[AI회계사의 AI 활용] 실전 엑셀 데이터, 이제 AI(+Agent)가 분석한다! (불만 고객까지 자동 분석)

🤖 AI 회계사와 함께 실제 업무에서의 AI활용(데이터 분석 포함)을 해본다

사례: LangChain Pandas Agent로 불만 고객 탐지까지 – 엑셀로 배우는 실전 AI 분석기

---

🧭 이 글은 무엇을 다루나요?

• 전통적인 엑셀 분석을 넘어,
• LangChain 기반 Pandas Agent를 활용해
• 비즈니스 데이터를 자연어로 분석하는 과정을 보여드립니다.

특히 회계·재무·고객경험 데이터를 다루는 분들, 실무에서 AI 도구를 적용해 보고 싶은 분들을 위한 콘텐츠입니다.

---

📌 목차

1. 왜 지금 (Pandas) Agent인가?
2. 기존 ChatGPT 방식과 무엇이 다른가?
3. 실습 구성: 엑셀 업로드부터 분석까지 6단계
4. 분석 예제 3선 – 고객 불만을 AI가 파악한다
5. 실무에서 이렇게 활용해보세요
6. 시사점 및 마무리

📌 코드 및 데이터 파일 (공유)

---

1️⃣ 왜 지금 Pandas Agent인가?

회계 실무자든 경영자든 누구나 엑셀 데이터를 다룹니다. 하지만 데이터를 깊이 있게 분석하려면 Python, SQL, 머신러닝까지 알아야 했죠.

Pandas Agent는 이 장벽을 허물었습니다.

• 엑셀을 업로드하고
• 자연어로 질문만 던지면
• AI가 직접 코드를 작성해 분석하고
• 결과를 설명까지 해줍니다.

즉, AI 회계사처럼 분석이 가능한 도구입니다.

---

2️⃣ 기존 방식과 무엇이 다른가?  

다음과 같이 "기존 방식 vs ChatGPT 방식 vs Pandas Agent" 3가지 대안 비교:

💡 AI 이전 → 생성형 AI(ChatGPT) → 실전형 Agent   

“기존에는 피벗이나 SQL로 이런 조건 분석을 하려면, 수식과 구조를 알아야 했습니다. 그런데 지금은, 질문만 자연어로 던지면 AI가 알아서 코드를 짜고 실행까지 해줍니다.”

“100만 원 이상 제품을 샀는데 만족도 2점 이하인 고객만 추려줘”
👉 이걸 피벗으로 하려면 최소 2~3단계, SQL은 Join + Where 조건까지 필요하죠.
하지만 Pandas Agent는 단 한 줄의 질문으로 끝납니다.

항목	기존 방식 (Excel/SQL)	ChatGPT 방식	Pandas Agent (LangChain 기반)
분석 방식	수식/SQL문 직접 작성	코드 프롬프트를 요청하고 복사/수정	자연어로 질문하면 AI가 분석 및 실행
실행 흐름	수동 분석, 반복 클릭	단일 질문–답변 중심	연속 대화 + 복잡 조건 처리 가능
데이터 구조 인식	구조를 사용자가 명확히 파악해야 함	사용자가 구조를 설명해야 함	Agent가 DataFrame 구조 자동 인식
실무 적합도	전문가 또는 반복 분석자에게 적합	초중급 학습자용	실무자 중심, 반복 업무 자동화에 적합
시각화/요약	피벗/차트 수동 생성 필요	주로 설명 텍스트	코드 실행 + 요약 + 그래프 자동 출력 가능

💡 Pandas Agent는 단순히 “코드를 대신 짜주는 AI”를 넘어서,
기존의 Excel/SQL 기반 수동 분석을 자연어 기반 자동 분석으로 전환하는 실무 도구입니다.

---

3️⃣ 실습 코드 구성 (Colab 기반 6단계)

단계	내용
✅ 1단계	API 키 세팅 (환경변수 또는 수동 입력)
✅ 2단계	OpenAI + LangChain 설치 및 초기화
✅ 3단계	엑셀 파일 업로드 (SpreadsheetAgent_Sample.xlsx)
✅ 4단계	데이터 병합 및 전처리 (상품/고객/리뷰 시트 통합)
✅ 5단계	Pandas Agent 생성 (create_pandas_dataframe_agent)
✅ 6단계	자연어로 분석 질의 및 결과 확인 (예제 3선 포함)

📂 실습 코드 (글 아래 첨부)

 

📁 [참고] 실습 데이터 개요 이 실습에서는 LangChain Pandas Agent를 통해 자연어로 분석할 수 있도록 구성된 샘플 엑셀 파일을 사용합니다. 엑셀 파일은 총 3개의 시트(Sheet)로 구성되어 있으며, 고객 구매와 만족도 데이터를 다층적으로 연결할 수 있도록 설계되어 있습니다. 이 데이터 파일은 실습을 위하여 가상 데이터로 간략히 작성된 것임. 🔍 데이터 간 연계 구조 각 시트는 다음과 같이 연결됩니다: Sales의 CustomerID는 CustomerFeedback과 연결되어 구매 고객의 만족도 및 피드백을 확인할 수 있습니다. Sales의 Product는 ProductInfo와 연결되어 제품의 속성 정보(카테고리, 출시연도 등)를 결합 분석할 수 있습니다. 따라서, “고가 제품을 구매했으나 만족도가 낮은 고객은 누구인가?” “특정 제품군에 대해 반복적으로 불만을 제기한 고객은 누구인가?” 와 같은 질문을 Agent 기반 자연어 분석으로 처리할 수 있게 됩니다. ✨ 설계 특징 실무 시나리오 기반 설계: 고객-구매-제품이라는 실제 비즈니스 흐름을 반영한 테이블 구성 다중 조건 분석이 가능하도록 설계: 제품 가격, 출시연도, 만족도 등 다양한 분석 조건 제공 텍스트 피드백 포함: 정량 + 정성 분석(예: 감정 요약, 불만 키워드 추출 등)에 활용 가능 실습 데이터는 하단에 첨부

---

4️⃣ 자연어 분석 예시

🧪 예시 1: 고가 제품 불만 고객 탐색

query = """
100만원 이상 고가 제품을 샀는데 만족도 점수가 2 이하인 고객의 불만 피드백을 요약해줘.
그리고 이들이 가장 많이 산 제품 카테고리는 무엇인지 알려줘.
"""
agent.run(query)

결과 예시 (이 예시는 데이터에 따라 달라질 수 있음):

• 🔧 주요 불만: “필터가 너무 비싸요”, “배터리가 빨리 닳아요”
• 🧺 가장 많은 제품군: 생활가전

---

🧪 예시 2: 특정 제품군에 대한 불만 요약

query = """
'무선 청소기' 제품에 대한 전체 피드백 중에서 불만이 있는 내용을 요약해줘.
"""

결과 예시:

• 주요 불만은 “고장 후 서비스 지연”
• “흡입력은 좋지만 무게가 무겁다” 등 구조적 피드백 확인

---

🧪 예시 3: 제품 출시 연도에 따른 만족도 비교

query = """
출시연도가 2022년인 제품을 구매한 고객들의 만족도 평균은 얼마야?
2024년 제품과 비교해서 어떤 차이가 있어?
"""

결과 예시:

• 2022년: 평균 만족도 3.2

2024년: 평균 만족도 4.0

• 최신 제품 선호도가 뚜렷

 

---

5️⃣ 실무에서 어떻게 쓸 수 있나요?

적용 분야	활용 방안
고객 서비스	불만 자동 탐지 및 분류, 대응 우선순위 설정
마케팅	고가 제품 타겟 재분석, 연령대별 만족도 변화 분석
회계/재무	재구매 고객 분석, 할인 정책 효과 측정
보고서 작성	자연어로 질의 → 표·요약문 생성 → PDF 보고서화

---

 

6️⃣ 시사점

이번 실습은 단순한 코드 자동화가 아닌, 실무적 ‘AI 분석 파트너’의 가능성을 보여줍니다.

특히 기존 ChatGPT가 보여준 단문 응답형 AI와는 달리, Pandas Agent는 업무 문맥을 이해하고 실행하는 흐름 중심의 분석 자동화를 실현합니다.

LangChain 기반 Pandas Agent는 코드 작성 없이도 복잡한 조건의 분석을 수행하고, 고객 불만 탐지와 같은 실질적인 경영 인사이트 도출까지 가능하게 합니다.
이는 단순 요약이나 표 생성 수준에 머물렀던 기존 생성형 AI 사용법과는 근본적인 차별점입니다.

즉, AI가 엑셀 안의 데이터와 대화하며, 인간 분석가처럼 질문을 해석하고 문제를 해결하는 구조로 진화하고 있음을 보여주는 첫 사례라 할 수 있습니다.

 

---

✅ 마무리 

ChatGPT를 넘어서, 이제는 AI가 스스로 분석합니다.
Pandas Agent는 단순한 프롬프트 생성기가 아닌,
회계 실무자의 머릿속 흐름을 그대로 실행하는 분석 도우미입니다.

AI 회계사, 경영 분석에 뛰어들다 – 그 시작을 함께하세요.

---

📎 코드 및 데이터 파일

• 🔗 실습용 엑셀 파일: SpreadsheetAgent_Sample.xlsx

SpreadsheetAgent_Sample.xlsx

0.01MB

 

• 🔗 Colab 코드: ChatGPT_PandasAgent_AI엑셀분석기_불만고객탐지.ipynb

[AI회계사-경영] ChatGPT_PandasAgent_AI엑셀분석기_불만고객탐지(공유).ipynb

0.00MB

 

• 🔧 사용 기술: LangChain, OpenAI API, Pandas

---