엑셀은 끝났다? AI 시대에 다시 정의되는 데이터 분석 스킬

2012년, JP모건체이스의 트레이딩 부서에서 만든 위험관리용 엑셀 파일 하나가 은행에 62억 달러(약 8조 원)의 손실을 만들었다. 이른바 "런던 고래" 사건이다. 원인은 거창한 금융공학의 실패가 아니었다. 한 애널리스트가 값을 복사해 붙여넣는 과정에서 분모가 되어야 할 셀 대신 다른 셀을 참조했고, 위험 지표가 실제보다 절반 가까이 낮게 계산됐다. 셀 하나의 참조 오류가 조 단위 손실로 이어진 것이다. 이 사건은 지금도 "엑셀 재난(Excel disaster)"의 대표 사례로 회자된다. 그리고 최근 2년, 이 오래된 도구를 둘러싸고 다시 뜨거운 질문이 떠올랐다. "AI가 엑셀을 대체하는가, 아니면 결국 엑셀은 죽지 않는가." 결론부터 말하면 둘 다 절반만 맞다. 이 글은 실제 통계와 사례, 서로 다른 업계 전문가의 시각을 통해 AI 시대에 데이터 분석 스킬이 어떻게 재정의되고 있는지를 정리한다.

📌 한눈에 보기 — 사무·행정 공고의 83%가 여전히 엑셀 능력을 요구하지만(GoSkills, 2025), 데이터 분석가 채용 공고에서는 SQL 언급 비율(43%)이 엑셀(약 33%)을 앞선다(데이터리안). 고급 엑셀 스킬 보유자는 평균 20% 더 높은 연봉을 받는다. 결론은 "엑셀이냐 AI냐"가 아니라 "무엇을 언제 쓰느냐"다.

🕰️ "엑셀은 죽었다"는 말, 사실 처음이 아니다

스프레드시트를 둘러싼 "대체 논쟁"은 이번이 처음이 아니다. 최초의 PC용 스프레드시트는 1979년 댄 브릭클린이 애플 II용으로 개발한 비지칼크(VisiCalc)였다. 손으로 하던 회계 장부 계산을 화면 위에서 자동화한 이 프로그램은 개인용 컴퓨터가 "장난감"에서 "업무 도구"로 인식을 바꾼 결정적 계기가 됐다. 1983년에는 로터스 1-2-3이 등장해 스프레드시트·데이터베이스·차트 기능을 한 번에 묶으며 PC 시대를 연 '킬러 앱'으로 불렸다. 마이크로소프트는 1985년 매킨토시용 엑셀을 처음 선보였고, 1987년 윈도 2.01과 함께 배포되며 지금의 표준 자리를 굳혔다.

매번 "대체설"이 있었지만 살아남았다

이후로도 스프레드시트의 종말은 여러 차례 예고됐다. 2000년대 후반 클라우드 협업 도구(Google Sheets)가 등장했을 때도, 2010년대 BI(비즈니스 인텔리전스) 툴이 확산될 때도, 그리고 최근 로우코드·노코드 플랫폼이 뜰 때도 비슷한 논쟁이 반복됐다. 그때마다 스프레드시트는 사라지지 않고 오히려 새 기능을 흡수하며 형태를 바꿔왔다. 지금의 AI 통합 논쟁도 이 긴 흐름의 연장선에 있다는 점을 먼저 짚어둘 필요가 있다.

📊 2026년, 데이터로 본 엑셀의 실제 위치

감정적인 논쟁을 걷어내고 채용 시장의 숫자부터 보자. 교육 플랫폼 GoSkills의 2025~2027 업스킬링 전망 조사에 따르면, L&D(인재개발) 의사결정권자의 29%가 엑셀을 조직 내 가장 수요가 높은 스킬로 꼽았다. 엑셀은 여전히 마이크로소프트 오피스 다음으로 수요가 높은 디지털 스킬이며, 사무·행정 직군 공고의 83%가 엑셀 능력을 요구한다. 재무·엔지니어링·경영관리 직군에서도 사실상 필수 스킬로 분류된다.

고급 스킬일수록 몸값이 오른다

주목할 부분은 "기본 사용"과 "고급 활용"의 격차다. 채용 공고 분석에 따르면 재무·마케팅·운영 등 핵심 직군 공고의 80% 이상이 단순 셀 입력을 넘어선 고급 데이터 처리 역량을 명시하고 있고, 고급 데이터 조회 함수(VLOOKUP·XLOOKUP·Power Query 등) 숙련자에 대한 수요는 최근 60% 증가했다는 조사도 있다. 고급 엑셀 스킬 보유자는 기본 사용자보다 평균 20% 높은 연봉을, 자격 인증을 받은 경우 승진·연봉 상승 가능성이 평균 12% 높다는 결과도 함께 발표됐다. 즉 "엑셀을 쓰느냐"가 아니라 "엑셀로 무엇까지 할 수 있느냐"가 이미 격차를 벌리고 있다.

한편 데이터 분석 직군으로 좁혀 보면 그림이 조금 달라진다. 국내 채용 공고 분석 서비스 데이터리안이 실제 채용 공고 77건을 분석한 결과 SQL이 43%로 가장 높은 언급 비율을 보였고, 엑셀은 약 3건 중 1건의 공고에 등장했으며 Python 역시 비중이 빠르게 늘고 있다. 정리하면, 사무·현업 실무자에게 엑셀은 여전히 압도적 기본기지만, "데이터 분석가"라는 전문 직군으로 갈수록 SQL·Python이 함께 요구되는 하이브리드 스킬셋으로 재편되고 있다.

AI 시장 자체의 성장 속도도 함께 봐야 한다

이 변화의 배경에는 AI 산업 전체의 폭발적 성장이 있다. 시장조사기관 포춘 비즈니스 인사이츠에 따르면 생성형 AI 시장은 2026년 약 833억 달러 규모로 추정되며 연평균 31.6%의 성장률을 보일 전망이고, 빅데이터 분석 시장 역시 2026년 4,476억 달러 수준에서 2034년까지 연평균 12.8%씩 성장할 것으로 예측된다. 데이터 분석 도구 시장 자체가 이렇게 빠르게 커지고 있다는 사실은, 엑셀이라는 "포맷"의 생존 여부와 별개로 데이터를 다루는 스킬 수요 자체는 계속 늘어난다는 점을 시사한다.

🤖 AI가 스프레드시트 안으로 들어온 순간

AI와 엑셀의 결합은 이미 실험 단계를 지났다. 마이크로소프트는 엑셀 안에 코파일럿(Copilot)을 내장해 자연어로 수식을 만들고, 데이터를 요약하고, 차트를 자동 생성하는 기능을 제공한다. 최근 업데이트에서는 "Work IQ"라는 기능을 통해 코파일럿이 엑셀 작업 중 관련 이메일·회의록·사내 문서를 자동으로 참고해 더 정확한 분석 결과를 내놓도록 진화했다. 동시에 OpenAI의 챗GPT는 코드 인터프리터(현재 명칭은 "데이터 분석" 기능)를 통해 CSV·엑셀 파일을 업로드하면 자연어 명령만으로 파이썬 코드를 자동 생성해 데이터를 정제·시각화해준다. "이 데이터를 분석하고 시각화해 주세요"라는 한 문장이 몇 줄의 판다스(pandas) 코드로 번역되는 셈이다.

도구 대 도구가 아니라 접근 방식의 변화

여기서 중요한 건 AI가 "엑셀을 대신하는 새 프로그램"이 아니라, 엑셀·코드·챗봇 사이의 경계를 흐리는 인터페이스로 작동하고 있다는 점이다. 함수를 몰라도 자연어로 요청하면 결과가 나오고, 코드를 몰라도 파이썬 기반 분석이 가능해졌다. 이는 "도구를 배우는 시간"을 줄이는 대신 "무엇을 물어야 하는가"를 아는 능력의 가치를 끌어올리는 방향으로 시장을 재편하고 있다.

경쟁하는 AI 분석 도구들

스프레드시트 안팎에서 경쟁하는 AI 도구도 빠르게 늘고 있다. 구글은 시트(Sheets)에 제미나이(Gemini)를 통합해 자연어로 수식·요약을 요청할 수 있게 했고, 스타트업 젠스파크(Genspark)의 "AI 시트"는 데이터 수집부터 정리·시각화까지 대화형으로 처리하는 것을 내세운다. 클로드(Claude)의 엑셀 연동 기능은 방대한 원본 데이터를 요약하고 구조화된 표로 정리하는 데 강점을 보인다는 평가를 받는다. 도구마다 강점이 조금씩 다르지만, 공통점은 "함수를 몰라도 되는 분석 경험"을 지향한다는 점이다.

⚠️ 엑셀이 만든 재난들 — 한계가 뚜렷한 이유

엑셀에 대한 회의론이 반복되는 데는 이유가 있다. 앞서 언급한 JP모건 "런던 고래" 사건 외에도 스프레드시트 오류로 인한 대형 사고는 셀 수 없이 많다. 스프레드시트 리스크를 연구하는 유럽 조직 EuSPRIG(European Spreadsheet Risk Interest Group)는 전 세계 언론에 보도된 스프레드시트 오류 사례를 지속적으로 수집해 공개하고 있는데, 여기에는 정부 예산 오류부터 학술 논문 철회, 상장사의 재무제표 정정까지 다양한 유형이 포함된다. 공통점은 대부분 "복사-붙여넣기 실수", "수식 참조 오류", "버전 관리 실패"처럼 지극히 사소해 보이는 원인에서 비롯됐다는 것이다.

구조적 한계: 검증 장치의 부재

엑셀의 근본적 문제는 기능이 아니라 구조에 있다. 코드 기반 분석은 버전 관리(Git)와 테스트 코드로 오류를 조기에 걸러낼 수 있지만, 셀 단위로 작동하는 스프레드시트는 수식이 잘못 복사돼도 겉으로는 멀쩡해 보인다. 데이터가 커지고 협업자가 늘어날수록 이 위험은 기하급수적으로 커진다. 실제로 데이터 규모가 커질수록 엑셀은 실무자에게 반복 노동과 관리 부담을 안기는 도구로 변하기 쉽다는 지적이 업계 전문가들 사이에서 꾸준히 제기된다. 여러 사람이 동시에 같은 파일을 수정하거나, 파일이 이메일로 여러 버전 복제되면서 "최종본이 어느 것인지" 아무도 확신할 수 없는 상황도 실무에서 흔히 벌어지는 리스크로 꼽힌다.

🔍 현장의 두 얼굴 — 성공 사례와 실패 사례

AI 도입 효과는 조직마다 극명하게 갈린다. 두 가지 상반된 사례를 살펴보자.

사례 1: 기대치를 낮추고 팀 단위로 접근한 성공 사례

마이크로소프트 365 코파일럿 도입 사례를 다룬 여러 국내 실무 리포트에 따르면, 도입에 성공한 조직들의 공통점은 "AI가 업무를 통째로 대신해줄 것"이라는 기대 대신 "초안 작성 시간을 줄여주는 보조 도구"로 접근했다는 점이다. 전 직원을 한꺼번에 투입하기보다 문서·회의 비중이 높은 팀부터 시범 도입하고, 워드·엑셀·아웃룩을 개별로 쓰기보다 연결해서 활용할 때 효과가 훨씬 크게 나타났다는 분석도 있다. 반복 설명·반복 복사 작업이 줄어들면서 체감 생산성이 올라간 것이다.

사례 2: 자동화 코드 12줄이 수작업 몇 시간을 대체한 경우

스프레드시트를 코드로 대체한 성공 사례도 있다. 여러 부서에서 취합한 봉사활동 시간 데이터를 하나의 엑셀 파일로 통합하는 작업은 원래 수작업으로 상당한 시간이 걸렸지만, 파이썬의 판다스(pandas)·오픈파이엑셀(openpyxl) 라이브러리를 활용해 단 12줄의 코드로 자동화하자 실행 시간이 1~2초로 줄었다는 실무 사례가 공유된 바 있다. 이런 반복 작업 자동화는 개발자가 아닌 실무자도 AI의 도움을 받아 충분히 시도할 수 있는 영역이 됐다.

실패 사례: "AI가 다 해줄 것"이라는 기대와 현실의 괴리

반대로 도입에 실망한 조직들의 공통 원인은 기대치 관리 실패였다. AI를 "완전 자동화 도구"로 오해하고 도입했다가, 실제로는 결과 검증과 맥락 보정이 여전히 사람 몫이라는 사실에 부딪히면서 만족도가 떨어진 경우가 다수 보고됐다. 이는 AI 데이터 분석 도구 전반에 해당하는 공통적인 함정으로, 도구를 바꾼다고 검증 습관까지 자동으로 따라오지는 않는다는 점을 보여준다.

⚠️ 주의 — AI가 만든 분석 결과라고 해서 검증을 생략하면 안 된다. 코파일럿이나 챗GPT의 데이터 분석 기능 모두 잘못된 열을 참조하거나 맥락을 오해해 그럴듯하지만 틀린 결과를 내놓을 수 있다. 결과를 최종적으로 검토하고 책임지는 것은 여전히 사람의 역할이다.

🧭 전문가들은 왜 다른 말을 하는가

업계 전문가들의 시각은 뚜렷하게 두 갈래로 나뉜다.

"엑셀은 죽지 않는다" 진영

재무 자동화 기업 데이터레일스(Datarails)의 경영진은 2025년 말 포브스 기고에서 "엑셀이 죽었다는 말은 누군가 CFO들에게 전하는 걸 잊은 모양"이라며, 여전히 대다수 기업의 재무 담당자가 익숙한 엑셀 환경 위에서 AI 기능을 더해 쓰는 방식을 선호한다고 지적했다. IT 매체 하우투긱(How-To Geek) 역시 엑셀이 우리의 업무 방식에 너무 깊이 뿌리내려 있고, AI 기능을 흡수하며 계속 진화하고 있기 때문에 "대체"가 아니라 "재발명"에 가깝다는 분석을 내놓았다.

"AI가 엑셀을 잠식한다" 진영

반대편에는 좀 더 공격적인 전망도 있다. 국내 IT 매체는 최근 "AI가 엑셀을 잡아먹는다"는 제목으로 마이크로소프트의 위기감을 다루며, AI 네이티브 분석 도구(젠스파크 AI 시트, 클로드의 엑셀 연동 기능 등)가 등장하면서 "함수를 몰라도 되는" 분석 환경이 빠르게 확산되고 있다고 짚었다. 이 진영의 핵심 논리는 소규모 데이터에는 엑셀이 여전히 유효하지만, 데이터가 많아지고 복잡해질수록 엑셀은 반복 노동과 오류 위험을 키우는 병목이 된다는 것이다.

실제 합의점: 완전 대체가 아니라 통합

두 진영을 종합하면 현재 업계의 지배적 흐름은 "대체"가 아니라 "AI 기반 강화"다. 엑셀은 AI 기능을 흡수하며 진화하고, 동시에 AI 네이티브 도구들은 엑셀 파일을 여전히 표준 입출력 포맷으로 다룬다. 즉 스프레드시트라는 "형식"은 당분간 살아남고, 그 안에서 일하는 "방식"이 자연어·자동화 중심으로 바뀌는 것이 더 정확한 그림이다.

💼 채용 시장이 진짜로 원하는 것

구인구직 사이트 사람인 기준 '데이터 분석' 키워드 공고는 9,777건에 달하고, 링크드인 공고 분석에 따르면 데이터 분석 관련 신입 채용 비중이 36%로 비교적 진입장벽이 낮은 직군으로 꼽힌다. 그런데 최근 채용 트렌드 리포트들이 공통적으로 지적하는 변화가 있다. 채용담당자가 평가하는 기준이 "이 사람이 도구를 쓸 줄 아는가"에서 "이 사람이 도구를 활용해 문제를 제대로 정의하고 해석할 수 있는가"로 옮겨가고 있다는 점이다.

도구 스킬에서 문제 해결 스킬로

실무 채용 담당자들은 SQL·파이썬 기반으로 실제 데이터를 다뤄본 포트폴리오 2개 이상, 특정 도메인을 정해 문제 정의부터 인사이트 도출까지 이어지는 프로젝트 경험을 더 높게 평가한다고 밝힌다. 다시 말해 엑셀 함수를 몇 개 아느냐보다, 데이터를 보고 "무엇이 문제인지"를 스스로 짚어낼 수 있느냐가 채용 시장의 실질적 변별점이 되고 있다. AI 도구는 이 과정에서 계산과 코드 작성의 장벽을 낮춰주는 조력자일 뿐, 문제 정의 능력 자체를 대신해주지는 않는다.

⚖️ 엑셀 vs AI 엑셀 vs 파이썬 — 무엇을 언제 써야 할까

실무자 입장에서 가장 현실적인 질문은 "어느 하나를 골라야 하는가"가 아니라 "어떤 상황에 무엇을 쓸 것인가"다. 아래 표로 정리했다.

구분	기본 엑셀(수식·피벗)	AI 내장 엑셀(코파일럿 등)	챗GPT·클로드 데이터 분석	파이썬(pandas 등)
학습 난이도	낮음~중간	낮음(자연어 요청)	낮음(자연어 요청)	중간~높음(코드 문법)
적합한 데이터 규모	소~중규모(수만 행)	소~중규모	중규모(업로드 용량 제한)	대규모(수백만 행 이상)
반복 작업 자동화	매크로/VBA 필요	자연어로 일부 자동화	코드 자동 생성으로 가능	스크립트로 완전 자동화
오류 검증·이력 관리	취약(수동 확인)	취약(결과 재검증 필요)	중간(코드 로그 확인 가능)	강함(버전관리·테스트 가능)
협업·공유 편의성	매우 높음(범용 포맷)	높음(엑셀 그대로 공유)	중간(별도 결과물 필요)	낮음(환경 세팅 필요)
가장 적합한 사용자	대부분의 사무 실무자	엑셀 사용자 전반	비개발자 데이터 탐색자	데이터 분석가·개발자

결국 셋은 경쟁 관계라기보다 업무 규모와 반복 빈도에 따라 골라 쓰는 도구함에 가깝다. 매달 반복되는 단순 취합 작업이라면 AI 내장 엑셀만으로도 충분히 시간을 절약할 수 있고, 데이터가 수십만 행을 넘어가거나 정기적인 파이프라인이 필요하다면 파이썬 자동화로 넘어가는 것이 합리적이다.

🗺️ 실전 가이드 — 지금 당장 시작하는 5단계

막연한 불안보다 실행이 낫다. 아래는 현업 실무자가 오늘부터 적용할 수 있는 단계별 접근이다.

1단계: 지금 쓰는 엑셀 업무를 "반복 빈도" 기준으로 분류한다

매주·매달 똑같은 형식으로 반복되는 작업(월간 보고서, 데이터 취합, 정기 집계)을 먼저 리스트업한다. 이런 반복 작업이야말로 자동화·AI 도입의 첫 대상이다.

2단계: AI 내장 기능부터 가볍게 시작한다

엑셀의 코파일럿 기능이나 챗GPT·클로드에 파일을 업로드해 "이 데이터를 요약·시각화해줘" 같은 간단한 요청부터 시도한다. 코드를 몰라도 결과를 받아볼 수 있고, 이 과정에서 AI가 만든 수식·코드를 눈으로 확인하며 자연스럽게 학습이 된다.

3단계: 결과는 반드시 검증하는 습관을 들인다

AI가 만든 요약이나 차트를 그대로 믿지 말고, 핵심 숫자 1~2개는 수동으로 다시 계산해 대조한다. JP모건 사례처럼 참조 오류는 겉보기엔 멀쩡해 보인다는 점을 항상 기억해야 한다.

4단계: 데이터 규모가 커지면 파이썬·SQL 기초를 더한다

취합 대상 파일이 수십 개를 넘거나 데이터가 수만 행을 넘어가기 시작하면, 판다스 기초 문법이나 SQL 조회 정도는 익혀두는 편이 장기적으로 훨씬 효율적이다. 처음부터 완벽한 개발자가 될 필요는 없다. 반복 업무 한두 개를 자동화하는 수준부터 시작하면 충분하다.

5단계: 도구가 아니라 "질문하는 능력"에 투자한다

AI가 계산과 코드 작성의 장벽을 낮춰줄수록, 정작 중요해지는 것은 "어떤 질문을 던질 것인가"다. 같은 데이터를 두고도 무엇을 물어보느냐에 따라 나오는 인사이트의 질이 달라진다. 이 역량은 도구가 아니라 업무 도메인 이해와 데이터 해석 훈련을 통해 쌓인다.

실무형으로 이 흐름을 한 번에 훈련하고 싶다면, 함수를 몰라도 되는 데이터 정리·분석·시각화 실습 중심의 오프라인 과정을 참고할 수 있다. 도구 조작보다 "무엇을 물을지"를 함께 훈련하는 방식이 이런 과정의 핵심이다.

❓ 자주 묻는 질문

Q1. 엑셀을 아예 안 배워도 AI가 대신해줄까요?

아니다. AI는 수식 작성과 반복 계산의 장벽을 낮춰줄 뿐, 데이터 구조를 이해하고 결과를 검증하는 기초 감각은 여전히 필요하다. 피벗테이블·기본 함수 정도의 감각이 있어야 AI가 만든 결과가 맞는지 판단할 수 있다.

Q2. 데이터 분석가가 되려면 엑셀보다 파이썬을 먼저 배워야 하나요?

순서보다 목적이 중요하다. 실무 데이터 정리·소규모 보고가 목적이면 엑셀(AI 기능 포함)로 충분하고, 대용량 데이터·반복 파이프라인이 목적이면 파이썬·SQL이 필수가 된다. 실제로 채용 공고에서 SQL 언급 비율(43%)이 엑셀(약 33%)보다 높다는 점은 참고할 만하다.

Q3. AI가 만든 분석 결과, 그대로 보고서에 써도 되나요?

권장하지 않는다. AI 데이터 분석 기능은 맥락을 오해하거나 잘못된 열을 참조해도 그럴듯한 결과를 내놓을 수 있다. 핵심 수치는 최소 한 번 수동 검증을 거치는 것이 안전하다.

Q4. 회사에서 코파일럿을 도입했는데 다들 잘 안 씁니다. 왜 그럴까요?

가장 흔한 원인은 기대치 설정 실패다. "업무를 대신해주는 도구"가 아니라 "초안 작성 시간을 줄여주는 도구"로 기대치를 낮추고, 문서·회의 비중이 높은 팀부터 시범 적용하는 방식이 정착률을 높인다는 사례가 다수 보고된다.

Q5. 엑셀 자격증(고급 함수·매크로)이 여전히 취업에 도움이 되나요?

그렇다. 고급 엑셀 스킬 보유자는 기본 사용자보다 평균 20% 높은 연봉을 받고, 자격 인증 보유자는 승진·연봉 상승 가능성이 평균 12% 높다는 조사 결과가 있다. 다만 "함수 암기"보다 "실무 데이터에 적용하는 능력"이 평가의 핵심으로 이동하고 있다.

Q6. 스프레드시트 오류를 줄이는 가장 쉬운 방법은 무엇인가요?

복사-붙여넣기 후 셀 참조를 반드시 재확인하는 습관, 버전을 남기고 변경 이력을 기록하는 습관, 핵심 계산식은 별도 시트에서 이중 검증하는 습관이 EuSPRIG 등에서 반복적으로 강조하는 기본 원칙이다.

Q7. 비전공자도 AI 데이터 분석 도구를 업무에 바로 적용할 수 있나요?

가능하다. 코파일럿·챗GPT·클로드 등은 자연어 요청만으로 수식·코드를 생성해주기 때문에 프로그래밍 배경이 없어도 진입 장벽이 낮다. 다만 "결과를 이해하고 검증할 수 있는가"는 별개의 역량이므로, 도구 사용법과 함께 기본적인 데이터 해석 훈련을 병행하는 것이 실무 적용 성공률을 높인다.

💡 결론 — 엑셀은 끝나지 않았다, 다만 역할이 바뀌었다

정리하면 이렇다. 엑셀은 죽지 않는다. 83%의 사무·행정 공고가 여전히 엑셀 능력을 요구하고, 대다수 조직의 재무·현업 담당자는 익숙한 엑셀 환경 위에서 AI 기능을 더해 쓰는 쪽을 택하고 있다. 동시에 "함수를 몇 개 아느냐"로 실력을 증명하던 시대는 끝나가고 있다. AI가 계산과 코드 작성의 장벽을 낮춰줄수록, 채용 시장은 도구 숙련도보다 문제를 정의하고 결과를 검증하는 능력을 더 높게 평가하기 시작했다. 결국 살아남는 스킬은 "엑셀이냐 AI냐"의 이분법이 아니라, 두 도구를 상황에 맞게 골라 쓰고 결과를 스스로 검증할 줄 아는 데이터 리터러시다.

지금 당장 반복되는 엑셀 업무 하나를 골라 AI 기능으로 자동화해보는 것부터 시작해보자. 실무 중심으로 이 과정을 직접 훈련해보고 싶다면 AI로 끝내는 데이터 분석 & 엑셀 자동화 과정을 참고할 수 있고, 더 폭넓은 온라인 학습을 원한다면 IT·데이터 분야 강의 모음이나 전체 강의 목록, 부담 없이 시작하고 싶다면 무료 강의에서 기초부터 살펴볼 수 있다. 체계적인 커리큘럼이 필요하다면 학습 로드맵 페이지도 도움이 된다.

📎 출처

• GoSkills, "What Excel Skills Employers Are Looking For in 2026?" (2025~2027 업스킬링 전망 조사)
• 데이터리안(Datarian), "데이터 분석가 되려면 어떤 역량이 필요할까요? (채용 공고 77건 분석)"
• Forbes, "If Excel Is Dead, Someone Forgot To Tell Datarails' CEO And The CFOs" (2025.12)
• How-To Geek, "The real reasons Excel will never be replaced (even with AI tools)"
• European Spreadsheet Risk Interest Group(EuSPRIG), "Horror Stories" 데이터베이스
• ICBA Payments, "Excel Disasters: 5 spreadsheet mistakes that cost billions" (JP모건 런던 고래 사건 등)
• 오빠두엑셀, "엑셀 역사, 8분 안에 훑어보기 — 스프레드시트 이야기"
• Microsoft 지원, "Excel의 Copilot에 대한 질문과 대답"
• 플로우팀 블로그, "Microsoft 365 Copilot, 왜 이제는 '있으면 좋은 기능'이 아닐까"
• Fortune Business Insights, "인공지능(AI) 시장 글로벌 보고서"