조선해양 데이터 분석과 시각화 시작하기

데이터 분석을 왜 배워야 하는가

조선해양 현장에서는 선박 운항, 설비 센서, 생산 공정, 품질 검사 등에서 데이터가 쌓입니다. 데이터 분석은 이 기록을 업무에 필요한 질문과 연결하고, 판단의 근거를 찾는 과정입니다.

• 현황 파악: 생산량, 작업 시간, 불량률, 연료 사용량을 요약해 현재 상태 확인
• 문제 발견: 공정별 차이와 시간에 따른 변화를 살펴 지연이나 이상 징후 탐색
• 근거 있는 비교: 선박 종류, 운항 조건, 설비 조건을 함께 고려해 성과 비교
• 예측과 계획: 과거 기록을 바탕으로 수요, 작업량, 설비 상태 등을 예측하는 모형 검토
• 결과 전달: 표와 그래프로 분석 결과를 공유하고, 개선 전후의 성과 확인

예를 들어 선박의 연료 사용량이 늘었다면 속도, 적재량, 운항 조건을 함께 살펴볼 필요가 있습니다. 데이터 분석을 배우면 무엇을 비교해야 하는지, 어떤 그래프가 적절한지, 결과를 어디까지 해석할 수 있는지 판단하는 데 도움이 됩니다.

스마트 제조 설문이 보여주는 변화

강의 자료 3쪽은 Deloitte의 스마트 제조 설문 결과를 소개합니다.

• 조사 대상: 2024년 미국 내 대형 제조기업 임원 600명
• 경쟁력 인식: 응답자의 92%가 스마트 제조를 향후 3년 경쟁력의 핵심 동력으로 인식
• 도입 이후 보고된 개선: 생산량 1020%, 직원 생산성 720%, 가용 생산능력 10~15%
• 투자 방향: 데이터 분석, 클라우드, 인공지능(AI), 산업용 사물인터넷(IIoT), 센서와 자동화 하드웨어를 통한 현장 데이터 연결
• 실행 과제: 인력 역량, 변화관리, 가치 측정, 운영 리스크, 운영기술(OT) 보안

이 수치는 설문 응답 기업이 보고한 스마트 제조 도입 성과입니다. 조선해양 기업의 효과를 직접 측정한 결과나 데이터 분석 교육만의 효과를 뜻하지는 않습니다.

출처: Deloitte, 2025 Smart Manufacturing and Operations Survey

데이터 분석과 자동화를 위한 기반

강의 자료 4쪽의 그림은 제조 기술의 현재 활용 정도와 우선순위를 함께 보여줍니다.

• 가로축: 왼쪽은 관심이 낮은 영역, 오른쪽은 우선순위가 높은 영역
• 세로축: 아래는 활용하지 않는 영역, 위는 현재 활용하는 영역
• 전략적 집중 영역: 데이터 분석, 센서, 클라우드, 공장 자동화 하드웨어 등이 위치
• 해석: 현장에서 데이터를 수집하고 연결하는 기반과, 그 데이터를 분석하는 역량을 함께 확보하는 방향

출처: Deloitte 분석, 위 설문 보고서의 Figure 4.

센서와 시스템이 기록을 남겨도, 분석할 질문과 결과를 해석할 사람이 필요합니다. 이 강의에서는 데이터를 직접 다루는 기술과 결과를 판단하는 기초를 함께 학습합니다.

강의 내용 개요

파이썬으로 데이터를 다루는 기초부터 통계, 머신러닝, 시계열 분석까지 순서대로 학습합니다.

시각화는 탐색과 해석 전반에서 사용합니다. 값의 크기뿐 아니라 분포, 관계, 시간에 따른 변화를 드러내는 그래프를 선택하는 것이 목표입니다.

강의에서 기를 역량

• 질문 설정: 업무 문제를 데이터로 확인할 수 있는 질문으로 구체화
• 데이터 준비: 분석에 필요한 행과 열을 선택하고 자료의 구조와 품질 확인
• 방법 선택: 현황 파악, 관계 분석, 수치 예측, 분류 등 목적에 맞는 방법 선택
• 결과 검토: 불확실성, 상관관계와 인과관계의 차이, 새 데이터에서의 예측 성능 검토
• 설명과 활용: 분석 근거와 한계를 표·그래프로 전달하고 다음 행동 제안