데이터 직군 진입 자격 — SQLD·ADsP·빅데이터분석기사를 어떻게 묶을까

데이터 직무 입문에서 가장 많이 듣는 질문은 “셋 중 뭐부터?”인데, SQLD·ADsP·빅데이터분석기사는 서로 경쟁하는 자격이 아니라 평가 영역이 다른 보완재다. SQLD는 SQL·모델링, ADsP는 분석 기획·통계, 빅데이터분석기사는 Python 작업형 실기를 본다. 그래서 ‘하나만 고르기’가 아니라 ‘순서를 짜는’ 문제로 봐야 한다.

한눈에 비교

※ SQLD 시행 월·응시료와 빅데이터분석기사 회차별 합격률 같은 세부 수치는 그해 KDATA·큐넷 공고와 원수치가 기준이다. 이 글은 저장소에서 검증할 수 없는 합격률·응시자 추세를 별도 숫자로 제시하지 않는다.

근거 — 숫자로 보면 ‘거리’가 보인다

세 자격을 가르는 건 난이도 서열이 아니라 시험장에서 무엇을 하느냐다. SQLD·ADsP는 필답 객관식이라 응시 문턱이 없지만, 빅데이터분석기사는 응시 자격 요건이 걸려 있고 실기에서 Python 코드를 직접 돌려야 한다. 합격률과 응시 규모는 KDATA·큐넷의 최신 원표를 확인해야 하며, 선택할 때는 SQL·분석 기획·Python 작업형 가운데 목표 직무가 실제로 요구하는 평가 영역을 먼저 맞추는 편이 정확하다.

구체 사례 — 합격자들은 실제로 이렇게 했다

• SQLD: 합격 후기 대다수가 ‘SQL 자격검정 실전문제(노랭이)’를 2~3회독하는 걸 표준으로 꼽는다. 처음 기출 60점 간당이다가 반복 후 80점대로 올랐다는 사례가 반복되고, 2과목 ‘SQL 활용’이 비전공자 최대 고비로 지목된다.
• 빅데이터분석기사: 작업형2를 RandomForest 같은 모델 템플릿으로 굳혀두고, 작업형1의 dropna(subset=…) 처리나 print()·help()로 함수 사용법을 확인하는 식의 환경 제약을 미리 익혀두는 게 핵심이라는 후기가 많다.
• ADsP: 1·2과목(데이터 이해·분석 기획)은 용어 암기로 넘기더라도, 3과목의 R·통계(회귀·정규성 등)는 눈으로만 외우면 변형 문항에서 막힌다는 증언이 공통적이다.

주의점 — 이 순서를 그대로 믿기 전에

1. SQLD 모델링 과락 — SQL만 잘 풀면 붙는다고 오해하기 쉽지만, 1과목(데이터 모델링) 단답형이 과락의 실제 원인이다.
2. ADsP 출제 변동 — 단답형 비중·범위가 회차마다 손질된다. 구판 기출만 돌리면 결이 어긋난다.
3. 빅데이터분석기사 응시 자격 — 비전공자는 접수 자체가 막힐 수 있으니, 본인 학력·경력이 인정 범위에 드는지 큐넷 공지로 먼저 확인한다.
4. 합격 후기의 생존자 편향 — ‘2주컷’ 후기만 보면 쉬워 보이지만, 떨어진 사람은 글을 잘 안 쓴다.

그래서 뭐부터?

• 비전공·사무직 소양 목적이면 → SQLD 단독으로도 충분하다.
• 데이터 분석가 목표면 → SQLD → ADsP → (응시 자격 충족 시) 빅데이터분석기사 → 개인 분석 프로젝트.
• DBA·튜닝 쪽이면 SQLD → SQLP로, 분석 시니어·연구직이면 ADsP → ADP로 갈라진다.

어느 경로든 응시 자격·시험 월·응시료는 KDATA(dataq.or.kr)와 큐넷(q-net.or.kr) 그해 공고가 기준이다. 자격증만으로 채용이 보장되지는 않으며, GitHub 포트폴리오·실제 분석 프로젝트와 함께 평가된다는 점도 후기들이 공통적으로 강조한다.