데이터 실무자의 사고력 강화 : AI 인과추론 실무

크래프톤 데이터 분석가 신진수님과 함께하는 AI 인과추론 실무 노하우

강사

신진수

강의

27강

시간

7h 59m

레벨

초중급

평점

5(1명)

기간

무제한

정가

150,000원

판매가

120,000원

총 결제 금액

20%

120,000원

적립 예정

3,600P

강의 소개

강사

커리큘럼

수강 후기

커뮤니티

크래프톤 데이터 분석가 신진수님과 함께하는 AI 인과추론 실무 노하우

데이터가 많아도, AI가 뛰어나도,
결정의 순간엔 망설여집니다.

"쿠폰을 줘서 구매가 늘었는가, 아니면 원래 살 사람이었는가?"

"이 기능을 도입했기 때문에 지표가 올랐는가, 우연의 일치인가?"

데이터 분석가라면 한 번쯤
이 질문 앞에서 막막했던 경험이 있을 겁니다.

이 강의는 빅테크 게임사 현직 데이터 분석가가 실무에서 직접 인과추론을 설계하고 적용해온 경험을 바탕으로, 상관관계 함정에서 벗어나 인과적 사고로 비즈니스 의사결정을 내리는 분석가로서 성장하는 실무 중심 교육입니다.

'데이터를 보는 사람'에서 '데이터로 결정하는 사람'으로 -

"왜 그랬을까?"를 묻는 사람만이
데이터로 진짜 비즈니스 임팩트를 만들 수 있습니다

왜 인과추론인가 — 다른 분석 방법과의 차이

같은 데이터, 다른 질문
인과추론이 필요한 이유는?

AI는 "무엇이 일어날까"를 예측합니다
인과추론은 "왜 일어났는가",

그리고 "만약 달랐다면 어떻게 됐을까"를 묻습니다
같은 데이터, 다른 질문 — 그 차이가 의사결정을 바꿉니다.

구분	A/B 테스트	ML 예측	인과추론
중심 질문	두 안 중 어느 쪽이 더 나은가	다음에 무엇이 일어날까	무엇이 무엇을 움직였는가
필요한 환경	통제된 실험 환경 필요	과거 데이터 ·레이블 필요	관측 데이터 + 가정·설계
한계	비용·시간·윤리적 한계	"왜"는 설명하지 못함	가정과 검증이 필수
대표 쓰임	기능·UI 실험	수요·이탈 예측	의사결정 근거 제공

이 강의가 없었을 때 당신이 겪는 어려움

이런 고민, 한 번쯤 해보셨나요?

지표는 올랐는데, 이게 캠페인 덕분인지 근거를 댈 수가 없었어요

상관관계는 분석하는데, 그래서 뭘 바꿔야 하나는 질문에 답 못했어요

의사결정을 내릴 때 데이터를 갖다 쓰지만 논리적 체계가 없었어요

이 과정만의 차별점

이 과정이 특별한 이유

핵심 01

빅테크 게임사 현직 분석가의 실전 판단 기준

수식이나 코드 예제가 아닌, 실무 현장에서 "어떤 방법을 언제 선택하는가"를 판단하는 사고 프레임을 전달합니다.

Y·T·X·M 프레임으로 비즈니스 문제를 인과 언어로 번역하는 방법, 편향을 분해하는 3가지 관점, RCT가 불가능한 상황에서 준실험을 설계하는 기준까지 — 현직자의 실제 판단 과정을 함께 배웁니다.

핵심 02

방법론에서 끝나지 않습니다 — 비즈니스 임팩트까지

인과추론을 배운 뒤 실무자가 막히는 지점은 "이 결과를 의사결정에 어떻게 연결하나"입니다.

이 강의는 분석 결과를 실제 비즈니스 임팩트로 연결하는 과정을 다루는 Part 5로, 개별 실험 결과에서 비즈니스 의사결정까지의 전 과정을 포함합니다.

이런 분들에게 추천합니다

"데이터는 있는데 어떤 결정을 내려야 할지 모르겠다"는 데이터 분석가

A/B 테스트 결과 해석에 늘 불안함을 느끼는 프로덕트 분석가 · PM

AI 시대에 대체되지 않는 분석 역량을 갖추고 싶은 데이터 실무자

인과추론을 공부했지만 실무 연결이 어려웠던 분

이 과정을 마치면
이렇게 달라집니다

Before

After

문제 정의

지표가 오르면 '성과'라고 말한다

문제 정의

편향과 인과효과를 분리해 설명한다

방법 선택

A/B 테스트만이 정답이라고 생각한다

방법 선택

상황에 맞는 준실험·관측데이터 전략을 선택한다

커뮤니케이션

의사결정자에게 상관관계로 답한다

커뮤니케이션

가정·한계·대안까지 포함한 인과적 근거로 답한다

분석가 정체성

AI 시대에 분석가 역할이 어떻게 달라야 하는지 막막하다

분석가 정체성

인과적 사고력을 바탕으로 AI와 협업하는 분석가의 역할을 재정립한다

구체적으로 할 수 있게 되는 것

캠페인·기능·정책의 순효과를 편향과 분리해 설명할 수 있습니다

RCT가 불가능한 상황에서 상황에 맞는 방법론을 선택할 수 있습니다

이질적 처치효과(CATE) 관점에서 "누구에게 효과가 있는가"로 질문을 확장할 수 있습니다

의사결정자에게 가정과 한계까지 함께 전달하는 분석 리포트를 작성할 수 있습니다

강사 · 신진수

현) 크래프톤(KRAFTON) · Data Analyst

• 글로벌 게임 서비스의 데이터 분석·실험 설계 실무

• 유저 행동·캠페인·기능 실험을 인과추론 관점에서 설계·해석

전) Neople · 라이브 게임 서비스 운영 데이터 분석

번역 · 저술

『실무로 통하는 인과추론 with Python』 공동 역자

커뮤니티 · 학술 활동

• 가짜연구소 · 인과추론 & 데이터 오픈소스 프로젝트 운영 (GitHub Star 1K+)

• Korea Summer Workshop on Causal Inference 공동 기획

• Korea Business Experimentation Symposium 공동 기획

커리큘럼

무엇을 배우나요?

Part 1

AI 시대 분석가의 생존 전략과 인과추론의 본질

예측(Prediction)과 인과(Causation)가 어떻게 다른지, 인과추론의 사다리가 무엇인지부터 시작합니다.

Part 2

모호한 비즈니스 질문을 인과적으로 검증 가능한 형태로 바꾸는 방법

올바른 지표 체계 설계와 의사결정을 방해하는 편향을 다루는 법을 배웁니다.

Part 3

본격적인 방법론 — 인과적 실험 설계

A/B 테스트의 한계와 준실험, 매칭과 성향 점수, 이중차분법, 도구변수 등 실험 불가 상황에서의 대안 방법론을 익힙니다.

Part 4

AI와 인과추론의 교차점, CATE와 Causal ML

평균 효과를 넘어 개인 수준의 인과 효과를 추정하고 개인화 전략에 연결하는 방법을 배웁니다.

Part 5

비즈니스 임팩트를 만드는 인과추론 실무 사례

실무 사례 중심으로, 분석 결과를 실제 비즈니스 성장 전략으로 연결하는 과정을 다룹니다.

부록

AI와 협업하는 Human 데이터 분석가의 핵심역량으로 강의를 마무리합니다.

이렇게 활용할 수 있어요

Point 1

왜 모든 고객에게 쿠폰을 뿌리는 건 낭비일까?

예산의 75%가 낭비됩니다. CATE로 20%만 골라내면 ROI 8.0x

Point 2

할인율, 얼마가 최적일까?

신규는 15%, 장기는 30%. 무조건 많이 준다고 좋은 게 아닙니다.

Point 3

AI 시대 분석가의 역할

"AI는 정답이 있는 문제를 풀고, 인간은 풀어야 할 문제를 정의합니다.”
분석가의 가치는 "얼마나 빠르게 분석하는가"에서 "어떤 질문을 던지는가"로 이동합니다.

Point 4

데이터로 증명하지 않으면 바꾸지 않는다

인과적 근거가 의사결정의 기준이 되는 조직

Point 5

경영진보고에선 이렇게 말하세요

p-value 대신 "우연일 확률 3% 미만"으로

"왜"를 묻는 분석가로 성장할 준비가 되셨나요?

지금 수강 신청하기 →

자주 묻는 질문

Q1. 사전 지식이 얼마나 필요한가요?

Python 기초 데이터 분석 경험이 있으시다면 충분합니다!
데이터를 다루는 실무자라면 누구나 수강 가능합니다.

Q2. AI를 이미 활용하고 있는데, 왜 인과추론을 배워야 하나요?

AI는 "무엇이 일어날까(What)"를 잘 예측합니다. 하지만 "왜 일어났는가(Why)", "만약 달랐다면 어떻게 됐을까(What If)"는 인과추론을 아는 사람만이 답할 수 있습니다.

두 가지를 함께 갖춘 분석가가 AI 시대에 차별화됩니다.

Q3. 코딩 실습이 포함되나요?

본 강의는 개념·설계·사고 프레임 중심입니다. 실제 코드를 따라치는 핸즈온 세션은 포함되어 있지 않습니다.

수식과 코드 레벨의 심화 학습을 원하시는 분께는, 강사가 공동 역자로 참여한 『실무로 통하는 인과추론 with Python』(한빛미디어)을 보조 참고 도서로 함께 읽으시는 것을 권해 드립니다.

※ 도서 구매자를 위한 '강의-도서 참고 페이지 맵' 수강 후 별도 제공.

강사

신진수

데이터 기반의 의사결정을 통해 비즈니스 성장에 기여하는 분석가

주요 경력

(현) KRAFTON Data Analyst

(전) Neople Data Analyst

번역/저술

『실무로 통하는 인과추론 with Python』 공동 역자

주요 프로젝트

가짜연구소 인과추론 & 데이터 오픈소스 프로젝트 운영 (Star : + 1K)
가짜연구소 Causal Inference Conference 총괄
Korea Summer Workshop on Causal Inference 2024 공동 기획
Korea Business Experimentation Symposium 2025 공동 기획

커리큘럼

강의 개요