ADsP 준비 기간 — 비전공자 1~2개월·직무 경험자 2~3주 (2026)

비전공자 vs 경험자 학습 시간 차이의 정체

ADsP 준비 기간은 보통 비전공자 1~2개월, 직무 경험자 2~3주로 잡는 것이 현실적인 출발점입니다. 차이는 머리 좋은 사람과 그렇지 않은 사람의 차이가 아니라, 시험 언어를 이미 어느 정도 알고 있는지의 차이에서 나옵니다. 데이터 관련 업무를 해 본 사람은 표본, 지표, 분석 목적, 모델 평가 같은 단어를 실무 맥락에서 이미 만났을 가능성이 큽니다. 반대로 처음 시작하는 학습자는 같은 단어를 정의부터 시험식 표현까지 다시 쌓아야 합니다.

KDATA 공식 출제기준에 따르면 ADsP는 객관식 50문항, 90분, 100점 만점 시험이며 합격 기준은 총점 60점 이상과 과목별 40% 이상입니다. 과목 비중은 데이터이해 20%, 분석기획 20%, 데이터분석 60%로 구성됩니다. 출처: 한국데이터산업진흥원 ADsP 출제기준

이 구조 때문에 학습 시간은 전체 과목을 같은 길이로 나누면 안 됩니다. 데이터이해와 분석기획은 각각 20점이라 용어와 절차를 정리하는 시간이 필요하지만, 실제 준비 기간을 좌우하는 과목은 60점을 차지하는 데이터분석입니다. R 기초, 기초 통계, 회귀, 분류, 군집, 연관 분석을 처음 보는 비전공자는 이 과목에서 시간이 많이 소요됩니다. 직무 경험자는 데이터분석 과목의 일부 개념을 이미 알고 있어도, ADsP가 묻는 용어와 R 표현에 맞춰 다시 정리해야 합니다.

응시자격은 제한이 없고 응시료는 50,000원입니다. 그래서 시험장에는 대학생, 마케터, 기획자, 개발자, 사무직 전환 준비자, 현직 분석가가 함께 들어갑니다. 준비 기간을 정할 때도 평균만 보지 말고 자기 출발점을 먼저 봐야 합니다. R을 처음 보는지, 통계 용어를 배운 적이 있는지, 실무에서 데이터 리포트를 읽어 본 적이 있는지가 기간 차이를 만듭니다.

1개월 합격 vs 2개월 합격 — 자투리 시간 환산

ADsP 한 달 준비와 2개월 준비의 차이는 달력 날짜보다 누적 학습 시간입니다. 직장인이 평일 하루 1시간, 주말 하루 3시간씩 공부하면 1주에 약 11시간을 만들 수 있습니다. 4주면 44시간, 8주면 88시간입니다. 출퇴근이나 점심시간에 객관식 20~30문항을 꾸준히 풀면 책상 앞 학습과 별도로 오답 감각을 유지할 수 있습니다.

한 달 준비가 맞는 사람은 이미 데이터 업무 경험이 있거나 통계·SQL·Python·R 중 하나를 다뤄 본 사람입니다. 이 경우 새로 배우는 양보다 시험 범위에 맞춰 정렬하는 일이 더 큽니다. 1주차에 전체 출제기준과 과목별 용어를 훑고, 2주차부터 데이터분석 문제를 반복하며, 4주차에는 과목별 과락 여부와 90분 풀이 시간을 점검합니다.

2개월 준비가 필요한 사람은 R과 통계를 처음 접하거나, 학습 시간이 평일 30분 안팎으로 제한되는 사람입니다. 이 경우 첫 2주는 시험의 전체 구조와 데이터이해를 잡고, 3~6주는 데이터분석에 집중하며, 마지막 2주는 분석기획과 모의고사로 점수 분포를 조정합니다. 기간이 길수록 자료를 많이 늘리는 것이 아니라, 같은 범위를 반복해서 과목별 최소 점수를 안정화하는 데 써야 합니다.

자투리 시간은 개념 학습보다 회상 훈련에 맞습니다. 이동 중에는 용어 카드, OX 판단, 짧은 객관식 풀이가 좋고, 책상 앞에서는 R 함수 결과 해석, 통계 계산, 오답 노트 정리에 시간을 써야 합니다. 모바일에서 맞힌 문제도 왜 맞혔는지 설명할 수 없으면 실제 시험에서는 흔들릴 수 있습니다.

주차별 진도 — 비전공자 8주 모델

비전공자 8주 모델은 총 80~90시간을 기준으로 잡습니다. 매일 오래 앉는 계획보다 주차별로 해야 할 일을 명확히 나누는 편이 유지하기 좋습니다. 첫 1주는 데이터이해를 통해 시험 용어에 들어갑니다. 데이터, 정보, 지식, 빅데이터 가치, 데이터 거버넌스처럼 암기 비중이 큰 내용을 먼저 지나가면 이후 과목의 문장이 덜 낯설어집니다.

2주차는 분석기획의 큰 흐름을 봅니다. 분석 과제 도출, 분석 마스터플랜, 분석 거버넌스는 실무 문서의 절차와 비슷해 보이지만, 시험에서는 단계와 용어를 정확히 구분해야 합니다. 이 시점에 모든 문장을 외우려고 하기보다, 분석을 왜 하는지와 어떤 순서로 기획하는지의 뼈대를 잡습니다.

3~5주차는 데이터분석에 집중합니다. R 기초 문법, 벡터와 데이터프레임, 결측값과 이상값 처리, 기술통계, 추정과 검정, 회귀분석을 차례로 다룹니다. 비전공자에게 가장 큰 부담은 용어가 서로 연결되지 않은 상태에서 문제를 푸는 것입니다. 평균, 분산, 표준편차를 외운 뒤 바로 가설검정으로 넘어가지 말고, 표본으로 모집단을 추정한다는 흐름을 문장으로 설명해 봐야 합니다.

6주차는 분류, 군집, 연관 분석, 시계열, 텍스트 마이닝을 정리합니다. 이 구간은 세부 수식보다 모형의 목적과 출력 해석이 중요합니다. 분류는 정답 범주를 맞히는 문제, 군집은 비슷한 대상을 묶는 문제, 연관 분석은 함께 발생하는 규칙을 찾는 문제라는 식으로 구분해 두면 객관식 선지를 걸러내기 좋습니다.

7주차는 과목별 모의고사와 오답 분류입니다. 틀린 문제를 데이터이해, 분석기획, R, 통계, 마이닝으로 나눠 적고, 같은 영역에서 반복되는 오답을 우선 수정합니다. 8주차는 시간 관리와 과락 방지입니다. 50문항을 90분 안에 풀어 보고, 데이터이해와 분석기획은 각각 10문항 중 4문항 이상, 데이터분석은 30문항 중 12문항 이상을 넘는지 확인합니다.

주차별 진도 — 직무 경험자 3주 모델

직무 경험자 3주 모델은 총 35~45시간을 기준으로 합니다. 데이터 리포트 작성, SQL 추출, 대시보드 운영, A/B 테스트, 로그 분석, Python 분석 중 하나라도 해 본 사람이라면 개념 이해에 드는 시간이 줄어듭니다. 다만 실무 경험이 시험 점수로 자동 변환되지는 않습니다. ADsP는 객관식이고, 실무에서 쓰는 표현과 시험에서 묻는 표현이 다를 수 있습니다.

1주차에는 전체 범위를 빠르게 정렬합니다. 데이터이해와 분석기획은 매일 1~2개 단원씩 읽고, 바로 객관식으로 용어를 확인합니다. 데이터분석은 R 문법과 기초 통계를 먼저 점검합니다. Python이나 SQL에 익숙한 개발자라도 R의 벡터 연산, factor, data.frame, 함수 출력 형태는 별도로 확인해야 합니다.

2주차에는 데이터분석 문제 수를 늘립니다. 회귀, 분류, 군집, 연관 분석은 서로 다른 문제 유형으로 반복해서 풀어야 합니다. 개발자는 코드 구조보다 통계 용어에서 틀릴 수 있고, 마케터는 지표 해석 경험이 있어도 검정 절차와 모형 이름에서 헷갈릴 수 있습니다. 기획자는 분석기획 과목의 흐름을 빨리 잡는 대신, 데이터분석의 수치 판단 문제를 별도로 훈련해야 합니다.

3주차에는 새로운 자료를 추가하기보다 90분 풀이와 오답 복구에 집중합니다. 과목 I·II에서 각각 8점 미만이 나오면 과락 위험이 있으므로, 20점 과목을 너무 가볍게 보면 안 됩니다. 데이터분석은 60점 비중이므로 30문항 중 18문항 이상을 목표로 잡고, 남은 시간에는 반복 오답 영역을 좁힙니다.

학습 시간 부족 시 — 우선순위 잘라내기

시험까지 남은 시간이 부족하면 모든 범위를 같은 깊이로 보려는 계획을 줄여야 합니다. 우선순위는 배점과 과락 기준으로 정합니다. 첫째, 데이터분석 60% 비중을 최우선으로 둡니다. R 기초, 기초 통계, 회귀, 분류, 군집, 연관 분석은 점수 회수 폭이 큽니다. 둘째, 데이터이해와 분석기획은 과락을 피할 최소 점수를 확보합니다. 각각 20점 과목이라 8점 미만이 위험선입니다.

3주 미만으로 남았다면 긴 이론 정독보다 문제 기반 학습으로 전환합니다. 문제를 풀고, 해설을 읽고, 틀린 선지의 용어만 다시 적습니다. 모르는 단원을 처음부터 끝까지 다시 읽는 방식은 시간이 많이 듭니다. 오답이 R에 몰려 있다면 R만, 가설검정에 몰려 있다면 검정 절차만, 분석기획의 단계 구분에 몰려 있다면 절차 단어만 복구합니다.

1주 미만으로 남았다면 점수 방어가 목표입니다. 데이터분석에서 계산·해석 문제가 계속 틀리면, 맞힐 수 있는 용어형 문항과 모형 목적 문항을 먼저 회수합니다. 데이터이해와 분석기획은 문항 수가 적어 실수 영향이 크므로, 핵심 키워드를 매일 짧게 반복합니다. 시험 전날에는 새 범위를 넓히지 말고, 최근 3회분 오답과 과목별 최저 점수만 확인하는 편이 낫습니다.

직군별 학습 시간 분배

마케터는 데이터분석 중 가설검정, 회귀, 분류 평가지표에 시간을 더 배정하는 것이 좋습니다. 전환율, 캠페인 성과, 코호트 같은 실무 경험이 있다면 통계 개념과 연결점을 만들 수 있습니다. 다만 ADsP 문제는 마케팅 사례보다 통계 용어와 분석 모형의 정의를 묻는 비중이 높습니다. 전체 학습 시간의 55~60%를 데이터분석에 두고, 분석기획은 실무 흐름과 비교하며 정리합니다.

기획자와 PM은 분석기획 과목에서 출발점이 좋습니다. 과제 도출, 우선순위, 마스터플랜, 거버넌스 같은 단어가 제품 기획이나 프로젝트 문서와 닿아 있기 때문입니다. 대신 R과 통계는 별도 블록으로 떼어 훈련해야 합니다. 6주 계획이라면 1주는 데이터이해, 1주는 분석기획, 3주는 데이터분석, 마지막 1주는 모의고사와 오답에 둡니다.

개발자는 데이터 구조와 코드 읽기에 강점이 있지만, ADsP가 개발 시험은 아니라는 점을 기억해야 합니다. 알고리즘 구현보다 분석 목적, 통계 검정, 모형 평가지표, R 표현을 묻습니다. SQL이나 Python 경험이 있다면 R 문법은 빠르게 지나갈 수 있지만, factor 처리, 회귀 결과 해석, confusion matrix 지표는 따로 확인해야 합니다. 3주 계획에서는 데이터분석 2주, 나머지 과목과 모의고사 1주가 적절합니다.

사무직 전환 준비자는 데이터이해부터 시작하는 편이 부담을 줄입니다. 데이터와 정보의 차이, 데이터베이스, 빅데이터 가치처럼 용어 중심 단원을 먼저 잡으면 학습 리듬이 생깁니다. 그러나 전체 시간을 데이터이해에 오래 쓰면 점수 비중과 어긋납니다. 8주 계획에서는 첫 2주에 데이터이해와 분석기획을 통과하고, 3~6주는 데이터분석, 7~8주는 오답과 시간 관리에 써야 합니다.

4주차 자가진단 — 학습 시간 부족 시그널

4주차는 준비 기간을 늘릴지, 범위를 줄일지 판단하는 기준점입니다. 비전공자라면 4주차까지 데이터이해와 분석기획의 큰 흐름을 한 번 봤고, 데이터분석의 R 기초와 통계 입문에 들어간 상태여야 합니다. 아직 데이터분석을 시작하지 못했다면 남은 기간의 절반 이상을 데이터분석으로 옮겨야 합니다.

자가진단은 세 가지로 합니다. 첫째, 50문항을 시간 제한 없이 풀었을 때 과목별 40% 아래가 있는지 봅니다. 둘째, 90분 안에 풀면 정답률이 얼마나 내려가는지 봅니다. 셋째, 데이터분석 오답이 R, 통계, 마이닝 중 어디에 몰리는지 봅니다. 총점만 보면 위험을 늦게 발견합니다. ADsP는 총점 60점과 과목별 40%를 함께 통과해야 하므로, 가장 낮은 과목이 전체 결과를 결정할 수 있습니다.

학습 시간 부족의 신호는 분명합니다. 같은 용어를 볼 때마다 새로 보는 느낌이 들거나, R 함수 문제에서 선지를 읽기 전에 포기하거나, 분석기획 절차를 순서대로 설명하지 못하면 복구 시간이 필요합니다. 이때는 공부 시간을 무작정 늘리기보다 학습 단위를 줄입니다. 하루에 한 과목 전체를 보려 하지 말고, "회귀 결과 해석 20문항", "데이터 거버넌스 용어 30분", "분류 평가지표 15문항"처럼 좁은 단위로 닫아야 합니다.

자주 묻는 질문

ADsP 준비 기간은 비전공자에게 몇 주가 적절한가요?

비전공자는 보통 1~2개월을 기준으로 잡는 것이 좋습니다. 평일과 주말을 합쳐 주 10시간 안팎을 만들 수 있다면 8주 동안 80시간 정도를 확보할 수 있고, 이 정도면 데이터이해, 분석기획, 데이터분석을 한 번 훑은 뒤 오답까지 정리할 수 있습니다. 다만 R과 통계를 모두 처음 접한다면 4주 계획은 빡빡합니다. 한 달만 남았다면 전체 범위를 고르게 보는 계획보다 데이터분석과 과락 방지 과목을 우선 배치해야 합니다.

직무 경험자는 정말 2~3주로 충분한가요?

직무 경험자가 2~3주로 준비할 수 있다는 말은 데이터 관련 용어와 지표를 이미 어느 정도 알고 있다는 전제입니다. SQL로 데이터를 뽑아 봤거나, 대시보드 지표를 해석했거나, 실험 결과를 읽어 본 경험이 있으면 출발점이 다릅니다. 그래도 ADsP의 R 표현, 과목별 배점, 과락 기준은 따로 맞춰야 합니다. 실무 경험자는 2~3주 동안 새 개념을 넓히기보다 시험식 용어, 데이터분석 60% 비중, 90분 풀이 속도에 집중하는 편이 효율적입니다.

하루 공부 시간이 30분뿐이면 어떻게 잡아야 하나요?

하루 30분만 확보된다면 4주 계획보다 8주 이상이 맞습니다. 30분은 긴 이론 정독보다 작은 단위 반복에 더 어울립니다. 월·수·금은 데이터분석 문제와 오답, 화·목은 데이터이해와 분석기획 용어, 주말은 90분 모의 풀이처럼 역할을 나누세요. 평일 30분이 짧아 보여도 8주면 20시간 이상이고, 주말 학습을 더하면 총량이 늘어납니다. 핵심은 매번 다른 자료를 여는 것이 아니라, 같은 오답을 다시 틀리지 않게 만드는 것입니다.

시험 직전 1주에는 무엇을 줄여야 하나요?

시험 직전 1주에는 새 자료, 긴 요약본 재정리, 이미 안정권인 과목의 반복 시간을 줄입니다. 대신 과목별 최저 점수와 데이터분석 오답을 확인합니다. 데이터이해와 분석기획이 각각 10문항 중 4문항 아래로 내려가면 과락 위험이 있으므로, 핵심 용어를 짧게 반복합니다. 데이터분석은 전체 60점이므로 R, 통계, 마이닝 중 가장 자주 틀리는 영역을 하나씩 닫아야 합니다. 마지막 날에는 90분 안에 50문항을 푸는 감각을 유지하는 정도가 적절합니다.

ADsP 준비 기간을 실제 계획으로 바꾸려면 먼저 ADsP 자격증 전체 구조에서 시험 기준을 확인하고, 과목별 비중은 ADsP 3과목 정리, 학습 순서는 ADsP 공부법, 합격률과 과락 해석은 ADsP 합격률에서 이어서 보세요. 객관식 반복 학습은 DAYLAB ADsP 학습 도구에서 시작할 수 있습니다.