[데이터 분석가 필독] 현업에서 가장 많이 쓰는 SQL 핵심 문법 BEST 5

카테고리 없음

[데이터 분석가 필독] 현업에서 가장 많이 쓰는 SQL 핵심 문법 BEST 5

yyy33 2026. 3. 14. 11:15

최근 데이터 기반의 의사결정이 기업의 생존을 좌우하는 핵심 경쟁력으로 떠오르면서, 데이터 분석가나 개발자뿐만 아니라 마케터, 서비스 기획자, 영업 담당자까지 직무를 불문하고 SQL은 반드시 갖춰야 할 필수 비즈니스 스킬이 되었습니다. 하지만 방대한 SQL 이론과 수많은 함수를 모두 암기할 필요는 없습니다. 치열한 실무 현장에서 수백만 건, 수천만 건의 데이터베이스로부터 원하는 비즈니스 인사이트를 빠르고 정확하게 추출해 내기 위해 반복적으로 쓰이는 핵심 문법은 어느 정도 정해져 있기 때문입니다. 오늘은 현업 데이터 추출 업무에서 가장 빈번하게, 그리고 강력하게 쓰이는 SQL 필수 문법 5가지를 아주 상세하고 알기 쉽게 정리해 드립니다. 당장 내일 실무에 적용해 볼 수 있는 유용한 팁들을 확인해 보세요.

1. 정교한 데이터 필터링의 핵심: SELECT, FROM, WHERE

가장 기본적이면서도 실제 실무 데이터 추출 쿼리의 80% 이상을 차지하는 모든 작업의 뼈대이자 시작점입니다. SELECT 절로 최종적으로 보고 싶은 컬럼(열)을 지정하고, FROM 절로 데이터를 불러올 원본 테이블을 명시한 뒤, WHERE 절을 통해 비즈니스 목적에 부합하는 특정 조건의 데이터만 정교하게 걸러냅니다. 실무에서는 수십 기가바이트에 달하는 데이터베이스의 연산 과부하를 막기 위해, 쿼리 작성의 첫 단계부터 철저하게 필요한 데이터만 필터링하는 것이 매우 중요합니다. WHERE 절에서는 특정 기간(예: 이번 달 1일부터 말일까지)을 필터링하는 BETWEEN, 다수의 조건 값을 한 번에 찾는 IN, 그리고 특정 패턴(예: '@gmail.com'으로 끝나는 이메일)을 찾아내는 LIKE 연산자가 빈번하게 활용됩니다. 여기에 AND, OR 논리 연산자를 괄호로 묶어 복잡한 비즈니스 요건을 쿼리로 정확히 구현해 내야 합니다.

요약: 데이터베이스 부하를 최소화하기 위해 원하는 테이블과 컬럼을 지정하고, 조건에 맞는 필수 데이터만 정밀하게 솎아내는 기본 뼈대 문법입니다.

[데이터 분석가 필독] 현업에서 가장 많이 쓰는 SQL 핵심 문법 BEST 5

2. 파편화된 데이터를 연결해 인사이트 도출: JOIN

기업의 데이터베이스는 데이터의 중복을 막고 관리의 효율성을 높이기 위해 철저한 정규화 과정을 거칩니다. 그 결과 '회원 정보', '상품 정보', '주문 내역' 등 수많은 테이블로 쪼개져 저장됩니다. 따라서 분산된 여러 테이블을 의미 있게 결합하여 종합적인 데이터 마트를 구축하는 JOIN은 현업에서 절대적으로 필요한 핵심 문법입니다. 양쪽 테이블에 공통으로 존재하는 교집합만 가져오는 INNER JOIN과, 기준이 되는 왼쪽 테이블의 모든 데이터를 보존하면서 우측 테이블의 값을 매칭하는 LEFT JOIN이 가장 많이 쓰입니다. 특히 실무 현장에서는 데이터 누락이라는 치명적인 사고를 방지하기 위해, 전체 모수(예: 전체 가입자 수)를 담은 테이블을 LEFT JOIN의 기준으로 삼고 꼼꼼하게 검증해 나가는 방식을 선호합니다.

요약: 분리 저장된 여러 테이블을 하나로 합쳐 종합적인 의미를 부여하며, 실무에서는 데이터 유실을 방지하기 위해 LEFT JOIN을 주로 사용합니다.

3. 데이터를 요약하여 거시적 트렌드 파악: GROUP BY와 집계 함수

원천 데이터를 한 줄 한 줄 눈으로 확인하는 것은 불가능에 가깝습니다. 데이터를 날짜, 지역, 성별, 상품 카테고리 등 특정 기준에 따라 묶어주는 GROUP BY를 활용하고, 그 그룹 단위로 합계(SUM), 평균(AVG), 개수(COUNT) 등을 도출하는 집계 함수를 적용해야만 비로소 경영진의 의사결정에 도움을 주는 거시적인 트렌드를 파악할 수 있습니다. 일간 활성 사용자 수(DAU)나 월평균 결제 금액(ARPU)을 산출할 때 절대 빠질 수 없는 문법입니다. 특히 고유 유저 수를 계산할 때는 COUNT(DISTINCT user_id)를 사용하여 중복을 제거하는 테크닉이 자주 쓰입니다. 또한, 그룹화가 완료된 요약 수치에 조건을 걸어 추가로 필터링을 할 때는 WHERE 절이 아닌 HAVING 절을 반드시 사용해야 한다는 점이 실무에서 잊지 말아야 할 중요한 포인트입니다.

요약: 특정 기준에 따라 데이터를 그룹화하여 비즈니스 핵심 지표를 산출하며, 집계된 결과물에 대한 조건 필터링 시에는 HAVING 절을 사용해야 합니다.

4. 복잡한 쿼리를 깔끔한 모듈로 분리: WITH 절 (CTE)

현업의 데이터 추출 요구사항은 다차원적이고 복잡하기 때문에, 단일 SELECT 문 하나로 완벽한 데이터를 뽑아내는 것은 불가능합니다. 쿼리 안에 또 다른 쿼리를 겹겹이 쌓는 복잡한 서브쿼리를 사용하기도 하지만, 최근 데이터 분석 실무에서는 가독성과 유지보수성을 극대화하기 위해 WITH 절(Common Table Expression)을 압도적으로 선호합니다. WITH 절을 이용하면 복잡한 가공 로직을 거친 임시 테이블을 코드 상단에 명시적으로 선언해 두고, 메인 쿼리에서 이를 변수처럼 간편하게 참조할 수 있습니다. 이는 동료 데이터 분석가들과 쿼리를 공유하거나 코드 리뷰를 진행할 때 로직의 흐름을 직관적으로 이해할 수 있게 도와주며, 동일한 형태의 서브쿼리를 여러 번 중복 작성할 필요가 없어 코드의 절대적인 길이를 크게 단축해 줍니다.

요약: 복잡한 쿼리 로직을 여러 단계로 쪼개어 가독성을 높이고, 임시 테이블을 코드 상단에 모듈화하여 유지보수를 돕는 필수 문법입니다.

5. 차원 높은 데이터 분석의 완성: 윈도우 함수 (Window Functions)

실무 데이터 추출의 수준을 전문가 영역으로 단숨에 끌어올려 주는 최고급 문법입니다. 일반적인 GROUP BY는 데이터를 요약하면서 원본 행을 압축해 버리지만, 윈도우 함수는 기존 행의 세부적인 디테일을 고스란히 유지한 채로 특정 범위(PARTITION BY) 내에서의 순위, 누적합, 이전 행 및 다음 행과의 비교 등 복잡한 시계열 계산을 정밀하게 수행합니다. 특정 부서나 카테고리 내에서 매출 1~3위를 구하는 ROW_NUMBER()나 RANK() 함수, '지난주 대비 이번 주 매출 증감률'을 계산하는 데 필수적인 LAG(), LEAD() 함수가 대표적입니다. 고객의 첫 구매일과 두 번째 구매일 사이의 간격을 파악하여 리텐션 방어 전략을 세우는 등, 고도화된 마케팅 및 비즈니스 인사이트를 도출하는 데 매우 강력하게 작용합니다.

요약: 원본 데이터 행을 유지하면서 특정 윈도우(범위) 내에서 순위, 누적합, 이전/다음 데이터와의 비교 등 복잡한 시계열 분석을 가능하게 합니다.