.ts-article { max-width:720px; margin:0 auto; font-family:’Noto Sans KR’,sans-serif; line-height:1.85; color:#1e293b; }
.ts-article h2 { color:#2563EB; border-left:4px solid #2563EB; padding-left:12px; margin-top:2em; }
.ts-article .ts-box { background:#eff6ff; border:1px solid #bfdbfe; border-radius:8px; padding:1.2em 1.5em; margin:1.5em 0; }
.ts-article .ts-box h3 { color:#1d4ed8; margin-top:0; }
.ts-article table { width:100%; border-collapse:collapse; margin:1em 0; }
.ts-article th { background:#2563EB; color:#fff; padding:9px 13px; text-align:left; }
.ts-article td { border:1px solid #dbeafe; padding:8px 13px; }
.ts-article .ts-tip { background:#fefce8; border-left:4px solid #eab308; padding:1em 1.2em; margin:1em 0; border-radius:0 6px 6px 0; }
데이터 직군 자격증 로드맵: ADsP→SQLP→빅데이터분석기사
데이터 분석가, 데이터 엔지니어, BI 분석가 등 데이터 직군으로 커리어를 쌓고 싶다면 자격증 로드맵이 명확한 편입니다. 국내에는 데이터 역량을 단계적으로 증명할 수 있는 공인 자격증 체계가 잘 갖춰져 있습니다. 이 글에서는 ADsP에서 출발해 SQLD·SQLP를 거쳐 빅데이터분석기사에 이르는 데이터 직군 자격증 로드맵을 단계별로 상세히 설명합니다.
왜 데이터 직군 자격증이 중요한가
데이터 직군은 자격증의 공신력이 다른 IT 직군보다 높은 편입니다. 한국데이터산업진흥원(데이터진흥원)이 주관하는 ADsP, ADP, SQLD, SQLP, 빅데이터분석기사는 국내 공공기관·금융기관·대기업에서 공식 우대 자격증으로 인정받습니다. 특히 공공데이터 사업 입찰이나 금융권 데이터 분석 직군 채용에서는 해당 자격증 보유 여부가 직접적인 평가 기준이 되기도 합니다.
또한 데이터 직군은 역량이 눈에 보이지 않는 경우가 많아, 자격증이 역량을 간접적으로 증명하는 역할을 합니다. Python·R 실력은 포트폴리오로 보여줄 수 있지만, 통계 이론이나 데이터 모델링 역량은 자격증이 가장 빠른 증명 수단입니다.
데이터 직군 자격증 전체 지형
| 자격증 | 주관 | 난이도 | 합격률 | 특징 |
|---|---|---|---|---|
| ADsP | 데이터진흥원 | 입문 | 높음(약 60% 안팎) | 데이터 분석 개론, 이론 중심 |
| SQLD | 데이터진흥원 | 초급 | 중간(약 50% 안팎) | SQL 작성·데이터 모델링 기초 |
| 빅데이터분석기사 | 산업인력공단 | 중급 | 중간(회차별 편차) | 필기+실기(Python/R 코딩) |
| ADP | 데이터진흥원 | 고급 | 매우 낮음(최종 한 자릿수대) | 통계·분석·서술형, 3년 경력 필요 |
| SQLP | 데이터진흥원 | 고급 | 낮음 | SQL 성능 최적화, 서술형 위주 |
위 합격률은 회차와 응시자 구성에 따라 편차가 크므로 대략적인 경향으로만 참고하세요. 정확한 통계와 시험 정보는 한국데이터산업진흥원 공식 발표를 확인하는 것이 가장 정확합니다.
1단계: ADsP (데이터분석 준전문가)
ADsP는 데이터 분석 로드맵의 첫 번째 관문입니다. 응시 자격 제한이 없어 누구나 도전할 수 있고, 합격률이 40~55%로 비교적 높아 데이터 직군 입문자에게 적합합니다.
시험 구성은 데이터 이해(25점), 데이터 분석 기획(25점), 데이터 분석(50점) 세 과목으로 구성되며 총 100점 만점에 60점 이상이면 합격입니다. 데이터 이해와 기획 파트는 이론 암기 중심이고, 데이터 분석 파트에서는 기초 통계 개념(t-검정, 분산분석, 회귀분석 등)과 데이터 마이닝 알고리즘 개요를 다룹니다.
ADsP 준비 가이드
- 준비 기간: 4~6주 (하루 2시간 기준)
- 핵심 교재: 데이터진흥원 공식 가이드북 + 기출 문제집
- 약점 과목: 데이터 분석(통계) — 기출 반복으로 공식 패턴 암기
- 합격 전략: 데이터 이해·기획에서 40점 확보, 분석에서 20점 추가
2단계: SQLD (SQL 개발자)
SQLD는 SQL 작성 능력과 데이터 모델링 이해를 검증하는 자격증입니다. ADsP와 달리 실제 SQL 구문을 이해하고 작성하는 능력이 필요합니다. 데이터 분석가는 물론 데이터 엔지니어, 백엔드 개발자에게도 폭넓게 인정받는 자격증입니다.
시험은 데이터 모델링의 이해(1과목)와 SQL 기본 및 활용(2과목) 두 과목으로 나뉩니다. 1과목에서 40점 이상, 전체 60점 이상이어야 합격합니다. 2과목은 실제 SQL 쿼리 결과를 묻는 문제가 다수 출제되므로, 직접 쿼리를 작성하고 실행해보는 실습이 이론 공부보다 훨씬 효과적입니다.
3단계: 빅데이터분석기사
빅데이터분석기사는 2021년에 신설된 국가기술자격증으로, 데이터 직군에서 가장 인지도가 높아지고 있는 자격증입니다. 필기와 실기로 구성되어 있으며, 실기에서는 Python 또는 R로 실제 데이터 분석 코드를 작성해야 합니다.
필기 시험은 빅데이터 분석 기획, 빅데이터 탐색, 빅데이터 모델링, 빅데이터 결과 해석 네 과목으로 구성됩니다. 실기는 작업형 1유형(데이터 전처리), 작업형 2유형(머신러닝 모델 구축), 단답형으로 나뉩니다.
| 구분 | 내용 | 배점 |
|---|---|---|
| 작업형 1유형 | pandas를 이용한 데이터 전처리·통계값 계산 | 30점 |
| 작업형 2유형 | sklearn으로 분류·회귀 모델 구축 및 성능 제출 | 40점 |
| 단답형 | 분석 이론·알고리즘 개념 서술 | 30점 |
빅데이터분석기사 실기 핵심 준비 포인트
- pandas: groupby, merge, fillna, apply, pivot_table — 반복 숙달 필수
- sklearn: train_test_split, 분류(RandomForest·XGBoost), 평가지표(accuracy·F1·AUC)
- 실기 환경(Jupyter Notebook)에서 직접 연습 — 인터넷 차단 환경 대비
고급 단계: ADP / SQLP
ADP(데이터분석 전문가)와 SQLP(SQL 전문가)는 3~5년 이상 경력자를 대상으로 하는 고급 자격증입니다. 시험 난이도가 높고 합격률이 10~25%로 낮지만, 취득 시 데이터 직군에서 전문가로 인정받는 데 큰 도움이 됩니다.
ADP는 기업에서 데이터 분석 전략을 수립하고 리드하는 역할을 검증합니다. 서술형 답안 작성이 많고, 통계 이론과 실제 비즈니스 문제 해결을 연결하는 능력이 중요합니다. SQLP는 SQL 성능 최적화, 아키텍처 설계, 튜닝 전략을 다루는 DBA·DB 엔지니어 대상 자격증입니다.
데이터 직군 자격증 취득 타임라인 예시
| 시기 | 목표 자격증 | 병행 역량 |
|---|---|---|
| 취업 준비 1~3개월 차 | ADsP | Python 기초, pandas 입문 |
| 취업 준비 4~6개월 차 | SQLD | MySQL 실습, SQL 쿼리 연습 |
| 취업 후 1년 차 | 빅데이터분석기사 | 실무 분석 프로젝트, sklearn 활용 |
| 경력 3년 이상 | ADP 또는 SQLP | 통계 심화, DB 아키텍처 |
마무리: 로드맵보다 중요한 것은 실습
데이터 자격증 로드맵은 방향을 잡는 데 유용하지만, 자격증 공부와 실제 데이터 분석 실습을 항상 병행해야 합니다. Kaggle 데이터셋으로 프로젝트를 만들거나, 공공데이터포털의 데이터를 분석하는 경험이 자격증 공부의 이해도를 높이고 포트폴리오도 채워줍니다. 자격증과 실습을 함께 쌓는 것이 데이터 직군 취업의 가장 빠른 길입니다.