챗GPT로 매출 대시보드 만들기

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

챗GPT로 매출 대시보드를 만들려면 매출 데이터를 분석한 대화에서 KPI와 차트 요구사항을 제시하고, 생성된 화면을 수정하며 Sites로 공유하면 된다.

📌 핵심 요점

1. 벽돌깨기 게임 실습은 자연어로 요구사항을 설명하면 AI가 코드를 만드는 ‘바이브 코딩’을 체험하는 준비 단계였다.
2. 매출 엑셀을 분석했던 대화창에서 대시보드 제작을 이어가면 데이터와 AOP에 관한 기존 맥락을 활용할 수 있다.
3. 대시보드의 주요 요구사항은 KPI 카드, 월별 AOP 대비 실적 차트, 고객별 달성률 막대 차트였다.
4. Sites는 제작한 웹페이지를 주소로 공유하는 과정을 줄여준다. 첫 결과물에 기능 추가와 수정을 요청하며 품질을 높이는 방식이 제시됐다.
5. 발표자는 AI가 구현을 맡을수록 업무 지식과 요구사항 정의의 가치가 커진다고 주장했다. 같은 데이터와 프롬프트에서도 화면은 달랐으며, 그 이유는 다음 이야기로 남겼다.

🧩 배경과 문제 정의

기업 강의에서 수강생들은 문서와 슬라이드를 만든 뒤, 잠시 쉬어가는 과제로 벽돌깨기 게임을 제작했다. 코드를 직접 쓰지 않고 짧은 시간에 게임을 만드는 경험은 오후의 매출 대시보드 실습으로 넘어가는 연결고리였다.

본실습의 문제는 엑셀 원본 숫자만으로는 매출의 의미를 파악하기 어렵다는 것이었다. 앞서 분석한 데이터를 차트와 지표가 있는 화면으로 바꾸고, 팀과 공유할 수 있도록 만드는 과정에서 자연어 요구사항과 업무 지식의 역할을 살펴본다.

🕒 시간순 섹션별 상세정리

1. 게임으로 체험한 자연어 코딩

• 수강생들은 코드를 직접 작성하지 않고 약 10분 만에 벽돌깨기 게임을 만들었다. 발표자는 가벼운 작업에는 토큰을 아끼기 위해 채팅 모드를 선택했다고 보여준다. [01:10]
• 소리 효과, 시간이 지날수록 빨라지는 공, 다양한 벽돌 특성을 요청했다. 원하는 기능을 대화로 설명하면 AI가 구현하는 방식을 바이브 코딩이라고 보여준다. [02:01]
• 결과물은 미처리 메일을 벽돌로 표현한 게임이었다. 같은 기본 프롬프트에서도 각자가 더한 아이디어에 따라 서로 다른 게임이 나왔다. [03:06]

2. 매출 분석 맥락을 대시보드 제작으로 연결

• 앞서 AI와 분석한 매출 엑셀을 바탕으로 프로그램을 만들기로 했다. 숫자를 차트와 필터가 있는 대시보드로 바꾸는 것이 목표였다. [03:45]
• 매출 데이터와 AOP를 설명했던 대화창에서 작업을 이어갔다. 발표자는 기존 맥락을 유지하면 새 창에서 설명을 반복하는 일을 줄일 수 있다고 안내한다. [04:08]
• 프롬프트의 Sites 표기를 메뉴에서 다시 선택해 기능을 호출했다. Sites는 웹페이지를 팀이나 조직과 주소 하나로 공유하는 과정을 줄여주는 기능으로 묶인다. [05:06]

3. 지표를 지정하고 첫 버전을 요청

• 요구사항은 KPI 카드, 월별 AOP 대비 실적 차트, 고객별 달성률 막대 차트였다. KPI 카드는 목표 대비 실적처럼 바로 확인해야 할 숫자를 크게 보여주는 용도로 드러난다. [05:29]
• ‘파워비처럼 멋있게’라는 추상적인 요청도 덧붙였다. 첫 결과를 본 뒤 기능 추가와 오류 수정을 이어가며 품질을 높이면 된다는 접근이다. [05:58]
• 발표자는 제작에 10~15분 정도가 걸릴 것으로 예상하고, 이런 결과물을 AI로 10~20분에 만들 수 있다고 설명했다. 개발자가 만들 때 필요한 기간과의 비교는 발표자의 추정이다. [06:26]

4. 구현 비용보다 업무 지식과 제어권을 강조

• 제작을 기다리는 동안 발표자는 신입 개발자의 취업난을 언급했다. 경험 있는 개발자가 AI에 일을 맡기면서 기존에 신입에게 주던 업무가 줄어든다는 해석을 제시한다. [07:31]
• 외주 개발에서는 업무를 설명하고 결과를 다시 수정하는 과정이 반복될 수 있다고 지적했다. 반대로 자기 업무를 잘 아는 사람이 AI를 사용하면 직접 제작에 참여할 수 있다는 주장이다. [08:34]
• 개발자·개발사 비용과 AI 이용료를 비교한 뒤, 직접 만들면 결과물을 스스로 제어할 수 있다는 점을 더 큰 차이로 강조한다. 핵심 메시지는 업무를 아는 사람이 만드는 사람이 된다는 것이다. [09:11]

5. 완성된 화면과 남겨진 개발자의 역할

• 대시보드가 완성되자 미리 보기를 확대해 확인했다. 왼쪽 메뉴에서 항목을 고르면 가운데에 해당 지표가 나타나는 화면 구조를 보여준다. [09:41]
• 같은 데이터와 프롬프트를 쓴 수강생들의 화면에서도 색상, 카드 배치, 차트 모양이 조금씩 달랐다. 발표자는 그 이유를 다음 이야기로 남겼다. [10:08]
• 마지막에는 코드는 AI가 작성했지만 게임의 아이디어와 대시보드에 표시할 내용은 사람이 정했다고 정리한다. 그 사이에서 개발자가 어디에 있어야 하는지는 아직 답을 찾는 중이라고 드러낸다. [10:31]

🧾 결론

• 매출 대시보드 제작의 출발점은 데이터를 이해하고 어떤 지표를 보여줄지 정하는 일이다.
• 자연어 요구사항은 화면의 설계도가 되고, 생성된 첫 버전은 후속 수정의 출발점이 된다.
• 사례의 마지막에는 AI가 코드를 작성하고 사람이 아이디어와 표시할 지표를 결정했다는 역할 구분이 강조된다.

📈 투자·시사 포인트

• 기업의 AI 활용은 문서 작성과 데이터 분석에서 업무용 프로그램 제작으로 확장될 수 있다는 사례다.
• 발표자의 관점에서는 업무를 아는 실무자가 직접 도구를 만들면서 외주 설명과 수정에 드는 부담을 줄일 수 있다. 다만 영상의 비용 비교만으로 실제 절감액을 확정할 수는 없다.
• 개발자에게는 코드 작성 능력 외에 업무 흐름 이해와 요구사항 설계가 중요한 경쟁력으로 제시된다. 신입 채용 변화에 대한 설명은 발표자의 해석으로 구분해야 한다.
• 제작과 공유가 쉬워질수록 조직은 대시보드의 외형뿐 아니라 지표가 업무 목적에 맞는지도 평가할 필요가 있다.

⚠️ 불확실하거나 확인이 필요한 부분

• 게임과 대시보드의 제작 시간, 개발자·외주 비용, AI 이용료 비교는 발표자가 제시한 사례와 추정이다. 동일한 요구사항과 완성도를 기준으로 한 비교 검증은 제공되지 않는다.
• 신입 개발자의 취업난과 AI의 업무 대체에 관한 주장은 채용 통계나 별도의 근거 없이 제시된다. AI가 코딩을 사람보다 잘한다는 발언 역시 적용 범위가 명확하지 않다.
• 대시보드의 실제 수치, 계산식, 원본 데이터와의 일치 여부는 transcript에서 확인할 수 없다. 같은 입력으로 화면이 달라진 이유도 설명되지 않는다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 매출 엑셀을 분석한 기존 대화에서 데이터와 AOP의 의미가 정리돼 있는지 확인한다.
• KPI 카드, 월별 AOP 대비 실적, 고객별 달성률을 기본 요구사항으로 적고 추가로 보고 싶은 관점을 명시한다.
• Sites를 메뉴에서 선택해 제작을 요청하고, 첫 화면을 확인한 뒤 필요한 기능과 오류 수정을 구체적으로 요청한다.
• 완성된 대시보드의 목표·실적·달성률을 원본 엑셀과 대조한 뒤 팀에서 함께 볼 화면을 확정한다.

❓ 열린 질문

• 같은 데이터와 같은 프롬프트를 사용했는데 색상·카드 배치·차트 모양이 달라진 이유는 무엇인가?
• AI가 구현을 맡고 실무자가 요구사항을 정하는 과정에서 개발자는 어떤 역할을 담당해야 하는가?
• 강의에서 만든 대시보드를 실제 업무에 지속적으로 사용하려면 어떤 수정과 검증이 더 필요한가?