가볍게 잡고 이 글의 두 권으로 넘어와도 좋다.

마치며

세 권을 한 줄씩 요약하면 이렇다.

• 『데이터 문해력』: 기법보다 질문이 먼저다. (곁들여 『가설이 무기가 된다』: 분석보다 가설이 먼저다. 『그로스 해킹』: 그 질문을 제품 지표와 실험으로 옮긴다.)
• 『A/B 테스트』: 실험 결과는 믿기 전에 의심한다.
• 『인과추론 with 파이썬』: 실험이 없어도 인과를 포기하지 않는다.

첫 권은 가볍게 읽고, 나머지 두 권은 실무 문제를 옆에 두고 천천히 읽기를 권한다. 각 책을 더 깊게 다룬 서평과 이 블로그의 실험 관련 글도 계속 이어서 쓸 예정이다.

참고 자료

• 카시와기 요시키 (2021). 『빅데이터 시대, 성과를 이끌어 내는 데이터 문해력』. 강모희 옮김. 프리렉.
• 우치다 카즈나리 (2020). 『가설이 무기가 된다』. 이정환 옮김. 한빛비즈.
• Ellis, S., & Brown, M. (2017). Hacking Growth. Crown Business. 번역서: 『진화된 마케팅 그로스 해킹』, 골든어페어, 2017.
• Kohavi, R., Tang, D., & Xu, Y. (2020). Trustworthy Online Controlled Experiments. Cambridge University Press. 번역서: 『A/B 테스트』, 에이콘출판, 2022. experimentguide.com
• Facure, M. (2023). Causal Inference in Python. O’Reilly. 번역서: 『실무로 통하는 인과추론 with 파이썬』, 한빛미디어, 2024. O’Reilly
• Facure, M. Causal Inference for the Brave and True. (무료 온라인 책)