ADsP 1과목 데이터 이해 — 출제 비중·핵심 챕터·빈출 용어 (2026)

1과목 출제 비중 — 20%·10문항

ADsP 1과목 데이터 이해는 전체 100점 중 20점, 50문항 중 10문항이 출제되는 영역입니다. 합격에 가장 큰 영향을 주는 데이터분석 60%에 비해 비중은 작지만 과목별 40% 과락 기준이 있어 8점 이상을 확보해야 합니다(출처: 한국데이터산업진흥원 ADsP 출제기준).

1과목은 세 챕터로 구성됩니다. 1.1 데이터의 이해, 1.2 데이터의 가치와 미래, 1.3 데이터 사이언스와 전략 인사이트입니다. 정의·용어·개념 비중이 높고 계산 문항이 거의 없어 학습 시간 대비 점수 회수가 비교적 안정적인 과목입니다. 시험 직전 1주에 묶음 단위로 정리하면 8점 과락 회피가 어렵지 않습니다.

비전공자 학습자가 1과목에서 흔들리는 영역은 빅데이터 가치와 데이터 거버넌스 같은 용어입니다. 실무에서 자주 쓰는 표현과 시험 문항에서 쓰는 표현이 미묘하게 달라 익숙함이 오히려 함정이 되는 경우가 있습니다.

chapter 1.1 — 데이터·정보·DB

첫 챕터는 데이터의 이해입니다. 데이터·정보·지식·지혜의 위계(DIKW 피라미드), 데이터의 유형(정형·반정형·비정형, 정량·정성), 데이터베이스의 정의와 특징, 데이터베이스 활용 분야가 출제 영역입니다.

빈출 용어 묶음은 다음과 같습니다. 데이터·정보·지식·지혜의 정의와 변환 관계, 데이터베이스의 통합·저장·공용·변화·관계 특성, DBMS의 정의와 역할, OLTP와 OLAP의 차이, 데이터 웨어하우스와 데이터 마트의 구분이 자주 나옵니다.

이 챕터의 함정은 정의를 한 단어로 외우려고 하는 학습 방식입니다. "정형 데이터의 예시는?", "데이터베이스의 특징 중 옳지 않은 것은?" 같은 함정 문항에서는 정의보다 사례와 묶음을 익혀야 정답을 빨리 고를 수 있습니다. 학습 도구로는 단원별 객관식 풀이가 효율적이며, 자투리 시간에 모바일 CBT로 반복하면 묶음 어휘가 빠르게 잡힙니다.

chapter 1.2 — 빅데이터의 가치와 미래

두 번째 챕터는 데이터의 가치와 미래입니다. 빅데이터의 이해, 빅데이터의 가치와 영향, 비즈니스 모델, 위기 요인과 통제 방안, 미래의 빅데이터가 세부 영역입니다.

빈출 용어 묶음은 빅데이터의 정의 3V(Volume·Variety·Velocity)와 확장 5V(Veracity·Value 추가), 빅데이터 가치 산정이 어려운 이유, 빅데이터 활용 패턴, 빅데이터로 인한 비즈니스 변화, 빅데이터 위기 요인(사생활 침해·책임 원칙 훼손·데이터 오용)과 그 통제 방안입니다.

이 챕터는 1과목 안에서 가장 출제 비중이 큰 영역으로 알려져 있습니다. 정의만 외우기보다 사례를 묶어 외우는 흐름이 효율적입니다. 위기 요인 3가지를 한 문장으로 묶고, 각각의 통제 방안 3가지를 짝지어 정리하면 함정 문항에서 헷갈리지 않습니다. 빅데이터 가치 산정의 4가지 이유(데이터 활용 방식의 다양성·새로운 가치 창출·분석 기술의 발전·재사용 가능성)도 묶음 단위 학습이 효과적입니다.

chapter 1.3 — 데이터 사이언스와 전략 인사이트

세 번째 챕터는 데이터 사이언스와 전략 인사이트입니다. 빅데이터 분석과 전략 인사이트, 전략 인사이트 도출을 위한 필요 역량, 빅데이터 그리고 데이터 사이언스의 미래가 세부 영역입니다.

빈출 용어 묶음은 데이터 사이언스의 정의와 구성 요소, 데이터 사이언티스트의 필요 역량(하드 스킬·소프트 스킬 구분), 전략 인사이트 도출의 단계, 빅데이터와 인공지능의 관계가 자주 나옵니다. 데이터 사이언티스트의 하드 스킬은 빅데이터 관련 이론적 지식·분석 기술 숙련도, 소프트 스킬은 통찰력·다분야 협력 능력·전달력 같은 묶음으로 외워 두면 함정 문항에서 헷갈리지 않습니다.

이 챕터의 함정은 데이터 사이언티스트의 소프트 스킬과 하드 스킬을 거꾸로 묻는 함정 문항입니다. "통계학적 지식"이 어디에 속하는지, "스토리텔링 능력"이 어디에 속하는지를 정확히 구분할 수 있어야 합니다. 묶음 단위로 외우는 것이 단어 하나씩 외우는 것보다 빠릅니다.

1과목 빈출 용어 — 한 페이지 정리

시험 직전 정리에 사용할 빈출 어휘 묶음입니다. DIKW 피라미드의 4단계와 각 단계 사이의 변환 과정, 데이터 유형 4가지(정형·반정형·비정형 / 정량·정성), DBMS·DW·DM·OLTP·OLAP의 정의와 관계, 빅데이터 3V·5V의 영문 원어와 한국어 표현, 빅데이터 위기 요인 3가지와 통제 방안 3가지, 데이터 사이언티스트 하드 스킬·소프트 스킬 묶음입니다.

용어 정의를 외우는 방식보다 정의를 사례와 짝짓는 학습이 시험에서 더 정확합니다. "DBMS는 무엇인가"보다 "OLTP와 OLAP의 차이를 사례로 들면 어떤 경우인가"가 시험에서 더 자주 나오는 문항 형태입니다.

1과목 2주 학습 모델

1과목 학습은 2주가 안정적입니다. 1주차는 chapter 1.1을 정리합니다. 데이터·정보·지식 위계, 데이터베이스 특성, OLTP·OLAP·DW·DM의 정의와 관계를 묶음으로 외웁니다. 학습 도구는 책 1장과 단원별 객관식을 병행하는 흐름이 효율적입니다.

2주차 전반은 chapter 1.2 빅데이터 가치와 미래에 집중합니다. 3V·5V, 위기 요인과 통제 방안, 비즈니스 모델 변화를 정리합니다. 2주차 후반은 chapter 1.3 데이터 사이언스를 정리하고 1과목 기출 1~2회차를 풀어 봅니다. 오답이 한 챕터에 몰리면 그 챕터를 다시 봅니다.

비전공자 학습자라면 1과목을 가볍게 보고 데이터분석 60% 과목에 시간을 더 쓰려 할 수 있습니다. 다만 1과목도 과락 회피선(8점) 위로 안정적으로 올리지 못하면 총점이 60점 이상이어도 불합격 처리되므로 2주 안정 모델이 권장됩니다.

직군별 약점 — 비전공자·마케터·사무직

비전공자 학습자에게 1과목의 약점은 chapter 1.2 빅데이터 위기 요인과 chapter 1.3 데이터 사이언티스트 역량 영역입니다. 실무에서 거의 다루지 않는 추상 개념이라 정의를 한 번 외워도 함정 문항에서 헷갈리기 쉽습니다. 위기 요인 3가지와 통제 방안 3가지를 짝지어 외우는 묶음 학습이 효율적입니다.

마케터·기획자 학습자에게 1과목은 비교적 점수 회수가 쉬운 과목입니다. 마케팅 실무에서 데이터·정보·지식 위계나 빅데이터 가치 개념을 자주 접하므로 정의가 빨리 잡힙니다. 다만 OLTP·OLAP·DW·DM 같은 데이터베이스 용어는 실무에서 잘 안 다루는 경우가 많아 별도 정리가 필요합니다.

사무직·운영 학습자는 1과목 데이터베이스 영역에서 가장 흔들립니다. 엑셀과 ERP 화면 너머의 DBMS 구조와 데이터 웨어하우스 개념이 새로 들어오기 때문입니다. 1주차에 chapter 1.1을 충분히 보고 학습 모바일 앱이나 단원별 CBT로 반복 풀이를 권장합니다.

자주 묻는 질문

Q. 1과목 출제 비중이 작아 가볍게 봐도 되나요?

가볍게 보면 과락 위험이 있습니다. 1과목은 20점 과목으로 과목별 40% 과락 기준 8점 이상을 확보해야 합니다. 정의·용어 비중이 높아 학습 시간 대비 점수 회수가 안정적인 과목이라 1주차나 2주차에 묶음 단위 학습을 끝내 두는 흐름이 효율적입니다. 다만 데이터분석 60% 과목에 비해 학습 시간 분배는 짧게 잡습니다.

Q. 1과목에서 가장 자주 헷갈리는 함정은 무엇인가요?

데이터 사이언티스트의 하드 스킬과 소프트 스킬을 거꾸로 묻는 함정과 빅데이터 위기 요인·통제 방안을 짝지어 묻는 함정이 자주 나옵니다. 두 영역 모두 묶음 단위 학습이 효율적입니다. 단어 하나씩 외우면 함정 문항에서 시간이 길어집니다. 시험 직전에는 한 페이지 정리 노트로 묶음을 반복해 봅니다.

Q. 1과목 학습에 어떤 도구가 가장 효율적인가요?

책 1장과 단원별 객관식 풀이를 병행하는 흐름이 효율적입니다. 책으로 정의와 사례를 한 번 정리한 뒤, 단원별 객관식으로 묶음 단위 학습을 반복합니다. 직장인 학습자는 모바일 학습 도구로 자투리 시간에 단원별 풀이를 누적하는 방식이 시간 대비 효과가 큽니다. 강의 영상은 chapter 1.2의 빅데이터 위기 요인처럼 추상 개념이 잘 안 잡힐 때 보조 도구로 활용합니다.

ADsP 전체 시험 구조는 ADsP 자격증 한 번에 정리, 3과목 전체는 ADsP 3과목 한눈에, 3과목 데이터분석 세부는 ADsP 데이터분석 60%, 학습 순서는 ADsP 공부법, 학습 시간 분배는 ADsP 준비 기간에서 이어서 볼 수 있으며, 단원별 객관식 풀이는 ADsP 학습 도구에서 시작할 수 있습니다.