ADsP 합격률 — 회차별 변동·과락 회피·점수 분포 (2026)

ADsP 합격률을 한 숫자로 말할 수 없는 이유

ADsP 합격률은 검색 결과에서 하나의 고정 숫자로 보이기 쉽지만, 실제로는 회차·응시자 구성·데이터분석 과목 난도에 따라 흔들리는 지표입니다. 한국데이터산업진흥원(KDATA)은 ADsP 시험의 출제기관이며, 공식 페이지에서 객관식 50문항, 90분, 100점 만점, 총점 60점 이상과 과목별 40% 이상이라는 합격 기준을 안내합니다. 다만 회차별 공식 합격률을 정기적으로 공개하지는 않습니다. 출처: 한국데이터산업진흥원 ADsP 출제기준

그래서 시장에서 보이는 평균 합격률 50~70% 구간은 공식 발표값이 아니라 외부 학습 기관, 합격 후기, 응시자 표본을 묶어 해석한 추정 범위로 보는 편이 정확합니다. ADsP는 응시자격 제한이 없고 응시료는 50,000원이며 연 4회 시행됩니다. 학력·전공·경력과 관계없이 접수할 수 있기 때문에, 충분히 준비한 응시자와 시험 구조만 확인하고 들어간 응시자가 같은 회차 통계 안에 섞입니다. 합격률을 학습 계획에 반영하려면 평균 숫자보다 합격 기준, 과목별 배점, 자기 점수 분포를 먼저 봐야 합니다.

자격 흐름으로 보면 ADsP는 상위 자격인 ADP로 가기 전 단계로 많이 선택되고, SQL 활용 역량을 함께 보여 주려는 응시자는 인접 자격인 SQLD와 묶어 준비하기도 합니다.

합격 기준 — 총점 60점 + 과목별 40%

ADsP는 100점 만점에서 총점 60점 이상이면 합격선에 도달합니다. 그러나 총점만 넘긴다고 합격이 확정되지는 않습니다. 과목별 40% 미만은 과락으로 처리되기 때문입니다. 시험은 객관식 50문항이며 1문항당 2점으로 계산하면 이해하기 좋습니다. 과목 I 데이터 이해는 10문항 20점, 과목 II 데이터분석 기획도 10문항 20점, 과목 III 데이터분석은 30문항 60점입니다.

예를 들어 데이터분석에서 46점을 받고 나머지 두 과목에서 각각 6점과 10점을 받으면 총점은 62점입니다. 하지만 데이터 이해가 20점 중 6점, 즉 40% 미만이므로 과락 위험이 생깁니다. 반대로 세 과목이 각각 8점, 8점, 44점이라면 총점은 60점이고 과목별 40%도 넘습니다. 이 구조 때문에 ADsP 학습은 고득점 과목 하나에만 의존하면 안 됩니다. 특히 20점 과목 두 개는 문항 수가 적어 한두 문제 차이로 과락선 근처까지 내려갈 수 있습니다.

회차별 합격률이 흔들리는 4가지 변수

회차별 ADsP 합격률이 흔들리는 첫 번째 변수는 응시자 구성입니다. ADsP는 응시자격이 무제한이라 대학생, 직장인, 개발자, 기획자, 마케터, 사무직 전환 준비자가 함께 응시합니다. 같은 90분 시험을 보더라도 R과 통계를 이미 다룬 사람과 처음 보는 사람의 출발점은 다릅니다.

두 번째 변수는 과목 III 데이터분석의 난도입니다. 이 과목은 전체 60%를 차지하고 R 기초, 통계분석, 정형 데이터 마이닝을 포함합니다. 회귀, 분류, 군집, 연관 분석에서 낯선 지문이 늘면 평균 점수가 빠르게 내려갑니다. 세 번째 변수는 회차 시점입니다. 2026년 회차는 제48회 2월 7일(종료), 제49회 5월 17일, 제50회 8월 8일, 제51회 10월 31일입니다. 방학·이직 시즌·학기 중 일정에 따라 준비 기간이 달라집니다. 네 번째 변수는 직전 학습 방식입니다. 문제 수를 많이 푼 사람도 오답 원인을 과목별로 정리하지 않으면 과락 위험을 놓칠 수 있습니다.

어디서 점수가 빠지나 — 데이터분석 60% 비중의 함정

ADsP에서 가장 큰 점수 손실은 대개 데이터분석 과목에서 발생합니다. 데이터 이해와 데이터분석 기획은 각각 20점이라 용어와 절차를 정리하면 일정 점수까지 회수됩니다. 하지만 데이터분석은 60점 비중이며 범위가 R 기초, 데이터 마트, 결측값과 이상값 처리, 통계학 개론, 기초 통계분석, 다변량 분석, 시계열 예측, 분류·군집·연관 분석까지 이어집니다.

비전공자는 R 문법을 외웠다고 생각해도 함수 결과 해석에서 자주 멈춥니다. 분석가는 실무에서 Python이나 SQL을 주로 썼다면 R 표현과 시험식 통계 용어가 낯설 수 있습니다. 개발자는 알고리즘 문제처럼 풀려고 하다가 가설검정의 용어 정의, 모형 평가지표의 조건, 데이터 마이닝 절차 문제에서 점수를 잃습니다. 이 과목은 30문항이라 회차별 신유형이 조금만 늘어도 체감 난도가 달라집니다. 합격률을 높이는 전략은 데이터분석을 포기하지 않는 것이 아니라, 통계·R·마이닝을 나누어 각각의 최소 점수를 확보하는 것입니다.

과락 위험 시그널 — 학습 5주차 자가진단 기준

학습 5주차에 과락 위험을 판단하려면 총점보다 과목별 최저선을 먼저 봐야 합니다. 데이터 이해와 데이터분석 기획은 각각 10문항 중 최소 4문항 이상을 맞혀야 과락을 피합니다. 데이터분석은 30문항 중 12문항 이상이 과락 안전선입니다. 다만 실제 합격을 목표로 한다면 이 선을 기준점으로만 보고, 데이터분석은 18문항 이상을 안정적으로 맞히는 상태를 만들어야 총점 60점이 현실적인 범위에 들어옵니다.

위험 신호는 세 가지입니다. 첫째, 과목 I·II에서 용어 문제를 맞히는 날과 틀리는 날의 편차가 큽니다. 둘째, 데이터분석 오답이 R 문법, 통계, 마이닝 중 한 영역에 몰려 있습니다. 셋째, 90분 안에 50문항을 풀었지만 검토 시간이 거의 남지 않습니다. 이 경우 새 자료를 늘리기보다 오답을 과목별로 다시 묶어야 합니다. 특히 20점 과목은 문제 수가 적어서 실수 두세 개가 점수 분포를 크게 흔듭니다.

직군별 평균 학습 시간과 합격 패턴

직군별 합격 패턴은 출발점의 차이에서 갈립니다. 개발자는 코드와 데이터 구조에는 익숙하지만, ADsP의 통계 용어와 R 문법이 실무 언어와 다를 수 있습니다. 개발자에게는 과목 III 중 R 기초와 통계학 개론을 먼저 정리하고, 과목 I·II는 마지막에 암기 밀도를 높이는 방식이 잘 맞습니다.

기획자는 데이터분석 기획 과목에서 상대적으로 흐름을 빨리 잡습니다. 분석 과제 도출, 마스터 플랜, 거버넌스 같은 단어가 실무 문서와 이어지기 때문입니다. 대신 데이터분석 과목의 함수와 통계 지표에서 시간이 필요합니다. 마케터는 A/B 테스트, 전환율, 코호트 같은 경험이 있으면 가설검정과 지표 해석에 연결점을 만들 수 있습니다. 그러나 시험은 마케팅 사례가 아니라 통계·마이닝 정의를 묻기 때문에 용어를 시험 기준으로 다시 정리해야 합니다. 사무직 전환 준비자는 과목 I부터 시작하면 진입 부담이 낮지만, 전체 시간의 절반 이상은 데이터분석에 남겨 두는 편이 안정적입니다.

합격률 데이터를 학습 계획에 반영하는 법

평균 합격률 50~70%라는 숫자는 안심하거나 포기하기 위한 수치가 아닙니다. 학습 계획에서는 반사실적으로 써야 합니다. "평균보다 내가 불리한 조건은 무엇인가"를 따져 보고, 그 차이를 시간으로 환산하는 방식입니다. R을 처음 본다면 데이터분석 과목에 추가 2~3주를 배정합니다. 통계 용어를 배운 적이 있지만 오래되었다면 가설검정, 회귀, 분류 평가지표를 별도 블록으로 분리합니다.

2026년 회차 기준으로 제49회는 5월 17일, 제50회는 8월 8일, 제51회는 10월 31일입니다. 남은 기간이 4주 미만이라면 전 범위를 같은 깊이로 훑기보다 과락 위험 과목을 먼저 잠그고, 데이터분석에서 반복 출제되는 R·통계·정형마이닝을 우선순위로 둡니다. 남은 기간이 8주 이상이면 과목 I로 용어를 잡고, 곧바로 과목 III에 들어가며, 마지막 1~2주를 과목 II와 모의고사 복원에 씁니다. 합격률은 회차의 결과값이고, 학습자는 자기 점수 분포를 관리해야 합니다.

자주 묻는 질문

ADsP 평균 합격률 50~70%를 믿어도 되나요?

50~70% 구간은 ADsP 평균 합격률을 이해할 때 참고할 수 있는 외부 추정 범위입니다. 다만 KDATA가 회차별 공식 합격률을 정기 공개하지 않으므로, 이 숫자를 공식 통계처럼 쓰면 안 됩니다. 더 중요한 것은 그 범위 안에 서로 다른 준비 수준의 응시자가 섞여 있다는 점입니다. ADsP는 응시자격이 제한되지 않아 시험 구조만 확인하고 응시하는 사람도 있고, 6~8주 이상 과목별 점수를 관리한 사람도 있습니다. 따라서 평균 합격률을 그대로 자기 합격 가능성으로 옮기기보다, 과목별 모의고사 점수와 오답 분포를 기준으로 판단하는 편이 더 정확합니다.

총점 60점이면 과락은 크게 걱정하지 않아도 되나요?

총점 60점은 ADsP 합격기준의 절반만 설명합니다. 나머지 조건은 과목별 40% 이상입니다. 데이터 이해와 데이터분석 기획은 각각 20점이므로 8점 미만이면 과락 위험이 생깁니다. 데이터분석은 60점이므로 24점 미만이면 과락선 아래입니다. 총점이 60점을 넘더라도 특정 과목에서 40% 미만이면 합격으로 처리되지 않습니다. 특히 20점 과목은 10문항밖에 없어서 세 문제만 더 틀려도 위험 구간에 들어갈 수 있습니다. 학습 후반에는 전체 점수 평균보다 과목별 최저 점수를 먼저 확인해야 합니다.

데이터분석 과목을 어느 정도 맞혀야 합격률이 올라가나요?

데이터분석 과목은 30문항, 60점 비중이므로 합격률을 좌우하는 핵심 과목입니다. 과락만 피하려면 12문항 이상이 기준이지만, 총점 60점을 안정적으로 만들려면 18문항 이상을 목표로 잡는 편이 현실적입니다. 과목 I·II에서 각각 6~8문항을 맞힌다고 해도 데이터분석이 낮으면 총점이 부족해집니다. 반대로 데이터분석에서 20문항 안팎을 맞히면 일부 용어 문제를 놓쳐도 전체 점수 구조가 버팁니다. R 문법, 기초 통계, 정형 데이터 마이닝을 한 묶음으로 보지 말고 세 영역의 오답률을 따로 기록해야 개선 지점이 보입니다.

ADsP 합격률을 더 넓게 해석하려면 ADsP 자격증 전체 구조에서 시험 기준을 먼저 확인하고, 2026 시험 일정에 맞춰 준비 기간을 잡으세요. 학습 시간이 합격 가능성에 미치는 영향은 ADsP 공부 기간, 비전공 직장인의 진입 전략은 비전공자·직장인 가이드, 객관식 반복 학습은 DAYLAB ADsP 학습 도구에서 이어갈 수 있습니다.