
🎯 들어가며
데이터는 결국 ‘보고 이해할 수 있을 때’ 의미를 갖습니다.
수집한 데이터가 아무리 많아도, 한눈에 읽히지 않으면 의사결정에는 쓰이지 않습니다.
그래서 오늘은 구글의 Looker Studio를 활용해 데이터를 시각화하고, KPI 중심의 대시보드를 기획하는 과정을 정리해봤습니다.
툴 사용법보다는 “어떤 생각으로 대시보드를 구성해야 하는가”에 초점을 맞추는 내용이 될 것 같습니다.
🧩 1. Looker Studio 기본 이해
Looker Studio(이전 이름: Google Data Studio)는 데이터를 연결하고 시각화하는 무료 BI 도구입니다.
- Google Sheets, BigQuery, CSV 등 다양한 소스와 연결 가능(연동이 쉬움/연동할 경우 15분마다 데이터 업데이트)
- 실시간 업데이트, 필터, 드릴다운 등 상호작용 지원
- 여러 사람이 함께 볼 수 있는 ‘공유형 대시보드’ 제작 가능
즉, 복잡한 코드 없이도 데이터 기반 보고서를 자동화할 수 있는 환경을 만들어줍니다.
제가 중요하게 본 부분은 “데이터가 자동으로 흐른다”는 점입니다.
수작업으로 리포트를 만드는 대신, 데이터 파이프라인의 마지막 단계를 Looker Studio로 연결해 ‘지표가 살아있는 상태’를 유지하는 게 가능하다는 점이 Looker Studio를 사용하는 핵심 포인트라고 생각합니다.
⚙️ 2. 대시보드를 만들기 전에: 기획 단계
대시보드는 단순한 시각화가 아니라 “조직이 현재 어디에 있고, 어디로 가고 있는지를 보여주는 지도”여야 할 필요가 있다고 생각합니다.
그래서 저는 대시보드 제작 전에 항상 아래 3가지를 먼저 정리하면 좋을 것 같습니다.
① 목적 정의 : “이 대시보드는 왜 필요한가?”
- 경영진이 보는 핵심 KPI용인가,
- 마케팅 캠페인 성과용인가,
- 서비스 지표(전환율·리텐션) 모니터링용인가
목적이 명확해야 지표의 범위와 깊이를 정할 수 있습니다.
② 주요 지표 선정 : “무엇을 보여줄 것인가?”
- 성과형 지표: 매출, 전환율, 고객 수
- 활동형 지표: 방문수, 클릭수, 이벤트 발생
- 품질형 지표: 이탈률, 리텐션, NPS
KPI는 많을수록 좋은 게 아니라, 결정적인 3~5개 지표만 명확하게 보여주는 것이 좋습니다.
③ 스토리 구조 설계 : “어떤 순서로 보여줄 것인가?”
보고서의 흐름 = 문제 인식 → 원인 분석 → 결과 확인
예를 들어,
- (1) 전체 트렌드 → (2) 주요 전환 포인트 → (3) 세부 사용자 행동 이런 식으로 계층 구조를 미리 짜두면 시각화가 훨씬 깔끔해질 것 같네요.
🧱 3. 데이터 연결 및 준비
Looker Studio에서 데이터 연결은 생각보다 간단합니다.
- 데이터 소스 선택 (예: Google Sheets, BigQuery, CSV 등)
- 필요한 열만 선택 (불필요한 필드는 제외)
- 데이터 형식 지정 (숫자/날짜/문자형 구분)
- 필요 시 계산 필드 추가
- 예: 전환율 = 전환수 / 방문수 * 100
여기서 중요한 건 “지표의 계산 로직을 통일시키는 것”이지 않을까요?
같은 ‘전환율’이라도 부서마다 계산 방식이 다르면 대시보드의 신뢰도는 하향됩니다.
🎨 4. 시각화 설계: 보이지 않는 ‘의미’를 보이게 하기
대시보드를 디자인할 때, 저는 ‘정보를 강조하는 시각화’를 목표로 하고 디자인하려고 합니다.
① 전체 트렌드 : “숫자의 방향성 보기”
- 시계열 그래프(라인(꺾은선) 차트)로 KPI 추이를 표시
- 주간·월간 단위로 묶어서 변동 폭 확인
② 주요 구성비 : “무엇이 비중을 차지하는가?”
- 파이 차트, 트리맵, 바 차트 활용
- 예: 유입 채널별 전환 비중
③ 세부 성과 비교 : “어디가 문제인가?”
- 테이블 또는 히트맵 형태
- 예: 캠페인별 클릭률, 지역별 매출
💡 Tip: 색상은 최소한으로. 의미 있는 포인트(감소·증가 등)에만 시각적 강조.
📊 5. Looker Studio에서 KPI 대시보드 구성 예시
| 구역 | 내용 | 목적 |
| 상단 | 전체 요약 (매출, 전환율, 방문자수 등) | 한눈에 핵심 KPI 파악 |
| 중단 | 트렌드 그래프 (시간 흐름) | 변화의 맥락 확인 |
| 하단 | 세부 분석 (채널·지역·캠페인 등) | 원인 파악 및 개선 포인트 도출 |
| 보조영역 | 필터(기간/채널 등) | 사용자 맞춤 조회 지원 |
이 구조의 핵심은
“숫자 → 흐름 → 원인” 이라는 데이터 스토리라인이 자연스럽게 이어지게 하는 것입니다.
🔍 6. 완성 이후: 유지와 개선
대시보드는 한 번 만들고 끝나는 것이 아닙니다.
오히려, 시간이 지날수록 ‘지표의 질문력’을 높여가는 과정입니다.
- 매달 KPI를 다시 검토하며 불필요한 지표는 제거
- 팀별 피드백을 반영해 필터·세부 항목 추가
- 목표 대비 편차를 자동 표시하도록 계산 필드 확장
결국 대시보드의 완성도는 ‘디자인’보다 지속적으로 업데이트되고 활용되는가에 달려 있습니다.
☕ 마무리하며
Looker Studio로 KPI 대시보드를 만드는 일은 단순히 ‘예쁜 차트를 그리는 일’이 아니라,
“데이터가 흐르고, 의미가 드러나고, 의사결정이 쉬워지게 하는 구조를 만드는 일”
이라고 생각합니다.
대시보드는 결과물이 아니라, 데이터 문화가 작동하고 있는 증거에 가깝습니다.
그래서 이번 글을 정리하면서, “시각화는 결국 커뮤니케이션의 언어”라는 걸 다시 느꼈습니다.
'Learning Journey > Data Analytics & Insight' 카테고리의 다른 글
| 🧪 A/B 테스트 설계와 분석 방법 (데이터로 가설을 검증하는 실험의 언어) (0) | 2025.11.14 |
|---|---|
| 🔁 Cohort 분석으로 리텐션 이해하기(사용자가 남는 이유를 데이터로 읽는 법) (0) | 2025.11.12 |
| 🧭 AARRR 퍼널 분석으로 사용자 흐름 이해하기 (데이터로 보는 성장의 여정) (1) | 2025.11.11 |
| 의사결정이 빠른 팀은 대시보드를 이렇게 만든다 (지표 중심 대시보드 설계 프로세스) (0) | 2025.11.09 |
| 📊 업종별 KPI 설계의 기술 (비즈니스마다 지표가 달라야 하는 이유) (0) | 2025.11.08 |

데이터 분석을 공부하고 카페를 열심히 돌아다니는 이야기
포스팅이 좋았다면 "좋아요❤️" 또는 "구독👍🏻" 해주세요!