빈칸은 0이 아니다 — 데이터 정리의 첫 걸음, 누락값과 이상값 다루기

제로초(ZeroCho TV)의 데이터과학 3편 영상(2026-10-10 게시, 3분 01초)은 스프레드시트를 매일 쓰는 사람에게 바로 와닿는 반직관을 다뤄요. 원문은 유튜브 영상 ‘데이터과학 3편 – 빈칸은 0으로 만들까? 아니면 삭제할까? 너무 크거나 작은 값은?’에서 볼 수 있어요. 이 글의 예시와 수치는 전부 발표자가 설명한 내용이고, Edu의 해석은 별도 문단으로 구분해서 적었어요.

월요일 0, 화요일 빈칸 — 왜 다를까요

발표자가 처음 보여준 건 작은 표 한 장이에요. 월요일 매출은 0, 화요일은 빈칸, 수요일은 10이었다는 거죠. 여기서 화요일을 0으로 채워도 될까요? 발표자의 설명은 ‘아니요’예요. 0은 ‘매출이 없었다’고 관측한 값이지만, 빈칸은 ‘매출을 모른다’는 뜻이라서, 함부로 0으로 바꾸면 없던 관측을 만들어 넣는 셈이 된다는 거예요.

빈칸이 생기는 세 가지 이유

발표자는 누락이 생기는 이유를 세 가지로 나눴어요. 값과 무관하게 저장장치가 무작위로 기록을 놓치는 경우, 관측 환경의 특정 조건에서 누락이 늘어나는 경우, 그리고 값 자체가 숨는 이유가 되는 경우예요.

유형	뜻	발표자가 든 예시
무작위 누락(MCAR)	값과 무관하게 무작위로 누락	저장장치가 기록 내용과 무관하게 약 3%를 잃어버리는 손실
조건부 누락(MAR)	관측된 정보의 특정 조건에서 더 누락	구형 기기가 낡아 에러가 잦아지면 기록 누락도 늘어남
값 연동 누락(MNAR)	미관측값 자체가 누락 이유	100만 원 이상 매출 거래만 기록에서 빠짐

세 유형 가운데 값 연동 누락(MNAR)이 가장 처리하기 어렵다는 것도 발표자의 설명이에요. 값이 커서 숨는 케이스라 겉모습만 보고는 빈칸의 성격을 알기 어렵기 때문이에요.

지우거나 채울 때는 기록을 남겨요

빈칸 행을 만났을 때 선택지는 크게 둘이에요. 행을 제거하면 쓸 수 있는 정보가 줄어들고, 값을 추정해 채우면 왜곡이 생길 수 있어요. 발표자는 채우는 방법으로 평균(대신 분산이 줄어든다), 중앙값, 다른 변수로 예측한 값을 예로 들면서 정답은 없으니 상황마다 잘 판단해야 한다고 정리했어요. 그리고 어느 쪽을 골랐든 ‘왜 그렇게 처리했는지’ 기록으로 남기라는 공통 원칙을 붙였어요. 삭제했을 때도 마찬가지예요. 한 가지 조건이 더 있어요. 데이터 100개를 80개는 학습, 20개는 검증으로 나눠 쓸 때 검증 데이터를 보고 학습하면 정답지를 보는 것과 같다는 지적이에요. 값을 대체할 때도 학습과 검증에 같은 기준을 써야 하고, 학습은 평균, 검증은 중앙값처럼 기준을 다르게 쓰면 안 된다는 설명이 이어졌어요.

큰 값은 오류가 아니라 검토 표시예요

이번에는 값이 튄 경우예요. 발표자는 혼자만 80만 원인 데이터가 있으면 이상해 보이지만 곧바로 문제라고 판단하면 안 된다고 말했어요. 입력 실수인지, 단위가 섞였는지 원본을 확인해야 하고, 단체 주문 금액일 수도 있기 때문이에요. 이때 쓰는 도구가 IQR 방식이에요. 하위 25%와 상위 25% 사이 간격을 보는 건데, 발표자가 든 손계산은 이래요. 경계 값이 12와 20이면 간격은 8이고, 8에 1.5배를 더해 상한 32, 아래로는 0을 하한으로 삼는 식이에요. 중요한 건 이 선을 넘었다고 삭제하는 게 아니라 ‘이상한 값일 것 같다’고 표시해 면밀히 검토한다는 쪽이에요. 검토한다는 뜻이 에러가 있다는 뜻은 아니고, 중앙값에서 멀다는 이유만으로 지우면 단체 주문 데이터까지 사라진다는 경고도 함께했어요. 지우기로 했다면 지우는 이유를 확실히 남기라는 당부로 끝났어요.

큰 값을 발견했을 때의 판단 흐름

IQR 경계를 벗어난 값은 표시 → 원본 확인(입력 실수·단위 혼재·단체 주문 등) → 면밀한 검토 → 판단과 기록 순으로 확인한다. 근거: 제로초 데이터과학 3편 영상(2026-10-10 게시, 2026-10-11 자막 확인)의 이상값 검토 설명, 구성: Editor_K 재구성.

1. 표시 — 상한·하한을 벗어난 값에 ‘이상한 값일 것 같다’고 표시해요. 삭제 명령이 아니에요.

2. 원본 확인 — 입력 실수인지, 단위가 섞였는지, 단체 주문 같은 실제 상황인지 원본으로 확인해요.

3. 면밀한 검토 — 벗어난 값은 검토 대상이에요. 검토한다는 것이 에러가 있다는 뜻은 아니에요.

4. 판단과 기록 — 지우거나 대체하기로 했다면 그 이유를 확실하게 기록으로 남겨요.

발표자의 3분 설명은 아래 영상에서 그대로 확인할 수 있어요.

오늘의 배울 점과 다음 적용

이 아래는 Editor_K의 해석으로, 발표자 설명과 구분해서 읽어 주세요. 오늘 남는 판단은 세 가지예요. 빈칸과 0은 다른 신호고, 큰 값은 자동으로 오류가 아니며, 처리 판단과 기록은 사람의 몫이라는 흐름이에요. 다음 적용 장면은 익숙한 스프레드시트예요. 누락 셀을 발견하면 0이나 임의의 값으로 메우기 전에 ‘왜 비었는지’를 먼저 적어 두고, 통계 기능의 이상값 후보 표시는 삭제 목록이 아니라 확인 목록으로 읽는 습관이 확인 조건이에요. 교육기획실의 해석도 같은 방향이에요. 이 구분은 데이터 리터러시 세션의 도입부 훅으로 적합해요. 발표자가 표 한 장과 손계산만으로 원칙을 보여주는 방식은, 도구 실습에 들어가기 전에 ‘왜’를 먼저 묻는 강의 흐름과 맞닿아 있어요.

한계와 남은 질문

이 글의 근거는 3분 분량의 입문 영상과 음성인식 보정본 자막이에요. 도구별 누락값 기능이나 통계 소프트웨어 사용법은 다루지 않고, 손계산 예시도 발표자가 보여준 범위(간격 8, 상한 32)로 제한했어요. 남은 질문은 두 가지예요. 실제 업무 표에서 값 연동 누락(MNAR)을 어떻게 의심할지, 그리고 누락 처리 기록을 팀이 공유하는 양식은 어떻게 둘지는 다음 글감으로 이어가 볼 만해요. 제로초의 데이터과학 시리즈 2편(데이터 타입 4분류)과 이번 3편은 개념이 이어지지만 학습 내용이 달라서, 본 글은 3편 기준으로만 썼어요.

출처와 시각자료

• 영상 원문: 제로초(ZeroCho TV), ‘데이터과학 3편 – 빈칸은 0으로 만들까? 아니면 삭제할까? 너무 크거나 작은 값은?’, 2026-10-10 게시, 3분 01초. https://www.youtube.com/watch?v=vJEH5BPv80I (2026-10-11 oEmbed·자막 확인)
• 발표자 발화 기록: 위 영상의 유튜브 자막 수집본(음성인식 보정, 2026-10-11 수집). Edu 내부 기획 기록이며 이 글의 인용 구분 기준으로 삼았어요.
• 시리즈 맥락: 제로초 데이터과학 2편(데이터 타입 4분류, 2026-10-06 게시). 학습 내용이 달라 본문 근거로 쓰지 않았어요.

시각자료 출처

• 첫 번째 이미지: AI 생성 이미지(2026-10-11 생성, Edu 교육기획). 텍스트 없는 독창적 일러스트이며 실제 스프레드시트 화면이 아니에요.
• 두 번째 이미지: AI 생성 이미지(2026-10-11 생성, Edu 교육기획). 텍스트 없는 독창적 일러스트이며 실제 데이터나 차트가 아니에요.
• 판단 흐름 도식: Edu Editor_K가 발표자 설명(2026-10-10 영상, 2026-10-11 자막 확인)을 재구성해 HTML로 만든 것이에요.