결론 먼저
ADsP 1과목은 50문항 중 10문항. 외워야 할 개념이 정해져 있고 변형도 거의 없어서 점수 회수율이 가장 높은 과목이에요. 1과목에서 8점 이상 안정적으로 잡고 시작해야 합격 점수가 편해집니다.
| 영역 | 핵심 키워드 |
|---|---|
| 정의·계층 | DIKW 피라미드, 정형/반정형/비정형 |
| 데이터베이스 | OLTP/OLAP, CRM/SCM/ETL/마이닝 |
| 빅데이터 | 3V → 5V, 가치·위기요인·통제방안 |
| 데이터 사이언스 | 학제적 성격, Hard/Soft Skill |
| 분석 주제 | 최적화·솔루션·통찰·발견 4분면 |
이 5개 박스만 정확히 외우면 1과목은 7–9문제 맞을 수 있어요.
왜 1과목에서 점수가 갈리나
학원·인강에서는 1과목을 가볍게 훑고 3과목 통계로 넘어가는 경우가 많아요. 그런데 1과목은 출제 패턴이 너무 정형화되어 있어서, 정확히 외운 사람과 대충 본 사람의 점수 차이가 가장 큽니다.
특히 헷갈리는 박스 4개:
- DIKW 4단계 순서
- 빅데이터 3V vs 5V 추가 항목
- OLTP vs OLAP 비교
- 데이터 사이언티스트 Hard Skill vs Soft Skill 구분
이 4개에서 매회 평균 3–4문제가 나옵니다. 헷갈리는 채로 시험장 들어가면 그대로 4점 깎이고 시작해요.
1과목은 "이해"가 아니라 "암기" 과목입니다. 비유하지 말고 박스 단위로 외우세요.1. DIKW 피라미드 (Data → Wisdom)
가장 기본이고 매회 1문제는 무조건 나옵니다.
| 단계 | 정의 | 예시 |
|---|---|---|
| Data | 가공되지 않은 사실 | "A 마트 우유 1,000원" |
| Information | Data 가공·연관 | "B 마트 우유 1,200원이라 A가 200원 더 쌈" |
| Knowledge | Information 패턴화·일반화 | "A 마트가 전반적으로 더 저렴함 → A에서 사야 함" |
| Wisdom | Knowledge 기반 직관·창의 | "A 마트가 우유가 싸니 다른 유제품도 쌀 거라 추측" |
Data → Information → Knowledge → Wisdom 순서. 시험에서 순서를 섞어 내거나 정의와 예시를 바꿔서 함정을 만듭니다.
2. 데이터베이스 정의·특성
4가지 특성 (통·저·공·운)
| 특성 | 의미 |
|---|---|
| 통합된 데이터 (Integrated) | 동일한 내용 중복 제거 |
| 저장된 데이터 (Stored) | 컴퓨터 매체에 저장 |
| 공용 데이터 (Shared) | 여러 사용자가 함께 이용 |
| 변화되는 데이터 (Operational) | 갱신·삽입·삭제로 항상 변함 |
암기법: "통저공운" 4글자만 외우면 됩니다.
OLTP vs OLAP
이건 한 묶음으로 묻습니다.
| 구분 | OLTP | OLAP |
|---|---|---|
| 목적 | 트랜잭션 처리 | 분석·의사결정 |
| 사용자 | 실무 담당자 | 의사결정자·분석가 |
| 작업 | INSERT/UPDATE/DELETE 위주 | SELECT 위주 |
| 데이터 | 현재 운영 데이터 | 누적 이력 데이터 |
| 응답 시간 | 짧음 (밀리초) | 길어도 됨 (수 초–분) |
"OLTP는 거래·운영, OLAP은 분석" 한 줄만 기억하고 나머지는 거기서 파생.
관련 시스템 4종
| 약어 | 풀네임 | 역할 |
|---|---|---|
| CRM | Customer Relationship Management | 고객 관계 관리 (마케팅·영업) |
| SCM | Supply Chain Management | 공급망 관리 (재고·물류) |
| ETL | Extract, Transform, Load | 데이터 추출·변환·적재 (DW 구축) |
| 데이터 마이닝 | Data Mining | 대용량 데이터에서 패턴 발견 |
3. 빅데이터 3V → 5V
가장 함정이 많은 영역이라 표를 정확히 외우세요.
| V | 의미 | 추가 시점 |
|---|---|---|
| Volume | 규모 (데이터 양) | 3V |
| Variety | 다양성 (정형/반정형/비정형) | 3V |
| Velocity | 속도 (생성·처리 속도) | 3V |
| Veracity | 정확성·신뢰성 | 4V (확장) |
| Value | 가치 | 5V (확장) |
"VVV → V 정 V 가" 라고 외우면 편해요 (Volume, Variety, Velocity → Veracity, Value).
가치 vs 위기요인 vs 통제방안
이걸 매트릭스로 묻는 문제도 자주 나옵니다.
| 위기요인 | 통제방안 |
|---|---|
| 사생활 침해 | 동의제 → 책임제 전환 |
| 책임 원칙 훼손 | 결과 기반 책임 적용 |
| 데이터 오용 | 알고리즘 접근권 보장 (알고리즈미스트) |
특히 "동의제 → 책임제 전환" 은 매회 단골이에요.
4. 데이터 사이언스의 학제적 성격
데이터 사이언스가 어떤 학문 영역을 결합한 학제(學際) 분야인지 묻는 문제입니다.
데이터 사이언스 = IT 영역 + 분석 영역 + 비즈니스 컨설팅 영역
| 영역 | 세부 |
|---|---|
| IT 영역 | 시그널 처리, 프로그래밍, 데이터 엔지니어링, 데이터 웨어하우징, 고성능 컴퓨팅 |
| 분석 영역 | 수학, 확률모델, 머신러닝, 통계, 패턴 인식, 시각화 |
| 비즈니스 컨설팅 | 커뮤니케이션, 프레젠테이션, 스토리텔링, 시각화 |
세 영역이 다 들어가야 데이터 사이언스라는 게 핵심. IT만 또는 분석만으로는 데이터 사이언스가 아님.
5. 데이터 사이언티스트 Hard Skill vs Soft Skill
이거 매번 보기를 섞어 출제합니다.
| Hard Skill | Soft Skill |
|---|---|
| 빅데이터 관련 이론적 지식 | 통찰력 (Insight) |
| 분석 기술의 숙련도 | 전달력 (Communication) |
| 머신러닝, 통계, 모델링 | 협업·다분야 협력 |
| 프로그래밍, DB 활용 | 스토리텔링 능력 |
"머신러닝·통계·DB 다루는 능력 = Hard Skill, 사람·메시지 다루는 능력 = Soft Skill" 이렇게 한 문장으로 외우면 헷갈릴 일 없어요.
6. 분석 주제 유형 4분면
분석을 시작할 때 분석 대상(What)과 방법(How) 의 인지 여부에 따라 4가지로 나뉩니다.
| What 알려짐 | What 모름 | |
|---|---|---|
| How 알려짐 | 최적화 (Optimization) | 통찰 (Insight) |
| How 모름 | 솔루션 (Solution) | 발견 (Discovery) |
말로 외우면 헷갈리니까 2×2 매트릭스 그림으로 머릿속에 박아두세요. "둘 다 알면 최적화, 둘 다 모르면 발견" 만 기억하면 나머지는 따라옵니다.
자주 틀리는 5가지 패턴
1. DIKW 단계 정의 바꿔치기 "Knowledge는 사실의 수집이다" 같은 보기. Knowledge는 패턴·일반화 단계라 X.
2. 빅데이터 V 항목 가짜 추가 "Variability(가변성)도 5V에 포함된다" 같은 보기. 5V는 Volume/Variety/Velocity/Veracity/Value 5개로 굳어져 있어요. (일부 기관에서 Variability를 추가해 7V를 쓰기도 하지만 ADsP 시험에선 5V 기준)
3. OLTP/OLAP 역할 뒤집기 "OLTP는 의사결정자가 사용한다" → 거꾸로. OLTP = 실무·거래.
4. CRM/SCM/ETL 약어 의미 바꿔치기 "SCM은 고객 관계 관리이다" → SCM은 공급망. CRM이 고객.
5. Hard/Soft Skill 분류 헷갈림 "통계 지식은 Soft Skill이다" → 아니요, Hard Skill. 시각화도 Hard 영역에 가까움(도구) 이지만 스토리텔링은 Soft.
시험장에서의 접근법
- 1과목은 가장 빠르게 풀고 다른 과목 시간 확보. 한 문제당 30초 안에 결정 권장.
- 헷갈리면 한국어 약어 ("통저공운", "VVVVV") 머릿속에 먼저 그림
- 모르는 단어 보기 등장하면 "ADsP 출제 범위 밖" 으로 의심 — 1과목은 정해진 박스에서만 나옵니다
- DIKW·OLTP/OLAP·5V·Hard/Soft Skill 4박스만 다시 검토 하고 시간 남으면 분석 주제 유형까지 확인
정리
- DIKW: Data → Information → Knowledge → Wisdom (순서 + 정의 + 예시)
- DB 4특성: 통합·저장·공용·운영 ("통저공운")
- OLTP vs OLAP: 거래/실무 vs 분석/의사결정
- 빅데이터 V: 3V(Volume·Variety·Velocity) + 4V(Veracity) + 5V(Value)
- 데이터 사이언스 = IT + 분석 + 비즈니스 컨설팅 (셋 다 필요)
- Hard Skill = 기술·이론 / Soft Skill = 통찰·전달
- 분석 주제 4분면: 최적화·솔루션·통찰·발견