조직이 더 빠르고 현명한 의사결정을 위해 데이터에 의존하게 되면서 데이터 분석 스킬의 중요성이 커지고 있습니다. AI의 도움으로 데이터셋 정리, 추세 파악, 인사이트 생성 등 많은 데이터 작업을 더 효율적으로 수행할 수 있게 되었습니다. AI 스킬은 재사용 가능한 워크플로와 방법론을 제공해 에이전트가 이러한 분석 작업을 더 체계적으로 수행하도록 돕습니다. 이 가이드에서는 데이터 워크플로를 간소화하고 원시 데이터를 실행 가능한 인사이트로 바꿔주는 22가지 데이터 분석 스킬을 살펴봅니다.
AI 데이터 분석 스킬이란 무엇인가요?
데이터 분석 스킬은 AI 에이전트에게 기본적인 데이터 분석 작업을 처리할 수 있도록 체계적인 지침, 워크플로, 가이드라인을 제공합니다. 이를 통해 에이전트는 데이터를 정리하고, 데이터셋을 정돈하고, 패턴을 파악하고, 차트를 생성하고, 기본적인 계산을 수행하고, 원시 정보에서 인사이트를 요약할 수 있습니다.
Kimi에 내장된 12가지 AI 데이터 관리 및 분석 스킬
Kimi는 데이터 처리, 분석, 보고를 간소화하는 다양한 내장 AI 스킬을 제공합니다. 데이터셋을 정리하든, 시각화 자료를 만들든, 인사이트를 도출하든, 이 도구들은 반복적인 작업을 자동화하고 효율성을 높이는 데 도움을 줍니다. 다음은 Kimi에서 활용할 수 있는 12가지 내장 AI 데이터 관리 및 분석 스킬입니다.
| 스킬 이름 | 설명 |
|---|---|
| sql-insight | 자연어를 SQL로 변환하고, 쿼리 성능을 최적화하며, SQLite와 PostgreSQL의 EXPLAIN 실행 계획을 해석합니다. 사용자가 질문을 SQL로 변환하거나, 느린 쿼리를 개선하거나, 인덱스를 튜닝하거나, 실행 계획을 분석하거나, NL2SQL, 쿼리 튜닝, 전체 테이블 스캔 등의 키워드를 언급할 때 실행됩니다. |
| auto-hypothesis-test | 데이터에 적합한 통계 검정(ANOVA, 카이제곱, 만-휘트니 등)을 자동으로 선택하고 실행하여 결과를 이해하기 쉬운 언어로 해석합니다. 그룹 비교, 유의성, p-값, 가설 검정에 대해 묻거나 t-검정, ANOVA, 카이제곱 같은 구체적인 검정을 언급할 때 실행됩니다. |
| correlation-auditor | 상관관계 행렬(피어슨/스피어만)을 분석하고, 교란 변수를 통제하기 위한 편상관을 계산하며, 데이터에서 발생할 수 있는 허위 상관관계를 찾아냅니다. 사용자가 변수 간 관계에 대해 묻거나, 상관관계 행렬이 필요하거나, 피어슨/스피어만 계수, 편상관, 교란 요인, 허위 상관관계를 언급할 때 실행됩니다. |
| data-viz-renderer | JSON 데이터로부터 통계 카드, 막대 차트, 흐름도, 복합 대시보드를 포함한 독립형 HTML/SVG 인포그래픽을 생성합니다. 외부 의존성 없이 8가지 색상 팔레트와 내장 아이콘을 제공합니다. 사용자가 데이터 시각화, 인포그래픽, 차트, 대시보드를 요청할 때 실행됩니다. |
| dataset-quality-audit | 표 형식 데이터(CSV/Excel/TSV/JSON)에 대해 종합적인 품질 점검을 실행하여 결측값, 중복값, 이상치, 형식 오류, 유형 불일치를 감지하고 전체 점수, 등급, 실행 가능한 개선 제안을 도출합니다. 사용자가 데이터 품질 확인, 결측값이나 중복값 찾기, 이상치 감지, 형식 검증, 데이터 프로파일링, 데이터 클리닝을 요청할 때 실행됩니다. |
| discounted-cashflow-model | 할인 현금흐름(DCF) 밸류에이션 모델을 구축하여 기업가치, 주주가치, 주당가격을 계산하고 성장률 × 할인율 민감도 분석 매트릭스를 제공합니다. '[회사]에 대해 DCF 해줘', '밸류에이션 실행해줘', 'WACC/할인율 계산해줘' 같은 요청이나 잉여현금흐름, 터미널 밸류, 민감도 분석 언급 시 트리거됩니다. |
| financial-ratio-toolkit | 사용자가 제공한 재무제표를 바탕으로 수익성, 안정성, 유동성, 효율성, 성장성 등 20개 이상의 재무비율과 듀폰 분석(DuPont Analysis)을 계산하여 기업 펀더멘털을 분석합니다. 재무비율 계산, 듀폰/ROE 분석 요청이나 "이 재무 데이터 분석해줘", "유동성 비율 계산해줘" 같은 문구에 트리거됩니다. |
| financial-statement-analyzer | 손익계산서, 대차대조표, 현금흐름표 데이터를 분석하여 전년 대비/전분기 대비 추세 분석을 생성하고 매출채권 급증이나 현금흐름 괴리 같은 이상 징후를 표시합니다. 사용자가 재무제표 분석, 전년/전분기 비교, 위험 신호 탐지, 이익의 질 평가를 요청할 때 트리거됩니다. |
| quick-strategy-backtest | 이벤트 기반 연구, 종목 선정, 포트폴리오 등을 포함한 트레이딩 전략 설명을 실행 가능한 백테스트 코드로 변환하고, 백테스트 결과, 시각적 대시보드, 분석 리포트를 출력합니다. 사용자가 매수/매도 조건, 이벤트 이후 수익률, 종목군 스크리닝 백테스트 등 정량적 시나리오를 설명할 때 트리거됩니다. |
| regression-modeler | 업로드된 CSV/Excel 데이터에 대해 회귀 분석(OLS 또는 로지스틱)을 실행하여 계수, R², p-값, VIF를 생성하고 이를 이해하기 쉬운 언어로 해석합니다. 회귀 모델링, 데이터 피팅, 유의성 검정, 다중공선성 확인 요청이 있거나 OLS, 로짓, 계수, p-값, R-제곱 같은 키워드가 있을 때 실행됩니다. |
| stock-research-report | 궈타이쥔안(Guotai Haitong)/하이퉁 인터내셔널(Haitong International) 스타일의 증권 리서치 보고서를 생성합니다. 중국 주식 리서치, 산업 동향 추적, 투자 노트, 금융 리서치 문서 작성에 사용됩니다. Guotai Haitong, Haitong International, 산업 동향 추적, 주식 리서치, 증권 리서치 등의 키워드로 실행되며, 국내 및 해외용 이중 템플릿을 지원합니다. |
| stock-signal-analyzer | OHLCV 데이터를 분석하여 MA, MACD, RSI, 볼린저 밴드, KDJ를 포함한 15개 이상의 기술적 지표를 계산하고, 전반적인 평가와 함께 매수/매도 신호 요약을 생성합니다. 사용자가 기술적 분석을 요청하거나, MACD나 RSI 같은 지표 계산을 요청하거나, 캔들스틱 분석을 언급하거나, 이동평균 교차, 볼린저 밴드 돌파, RSI 과매수/과매도 수준에 관한 신호를 논의할 때 실행됩니다. |
| value-investing-scorecard | 버핏/그레이엄식 가치투자 스코어카드 — 해자, 경영진, 재무, 밸류에이션 네 가지 차원에서 20개 기준으로 기업을 평가하여 0~100점의 점수를 산출합니다. 사용자가 가치투자 분석, 펀더멘털 스코어링, 해자 평가를 요청하거나 '이 회사에 투자할 가치가 있을까', 'XX의 펀더멘털을 분석해줘', '버핏의 방식으로 평가해줘' 같은 질문을 할 때 실행됩니다. |
| weighted-scorer | 기술 선정, 벤더 평가, 다기준 옵션 비교를 위한 가중치 기반 의사결정 매트릭스를 구축합니다. 기준 정의, 가중치 부여, 옵션 채점, 민감도 분석을 통한 결과 검증까지 단계별로 안내합니다. 사용자가 의사결정 매트릭스, 가중치 스코어링, 옵션 비교, 벤더 선정, 자체 개발 대 구매(build vs. buy) 선택에 대해 물을 때 실행됩니다. |
| chart-image | 선형, 막대, 영역, 캔들스틱, 파이, 히트맵 차트를 지원하며 데이터로부터 출판 품질의 PNG 차트 이미지를 생성합니다. 사용자가 데이터 시각화, 그래프 생성, 시계열 플롯, 보고서·알림·대시보드용 차트 생성을 요청할 때 실행됩니다. 브라우저 없이 가볍고 헤드리스한 Node.js 프로세스로 동작합니다. |
| xlsx | XLSX, XLSM, CSV 형식을 포함(이에 국한되지 않음)한 스프레드시트 파일의 고급 조작, 분석, 생성을 위한 전용 유틸리티입니다. 핵심 기능으로는 수식 배포, (재무 작업을 위한 자동 통화 서식 등) 복잡한 서식 지정, 데이터 시각화, 필수 후처리 재계산, 그리고 3대 재무제표 모델, DCF 밸류에이션, 상장기업 비교분석 같은 금융 중심 Excel 모델링 워크플로가 있습니다. |
Kimi의 내장 AI 데이터 분석 스킬 사용하기
다음 간단한 단계를 따라 Kimi의 내장 AI 스킬을 활용해 더 빠른 데이터 분석, 재무 계산, 자동화된 보고서 작성을 해보세요.
1단계: 스킬 명령어 입력
입력창에 /financial-ratio-toolkit 명령어를 입력해 Kimi의 재무 데이터 분석 스킬을 활성화하세요.
2단계: 조사 작업 시작하기
스킬을 활성화한 후 Kimi가 수행할 데이터셋이나 재무 분석 내용을 설명하세요.
프롬프트 예시:
그러면 Kimi가 데이터를 자동으로 분석하고 필요한 계산을 수행한 뒤, 더 빠른 의사결정을 지원하는 핵심 인사이트가 담긴 체계적인 보고서를 생성합니다.
3단계: 문서 검토 및 다운로드
생성된 보고서를 검토하고 필요한 부분을 수정한 뒤, 추가 분석이나 공유, 발표를 위해 최종 문서를 다운로드하세요.
오픈소스 데이터 분석 스킬 6가지 더 알아보기
오픈소스 스킬은 AI 에이전트에게 다양한 데이터 분석 작업에 특화된 워크플로를 제공합니다. 이러한 스킬을 Kimi에 설치하면 데이터 처리를 자동화하고, 더 심층적인 분석을 수행하며, 복잡한 데이터셋을 다루기 위한 더 효율적인 워크플로를 구축할 수 있습니다. 다음은 살펴볼 만한 오픈소스 데이터 분석 스킬 6가지입니다.
| 스킬 이름 | 설명 | URL |
|---|---|---|
| data-analytics-skills | 데이터 품질 검사, 심층 분석, 문서화, 대시보드 제작, 이해관계자 커뮤니케이션 등 분석가 워크플로우 전반을 아우르는 31개의 이식 가능한 AI 기반 스킬 모음입니다. | https://github.com/nimrodfisher/data-analytics-skills |
| d3-visualization-skill | 에이전트가 막대 차트, 선 차트, 포스 그래프, 상키 다이어그램, 트리맵, 선버스트, 단계구분도 등 대시보드와 리포트용 복잡한 인터랙티브 데이터 시각화를 만들 수 있도록 돕는 종합적인 D3.js 스킬입니다. | https://github.com/nexu-io/open-design/blob/main/skills/d3-visualization/SKILL.md |
| tufte-data-viz-skill | 높은 데이터-잉크 비율, 최소화된 차트 잡음, 직접 라벨링, 스몰 멀티플, 스파크라인 등 에드워드 터프티(Edward Tufte)의 데이터 시각화 원칙을 적용하여 다양한 시각화 라이브러리에서 깔끔하고 접근성 높은 차트를 만듭니다. | https://github.com/caylent/tufte-data-viz |
| mckinsey-style-visualization-skill | 인사이트 중심의 헤드라인, 시각적 위계, 재사용 가능한 슬라이드 사양, 품질 평가 프레임워크를 활용해 원시 비즈니스 노트를 임원 보고용 컨설팅 비주얼로 변환하도록 돕습니다. | https://github.com/kgraph57/mckinsey-style-visualization-skill |
| data-visualization-report-skill | CSV, Excel, JSON 데이터를 KPI 카드, Chart.js 차트, 데이터 테이블이 포함된 세련된 시각적 리포트로 변환합니다. 비즈니스 및 금융 시나리오용 템플릿 기반 리포트 생성을 지원합니다. | https://github.com/nexu-io/open-design/blob/main/skills/data-report/SKILL.md |
| analytics-tracking-measurement-strategy | 측정 전략, 이벤트 분류 체계, 데이터 품질 검토, 추적 구현 워크플로를 통해 분석 추적 시스템을 설계, 감사, 개선하는 데 도움을 줍니다. | https://github.com/diegosouzapw/awesome-omni-skills/blob/main/skills/analytics-tracking/SKILL.md |
Kimi에서 오픈소스 데이터 분석 스킬 활용하기
아래의 간단한 단계를 따라 Kimi에 오픈소스 AI 스킬을 설치하고, 고급 데이터 분석 및 리포팅 작업에 활용해 보세요.
1단계: 프롬프트 입력
Kimi Chat을 열고, 설치하려는 오픈소스 데이터 분석 스킬의 GitHub URL을 포함한 프롬프트를 입력하세요.
프롬프트 예시:
2단계: AI가 자동으로 스킬 설치하도록 하기
Kimi는 입력된 GitHub URL을 바탕으로 스킬을 자동으로 다운로드하고 구성하여 준비합니다. 설치가 완료되면 해당 스킬을 작업 공간에서 바로 사용할 수 있습니다.
3단계: 스킬 사용하기
"Add to my skills"를 클릭해 설치한 스킬을 Kimi에 추가한 뒤 "Try it"을 선택해 활성화하세요. 활성화되면 데이터셋을 업로드하거나 분석 작업을 설명하기만 하면, 스킬이 데이터 정제, 계산 수행, 인사이트 도출, 구조화된 보고서 작성을 더 효율적으로 도와줍니다.
커스텀 AI 스킬로 데이터 분석 한 단계 더 발전시키기
아래의 간단한 단계를 따라 데이터 분석 워크플로를 자동화하고 반복 작업을 더 효율적으로 만들어 주는 커스텀 AI 스킬을 만들어 보세요.
1단계: "Document to skills" 도구 이용하기
Kimi Skills를 열고 "Document to skills"를 클릭하세요. 이 기능을 사용하면 데이터 분석 문서를 재사용 가능한 AI 스킬로 변환할 수 있습니다.
2단계: 파일 업로드
자동화하고 싶은 지식이 담긴 스프레드시트, CSV 파일, 보고서, SQL 문서, 분석 가이드, 워크플로 문서 등을 업로드하세요. Kimi가 핵심 정보를 추출해 구조화된 AI 스킬을 만들어 줍니다.
3단계: 스킬 생성 및 사용하기
생성된 AI 스킬을 검토하고, 필요하면 지침을 다듬은 뒤 작업 공간에 저장하세요. 이렇게 만든 커스텀 스킬로 데이터 처리를 자동화하고, 보고서를 생성하며, 이후의 분석 작업을 더 원활하게 진행할 수 있습니다.
언제든지 스킬을 수정하거나 .md 파일로 내보내어 다른 프로젝트에서 공유하고 활용할 수 있습니다.
AI 데이터 분석 스킬 활용 팁
AI를 효과적으로 활용하려면 먼저 올바른 데이터와 명확한 지시를 제공해야 합니다. 다음 모범 사례를 따라 데이터 분석 스킬의 정확도를 높이고 더 의미 있는 인사이트를 얻어보세요.
먼저 명확한 분석 목표를 설정하세요
AI 에이전트에게 구체적인 질문, 목표, 기대하는 결과물을 제시하면 관련 데이터에 집중해 더 유용한 인사이트를 도출할 수 있습니다.
분석 전에 데이터를 준비하고 검증하세요
데이터셋이 완전하고 형식이 올바르며 명백한 오류가 없는지 확인하세요. 깨끗한 데이터는 AI 에이전트가 더 정확한 분석 결과를 내는 데 도움이 됩니다.
분석 목적에 맞는 스킬을 선택하세요
데이터 정제, 시각화, 리포트 작성, 예측, 대시보드 구축 등 작업에 따라 서로 다른 스킬을 사용하세요.
맥락과 비즈니스 배경 정보를 제공하세요
데이터셋, 업계, 타깃 대상, 의사결정 목표에 대한 정보를 포함하면 AI 에이전트가 결과를 더 효과적으로 해석할 수 있습니다.
AI가 생성한 인사이트를 검토하고 다듬으세요
분석 결과를 확인하고 중요한 발견 사항을 검증하며, 필요하면 지시 사항을 조정해 이후 결과물의 정확도와 일관성을 높이세요.
결론
기본적인 데이터 분석 스킬을 익히든 복잡한 워크플로우를 자동화하든, AI는 시간을 절약하면서 정확도를 높여줍니다. 탄탄한 데이터 분석 스킬은 정보를 더 효율적으로 처리하고 데이터 기반의 더 나은 의사결정을 내리는 데 도움이 됩니다. Kimi를 사용하면 내장, 오픈소스, 커스텀 AI 스킬을 활용해 데이터 분석을 간소화하고 원시 데이터를 실행 가능한 인사이트로 바꿀 수 있습니다.