SQL 기초: PM이 직접 데이터 분석하는 이유

솔직히 말해볼까요? 제가 처음 PM이 되었을 때, 데이터 분석은 늘 '개발팀'의 영역이었습니다. "이거 데이터 뽑아주세요." 한마디면 끝나는 일이었죠. 디자이너 출신이라 코딩과는 거리가 멀었고, SQL이라는 단어는 그저 개발자들이 쓰는 암호처럼 느껴졌습니다. 하지만 AI 스타트업에서 6년을 굴러보니, 이건 정말 큰 착각이었다는 걸 뼛속 깊이 깨달았습니다. 오늘은 왜 PM, 특히 저 같은 비개발 직군 PM이 SQL 기초를 익히고 직접 데이터 분석을 해야 하는지에 대한 제 경험과 생각을 날것 그대로 풀어보겠습니다.

왜 PM은 데이터 늪에 빠져야 하는가?

솔직히 데이터 분석, 귀찮고 어렵게 느껴질 수 있습니다. 특히 저처럼 디자인 툴은 익숙해도 복잡한 쿼리문은 낯선 사람에게는 더더욱요. 하지만 생각해보세요. 우리가 만드는 제품의 성공은 결국 '데이터'에 달려있습니다. 사용자가 무엇을 좋아하고, 무엇에 불만을 느끼며, 어떤 기능에서 이탈하는지. 이 모든 질문의 답은 데이터 안에 숨겨져 있습니다. 개발팀에게만 이 역할을 맡겨두는 순간, 우리는 '감'과 '추측'의 영역에 갇히게 됩니다. 그리고 그건 AI 시대의 스타트업에서 가장 위험한 함정이죠.

1. 속도, 속도, 그리고 속도: 의사결정의 가속 페달

가장 큰 이유는 바로 '속도'입니다. 제품 개선을 위해 "이 기능 사용률이 왜 낮을까요?"라는 질문을 던졌다고 상상해보세요. 개발팀에 요청하고, 쿼리를 작성하고, 결과를 기다리는 동안 이미 경쟁사는 한 발 앞서나갈 수 있습니다. 하지만 SQL 기초만 알아도, 직접 간단한 쿼리를 날려 "특정 사용자 그룹의 이탈률은 얼마나 되지?", "어떤 경로로 유입된 사용자가 전환율이 높지?" 정도는 바로 파악할 수 있습니다. 이 즉각적인 인사이트가 쌓이고 쌓여, 우리 제품의 성장 속도를 몇 배는 끌어올릴 수 있습니다.

2. '진짜' 문제 발견: 감이 아닌 증거 기반의 접근

디자이너로서 저는 늘 '사용자 경험'을 최우선으로 생각했습니다. 하지만 때로는 직관이나 경험만으로는 놓치는 부분이 있습니다. 예를 들어, 특정 기능 사용률이 낮다고 해서 그 기능이 쓸모없다고 단정 지을 수는 없습니다. 어쩌면 그 기능에 접근하는 경로가 복잡하거나, UI가 직관적이지 않아서일 수도 있죠. SQL을 통해 사용자의 행동 흐름을 분석하면, "아, 이 기능 자체의 문제는 아니고, 사용자 진입 과정에 병목이 있구나"와 같은 '진짜' 문제를 발견할 수 있습니다. 이건 정말 혁명적인 변화입니다. 추측에서 증거 기반의 문제 정의로 나아가는 거죠.

3. 개발팀과의 '동질감': 소통의 질을 높이는 마법

솔직히, 개발팀과 원활하게 소통하는 것이 얼마나 중요한지는 두말하면 잔소리입니다. 하지만 내가 던지는 데이터 관련 질문이 너무 막연하거나, 그들의 언어를 이해하지 못한다면 어떨까요? "이거 데이터 뽑아줘" 대신 "어제 A/B 테스트에서 B 그룹의 특정 액션 완료율이 유의미하게 높게 나왔는데, 이 추세를 좀 더 깊게 파고들어서 특정 유저 세그먼트별로 분석해 볼 수 있을까요?"라고 말할 수 있다면, 개발팀과의 소통은 훨씬 효율적이고 깊어집니다. SQL 기초는 개발팀의 언어를 이해하는 '중간 다리' 역할을 해줍니다. 물론 그들의 전문성을 대체할 수는 없지만, 적어도 '무엇을' 왜 묻는지 명확하게 전달할 수 있게 되죠.

PM을 위한 SQL, 어디서부터 시작해야 할까?

"그래, PM이 SQL 해야 한다고 치자. 근데 뭘 어떻게 배우냐고?" 많은 분들이 여기서 좌절합니다. 하지만 걱정 마세요. 우리에게는 'AI'와 '훌륭한 학습 자료'가 있습니다. 제가 추천하는 방법은 다음과 같습니다.

1. 코딩 없이 AI로 SQL 쿼리 만들기 (초보자 추천!)

최근 AI 기술의 발전은 정말 놀랍습니다. ChatGPT 같은 언어 모델을 활용하면, 자연어로 "어제 로그인한 사용자 중 3일 이상 활동하지 않은 사용자를 찾아줘"라고 물어보면 SQL 쿼리를 생성해줍니다. 물론 처음에는 완벽하지 않을 수 있습니다. 하지만 이 AI가 생성해준 쿼리를 바탕으로, 실제 데이터베이스에서 어떤 테이블과 컬럼을 봐야 하는지, 어떤 조건이 필요한지 등을 배우면서 SQL의 기본 구조를 익힐 수 있습니다. CMA의 내부 기술 문서나 YouTube 채널에도 이런 AI 활용 사례나 팁이 종종 공유되니, 꼭 참고해보세요. (만약 제가 직접 만든 AI 쿼리 생성 도구가 있다면 여기에 링크를 넣었겠지만, 아직은 없습니다. 언젠가 만들지도 모르죠.)

2. 핵심 개념부터 파고들기: SELECT, FROM, WHERE, GROUP BY, JOIN

AI 도구를 활용하더라도, 기본적인 SQL 문법은 알아야 합니다. 처음에는 너무 많은 것을 배우려 하지 마세요. 가장 자주 쓰이는 SELECT (무엇을 볼 것인가), FROM (어디서 가져올 것인가), WHERE (어떤 조건으로 필터링할 것인가), GROUP BY (특정 기준으로 묶어서 집계할 것인가), JOIN (여러 테이블을 합칠 것인가) 정도만 완벽히 이해해도 상당한 수준의 분석이 가능합니다. 이 개념들을 이해하는 데 초점을 맞추고, 실제 내가 다루는 서비스의 데이터 구조를 보면서 연습하는 것이 가장 효과적입니다.

3. 실전 경험: 작은 질문부터 시작하기

이론만으로는 부족합니다. 가장 좋은 학습 방법은 '실제로 해보는 것'입니다.

• "오늘 우리 서비스 신규 가입자 수는 몇 명이지?"
• "가장 많이 사용되는 기능 TOP 3는 뭐야?"
• "어제 특정 마케팅 채널을 통해 유입된 사용자의 평균 체류 시간은?"

이런 간단한 질문들을 SQL로 직접 풀어보세요. 처음에는 시간이 걸리고 틀릴 수도 있습니다. 하지만 이 과정을 통해 데이터베이스 구조에 익숙해지고, 쿼리가 어떻게 작동하는지 몸으로 익히게 됩니다. 만약 회사에 SQL 학습 환경이 잘 구축되어 있다면 더 좋겠지만, 아니라면 로컬 환경에 SQLite 같은 가벼운 데이터베이스를 설치해서 연습하는 것도 좋은 방법입니다.

결론: 데이터의 주인이 되어, 나만의 길을 걷다

PM으로서 데이터 분석 능력을 갖춘다는 것은 단순히 기술적인 스킬 하나를 더하는 것이 아닙니다. 그것은 '정보의 홍수' 속에서 길을 잃지 않고, '진짜' 의미를 발견하며, 나아가 '나만의 길'을 개척할 수 있는 힘을 얻는 것입니다. 개발팀에 대한 의존도를 줄이고, 스스로 데이터를 파헤쳐 인사이트를 도출하며, 더 빠르고 정확한 의사결정을 내리는 능력은 당신을 더욱 강력한 PM으로 만들어 줄 것입니다.

물론 처음에는 어렵습니다. 저 역시 밤새도록 SQL 문법과 씨름하며 좌절했던 순간이 많습니다. 목 통증에 시달리며 키보드를 두드리던 날들도 있었고요. 하지만 데이터의 힘을 직접 경험하고 나니, 그 모든 고생이 의미 있었다는 것을 압니다. 이제 여러분도 데이터의 주인이 되어, AI 스타트업의 복잡하고 빠르게 변화하는 환경 속에서 흔들리지 않는 나만의 항해를 시작해보는 건 어떨까요?

당신은 PM으로서 데이터 분석 능력을 어떻게 키우고 있나요? 또는 앞으로 어떻게 키워나가고 싶으신가요? 댓글로 여러분의 경험과 생각을 공유해주세요.