중요:

각 작업의 결과물을 스크린샷으로 찍어 포트폴리오에 추가하세요.

중요: 이 실습은 데스크톱/노트북에서만 완료해야 합니다.

실습당 5회만 시도할 수 있습니다.

첫 시도에 모든 문제를 맞히지 못하거나 학습을 다시 해야 하는 것은 흔한 일이며 학습 과정의 일부입니다.

실습이 시작되면 타이머를 일시중지할 수 없습니다. 1시간 30분이 지나면 실습이 종료되므로 다시 시작해야 합니다.

자세한 내용은 실습에 관한 기술적 도움말을 참고하세요.

활동 개요

캡스톤 프로젝트 중 하나인 이 실습에서는 클라우드 데이터 분석과 데이터 여정의 첫 세 단계(수집, 처리, 저장)에 대한 지식을 적용합니다.

BigQuery를 사용하여 완료해야 하는 시나리오와 일련의 작업이 주어집니다. 이러한 작업을 수행하려면 기술을 활용하여 BigQuery 환경에서 데이터를 작업 및 변환하고 데이터에 대한 질문에 답하며 데이터 변환 기술을 테스트하는 과제를 완료해야 합니다.

이 실습을 성공적으로 완료하면 BigQuery와 같은 클라우드 데이터 플랫폼을 데이터 저장 및 분석에 사용할 수 있는 능력을 입증하고 SQL을 적용하여 데이터를 탐색, 필터링, 중복 삭제, 집계하여 특정 비즈니스 니즈를 해결하는 실무 경험을 쌓을 수 있습니다.

시나리오

TheLook Fintech는 인벤토리 구매 자금이 필요한 독립 온라인 스토어 소유자에게 대출을 제공하는 새로운 금융 기술 회사입니다. 이 회사의 사명은 비즈니스가 성장할 수 있도록 대출을 받는 방식을 바꾸는 것입니다. 성장 단계에 들어선 스타트업인 TheLook Fintech는 성공적으로 타겟 시장을 파악했으며 현재는 신속하게 확장하기 위해 노력하고 있습니다.

여러분은 클라우드 데이터 분석가로 채용되었습니다. 첫 번째 과제는 재무부에서 데이터를 효과적으로 사용하여 실적과 성장을 추적할 수 있도록 지원하는 계획을 수립하고 구현하는 것입니다.

재무부 책임자인 트레버와의 회의에서 세 가지 비즈니스 질문이 확인되었습니다.

질문은 다음과 같습니다.

• 회사에서 매달 지급하는 대출 자금이 유입되는 금액을 초과하지 않도록 현금 흐름을 더욱 효율적으로 모니터링하는 방법
• 고객이 회사에서 대출을 받는 주요 이유를 식별하는 방법
• 차용인이 대출을 받은 위치를 추적하는 방법

트레버와의 미팅에서 이러한 비즈니스 질문에 답하는 데 필요한 주요 측정항목에 대한 중요한 정보도 제공되었습니다.

현금 흐름은 시간 경과에 따라 회사에 유입 및 지출되는 금액입니다. TheLook Fintech에서는 대출금 상환과 기타 소스에서 유입되는 금액이 대출금을 조달하고 기타 비용을 지불하기 위해 지출되는 금액보다 커야 합니다.

대출 목적도 추적해야 하는 중요한 측정항목입니다. 트레버는 차용인이 대출을 받는 이유와 대출 상환 가능성 간에 강한 상관관계가 있다고 설명했습니다. 대출이 제대로 진행되게 하려면 대출의 주요 목적을 모니터링하는 것이 중요합니다.

차용인 위치도 주요 관심사항입니다. 재무부에서는 대출 분포 현황을 지리적으로 파악하려고 합니다. 한 지역에 대출이 집중되면 집단 채무 불이행 발생 위험이 증가할 수 있기 때문입니다. 지역 간 대출이 균등하게 분포되어 있으면 대출 기관이 대출금 상환을 위해 특정 지역에 지나치게 의존하지 않게 됨으로써 이러한 위험을 줄일 수 있습니다.

분석에서는 이 세 가지 주요 측정항목에 중점을 둡니다.

이 실습에서는 BigQuery를 사용하여 데이터를 수집, 처리, 저장하여 이러한 비즈니스 질문에 답하고 트레버가 사용할 수 있는 일련의 보고서를 준비합니다.

이렇게 하려면 먼저 BigQuery 작업 환경을 설정합니다. 그런 다음 대출 데이터를 탐색하고 트레버가 요청하는 정보를 찾습니다. 다음으로 새로운 주 분류가 포함된 파일을 가져오고 데이터를 표준 테이블로 저장합니다. 그런 다음 두 테이블을 조인하여 결합된 데이터가 포함된 보고서를 준비합니다. 다음으로 목적 데이터를 중복 삭제합니다. 마지막으로 지급된 총 대출 금액을 날짜 및 연도별로 보여주는 보고서를 생성합니다.

설정

'실습 시작'을 클릭하기 전에

다음 안내를 확인하세요. 실습에는 시간 제한이 있으며 일시중지할 수 없습니다. 실습 시작을 클릭하면 타이머가 시작됩니다. 이 타이머는 Google Cloud 리소스를 사용할 수 있는 시간이 얼마나 남았는지를 표시합니다.

이 실무형 실습을 통해 시뮬레이션이나 데모 환경이 아닌 실제 클라우드 환경에서 직접 실습 활동을 진행할 수 있으며, 이를 위해 실습 시간 동안 Google Cloud에 로그인하고 액세스하는 데 사용할 수 있는 새로운 임시 사용자 인증 정보가 제공됩니다.

이 실습을 완료하려면 다음을 준비해야 합니다.

• 표준 인터넷 브라우저 액세스 권한(Chrome 브라우저 권장)

참고: 이 실습을 실행하려면 시크릿 모드 또는 시크릿 브라우저 창을 사용하세요. 개인 계정과 학습자 계정 간의 충돌로 개인 계정에 추가 요금이 발생하는 일을 방지해 줍니다.

• 실습을 완료하기에 충분한 시간. 실습을 시작하고 나면 일시중지할 수 없습니다.

참고: 계정에 추가 요금이 발생하지 않도록 하려면 개인용 Google Cloud 계정이나 프로젝트가 이미 있어도 이 실습에서는 사용하지 마세요.

실습을 시작하고 Google Cloud 콘솔에 로그인하는 방법

1. 실습 시작 버튼을 클릭합니다. 왼쪽에는 다음과 같은 항목이 포함된 실습 세부정보 패널이 있습니다.

   • 남은 시간
   • Google Cloud 콘솔 열기 버튼
   • 이 실습에 사용해야 하는 임시 사용자 인증 정보
   • 필요한 경우 실습 진행을 위한 기타 정보
   참고: 실습 비용을 결제해야 하는 경우 결제 수단을 선택할 수 있는 팝업이 열립니다.

2. Google Cloud 콘솔 열기를 클릭합니다(Chrome 브라우저를 실행 중인 경우 마우스 오른쪽 버튼으로 클릭하고 시크릿 창에서 링크 열기를 선택합니다). 새 브라우저 탭에서 로그인 페이지가 열립니다.

   도움말: 두 개의 탭을 각각 별도의 창으로 나란히 정렬하면 탭 간에 쉽게 전환할 수 있습니다.

   참고: 계정 선택 대화상자가 표시되면 다른 계정 사용을 클릭합니다.

3. 필요한 경우 아래의 Google Cloud 사용자 이름을 복사하여 로그인 대화상자에 붙여넣습니다. 다음을 클릭합니다.

{{{user_0.username | "Google Cloud username"}}}

실습 세부정보 패널에서도 Google Cloud 사용자 이름을 확인할 수 있습니다.

4. 아래의 Google Cloud 비밀번호를 복사하여 시작하기 대화상자에 붙여넣고, 다음을 클릭합니다.

{{{user_0.password | "Google Cloud password"}}}

실습 세부정보 패널에서도 Google Cloud 비밀번호를 확인할 수 있습니다.

중요: 실습에서 제공하는 사용자 인증 정보를 사용해야 합니다. Google Cloud 계정 사용자 인증 정보를 사용하지 마세요. 참고: 이 실습에 자신의 Google Cloud 계정을 사용하면 추가 요금이 발생할 수 있습니다.

5. 이후에 표시되는 페이지를 클릭하여 넘깁니다.
   • 이용약관에 동의하세요.
   • 임시 계정이므로 복구 옵션이나 2단계 인증을 추가하지 마세요.
   • 무료 체험판을 신청하지 마세요.

잠시 후 Cloud 콘솔이 이 탭에서 열립니다.

참고: 왼쪽 상단에 있는 탐색 메뉴를 클릭하면 Google Cloud 제품 및 서비스 목록이 있는 메뉴를 볼 수 있습니다.

작업 1. BigQuery 시작하기

클라우드 데이터 분석가는 프로젝트를 진행할 때 가장 먼저 작업 환경을 열고 분석에 사용할 데이터를 찾아야 합니다.

이 작업에서는 BigQuery 환경을 열고 기존 BigQuery 프로젝트를 선택하며 Fintech 데이터 세트를 찾습니다.

1. 탐색 메뉴 > BigQuery로 이동합니다. 완료를 클릭합니다.
2. 탐색기 섹션에서 fintech 데이터 세트를 찾습니다. 이 데이터 세트는 다음 작업에 사용할 데이터 세트입니다.

작업 2. Fintech 데이터 탐색

Fintech 데이터 세트에는 트레버가 제시한 비즈니스 질문에 답하는 데 사용할 수 있는 대출 정보가 포함되어 있습니다. 주요 정보 중 하나는 총 대출 금액입니다.

이 작업에서는 Fintech 데이터 세트의 테이블을 탐색하여 총 대출 금액이 포함된 테이블과 열을 찾습니다. 이 정보는 트레버가 회사의 현금 지출 흐름을 추적하는 데 중요합니다.

1. fintech 데이터 세트의 각 테이블을 엽니다.
2. 세부정보 탭을 사용하여 각 테이블을 자세히 알아봅니다.
3. 스키마 탭을 사용하여 각 테이블에 포함된 열과 각 열의 데이터 유형을 식별합니다.
4. 프리뷰 탭을 사용하여 데이터를 미리 봅니다. 대출 금액이 포함된 열을 찾아 필요한 정보가 있는지 확인합니다.

트레버는 TheLook Fintech에서 고객에게 대출을 제공하는 경우 돈이 고객에게 입금되는 날짜를 '지급'일이라고 설명합니다. 이는 트레버의 팀이 매일 또는 매달 지출되는 총 현금 금액을 추적하는 데 필요한 또 다른 주요 정보입니다.

Fintech 데이터 세트에서 각 대출이 지급된 날짜가 포함된 테이블을 찾아 다음 질문에 답합니다.

작업 3. CSV 파일 가져오기 및 표준 테이블 만들기

Fintech 데이터 세트에서 분석에 필요한 대부분의 데이터를 찾을 수 있지만 일부를 다른 소스에서 수집해야 합니다. 트레버가 미국 주를 지역과 하위 지역에 매핑하는 CSV 파일을 제공했습니다. 트레버가 이 주요 정보를 사용하면 차용인이 대출을 받은 주나 지역별로 대출을 추적할 수 있습니다.

CSV 파일은 Cloud Storage의 다음 위치에 있습니다.

gs://sureskills-lab-dev/future-workforce/da-capstone/temp_35_us/state_region_mapping/

다음은 CSV 파일의 데이터 예시입니다.

이 작업에서는 CSV 파일을 BigQuery로 가져와 표준 테이블로 저장합니다.

1. CSV 파일을 가져오는 데 사용할 다음 코드를 검토합니다. 그런 다음 아래 질문에 답합니다.

LOAD DATA OVERWRITE fintech.state_region ( state string, subregion string, region string ) FROM FILES ( format = 'CSV', uris = ['gs://sureskills-lab-dev/future-workforce/da-capstone/temp_35_us/state_region_mapping/state_region_*.csv']);

2. 위 명령어를 복사하고 제목 없음 탭에 붙여넣어 CSV 파일의 데이터가 포함된 표준 테이블을 만듭니다.

3. 실행을 클릭합니다.

다음으로 만든 테이블을 검토하고 원본 CSV 파일과 비교합니다.

4. 탐색기 창에서 state_region 테이블을 선택합니다. 테이블이 표시되지 않으면 데이터 세트를 새로고침해야 할 수 있습니다.

5. 프리뷰 탭을 클릭하고 BigQuery로 가져온 데이터를 검사합니다.

내 진행 상황 확인하기를 클릭하여 이 작업이 올바르게 완료되었는지 확인합니다.

CSV 파일 가져오기 및 표준 테이블 만들기

작업 4. 두 테이블의 데이터 조인

필요한 데이터를 탐색하고 수집했습니다. 이제 데이터를 분석에 사용할 수 있도록 처리할 수 있습니다.

트레버는 loan_id, loan_amount, region 이름이 포함된 단일 보고서를 원합니다. 하지만 이 정보는 현재 테이블 2개에 있습니다.

이 작업에서는 필요한 열이 포함된 테이블을 식별하고 SQL을 사용하여 두 테이블을 조인해 보고서를 만듭니다.

1. Fintech 데이터 세트의 테이블을 검토한 후 다음 질문에 답합니다.

2. 쿼리 편집기에서 쿼리 A 및 쿼리 B를 실행하고 결과를 검토합니다. 그런 다음 아래 질문에 답합니다.

쿼리 A

SELECT lo.loan_id, lo.loan_amount, sr.region FROM fintech.loan lo INNER JOIN fintech.state_region sr ON lo.region = sr.region;

쿼리 B

SELECT lo.loan_id, lo.loan_amount, sr.region FROM fintech.loan lo INNER JOIN fintech.state_region sr ON lo.state = sr.state;

작업 5. CTAS를 사용하여 쿼리 결과를 기반으로 테이블 만들기

트레버는 Google Sheets를 사용하여 보고서의 데이터를 추가로 필터링하고 분석하려고 합니다.

하지만 이렇게 하려면 먼저 데이터를 저장할 테이블을 만들어야 합니다.

CTAS 문 또는 CREATE TABLE AS SELECT 문은 SELECT 문의 결과를 기반으로 새 테이블을 만드는 SQL 문입니다. 이러한 문은 새 테이블을 빠르고 쉽게 만드는 데 사용할 수 있는 강력한 도구입니다. CTAS 문으로 생성된 테이블을 다른 사용자와 공유할 수 있도록 BigQuery에서 쉽게 내보낼 수도 있습니다.

이 작업에서는 CREATE TABLE AS SELECT를 사용하여 새 테이블을 만든 후 해당 테이블을 Google Sheets에 연결합니다.

1. 다음 명령어를 복사하여 쿼리 편집기에 붙여넣습니다.

CREATE OR REPLACE TABLE fintech.loan_with_region AS SELECT lo.loan_id, lo.loan_amount, sr.region FROM fintech.loan lo INNER JOIN fintech.state_region sr ON lo.state = sr.state; 참고: 이 쿼리는 이전 작업에서 보고서를 만드는 데 사용된 쿼리의 수정본입니다. 하지만 이 쿼리의 CREATE OR REPLACE TABLE은 쿼리가 실행될 때마다 테이블을 만들거나 기존 테이블을 바꾸는 데 사용됩니다.

2. 실행을 클릭합니다.

3. 새 테이블을 찾습니다. 새로고침해야 할 수도 있습니다.

내 진행 상황 확인하기를 클릭하여 이 작업이 올바르게 완료되었는지 확인합니다.

CTAS를 사용하여 쿼리 결과를 기반으로 테이블 만들기

4. 탐색기 창에서 새로 만든 loan_with_region 테이블을 선택합니다. 테이블이 표시되지 않으면 새로고침을 클릭하여 데이터 세트를 새로고침합니다.

5. Sheets를 열려면 제공된 Google Sheets 열기 링크를 마우스 오른쪽 버튼으로 클릭하고 새 시크릿 창에서 링크를 여는 옵션을 선택합니다.

6. Google Workspace에 로그인하려면 현재 실습 페이지에 제공된 사용자 인증 정보(사용자 이름 및 비밀번호)를 사용합니다.

7. 툴바에서 다음에서 열기를 클릭한 후 연결된 시트를 선택합니다. 시작하기를 클릭합니다.

8. loan_with_region 테이블에 연결된 데이터와 동일한 데이터가 포함된 Google 시트가 열립니다.

9. Google 시트의 데이터를 검토합니다.

이제 Google 시트를 트레버와 공유할 수 있으며 트레버는 스프레드시트 형식으로 데이터를 사용할 수 있습니다.

작업 6. 중첩된 데이터 사용

트레버는 사람들이 TheLook Fintech에서 대출을 받는 주요 이유를 조사하고 있습니다. 이는 차용인의 대출 사유가 대출 상환 여부를 예측하는 데 강력한 지표가 된다는 사실을 발견했기 때문입니다.

트레버는 각 차용인이 대출을 신청할 때 제공한 목적이 포함된 간단한 보고서를 만들어 달라고 요청합니다. 하지만 이 데이터는 대출 신청 절차의 일부로 캡처되고 purpose라는 중첩된 열에 저장되므로 이 데이터를 찾는 것이 어려울 수 있습니다.

이 작업에서는 application 레코드에 중첩된 purpose 열을 찾아 차용인이 대출을 받는 이유를 찾는 쿼리를 실행합니다.

1. 탐색기 창에서 loan 테이블을 선택합니다.

2. 스키마 탭을 선택하고 application 열을 찾습니다.

3. 스키마 탭의 application 옆에 있는 드롭다운 화살표를 클릭하여 레코드를 펼칩니다.

4. 프리뷰 탭을 클릭하고 loan 테이블의 샘플 데이터를 검사합니다.

다음 쿼리가 loan 테이블에서 각 대출의 목적을 반환할 수 있다고 생각하시나요?

5. 다음 명령어를 복사하여 쿼리 편집기에 붙여넣습니다.

SELECT loan_id,purpose FROM fintech.loan;

6. 실행을 클릭합니다.

7. 다음 명령어를 복사하여 쿼리 편집기에 붙여넣습니다.

SELECT loan_id,application.purpose FROM fintech.loan;

8. 실행을 클릭합니다.

이 쿼리는 loan 테이블에 있는 각 대출의 목적을 반환합니다. 트레버는 이를 사용하여 사람들이 TheLook Fintech에서 대출을 받는 가장 일반적인 이유를 검토할 수 있습니다.

점 표기법을 사용하여 레코드 이름과 열 이름을 차례로 지정하면 레코드(또는 구조체)에 있는 열이 참조됩니다. 예를 들어 application 레코드의 purpose 열을 참조하려면 application.purpose 표기법을 사용합니다.

내 진행 상황 확인하기를 클릭하여 이 작업이 올바르게 완료되었는지 확인합니다.

중첩된 데이터 사용

작업 7. 데이터 중복 삭제

트레버가 사용할 대출 목적 목록을 만들 때 차용인이 대출을 받은 이유 중 일부가 두 번 이상 표시된 것으로 보입니다.

예를 들어 이유에 'wedding'이 여러 번 표시되어 있습니다.

쿼리 결과는 다음과 같습니다.

중복 데이터는 클라우드 데이터 분석가가 흔히 겪는 문제입니다. 데이터 세트에서 중복을 삭제하는 프로세스를 중복 삭제라고 합니다.

과제: 고유한 값이 포함된 단일 열 테이블 만들기

• fintech.loan 테이블의 purpose 열에 고유한 값이 있는 purpose 단일 열이 포함된 fintech.loan_purposes 테이블을 만드는 쿼리를 작성합니다.

도움말: CREATE TABLE AS SELECT(CTAS) 문을 사용하여 이 작업을 실행할 수 있습니다.

내 진행 상황 확인하기를 클릭하여 이 작업이 올바르게 완료되었는지 확인합니다.

데이터 중복 삭제

작업 8. 보고서를 사용하여 비즈니스 질문에 답하기

트레버는 연도별로 지급된 총 대출 금액이 포함된 보고서도 필요합니다. 이 작업에서는 해당 데이터를 생성하는 쿼리를 작성한 후 결과가 포함된 테이블을 만듭니다.

트레버는 issue_year 및 total_amount 열이 모두 포함된 보고서와 유사한 구조의 보고서를 원한다고 설명합니다.

다음으로 데이터를 검사합니다.

1. 다음 명령어를 복사하여 쿼리 편집기에 붙여넣습니다.

SELECT issue_year, loan_amount FROM fintech.loan ORDER BY issue_year, issue_date;

2. 실행을 클릭합니다.

쿼리에서 다음과 유사한 결과를 반환해야 합니다.

참고: 연도별 행이 두 개 이상 있습니다. 예를 들어 처음 몇 행은 2012년 데이터입니다. 트레버는 샘플 보고서처럼 행이 연도별로 하나씩 있기를 원합니다.

3. 다음 명령어를 복사하여 쿼리 편집기에 붙여넣습니다.

SELECT issue_year, sum(loan_amount) AS total_amount FROM fintech.loan GROUP BY issue_year;

4. 실행을 클릭합니다.

쿼리에서 GROUP BY 키워드와 sum() 함수가 사용되었습니다.

과제: 연도별로 그룹화된 대출을 계산하는 테이블 만들기

fintech 데이터 세트에서 issue_year별로 그룹화된 loan_id를 계산하는 loan_count_by_year 테이블을 만드는 쿼리를 작성합니다.

힌트: 아이디어가 떠오르지 않나요? Gemini와 같은 생성형 AI 도구는 SQL 구문을 지원하고 코드에서 발생할 수 있는 오류를 식별할 수 있는 유용한 도구로, 이 도구를 사용하면 코드를 더욱 효율적으로 이해할 수 있습니다.

내 진행 상황 확인하기를 클릭하여 이 작업이 올바르게 완료되었는지 확인합니다.

보고서를 사용하여 비즈니스 질문에 답하기

결론

TheLook Fintech의 클라우드 데이터 분석가는 트레버와 재무부에서 회사의 현금 흐름을 더욱 효율적으로 이해하고 정보에 입각한 비즈니스 결정을 내리는 데 필요한 데이터를 성공적으로 제공했습니다.

먼저 대출 데이터를 탐색하여 Fintech 데이터 세트에서 총 대출 금액과 같은 트레버가 요청한 정보를 찾았습니다.

다음으로 트레버가 지역별로 대출을 분류하는 방식을 변경하는 데 사용하려는 새로운 주 분류가 포함된 파일을 가져왔습니다.

그런 다음 쿼리 결과를 사용하여 새 테이블을 만들었습니다. 트레버는 이 테이블을 사용하여 대출 ID, 대출 금액, 지역 이름이 표시된 보고서를 만듭니다.

데이터를 중복 삭제하여 중복 레코드를 삭제했습니다.

마지막으로 지급된 총 대출 금액이 날짜별 및 연도별로 포함된 보고서를 생성했습니다. 트레버가 회사의 현금 흐름을 더욱 효율적으로 이해하려면 이 보고서가 필요합니다.

데이터를 분석할 수 있도록 수집, 처리, 저장하는 방법을 이해하는 데 도움이 되었기를 바랍니다.

실습 종료

실습을 종료하기 전에 모든 작업을 완료했는지 확인하세요. 준비가 되면 실습 종료를 클릭한 다음 제출을 클릭합니다.

실습을 종료하면 실습 환경에 대한 액세스 권한이 삭제되며, 실습에서 완료한 작업에 다시 액세스할 수 없습니다.

Copyright 2026 Google LLC All rights reserved. Google 및 Google 로고는 Google LLC의 상표입니다. 기타 모든 회사명 및 제품명은 해당 업체의 상표일 수 있습니다.