• 접수 기간: 2026.11.02(월) ~ 11.29(일)
• 신청 대상
  1. 만 15세 이상 서울시민·서울 거소자
  2. 서울 외 지역 거주자 중 서울 소재 대학(원) 재학 및 3년 이내 졸업자, 또는 기업 근무 경력자 (정원의 10% 이내 선발)
• 참가 비용: 교육비 전액 지원
  * 최종 합격자 예치금 10만원 선납, 수료 시 전액 반환
• 선발 인원: 27명

• 교육 기간: 2026.12.22(화) ~ 2027.04.09(금)
• 교육 시간: 매주 화~금 10:00~18:00 (전일제)
• 장소: 청년취업사관학교 새싹(SeSAC) 도봉캠퍼스
  (서울 도봉구 창동 마들로13길 61 씨드큐브 창동 7층)
• 교육 내용
  1. SQL, AI, Python, GA4, Excel 기초부터 실무까지
  2. 실제 비즈니스 데이터로 실습 중심 커리큘럼
  * 교육 기간 동안 점심 식대 및 Claude Pro 지원

실험과 A/B Test가 성장을 위해 좋은 방법이라는 것은 이해하지만, 이런저런 이유로 벽에 부딪힐 때도 있다. 그중 하나가 "당연하기 때문에 그냥 가자"는 방식이다. 아쉽게도 100% 성공을 보장하는 실험은 없다. 이미 진실인 것이 명확한 명제에 대해 가설을 세우고 시간과 비용을 들여 실험을 진행하는 것은 바보 같은 일이다. 하지만 진실이라고 확신할 수 없는 명제라면 어떨까. 실험은 내가 생각하는 가설이 (진실이 아니다) 상상이 아니라 실제로 맞는지 확인하는 과정이다. 물론 실험 없이 내가 믿고 생각하는 것, 때로는 직관이 진실이라고 생각하고 그 믿음을 기반으로 실행할 수도 있다. 물론 그 생각이 틀렸을 경우의 파급효과는 온전히 감당해야만 한다. 그렇다 보니 직관을 믿고 틀린 판단을 고수했을 때의 시행착오를 줄이려면 큰 실패 전에 작게 시도해 보는 것이 좋다.

실험을 처음 도입하는 팀이 가장 크게 놀라는 지점이 있습니다. 빅테크 기업들이 통제된 실험을 통해 아이디어를 객관적으로 측정하기 시작하면서 한 가지 분명한 사실이 드러났습니다. 대부분의 아이디어는 실제로 효과가 없다는 것입니다.

실험 분야의 권위자인 마이크로소프트의 Ron Kohavi가 정리한 유명한 경험칙에 따르면, 전체 실험 중 유의미한 개선을 만드는 비율은 약 3분의 1(1/3)에 불과합니다. 나머지 1/3은 지표에 아무런 변화를 주지 못하고, 나머지 1/3은 오히려 주요 지표를 악화시킵니다.

심지어 이는 일반적인 수준일 뿐, 이미 최적화가 고도화된 성숙한 제품에서는 이 승률이 10~20% 수준까지 떨어지기도 합니다(초기 Bing 검색엔진의 실험 데이터 기준). 신중하게 기획하고 자신 있게 제안한 변경안 5개 중 4개는 기존 버전을 이기지 못합니다.

이 사실을 깨닫는 순간, 실험을 바라보는 관점이 완전히 바뀌게 됩니다. A/B 테스트는 단순히 '내 가설의 성공을 입증받는 도구'가 아닙니다. 그런 목적이라면 80%의 확률로 실패를 경험하게 될 것입니다.

A/B 테스트를 실행하는 진짜 목적은 단순히 '어떤 안이 이겼는가'를 확인하는 것을 넘어 다음 4가지에 있습니다.

1. 손실을 막는 방어선: 지표를 깎아 먹는 나쁜 변경안(실제 아이디어의 1/3 이상)이 전체 사용자에게 배포되는 것을 사전에 막아줍니다.

2. 숨은 부작용 감지: 주요 지표가 오르더라도, 이탈률 증가나 속도 저하처럼 다른 보조 지표가 조용히 망가지는 현상을 잡아냅니다.

3. 가설 검증을 통한 고객 학습: 실험이 실패하더라도 '왜 실패했는가'에 대한 명확한 원인을 배웁니다. 직관이 아닌 실제 사용자 행동 데이터를 통해 프로덕트를 이해하게 됩니다.

4. 다음 실험을 위한 복리식 개선: 단 한 번의 대박을 노리는 것이 아니라, 실험에서 얻은 배움을 발판 삼아 다음 개선안을 더 정교하게 다듬으며 지속적인 성장을 이끌어냅니다.

🧩 쿼리 한 줄을 위해 알아야 했던 것들

라프텔은 운영 DB 데이터와 서비스 로그를 전부 Google BigQuery에 연동해서 데이터 분석가뿐 아니라 누구든 SQL로 직접 데이터를 들여다볼 수 있는 환경을 갖추고 있어요. 마침 Claude 팀 플랜에는 프로젝트·스킬·플러그인을 다른 팀원과 공유할 수 있더라고요.

먼저 BigQuery를 MCP 커넥터로 Claude에 연결하고, 가벼운 질문을 하나 던져봤습니다. 결과는 기대에 못 미쳤어요. 당연한 일이었어요. Claude는 데이터의 '구조'는 알아도 라프텔의 '맥락'은 모르니까요.

사실 분석가의 일은 SQL을 쓰는 게 전부가 아닙니다. 비즈니스 로직, 서비스 운영 히스토리, 도메인 지식을 데이터와 한데 엮는 일이에요. 쿼리 한 줄을 짜는 동안 머릿속에선 이런 질문이 동시에 돌아갑니다.

• "이 데이터는 계정 기준으로 봐야 할까, 프로필 기준으로 봐야 할까?"
• "내부 테스트 계정은 늘 빼야 하는데…"
• "방영 분기 데이터 타입이 뭐였더라?"
• "미리 집계해 둔 마트 테이블, 뭐가 있었지?"