실습용 데이터 생성기 사용법 — 제조·경영·광고·텍스트 데이터를 조건대로 만들기
결측치도, 이상치도, 계절성도 원하는 만큼 넣어서 — 교육 포인트에 딱 맞는 실습 데이터를 즉시 만드는 도구입니다.
어떤 상황에서 쓰는 도구인가요
데이터 분석을 가르치거나 배울 때 가장 먼저 부딪히는 벽은 의외로 분석 기법이 아니라 '연습할 데이터가 없다'는 것입니다. 회사에서 다루는 진짜 데이터는 보안 규정 때문에 교육장 밖으로 반출할 수 없고, 인터넷의 공개 데이터셋은 대부분 이미 잘 정리되어 있어서 정작 가르치고 싶은 상황 — 센서가 꺼져 값이 비고, 장비 오류로 값이 튀는 상황 — 이 들어 있지 않은 경우가 많습니다. 도메인이 안 맞는 것도 문제입니다. 제조 현장 교육에 타이타닉 승객 명단을 쓰면 수강생이 자기 업무와 연결하기 어렵습니다.
DataForge의 데이터 생성기 4종은 이 문제를 뒤집어 풉니다. 실제 데이터를 구해오는 대신, 원하는 조건의 실습 데이터를 그 자리에서 만들어 씁니다. 업종·기간·난이도는 물론, 결측치와 이상치를 몇 % 섞을지까지 직접 정할 수 있어서 '오늘 수업에서 다룰 문제'가 정확히 들어 있는 데이터를 몇 초 만에 손에 쥘 수 있습니다.
네 가지 생성기가 만드는 데이터
도메인별로 생성기가 나뉘어 있고, 각 생성기 안에서 다시 데이터 종류를 탭으로 고릅니다.
- 🏭 제조 (/mfg) — 센서/공정 데이터 · 품질 검사 · 설비 유지보수 · 생산 KPI · 스트리밍 시뮬. 반도체·자동차 부품·배터리·철강·PCB·태양광·식품 등 업종을 고르면 해당 공정에 맞는 센서 컬럼이 구성됩니다. 품질 검사는 OK/NG 이진 분류, 설비 데이터는 24시간 내 고장 여부 타겟이 들어 있어 예지보전 모델 실습에 바로 쓸 수 있습니다.
- 📊 경영 (/biz) — 수요 예측 · 재무 P&L · 고객 분석 · 공급망 · HR 데이터. 수요 예측은 계절성(약함 ±15% / 강함 ±40%)·추세·프로모션 이벤트를 조절할 수 있는 시계열이고, 고객 분석은 RFM·이탈 예측·CLV·거래 이력 중에서 고릅니다. 공급망 탭은 재고 추이·발주 이력·납기 실적·공급업체 평가 데이터를 만듭니다.
- 📣 광고 (/ads) — 캠페인 성과 · 소재/채널 분석 · A/B 테스트 · 전환 분석 · 멀티터치 어트리뷰션. Meta·Google Ads·카카오 모먼트·네이버·TikTok 등 채널을 고르고 CTR·ROAS·CPA 같은 성과 지표가 담긴 데이터를 만듭니다. A/B 테스트 탭은 랜딩페이지·이메일·가격 실험 등을 변형 2~4개로 생성해 가설 검정 실습에 쓸 수 있습니다.
- ✍️ 텍스트 (/text) — 고객 리뷰 · SNS 포스트 · 뉴스 기사 · 상품 설명 · 사내 보고서 · 논문 초록 · 블로그 포스트 등 NLP 실습용 텍스트. 톤(긍정·부정·혼합 등)과 개수·길이를 정하면 조건에 맞는 생성 프롬프트를 만들어 주고, 이를 AI에 붙여넣어 감성 레이블이 달린 텍스트를 받는 방식입니다.
공통 사용 흐름
- 도메인 선택 — 만들고 싶은 데이터의 분야에 맞춰 /mfg · /biz · /ads · /text 중 하나로 들어갑니다. 허브 첫 화면의 STEP 1 카드에서 골라도 됩니다.
- 데이터 종류(탭) 선택 — 상단 탭에서 원하는 데이터를 고릅니다. 예를 들어 제조라면 센서/공정 · 품질 검사 · 설비 유지보수 · 생산 KPI 중 하나입니다. 각 생성기의 📋 스키마 가이드 탭에서 컬럼 구성을 미리 확인할 수 있습니다.
- 조건 설정 — 업종·기간·행 수 같은 기본 조건과 분석 난이도(ML Difficulty)를 정합니다. 제조 센서 탭이라면 이상 데이터 설정에서 스파이크·드리프트·결측치(NULL/NaN)·고착값·노이즈를 항목별 비율(%)로 켜고 끌 수 있습니다.
- 🚀 데이터 생성 — 버튼을 누르면 미리보기 표와 행 수·결측치 개수 같은 요약 통계가 바로 나타납니다. 마음에 안 들면 조건을 바꿔 다시 생성하면 됩니다.
- ⬇ 다운로드 — CSV·JSON·JSONL·SQL 중 원하는 포맷으로 내려받거나, 📋 클립보드 복사로 바로 붙여넣습니다. CSV는 엑셀에서 한글이 깨지지 않도록 처리되어 있습니다.
교육에서 활용하는 법
이 생성기의 진짜 힘은 '깨끗한 데이터'가 아니라 '일부러 오염시킨 데이터'를 만들 때 나옵니다. 제조 센서 데이터에 결측치 5%와 스파이크 이상치 2%를 섞어 생성한 뒤, 그 파일을 결측치·이상치 시뮬레이터에 올리면 전처리 수업이 한 흐름으로 이어집니다. 정답(원래 몇 %를 섞었는지)을 아는 상태에서 탐지 결과를 확인할 수 있으니, '내가 쓴 방법이 오염을 얼마나 잡아냈는가'를 검증하는 연습이 됩니다.
분석 난이도 설정도 같은 방식으로 씁니다. Easy로 만든 데이터는 단순한 이상치라 기본 모델로도 잘 잡히지만, 난이도를 올리면 노이즈와 열화가 섞여 같은 코드의 성능이 뚝 떨어집니다. 같은 실습을 난이도만 바꿔 두 번 돌려보면 '모델 성능은 데이터에 달려 있다'는 말을 숫자로 체감하게 됩니다.