테스트 운영과정 1기

프로젝트 정보

강의레벨: 초급
수행 형태: 개인 수행
교육일수: 12일
이수시간: 24시간
분야: 단순 업무 자동화, 데이터 전처리·EDA, 데이터 수집·정제

프로젝트 소개

부대에서 올라온 재물조사 엑셀 여러 개를 합쳐 하나의 믿을 수 있는 표로 만드는 도구를 만든다.

실무 데이터는 깨끗하지 않다. 같은 품목이 "노트북", "노트북PC", "휴대용컴퓨터"로 적혀 있고, 수량 칸에 "3(파손1)" 이라고 쓰여 있고, 병합된 셀 때문에 이름이 첫 행에만 있다. 이 상태로는 아무리 좋은 AI 모델을 붙여도 결과를 신뢰할 수 없다.

이 프로젝트에서는 pandas 로 표를 다루는 기본기를 익히면서, 데이터 품질 문제를 찾아내고 고치고 그 과정을 기록으로 남기는 방법을 배운다. 마지막에는 매달 그대로 다시 돌릴 수 있는 파이프라인 형태로 정리한다.

AI 활용은 정제 규칙을 만드는 단계에서 본격적으로 쓴다. 품목명 표준화처럼 사람이 규칙을 다 적기 어려운 일에 LLM 이 어디까지 쓸 만한지, 어디부터 위험한지 직접 확인한다.

미션 여정

미션 6개 · 문제 45개

1. 원본 실태 파악 — 무엇이 얼마나 더러운지 세어 보기 3시간 80 크레딧 문제 7개

2. pandas 첫걸음 — 표를 코드로 다루기 4시간 90 크레딧 문제 7개

3. 결측·중복·이상값 처리 — 지우지 말고 표시하기 4시간 100 크레딧 문제 8개

4. 표기 표준화 — 같은 물건을 같은 이름으로 4시간 110 크레딧 문제 8개

5. 결과 만들기 — 재고 차이 리포트 4시간 120 크레딧 문제 7개

6. 파이프라인으로 묶기 — 다음 달에 그대로 다시 돌리기 5시간 130 크레딧 문제 8개

수행 조건과 산출물

선수학습: · 선수 : 「당직·근무 편성 자동화 도구 만들기」 또는 동등한 파이썬 기초(리스트·딕셔너리·함수·파일 입출력).
· 준비물 : 파이썬 3.11 이상, pandas 2.x. 엑셀 파일을 열어 볼 수 있는 환경.
· 권장 : 「업무 분석 Level 1」 스킬 진단 통과.
제약조건: · 제공된 더미 데이터셋만 사용한다. 실제 재물조사 파일을 실습에 가져오지 않는다.
· 원본 파일은 절대 덮어쓰지 않는다. 정제 결과는 항상 새 파일로 만든다.
· 값을 임의로 지어 채우지 않는다. 결측은 결측으로 표시하거나 근거 있는 규칙으로만 채운다.
· 품목명 표준화에 LLM 을 쓸 경우, 매핑 결과를 사람이 검수한 기록이 있어야 한다.
산출물: 1. 정제 파이프라인 스크립트 — 원본 폴더를 입력받아 정제 결과 + 품질 리포트 출력
2. 데이터 품질 진단서 — 원본에서 발견한 문제 유형과 건수
3. 정제 규칙 목록 — 각 규칙의 근거와 적용 범위
4. 변경 이력 파일 — 어떤 행의 어떤 값이 무엇으로 바뀌었는지
5. 품목명 표준화 매핑표 + 사람 검수 기록
6. 회고 1쪽
참고자료: · pandas 공식 문서 User Guide — Working with missing data / Merge, join, concatenate
· 「데이터 품질 관리 기본 지침」(사내 배포본)
· 실습 데이터셋 : 부대별 재물조사 엑셀 3종(각 300~800행, 의도적으로 오염된 상태) + 품목 마스터 + 정답 대조표