ADsP 3과목 한눈에 — 출제 비중·핵심 챕터·학습 우선순위 (2026)

3과목 비중 한눈에

ADsP는 과목 수만 보면 3과목 시험이지만, 실제 학습 부담은 균등하게 나뉘지 않습니다. 시험은 객관식 50문항, 90분, 100점 만점으로 진행되고 합격 기준은 총점 60점 이상과 과목별 40% 이상입니다. 한 과목이라도 40% 미만이면 총점이 충분해도 과락이 되므로, 점수를 많이 주는 과목과 과락 방어가 필요한 과목을 분리해서 봐야 합니다.

KDATA 공식 출제기준은 ADsP를 데이터 이해, 데이터분석 기획, 데이터분석의 3과목으로 구성하며, 데이터분석 과목에 전체 60점과 30문항을 배정합니다. 출처: 한국데이터산업진흥원 ADsP 출제기준

이 표에서 가장 중요한 숫자는 60점입니다. ADsP 3과목 중 과목 3 데이터분석은 전체 점수의 과반을 넘기 때문에, 합격권 점수를 만드는 주된 공간입니다. 반대로 과목 1과 과목 2는 각각 20점이므로 만점을 목표로 오래 붙잡기보다, 40% 과락선을 안정적으로 넘기고 자주 나오는 정의와 절차를 회수하는 방식이 효율적입니다.

과목 1 데이터 이해

과목 1 데이터 이해는 20점, 10문항입니다. chapter 1.1 데이터의 이해는 데이터, 정보, 데이터베이스의 정의와 특징을 다룹니다. 시험에서는 데이터와 정보의 차이, 데이터베이스가 갖는 통합성·저장성·공용성 같은 기본 속성, 데이터베이스 활용 사례처럼 용어 구분을 묻는 문제가 자주 나옵니다. 처음 공부할 때는 문장을 통째로 외우기보다 비슷한 단어를 한 표에 놓고 차이를 적어 보는 편이 좋습니다.

chapter 1.2 데이터의 가치와 미래는 빅데이터의 가치, 빅데이터가 비즈니스 모델에 주는 영향, 위기 요인과 통제 방안, 미래 활용 방향을 포함합니다. 이 영역은 실무 사례를 알고 있으면 읽기 편하지만, 시험 문제는 사례 감상보다 개념 선택지 구분에 가깝습니다. 예를 들어 빅데이터의 경제적 가치, 의사결정 방식 변화, 개인정보와 품질 이슈를 한 묶음으로 정리하면 선택지에서 흔들리는 일이 줄어듭니다.

chapter 1.3 데이터 사이언스와 전략 인사이트는 데이터 분석이 단순한 보고서 작성이 아니라 전략적 판단으로 이어지는 과정을 설명합니다. 데이터 사이언티스트의 역량, 전략 인사이트 도출, 데이터 사이언스의 미래 같은 표현은 추상적이어서 대충 읽고 넘기기 쉽습니다. 하지만 ADsP에서는 이런 추상어가 그대로 선택지에 등장하므로, "분석 기술", "도메인 이해", "비즈니스 문제 정의"를 연결해 두는 것이 좋습니다.

과목 1의 학습 목표는 고득점보다 빠른 안정화입니다. 10문항 중 4문항 이상이 과락 회피선이고, 6~7문항을 꾸준히 맞히면 충분히 좋은 출발점입니다. 비전공자라면 가장 먼저 과목 1을 훑어 전체 시험의 언어에 익숙해지고, 회차 직전에는 오답 노트에서 헷갈린 정의만 다시 보는 방식이 적합합니다.

과목 2 데이터분석 기획

과목 2 데이터분석 기획도 20점, 10문항입니다. chapter 2.1 데이터분석 기획의 이해는 분석 기획 방향성 도출, 분석 방법론, 분석 과제 발굴, 분석 프로젝트 관리 방안을 포함합니다. 과목 3이 계산과 분석 개념에 가깝다면, 과목 2는 분석 프로젝트를 어떤 절차로 시작하고 운영하는지 묻습니다.

이 과목에서 흔한 실수는 용어를 일반 회사 업무 감각으로만 해석하는 것입니다. "과제 발굴", "우선순위", "프로젝트 관리"라는 단어는 익숙하지만, 출제기준 안에서는 분석 과제 정의, 실행 가능성, 비즈니스 기여도, 일정과 리스크 관리 같은 시험용 구조로 정리됩니다. 기획자나 PM은 문맥을 빠르게 이해하는 장점이 있지만, 자신이 쓰던 회사 용어와 출제기준 용어가 다를 수 있으므로 공식 목차의 표현을 기준으로 암기해야 합니다.

chapter 2.2 분석 마스터 플랜 수립은 마스터 플랜 수립 프레임워크와 분석 거버넌스 체계 수립을 다룹니다. 마스터 플랜은 한 번의 분석 과제를 넘어 조직 전체의 분석 추진 방향을 잡는 영역입니다. 분석 거버넌스는 분석 조직, 역할, 프로세스, 데이터 품질, 표준, 교육 체계처럼 지속적으로 분석을 운영하기 위한 장치로 이해하면 됩니다.

과목 2는 시험 직전까지 밀리기 쉽지만, 완전히 뒤로 미루면 선택지에서 비슷한 절차 용어가 섞일 때 점수가 흔들립니다. 추천 방식은 과목 1을 빠르게 본 뒤 과목 3을 시작하고, 과목 2는 중간에 한 번, 마지막 주에 한 번 다시 보는 것입니다. 특히 마케터와 기획자는 과목 2를 실무 감각으로 풀 수 있다고 생각하기 쉬운데, ADsP에서는 "분석 기획 방향성 도출 → 과제 발굴 → 마스터 플랜 → 거버넌스" 흐름을 시험 언어로 고정하는 것이 중요합니다.

과목 3 데이터분석

과목 3 데이터분석은 ADsP 3과목 중 핵심입니다. 60점, 30문항으로 출제되며 chapter 3.1 R 기초와 데이터 마트, chapter 3.2 통계분석, chapter 3.3 정형 데이터 마이닝으로 구성됩니다. 이 과목은 문항 수가 많고 범위도 넓어서, 공부를 늦게 시작하면 전체 점수와 과락 위험을 동시에 흔듭니다.

chapter 3.1 R 기초와 데이터 마트는 R 기초, 데이터 마트, 결측값 처리와 이상값 검색을 포함합니다. 개발자는 코드 문법 자체를 빠르게 받아들이는 편이지만, R은 Python이나 JavaScript와 객체 처리 방식이 다르고, 시험에서는 실제 코딩 생산성보다 기본 함수와 자료구조 이해를 묻습니다. 벡터, 데이터프레임, 인덱싱, 기초 함수, 결측값 처리 흐름을 시험 관점으로 정리해야 합니다.

chapter 3.2 통계분석은 통계학 개론, 기초 통계분석, 다변량 분석, 시계열 예측을 다룹니다. 평균과 분산을 아는 수준에서 멈추면 가설검정, 회귀, 분산분석, 주성분 분석, 시계열 개념에서 막힐 수 있습니다. 이 영역은 정의 암기와 문제 풀이를 같이 해야 합니다. 예를 들어 p-value는 문장 정의만 외우면 선택지에서 흔들리지만, 귀무가설과 대립가설, 유의수준, 검정 결론까지 한 사이클로 보면 오래 남습니다.

chapter 3.3 정형 데이터 마이닝은 분류, 군집, 연관 분석을 중심으로 봅니다. 분류에서는 의사결정나무, 로지스틱 회귀, 평가 지표가 연결되고, 군집에서는 거리와 군집화 방식이 중요합니다. 연관 분석은 지지도, 신뢰도, 향상도처럼 비슷하게 생긴 지표를 구분해야 합니다. 이 지표들은 단어만 보면 단순하지만, 실제 객관식에서는 분모와 해석 방향을 바꿔 묻기 때문에 작은 예시를 직접 만들어 계산해 보는 것이 좋습니다.

과목 3의 현실적인 목표는 30문항 중 18문항 이상을 안정적으로 맞히는 것입니다. 이 정도면 과목 3에서 36점가량을 확보하고, 과목 1과 과목 2에서 각각 12점 안팎을 얻어 총점 60점 선을 만들 수 있습니다. 더 높은 점수를 원한다면 과목 3에서 통계와 마이닝 오답을 줄이는 쪽이 과목 1·2를 과하게 파는 것보다 점수 상승 폭이 큽니다.

직군별 약점 과목 매핑

ADsP는 같은 시험이라도 직군마다 막히는 위치가 다릅니다. 먼저 마케터는 데이터 기반 캠페인, 성과 지표, A/B 테스트 용어에 익숙한 경우가 많지만 과목 2 데이터분석 기획에서 의외로 약점을 보일 수 있습니다. 실무에서는 캠페인 목적과 지표를 바로 연결하지만, 시험에서는 분석 과제 발굴, 우선순위 평가, 프로젝트 관리, 거버넌스처럼 조직 단위 절차를 묻기 때문입니다. 마케터는 과목 2를 "내가 아는 기획"으로 풀지 말고, 출제기준 목차에 맞춘 절차 문제로 다뤄야 합니다.

개발자는 과목 3의 R 기초에서 약점이 갈릴 수 있습니다. 코딩 경험이 있어도 R의 벡터 연산, 데이터프레임 처리, 통계 함수 출력 해석은 익숙하지 않을 수 있습니다. 특히 개발자는 문법 자체를 빠르게 넘기고 통계와 마이닝으로 가려는 경향이 있는데, 시험에서는 R 기초와 데이터 마트 문제가 기본 점수 역할을 합니다. 개발자라면 R을 새 프로덕션 언어로 배우기보다, ADsP 객관식에서 묻는 자료구조와 함수 해석 중심으로 압축하는 편이 좋습니다.

기획자와 PM은 과목 2에 친숙하지만, 과목 3 통계분석에서 시간이 오래 걸릴 수 있습니다. 분석 결과를 읽어 본 경험은 있어도 가설검정, 회귀, 다변량 분석, 시계열 예측의 수식과 조건을 직접 구분하는 일은 다릅니다. 기획자는 통계를 처음부터 깊게 파기보다, "이 분석은 언제 쓰는가", "결과 지표는 무엇을 뜻하는가", "선택지에서 틀린 전제는 무엇인가"를 중심으로 공부하면 객관식 점수가 빨리 안정됩니다.

사무직이나 비데이터 직무 학습자는 과목 1 데이터 이해에서 시험 언어 자체가 낯설 수 있습니다. 데이터, 정보, 지식, 데이터베이스, 빅데이터, 데이터 사이언스 같은 단어는 일상어처럼 보이지만, 시험에서는 정의의 경계가 중요합니다. 이 경우 과목 1을 먼저 훑어 용어에 익숙해지고, 과목 3은 R과 통계의 가장 기본 단위부터 반복하는 방식이 필요합니다.

학습 순서 추천

ADsP 3과목을 출제 순서 그대로 1과목, 2과목, 3과목 순서로 끝까지 공부하는 방식은 깔끔해 보이지만 항상 효율적이지는 않습니다. 추천 순서는 개념 → 분석 → 기획입니다. 먼저 과목 1 데이터 이해로 시험의 기본 어휘를 잡고, 바로 과목 3 데이터분석으로 넘어가 가장 큰 비중의 학습 시간을 확보한 뒤, 과목 2 데이터분석 기획을 중간과 마지막에 반복하는 흐름입니다.

첫 단계인 과목 1은 오래 붙잡지 않습니다. 데이터와 정보, 빅데이터 가치, 데이터 사이언스 용어를 한 번 훑으며 시험이 어떤 언어를 쓰는지 확인합니다. 두 번째 단계인 과목 3은 가장 많은 시간을 씁니다. R 기초는 직접 예시를 보며 익히고, 통계분석은 정의와 문제를 같이 풀며, 정형 데이터 마이닝은 지표와 모형의 차이를 표로 정리합니다. 세 번째 단계인 과목 2는 분석 프로젝트 절차를 외우는 데 집중합니다.

이 순서의 장점은 막판 리스크를 줄인다는 점입니다. 과목 3은 하루 이틀 암기로 해결하기 어렵고, 오답이 쌓여야 약점이 보입니다. 반대로 과목 1과 과목 2는 범위가 작고 문항 수가 각각 10문항이므로, 마지막 주에도 일정 수준 회복이 가능합니다. 따라서 전체 학습 기간이 짧을수록 과목 3을 더 일찍 시작해야 합니다.

기출문제는 처음부터 많이 풀 필요는 없지만, 각 과목의 첫 회독이 끝난 뒤에는 반드시 섞어서 풀어야 합니다. 과목별로 공부할 때는 이해한 것 같아도, 실제 시험처럼 50문항을 이어서 풀면 R 문제 다음에 기획 절차 문제가 나오고, 다시 통계 지표가 나오는 식으로 전환 비용이 생깁니다. 이 전환에 익숙해지는 것이 마지막 점수 안정화에 도움이 됩니다.

과락 회피를 위한 과목별 최소 학습 시간

과락 회피만 놓고 보면 과목 1과 과목 2는 각각 10문항 중 4문항 이상, 과목 3은 30문항 중 12문항 이상이 최소선입니다. 하지만 최소선에 딱 맞춰 공부하면 시험장에서 한두 문항만 흔들려도 위험합니다. 그래서 목표는 과목 1과 과목 2는 각각 6문항 이상, 과목 3은 18문항 이상으로 잡는 편이 현실적입니다.

학습 시간이 2주밖에 없다면 과목 1에 1~2일, 과목 2에 2~3일, 과목 3에 나머지 시간을 배정합니다. 이 경우 과목 3 전체를 완벽하게 볼 수 없으므로 R 기초, 통계 핵심 개념, 분류·군집·연관 지표처럼 반복 출제 가능성이 높은 부분을 우선합니다. 과목 1과 2는 정의와 절차를 중심으로 과락선을 넘기는 전략이 필요합니다.

학습 시간이 4~6주라면 과목 1에 1주, 과목 3에 3~4주, 과목 2에 1주를 권장합니다. 이때 과목 2를 완전히 마지막에 몰지 말고, 과목 3 중간에 한 번 끼워 넣으면 분석 기획 용어가 덜 낯설어집니다. 학습 시간이 8주 이상이라면 과목 3의 통계분석과 정형 데이터 마이닝에 충분한 반복 시간을 확보하고, 마지막 2주는 과목별 오답률을 기준으로 재배분합니다.

직군별로 최소 시간도 달라집니다. 개발자는 R 기초보다 통계 개념에 시간을 더 쓰는 경우가 많고, 기획자는 통계와 마이닝에 더 많은 반복이 필요합니다. 마케터는 과목 2 절차 용어와 과목 3 평가 지표를 함께 봐야 하며, 사무직은 과목 1 용어 정리와 과목 3 기초 통계를 나란히 잡는 것이 좋습니다. 중요한 것은 "내가 익숙한 과목"이 아니라 "모의 풀이에서 틀리는 과목"을 기준으로 시간을 조정하는 것입니다.

자주 묻는 질문

Q. ADsP 3과목 중 가장 중요한 과목은 무엇인가요?

A. 배점과 문항 수 기준으로는 과목 3 데이터분석이 가장 중요합니다. 전체 100점 중 60점, 50문항 중 30문항이 과목 3에서 나오므로 총점 형성에 미치는 영향이 가장 큽니다. 다만 과목 1과 과목 2도 각각 과락 기준 40%가 있으므로 완전히 버리면 안 됩니다.

Q. 과목 1과 과목 2는 마지막에 몰아서 공부해도 되나요?

A. 학습 시간이 충분하다면 과목 1은 초반에 한 번 보고, 과목 2는 중간과 마지막에 나눠 보는 편이 좋습니다. 두 과목 모두 문항 수는 적지만, 비슷한 용어가 선택지에 섞이면 감으로 풀기 어렵습니다. 특히 과목 2는 분석 방법론, 과제 발굴, 마스터 플랜, 거버넌스 흐름을 순서대로 정리해야 합니다.

Q. R을 전혀 몰라도 과목 3을 준비할 수 있나요?

A. 가능합니다. ADsP의 R은 개발 실무 수준의 프로그래밍 시험이라기보다, 기초 문법과 데이터 처리 흐름을 이해하는지 확인하는 성격이 강합니다. 벡터, 데이터프레임, 결측값 처리, 기본 함수, 분석 함수 결과 해석부터 시작하면 됩니다. 다만 과목 3은 R 외에도 통계분석과 정형 데이터 마이닝이 함께 나오므로, R만 보고 끝내면 점수가 부족할 수 있습니다.

Q. 총점 60점만 넘기면 합격 아닌가요?

A. 총점 60점 이상이 필요하지만, 동시에 과목별 40% 이상을 받아야 합니다. 예를 들어 과목 3에서 높은 점수를 받아도 과목 1이나 과목 2가 40% 미만이면 과락입니다. 그래서 과목 1과 2는 각각 10문항 중 최소 4문항 이상, 과목 3은 30문항 중 최소 12문항 이상을 확보해야 합니다.

ADsP 전체 구조는 시험 요약, 3과목 심화는 데이터분석 과목 정리, 학습 순서는 공부법, 기출 점검은 기출문제 학습법, 바로 문제를 풀 때는 ADsP 학습 도구에서 이어서 확인할 수 있습니다.