사용자 매뉴얼
데이터 업로드부터 자동 인사이트까지, LUDA 분석 플랫폼의 모든 기능을 단계별로 안내합니다.
1. 시작하기
계정을 만들고 로그인하면 본인만 접근할 수 있는 작업 공간이 생성됩니다. 업로드한 파일과 분석 결과는 계정별로 분리되어 저장됩니다.
- 상단 오른쪽 [회원가입]을 눌러 이름 · 이메일 · 비밀번호를 입력합니다. 비밀번호는 최소 8자이며 문자와 숫자(또는 기호)를 함께 포함해야 합니다.
- 운영 환경에서는 허용된 회사 이메일 도메인만 가입을 허용하거나 초대 코드를 요구할 수 있습니다. 가입이 막힐 경우 관리자에게 허용 도메인이나 초대 코드를 문의하세요.
- 가입 후 [로그인]에서 이메일과 비밀번호로 로그인합니다.
- 로그인하면 대시보드로 이동하며, 상단 메뉴에서 업로드 · 템플릿 분석 · 예시 · 문서 스캔을 이용할 수 있습니다.
2. 데이터 업로드
상단 메뉴의 [업로드]에서 CSV 또는 Excel 파일을 올립니다. 첫 번째 행은 반드시 열 이름(헤더)이어야 합니다.
- 지원 형식: .csv, .xlsx, .xls
- 권장 구조: 한 행 = 한 건의 기록, 날짜·수치 열은 빈 칸 없이 일관된 형식으로 입력
- 업로드 후: 파일은 데이터셋으로 저장되고 행 수 · 열 수가 자동으로 집계됩니다.
3. 대시보드
대시보드는 내 데이터셋 현황을 한눈에 보여 줍니다. 상단 KPI 타일에서 데이터셋 수, 전체 행 수, 전체 열 수, 최근 업로드 시각을 확인할 수 있습니다.
- 데이터 보기: 표 형태로 업로드한 내용을 확인합니다.
- 시각화: 축을 직접 골라 차트를 만듭니다.
- 삭제: 데이터셋과 업로드 파일을 함께 삭제합니다. 되돌릴 수 없습니다.
4. 차트 만들기
데이터셋의 [시각화]에서 X축 · Y축과 차트 종류를 고른 뒤 [차트 생성]을 누르면 대화형 차트가 그려집니다. 차트는 확대 · 이동 · 이미지 저장이 가능합니다.
| 차트 | 용도 |
|---|---|
| 선형 | 시간에 따른 추세 (X축에 날짜) |
| 막대 | 항목별 비교. 같은 항목이 여러 행에 있으면 자동으로 합계 처리됩니다. |
| 산점도 | 두 수치 열 사이의 상관관계 |
| 파이 | 구성비 (항목 수가 적을 때) |
| 히스토그램 | 한 수치 열의 분포 (Y축 선택 불필요) |
5. 고급 분석
데이터셋 화면·대시보드는 물론 템플릿 분석 결과 화면과 템플릿 목록에서도 [고급 분석]을 누를 수 있으며, 표준 분석 방법론을 컬럼 선택만으로 실행합니다. 결과는 차트·표와 함께 문장형 인사이트로 요약됩니다.
결과가 비어 있으면 [분석 결과가 없습니다] 카드가 이유를 알려줍니다 — 골라야 할 컬럼이 비어 있는지, 데이터셋에 날짜·숫자 컬럼 자체가 없는지, 아니면 조건을 만족하는 데이터가 부족한지를 구분해 안내합니다.
각 탭 상단에는 [어떤 분석인가요?] 안내가 있어 그 분석이 무엇을 보는지 · 필요한 컬럼 · 결과 해석 방법을 바로 확인할 수 있고, 이 매뉴얼의 해당 절로 이어지는 링크도 함께 제공합니다.
차트 위의 [주요 지표] 카드는 라벨이 현재 언어로 표시되고, 값은 인사이트 문장과 같은 자릿수로 맞춰집니다 (비율은 소수 1자리, p 값은 소수 4자리, 아주 작은 값은 지수 표기). Excel 내보내기에는 화면 서식 없이 원래 값이 담깁니다.
- 시계열 분석: 날짜·값 컬럼과 주기(일/주/월/분기/년)·집계 방식을 고르면 추세선, 이동평균, 전기 대비 증감률(MoM), 전년 동기 대비(YoY), 선형 추세+계절 성분 기반 예측(95% 구간)을 계산합니다.
- 이상치 탐지: IQR(기본 1.5배) 또는 Z-score(기본 ±3) 기준으로 정상 범위를 계산해 벗어난 행을 표시하고, 그룹 컬럼을 고르면 그룹별 이상치 건수도 보여 줍니다.
- 상관 · 기여도: 숫자 컬럼 간 상관행렬 히트맵과 상관이 가장 강한 조합을 보여 주고, 타깃 컬럼을 고르면 표준화 회귀계수(β)로 변수별 기여도와 설명력(R²)을 제시합니다.
예시로 따라 하기
내 데이터가 아직 없다면 상단 메뉴 [예시 보기]에서 샘플을 고르고 [고급 분석] 버튼을 누르면 아래 예시를 그대로 실행해 볼 수 있습니다. 샘플이 내 데이터셋으로 적재된 뒤 고급 분석 화면이 열립니다.
| 탭 | 예시 데이터 · 컬럼 선택 | 나오는 결과와 읽는 법 |
|---|---|---|
| 시계열 분석 | 매출 데이터 — 날짜 Date, 값 Revenue, 주기 [월], 집계 [합계], 이동평균 3, 예측 3 |
월별 매출 추세선과 3개월 이동평균, 앞으로 3개월 예측 구간이 그려집니다. MoM 막대가 +12% 로 나오면 “전월보다 12% 늘었다”, YoY 는 작년 같은 달과의 비교입니다. 예측 구간이 넓다면 과거 변동이 커서 신뢰도가 낮다는 뜻입니다. |
| 이상치 탐지 | 매출 데이터 — 값 Revenue, 방법 [IQR] 1.5, 그룹 Region |
정상 범위를 벗어난 거래가 표로 나오고, 지역별 이상치 건수 막대가 함께 표시됩니다. 특정 지역에 이상치가 몰려 있으면 입력 오류인지 실제 대형 거래인지 원본을 확인하고, 건수가 너무 많으면 임계값을 3.0 으로 올려 보세요. |
| 상관 · 기여도 | 작물 수확량 데이터 — 타깃 Crop_Yield_kg (설명 변수: Rainfall_mm, Temperature_C, Fertilizer_kg, Irrigation_hours) |
히트맵에서 강수량·비료량과 수확량의 상관을 보고, 기여도 표에서 β 가 가장 큰 변수를 찾습니다. β 0.45 는 “그 변수가 1 표준편차 늘면 수확량이 0.45 표준편차 늘어난다”는 뜻이며, R² 0.6 이면 변동의 60% 를 설명한다는 의미입니다(인과관계 증명은 아님). |
실무에서 언제 쓰고 무엇을 알게 되나요?
| 기법 | 실 사용 예 | 얻을 수 있는 인사이트 | 이어지는 의사결정 |
|---|---|---|---|
| 시계열 분석 | 월간 매출 보고, 생산량·불량률 추이 관리, 방문자 수 모니터링, 다음 분기 목표 수립 | “지금 오르고 있는가, 꺾였는가” — 계절성 때문에 매년 반복되는 변동인지, 이번에만 생긴 변화인지 구분됩니다(MoM 은 계절 영향을 받고 YoY 는 계절을 상쇄). | 재고·인력 사전 확보, 목표치 설정, 이상 신호가 보이면 원인 조사 착수 |
| 이상치 탐지 | 정산 전 데이터 검수(단위 오입력·중복 전표), 이례적 대형 거래 확인, 설비 센서값 점검, 비용 급증 구간 찾기 | 평균만 보면 묻히는 소수의 극단값이 드러납니다 — 데이터 품질 문제인지, 특정 지역·담당자·기간에 몰린 실제 현상인지 구분됩니다. | 원본 수정 또는 분석에서 제외, 대형 거래는 별도 관리, 반복되면 입력 검증 규칙 추가 |
| 상관 · 기여도 | 광고비·할인율·가격 중 매출에 가장 연결된 요인 찾기, 수확량에 영향이 큰 재배 조건 비교, 만족도 점수의 구성 요인 분석 | 여러 후보 요인의 영향력 순위와 설명력(R²) — 어디를 먼저 실험할지 우선순위가 정해집니다. 인과관계는 증명되지 않으므로 A/B 검정으로 확인해야 합니다. | 영향이 큰 변수부터 예산·자원 재배분, 다음 A/B 실험 주제 선정, 영향 없는 지표는 보고서에서 정리 |
6. 세그먼트 · 검정 분석과 리포트
[고급 분석] 화면의 나머지 탭에서는 고객·마케팅 실무에서 많이 쓰는 네 가지 방법론을 실행하고, 결과를 Excel 파일이나 인쇄·PDF 리포트로 내보낼 수 있습니다.
- RFM 세그먼트: 고객 식별 · 거래일 · 금액 컬럼을 고르면 고객별 최근성(R) · 빈도(F) · 금액(M)을 계산해 1~5점으로 점수화하고, 충성 우수 고객 · 단골 · 신규·성장 가능 · 이탈 위험 · 휴면으로 분류합니다. 점수는 절대 기준이 아니라 업로드한 데이터 내 상대 순위(5분위)입니다. 고객이 3명 미만이면 실행되지 않습니다.
- 파레토 (ABC) 분석: 분류 컬럼과 값 컬럼을 고르면 분류별 기여도와 누적 비율을 계산해 누적 80%까지를 A, 95%까지를 B, 그 이상을 C 등급으로 나눕니다. 재고·상품·거래처 우선순위를 정할 때 쓰며, 분류가 2개 미만이거나 합계가 0 이하면 실행되지 않습니다.
- 코호트 리텐션: 고객을 첫 거래 시점(주/월/분기/년)으로 묶어, 이후 경과 기간별 재방문율을 히트맵으로 보여 줍니다. +0 열은 항상 100%이며, 아직 기간이 도래하지 않은 상위(최근) 코호트의 칸은 0%가 아니라 빈칸로 표시되고 평균에서도 제외됩니다.
- A/B 유의성 검정: 그룹 컬럼(A/B)과 지표 컬럼을 고르면 두 그룹의 평균 차이(Welch t-검정) 또는 전환율 차이(비율 z-검정)를 검정해 차이·상승률 · 95% 신뢰구간 · p-value 를 제시합니다. 전환율 모드는 값이 0보다 크면 전환으로 봅니다. p-value 가 0.05 미만이면 "통계적으로 유의하다"고 보지만, 이것은 우연일 가능성이 낮다는 뜻일 뿐 인과관계나 사업적 중요도를 보장하지는 않습니다.
- 리포트 내보내기: 화면 오른윗쪽 [Excel 내보내기]는 현재 탭의 지표·인사이트 요약과 결과 표를 .xlsx 파일로 받고, [PDF 리포트]는 차트까지 포함된 인쇄용 화면을 열어 브라우저의 “PDF로 저장”으로 보관할 수 있게 합니다. 두 기능 모두 본인 데이터셋에만 사용할 수 있습니다.
예시로 따라 하기
| 탭 | 예시 데이터 · 컬럼 선택 | 나오는 결과와 읽는 법 |
|---|---|---|
| RFM 세그먼트 | 고객 거래 내역 — 고객 Customer_ID, 날짜 주문일, 금액 결제금액 (샘플 매출 데이터로 연습하려면 고객 자리에 Product 를 넣어 상품별로 볼 수 있습니다) |
고객마다 R/F/M 1~5점과 세그먼트가 붙습니다. R5·F5·M5 는 최근에 자주 많이 산 [충성 우수 고객]이라 리텐션 대상이고, R1·F4 처럼 예전엔 자주 샀는데 최근이 뜸한 고객은 [이탈 위험]이라 윈백 캠페인 대상입니다. 점수는 업로드한 데이터 안에서의 상대 순위입니다. |
| 파레토 (ABC) | 매출 데이터 — 분류 Product, 값 Revenue |
상품이 매출 기여도 순으로 정렬되고 누적선이 그려집니다. A 등급 상품 3개가 누적 80% 를 차지한다면 재고·프로모션을 이 3개에 먼저 쓰고, C 등급의 긴 꼬리는 품목 축소를 검토하는 식으로 씁니다. 분류를 Region 으로 바꾸면 지역 집중도를 볼 수 있습니다. |
| 코호트 리텐션 | 고객 거래 내역 — 고객 Customer_ID, 날짜 주문일, 코호트 주기 [월], 기간 6 |
“1월에 처음 산 고객 중 다음 달에도 산 비율”이 히트맵의 1월 행 +1 칸에 표시됩니다. +1 이 40% → +2 가 25% 처럼 떨어지는 폭이 크면 초기 온보딩이 약한 것이고, 최근 코호트의 오른쪽 빈칸은 아직 기간이 지나지 않아 비어 있는 것입니다(0% 아님). |
| A/B 유의성 검정 | 마케팅 캠페인 데이터 — 그룹 Channel, 지표 Revenue, 검정 [평균 비교] |
두 채널의 평균 매출 차이와 상승률, 95% 신뢰구간, p-value 가 나옵니다. p = 0.03 이고 신뢰구간이 0 을 포함하지 않으면 차이를 우연으로 보기 어렵다는 뜻이고, p = 0.4 면 “차이가 없다”가 아니라 “데이터로는 판단할 수 없다”입니다. 채널이 3개 이상이면 건수가 많은 두 개를 자동 비교합니다. |
실무에서 언제 쓰고 무엇을 알게 되나요?
| 기법 | 실 사용 예 | 얻을 수 있는 인사이트 | 이어지는 의사결정 |
|---|---|---|---|
| RFM 세그먼트 | 쇼핑몰 재구매 캠페인 대상 선정, B2B 거래처 등급 관리, 쿠폰·포인트 예산 배분, 휴면 고객 되살리기 | “전체 고객”이라는 덩어리가 행동 기준 그룹으로 쪼개집니다 — 매출은 큰데 최근 안 사는 고객(이탈 위험)처럼 겉으로 안 보이는 위험군이 드러납니다. | 세그먼트별 다른 메시지·할인율 적용, 충성 고객엔 유지 혜택, 이탈 위험엔 윈백, 휴면엔 저비용 채널만 사용 |
| 파레토 (ABC) | 상품 SKU 정리, 거래처·지역 집중도 점검, 창고 진열 우선순위, 클레임·불량 원인 유형 우선순위 | 소수 항목이 전체의 대부분을 만든다는 구조와, 그 “소수”가 구체적으로 누구인지 알 수 있습니다. 동시에 A 등급 의존도가 높다면 집중 리스크도 보입니다. | A 등급에 재고·프로모션·영업 인력 집중, C 등급 긴 꼬리는 단종·묶음 판매 검토, 특정 거래처 의존이 크면 신규 확보 |
| 코호트 리텐션 | 신규 고객 온보딩 개선 효과 측정, 구독·앱 이탈 진단, 프로모션으로 유입된 고객의 질 비교, 정기배송 유지율 관리 | 이탈이 “언제” 일어나는지 시점이 보입니다. 또 6월 가입 코호트가 5월보다 유지율이 높다면 그 사이 바꾼 것이 효과가 있었다는 증거가 됩니다. | 이탈이 몰리는 시점에 맞춘 안내·리마인드 설계, 성과 좋은 유입 경로에 예산 이동, 할인 유입 고객은 별도 관리 |
| A/B 유의성 검정 | 두 가지 랜딩페이지·메일 제목 비교, 신규 진열/가격 시범 적용 매장 vs 기존 매장, 채널별 캠페인 성과 비교 | “B 가 더 좋아 보인다”가 우연으로 설명될 수 있는 차이인지 판별됩니다. 신뢰구간은 실제 효과가 어느 범위일지(예: +2%~+15%) 알려 줘 기대치를 현실화합니다. | 유의하면 전면 적용, 유의하지 않으면 표본을 더 모으거나 실험 중단, 효과 크기가 작으면 비용 대비 효익 재검토 |
7. 템플릿 분석
템플릿 분석은 데이터 유형(매출, 작물 생산량, 마케팅, 고객 등)을 고르면 KPI와 차트, 문장 형태의 인사이트를 자동으로 만들어 줍니다.
- 파일 업로드: 샘플 양식을 내려받아 채우거나 보유한 CSV·Excel 파일을 그대로 올리면 됩니다. 템플릿 유형을 고르지 않으면 컬럼 구성으로 자동 감지합니다.
- 이전 분석: 같은 페이지 아래쪽 목록에서 지난 업로드를 다시 열거나 [고급 분석]으로 이어갈 수 있습니다.
매출 데이터의 경우 일별 매출, 지역별 매출, 제품 비중, 카테고리별 매출, 수량 대비 매출, 일별 수량 등 6개 차트가 생성됩니다.
8. 예시 보기
자신의 데이터를 올리기 전에 [예시 보기]에서 샘플 데이터로 만든 분석 결과를 미리 확인할 수 있습니다. 어떤 열을 준비해야 하는지 파악하는 데 유용합니다.
9. 문서 스캔(OCR)
종이 표나 PDF만 있는 경우 [문서 스캔]에서 이미지를 올리면 표를 인식해 데이터로 변환합니다. 인식 결과는 저장 전에 화면에서 직접 수정할 수 있으므로, 숫자와 열 이름을 확인한 뒤 저장하세요.
10. 언어 전환
상단 오른쪽 지구본 메뉴에서 한국어와 English를 전환할 수 있습니다. 보고 있던 페이지를 그대로 유지한 채 화면 문구와 차트 제목이 함께 바뀝니다.
11. 보안과 데이터 보호
- 데이터셋과 업로드 파일은 소유자만 조회 · 다운로드할 수 있습니다.
- 비밀번호는 해시로 저장되며 원문은 보관하지 않습니다. 상단 사용자 메뉴 → [비밀번호 변경]에서 직접 변경할 수 있습니다.
- 로그인을 여러 번 실패하면 계정이 일정 시간(기본 15분) 자동으로 잠깁니다.
- 회사 데이터 탭은 회사명과 이메일 도메인이 모두 같은 계정끼리만 공유됩니다. Gmail · 네이버 같은 무료 웹메일 계정은 회사 뷰를 사용할 수 없습니다.
- 모든 응답에 CSP · X-Frame-Options · nosniff 등 보안 헤더가 적용되고, HTTPS 운영 환경에서는 HSTS가 추가됩니다.
- 업로드 · 삭제 · 차트 생성 등 모든 변경 요청은 CSRF 토큰으로 보호됩니다.
- 공용 PC에서는 사용 후 반드시 로그아웃하세요.