AI로 데이터 분석하기: Code Interpreter, PandasAI, 실전 활용법

flowchart LR
    Data[CSV/DB/Excel] --> AI[AI 분석]
    AI --> Viz[차트 자동 생성]
    AI --> Insight[인사이트 추출]
    AI --> Report[리포트 생성]

    User[비개발자] --> |"이 데이터에서 매출 상위 10개 제품 보여줘"| AI

# 기본 분석
"이 데이터를 분석해서 주요 특징 5가지를 알려줘"

# 시각화
"월별 매출 트렌드를 한국어 레이블로 선 그래프로 그려줘"

# 이상값 탐지
"outlier를 찾아서 어떤 데이터인지 설명해줘"

# 예측
"지난 12개월 데이터로 다음 3개월 매출을 예측해줘"

# 비교 분석
"A 그룹과 B 그룹의 통계적 유의미한 차이가 있는지 검정해줘"

사용자: 이 고객 데이터에서 이탈 위험이 높은 고객 세그먼트를 찾아줘

ChatGPT: [데이터 분석 후]
이탈 위험 세그먼트를 3개 발견했습니다:
1. 고위험 (847명): 3개월 이상 미접속, 평균 구매액 하락 30%
2. 중위험 (2,341명): 1개월 이상 미접속, 지원 티켓 2건 이상
3. 저위험 (5,129명): 접속 감소 중, 신규 기능 미사용
[K-Means 클러스터링 결과 시각화 포함]

from pandasai import SmartDataframe
from pandasai.llm import OpenAI
import pandas as pd

# 데이터 로드
df = pd.read_csv("sales_data.csv")

# SmartDataframe 래핑
llm = OpenAI(api_token="sk-...")
smart_df = SmartDataframe(df, config={"llm": llm})

# 자연어로 쿼리
result = smart_df.chat("2024년 4분기 지역별 매출 상위 5개를 알려줘")
print(result)

# 시각화 요청
chart = smart_df.chat("월별 매출 트렌드를 막대 그래프로 그려줘")
# → matplotlib 차트 자동 생성 및 저장

# 복잡한 분석
analysis = smart_df.chat('''
신규 고객과 기존 고객의 평균 주문금액 차이를 분석하고,
통계적으로 유의미한지 t-검정으로 확인해줘
''')

프롬프트:
"다음 데이터로 인터랙티브 대시보드를 만들어줘:

월별 매출: 1월 1.2억, 2월 0.9억, 3월 1.5억, 4월 1.8억, 5월 2.1억
카테고리별 비율: 전자제품 45%, 의류 30%, 식품 25%

Recharts 사용하고 한국어 레이블로"

import pandas as pd
from anthropic import Anthropic
import json

client = Anthropic()

def analyze_sales_data(csv_path: str) -> str:
    # 1. 데이터 로드 및 기본 통계
    df = pd.read_csv(csv_path)

    stats = {
        "총 행수": len(df),
        "기간": f"{df['date'].min()} ~ {df['date'].max()}",
        "총 매출": f"{df['revenue'].sum():,.0f}원",
        "평균 매출": f"{df['revenue'].mean():,.0f}원",
        "월별 매출": df.groupby(df['date'].str[:7])['revenue'].sum().to_dict(),
        "카테고리별 매출": df.groupby('category')['revenue'].sum().to_dict(),
        "상위 10개 상품": df.groupby('product')['revenue'].sum().nlargest(10).to_dict(),
    }

    # 2. AI 인사이트 생성
    response = client.messages.create(
        model="claude-sonnet-4-6-20251001",
        max_tokens=2000,
        messages=[{
            "role": "user",
            "content": f'''다음 판매 데이터 통계를 분석해서 경영진 리포트를 작성해주세요.

데이터:
{json.dumps(stats, ensure_ascii=False, indent=2)}

리포트 형식:
1. 핵심 요약 (3줄 이내)
2. 주요 발견 사항 (3-5개)
3. 개선 권고사항 (2-3개)
4. 다음 달 예측'''
        }]
    )

    return response.content[0].text

# 사용
report = analyze_sales_data("sales_2024.csv")
print(report)

import altair as alt
import pandas as pd
from openai import OpenAI

client = OpenAI()

def auto_visualize(df: pd.DataFrame, question: str) -> alt.Chart:
    # 데이터 구조 설명
    df_info = f'''
컬럼: {list(df.columns)}
데이터 타입: {dict(df.dtypes)}
샘플 (3행): {df.head(3).to_dict()}
'''

    # LLM에게 Vega-Altair 차트 코드 생성 요청
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=[{
            "role": "system",
            "content": "Vega-Altair Python 코드만 반환하세요. 설명 없이 실행 가능한 코드만."
        }, {
            "role": "user",
            "content": f"데이터:
{df_info}

질문: {question}"
        }]
    )

    chart_code = response.choices[0].message.content
    # exec로 실행 (프로덕션에서는 샌드박스 사용)
    local_vars = {"df": df, "alt": alt}
    exec(chart_code, local_vars)
    return local_vars.get("chart")

# 사용
df = pd.read_csv("sales.csv")
chart = auto_visualize(df, "월별 카테고리별 매출을 누적 막대 그래프로")
chart.save("output.html")