구글 스프레드시트로 시작하는 머신러닝
구글 스프레드시트(Google Sheets)는 강력한 데이터 분석 도구일 뿐만 아니라, 기본적인 머신러닝 작업까지 수행할 수 있는 실용적인 플랫폼입니다. 스프레드시트에는 머신러닝에 활용할 수 있는 내장 함수, 애드온(add-on), 외부 서비스 연동 기능이 마련되어 있어, 별도의 전문 프로그램 없이도 데이터 분석과 예측을 바로 시작할 수 있습니다.
이 글에서는 구글 스프레드시트를 활용해 머신러닝을 적용하는 방법을 단계별로 살펴보겠습니다. 판매 데이터셋을 예제로 사용하여 회귀 분석, 분류, 추세 예측과 같은 핵심 머신러닝 개념을 함께 실습해 보겠습니다.
1. 선형 회귀를 활용한 매출 예측
선형 회귀(Linear Regression)는 하나 이상의 입력 변수를 바탕으로 목표 변수를 예측하는 대표적인 머신러닝 기법입니다. 구글 스프레드시트에서는 LINEST 함수를 사용하여 판매 수량(Units Sold)을 기준으로 총 매출(Total Sales)을 예측할 수 있습니다.
- 입력 변수와 출력 변수가 될 판매 수량 열과 총 매출 열을 선택합니다.
- 빈 셀을 선택한 후 아래 수식을 입력합니다.
수식:
=LINEST(G2:G71, E2:E71, TRUE, TRUE)
이 수식은 판매 수량과 총 매출 열을 기반으로 일련의 회귀 통계 값을 반환합니다.
회귀 통계 값 정리:
| 값 | 설명 |
|---|---|
| 27.02405783 | 회귀선의 기울기(m) |
| -42.01697274 | 회귀선의 y절편(b) |
| 1.311552999 | 기울기(m)의 표준 오차 |
| 1402.109659 | y절편(b)의 표준 오차 |
| 0.861943111 | 결정계수(R²) |
| 5864.748017 | y 추정값의 표준 오차(SEE) |
| 424.5505753 | 자유도(df) |
| 68 | 회귀 모델의 F 통계량 |
| 14602531370 | 회귀 제곱합(SSR) |
| 2338878313 | 잔차 제곱합(SSE) |
- 첫 번째 값인 27.02405783은 기울기(m)입니다.
- 두 번째 값인 -42.01697274는 절편(b)입니다.
결과 해석하기: 위 결과를 바탕으로 회귀 방정식은 다음과 같습니다.
Total Sales = m * Units Sold + b
이 수식을 활용하면 판매 수량 값과 회귀 계수를 기반으로 미래의 매출액을 예측할 수 있습니다.
2. 추세 분석 – 미래 매출 예측하기
추세 분석(Trend Analysis)은 시간의 흐름에 따른 데이터 속 패턴을 파악하는 작업입니다. 과거 매출 데이터를 바탕으로 미래 매출을 예측할 수 있습니다.
꺾은선 차트 삽입하기
- 날짜(Date) 열과 총 매출 열을 선택합니다.
- 삽입 탭 >> 차트를 선택한 뒤, 설정에서 꺾은선 차트(Line Chart)를 지정하면 시간에 따른 매출 추세를 시각화할 수 있습니다.
추세선 추가하기
- 차트를 클릭한 후 차트 편집기로 이동합니다.
- 맞춤설정 탭에서 계열을 선택하고 추세선 옵션에 체크합니다.
- 선 색상과 선 불투명도를 조절해 원하는 스타일로 꾸밉니다.
- 차트에 추세선이 추가됩니다.
TREND 함수 활용하기
미래 매출을 직접 예측하고 싶다면 TREND 함수를 사용하세요. 예를 들어 다음 날의 매출을 예측할 때 유용하게 활용할 수 있습니다.
수식:
=TREND(G2:G70, E2:E70, E71)
이 수식은 판매 수량 열의 다음 값(E71)에 해당하는 총 매출을 예측해 줍니다.
3. Simple ML for Sheets 애드온 활용하기
Simple ML 애드온을 사용하면 판매 수량, 지역, 제품 등 다양한 특성(feature)을 기반으로 총 매출을 예측하는 회귀 모델을 손쉽게 만들 수 있습니다. 이를 통해 매출 추세를 예측하거나 주요 영향 요인을 파악할 수 있습니다.
애드온 설치하기
- 확장 프로그램 탭으로 이동한 후 애드온 메뉴에서 애드온 받기를 선택합니다.
- 검색창에 Simple ML을 입력합니다.
- 애드온 스토어에서 선택한 후 설치를 클릭합니다.
- 필요한 권한을 승인합니다.
스프레드시트에서 Simple ML 사용하기
데이터셋에 누락된 값이 있다고 가정해 보겠습니다. 이 애드온을 활용하면 비어 있는 값을 예측해 손쉽게 채울 수 있습니다.
- 확장 프로그램 탭 >> Simple ML for Sheets >> Start를 클릭합니다.
- 작업 창(Task Pane)에서 Predict missing values(누락된 값 예측)를 선택합니다.
- 누락된 값이 있는 열(예: Total Sales)을 선택한 후 Predict를 클릭합니다.
예측된 누락 값은 새 열로 추가되어 시트에 반영됩니다. 이후 Simple ML이 제공하는 다양한 예측 기능을 필요에 맞게 자유롭게 활용할 수 있습니다.
4. 구글 스프레드시트용 BigML 애드온 설치하기
- 확장 프로그램 탭 >> 애드온 >> 애드온 받기를 선택합니다.
- BigML for Sheets를 검색한 후 설치를 클릭하고, 안내에 따라 애드온 권한을 승인합니다.
구글 스프레드시트와 BigML 연결하기
- 확장 프로그램 탭 >> BigML >> Start를 선택합니다.
- 작업 창에 BigML이 나타납니다.
- BigML 계정 정보로 로그인하거나 새 계정을 생성합니다.
- 스프레드시트에서 데이터가 담긴 시트를 선택한 후 Send Data to BigML을 클릭합니다.
BigML에서 모델 생성 및 학습하기
- 데이터가 BigML에 업로드되면 BigML 대시보드를 엽니다.
- Sources 탭으로 이동한 후 1-CLICK DATASET을 선택해 데이터셋을 생성합니다.
- 모델을 학습시키려면 LINEAR SPLIT을 선택합니다. 그러면 전체 데이터의 80%가 모델 학습에 자동으로 할당됩니다.
- 이제 다양한 예측 작업을 수행할 수 있습니다.
- 연속형 값(예: 총 매출) 예측에는 선형 회귀(Linear Regression)를 사용합니다.
출력 결과:
학습된 모델을 활용하면 제공된 옵션 중 필요한 것을 골라, 구글 스프레드시트 안에서 바로 새로운 데이터 포인트에 대한 결과를 예측할 수 있습니다.
마무리
구글 스프레드시트는 머신러닝 도구로 널리 알려져 있지는 않지만, 특히 초보자에게 머신러닝 개념을 익히고 적용하기에 충분히 강력한 환경을 제공합니다. 내장 함수를 활용한 선형 회귀부터 애드온을 통한 고급 분류 작업까지, 별도의 전문 소프트웨어 없이도 핵심 업무를 처리할 수 있습니다. BigML, Simple ML for Sheets 같은 서드파티 애드온을 활용하면 몇 가지 단계만 거쳐 판매 데이터에서 인사이트를 얻을 수 있습니다. 구글 스프레드시트를 더 발전된 머신러닝 도구와 결합해 여러분의 데이터 분석 역량을 한 단계 끌어올려 보세요.