Whizi에서 AI로 스프레드시트 분석하는 방법

무엇이든 묻기 전에 데이터부터 프로파일링하라

스프레드시트 분석이 잘못되는 가장 흔한 원인은 AI와 아무 관련이 없습니다. 지역명 뒤에 공백이 붙은 행이 14개, 날짜 형식이 두 가지, 누군가 중간에 남겨둔 소계 행 하나, 그리고 이제 곧 평균을 낼 열에 빈칸이 300개 있다는 사실입니다. 질문부터 먼저 던지면 쓰레기 데이터로 계산된 자신만만한 답을 받게 됩니다.

그래서 첫 프롬프트는 어떤 파일이든 항상 같습니다.

프롬프트: 프로파일링

분석하기 전에 이 파일을 먼저 프로파일링해줘. 행 수, 추정 타입이 포함된 열 이름, 열별 결측값 개수와 비율, 정확히 중복되는 행의 수, 고유값이 25개 미만인 모든 열의 고유값 목록, 모든 숫자형/날짜형 열의 최솟값과 최댓값, 값이 일관되지 않아 보이는 열(혼합된 형식, 앞뒤 공백, 혼합된 단위, 혼합된 날짜 형식)을 알려줘. 아직 분석하거나 해석하지 마. 파일에 무엇이 들어 있고 무엇이 이상해 보이는지만 알려줘.

이 프롬프트 하나만으로도 분석을 망칠 뻔한 문제 대부분을 잡아낼 수 있습니다. 특히 고유값 목록을 보면 데이터 안에서 "UK", "U.K.", "United Kingdom"이 서로 다른 세 지역으로 취급되고 있다는 사실을 발견하게 됩니다.

프롬프트: 발견한 문제 고치기

발견한 문제를 표준화해줘. 공백을 제거하고, [열]을 하나의 형식으로 통일하고, 다음 변형들을 통합해줘: [나열]. 적용하기 전에 어떤 매핑을 적용했는지 표로 먼저 보여줘. 어떤 행이든 삭제할 때는 이유와 함께 반드시 알려줘.

검증 가능한 답이 나오는 질문을 하라

모호한 질문에는 모호한 답이 돌아옵니다. 효과적인 프롬프트는 열, 연산, 출력 형식을 구체적으로 지정하고 계산 과정까지 요구합니다.

프롬프트: 계산 과정을 보여주는 집계

[열]로 그룹화하고 [지표]를 계산해줘. 그룹명, 그룹에 속한 행 수, 지표 값을 담은 마크다운 표로 보여줘. 표 아래에는 지표를 어떻게 계산했는지, 어떤 행을 제외했고 왜 그랬는지, 빈칸은 어떻게 처리했는지 정확히 설명해줘. [열] 기준 내림차순으로 정렬해줘.

프롬프트: 코호트 질문

[코호트 기준, 예를 들어 가입월]별로 [간격] 단위 [지표]를 계산해줘. 모든 수치 옆에 코호트 크기를 함께 표시해줘. 행이 [n]개 미만인 코호트는 비율로 보고하는 대신 해석하기에는 표본이 너무 작다고 표시해줘.

이 마지막 지시가 스프레드시트 분석에서 가장 오해를 부르는 결과를 막아줍니다. 사용자 4명짜리 코호트가 "재방문율 75%"로 보고되어, 사용자 9천 명짜리 코호트 바로 옆 표에 나란히 앉아 있는 상황 말입니다.

프롬프트: 이상 탐지

이 데이터에서 의심스러운 부분이 뭐야? 다음을 찾아줘: 타당한 범위를 벗어난 값, 시계열에서 갑작스러운 불연속, 도중에 분포가 바뀌는 열, 정확히 또는 거의 중복되는 행, 지나치게 딱 떨어지는 값, 데이터 수집 방식이 바뀌었음을 시사하는 모든 것. 각각에 대해 해당 행을 구체적으로 인용해줘.

이것이 이 페이지에서 가장 값진 프롬프트이며, 일반적인 스프레드시트 작업 방식에는 존재하지 않는 것입니다. 이 프롬프트는 트래킹이 고장 난 날, 다른 통화로 보고하기 시작한 공급업체, 분기 수치를 부풀린 중복 임포트를 어김없이 찾아냅니다.

프롬프트: 차트 사양

이 질문과 이 데이터 형태에 맞는 차트를 추천하고, 명백해 보이는 대안이 왜 여기서는 더 나쁜지 설명해줘. 그다음 사양을 알려줘: 차트 유형, x축, y축, 시리즈, 집계 방식, 정렬 순서, 축 처리 방식. 이중 축은 쓰지 마. 막대 차트 축을 잘라내지 마.

산술 계산이 실제로 틀리는 지점

이 질문에는 정직한 답이 필요합니다. "AI는 수학에 약하다"는 말은 사실이면서도 도움이 되지 않을 만큼 막연하기 때문입니다.

텍스트 속 숫자를 다루는 언어 모델은 계산이 아니라 패턴 완성을 하고 있는 것입니다. 구조를 설명하고, 행을 분류하고, 어떤 연산이 필요한지 파악하는 데는 신뢰할 만합니다. 하지만 수백 개 행에 걸친 긴 산술 연쇄를 수행하는 데는 훨씬 덜 신뢰할 만하고, 게다가 조용히 실패합니다. 결과물은 잘 정리된 표 형태이지만 숫자는 틀렸는데도 아무런 경고 신호가 없습니다.

실용적인 규칙은 다음과 같습니다.

• 결과뿐 아니라 방법도 물어보세요. "이걸 정확히 어떻게 계산했고 무엇을 제외했는지 말해줘"라고 하면 오류가 있을 때 눈에 보이게 됩니다.
• 한 그룹을 직접 표본 검증하세요. 결과 표에서 가장 작은 그룹을 골라 실제 스프레드시트에서 확인해보세요. 맞다면 방법이 대체로 맞는 것이고, 틀리다면 표 안의 어떤 것도 믿을 수 없습니다.
• 중요한 수치는 다른 모델로 교차 검증하세요. 서로 독립적인 두 모델이 같은 숫자에 도달하는 것은 한 모델이 스스로 되풀이하는 것보다 훨씬 나은 증거입니다. Whizi의 나란히 보기 화면은 바로 이런 용도로 있습니다.
• 이중 집계를 주의하세요. 파일에 남아 있는 소계 행과 일대다 조인이 흔한 두 가지 원인이며, 모델은 그것이 잘못됐다는 사실을 알지 못합니다.
• 정확해야 하는 것은 수식이나 코드를 요청하세요. 엑셀 수식을 알려줘 또는 판다스 코드를 알려줘라고 하면 산술 계산이 결정론적 엔진으로 넘어가고, 모델은 어떤 연산을 실행해야 하는지 아는, 잘하는 부분에만 쓰게 됩니다.

마지막 항목이 재무나 리포팅 작업에 대한 진짜 답입니다. 분석을 설계할 때는 모델을 쓰고, 실행할 때는 스프레드시트나 스크립트를 쓰세요.

어떤 모델이 어떤 파일을 읽는가, 그리고 얼마나 커야 너무 큰가

CSV와 Excel 모두 바로 업로드되며, 세 모델이 작업을 깔끔하게 나눠 맡습니다.

모델	컨텍스트 윈도우	메시지당 크레딧	이럴 때 쓰세요
GPT-5.6 Terra	100만 토큰	4	엄격한 형식: 깔끔한 표, JSON, 정확한 열 매핑
Claude Sonnet 5	100만 토큰	10	다단계 집계에 대한 교차 검증
Gemini 3.5 Flash	100만 토큰, 원고지 약 1,900페이지 분량	8	가장 큰 파일, 또는 스프레드시트와 PDF를 한 대화에서 함께 다룰 때

컨텍스트와 크레딧 수치는 Whizi의 모델 비용 지수에서 가져왔으며, 정가 기준 2026년 8월 20일 조회분입니다.

몇 가지 실용적인 참고 사항입니다.

• 깔끔한 직사각형 형태로 주세요. 헤더 행 하나, 병합된 셀 없음, 빈 여백 행 없음, K열에 메모 없음. 다중 헤더로 서식이 잡힌 리포트는 어떤 파일 크기 제한보다도 추출을 더 헷갈리게 만듭니다.
• 발표용 시트가 아니라 원본 시트를 보내세요. 서식과 소계가 들어간 버전이 바로 이중 집계를 만드는 버전입니다.
• 매우 넓은 파일은 열 목록부터 먼저 확인하면 좋습니다. 열 이름이 알쏭달쏭하다면 분석하기 전에 각 열이 무엇을 뜻하는지 먼저 물어보고, 모델이 틀린 부분은 알려주세요.
• 매우 큰 파일에는 Gemini 3.5 Flash를 쓰세요. Claude Sonnet 5, GPT-5.6 Terra와 같은 100만 토큰 컨텍스트를 읽으면서도 세 모델 중 답변당 비용이 가장 낮습니다. 그 이상으로 크다면 의도적으로 표본을 추출하세요. 무작위로 5000행을 표본 추출해서 각 수치에서 예상되는 표본 오차를 알려줘라고 하는 편이 조용히 잘라내는 것보다 낫습니다.
• 개인 정보는 먼저 제거하세요. 이름, 이메일, 식별자는 분석에 거의 필요하지 않으며, 업로드해도 되는지 따지는 것보다 제거하는 편이 더 빠릅니다.

업로드의 세부 사항은 문서 업로드하기에 정리되어 있습니다.

실제 파일에 적용하는 전체 8단계 순서

실제 파일에서의 전체 워크플로를 순서대로 정리하면 다음과 같습니다.

1. 업로드합니다. 프로파일링 프롬프트를 실행합니다. 고유값과 결측값 개수를 꼼꼼히 읽습니다.
2. 발견한 문제를 고치되, 적용하기 전에 매핑 표를 먼저 검토합니다.
3. 데이터가 무엇에 관한 것인지, 그리고 물어봐야 할 만한 세 가지 질문이 무엇인지 요약을 요청합니다. 이 단계는 빠르며 분석의 틀을 다시 잡아주는 경우가 많습니다.
4. 실제로 궁금한 질문을 던지되, 답변에 계산 방법과 제외 사항을 반드시 포함하도록 요구합니다.
5. 이상 탐지 프롬프트를 항상 실행합니다. 놀라운 발견은 대개 여기서 나옵니다.
6. 가장 작은 그룹을 직접 표본 검증합니다.
7. 핵심 수치를 다른 모델로 교차 검증합니다.
8. 차트 사양을 요청하거나, 숫자가 정확하고 재현 가능해야 한다면 수식을 요청합니다.

1, 5, 6단계는 사람들이 흔히 건너뛰는 단계이며, 바로 이 단계들이 방어 가능한 분석과 그럴듯하게 포장된 추측을 갈라놓습니다.