Python으로 교육 수요 설문 분석하기 (2) 시각화와 우선순위 분류

공통 교육과정 우선순위는 어떻게 정리했을까?

Python으로 과정 분류하고 시각화해 운영 의사결정까지 연결하기

한 줄 요약
1편에서 만든 summary_df를 바탕으로, 중요도·실행도·GAP 기준으로 과정을 분류하고 시각화했다.
이 과정을 통해 신규 개설, 보완 필요, 유지, 축소 판단 기준을 만들었다.

https://programming-bellybutton.tistory.com/259

연말 설문 분석 1편: Python과 Pandas로 평균 만족도 뒤의 저만족 신호 분석하기

 

---

들어가며

지난 글에서는 설문 원본 데이터를 Python으로 불러와 과정별 중요도 평균, 실행도 평균, GAP을 계산하는 과정까지 정리했다.
이번 글에서는 이 요약 테이블을 바탕으로 실제로 어떤 과정을 우선 개설, 보완 필요, 안정 운영, 수요 낮음, 검토 필요로 분류했는지, 그리고 이를 어떤 식으로 시각화했는지 정리한다.

 

---

운영 전략 분류 기준 만들기

실무에서는 숫자를 계산하는 것만으로는 부족하다.
결국 "그래서 이 과정을 어떻게 볼 것인가?"라는 질문에 답할 수 있어야 한다.

이번 프로젝트에서는 아래 기준으로 과정을 분류했다.

분류	판단 기준	해석
우선 개설	GAP ≥ 0.4 & 중요도 평균 ≥ 3.0	중요도는 높지만 실행 수준이 낮음
보완 필요	GAP ≥ 0.4 & 중요도 평균 < 3.0	실행 부족, 운영 방식 보완 필요
안정 운영	GAP < 0.2 & 실행도 평균 ≥ 3.0	전반적으로 안정적 운영 가능
수요 낮음	GAP < 0.2 & 중요도 평균 < 2.0	필요성·활용도 모두 낮음
검토 필요	기타	판단 애매, 추가 검토 필요

 

---

1) 분류 함수 만들기

이제 위 기준을 코드로 옮기면 된다.

def classify(row):
    gap = row["GAP"]
    imp = row["중요도 평균"]
    exe = row["실행도 평균"]

    if gap >= 0.4 and imp >= 3.0:
        return "우선 개설"
    elif gap >= 0.4 and imp < 3.0:
        return "보완 필요"
    elif gap < 0.2 and exe >= 3.0:
        return "안정 운영"
    elif gap < 0.2 and imp < 2.0:
        return "수요 낮음"
    else:
        return "검토 필요"

summary_df["해석"] = summary_df.apply(classify, axis=1)
summary_df["해석"].value_counts()

 

코드 포인트
이 함수의 장점은 해석 기준이 코드에 명시된다는 점이다.
이후 과정이 추가되거나 데이터가 업데이트되더라도, 같은 룰로 반복 적용할 수 있다.

 

---

2) GAP 상위 10개 과정 시각화

가장 먼저 만든 시각화는 GAP 상위 10개 과정이다.
이 그래프는 "중요도 대비 실행 부족 정도가 큰 과정"을 빠르게 보여준다.

color_map = {
    "우선 개설": "#FFD700",
    "보완 필요": "#FFA500",
    "안정 운영": "#3498DB",
    "검토 필요": "#9B59B6",
    "수요 낮음": "#95A5A6"
}

top10 = summary_df.sort_values("GAP", ascending=False).head(10).copy()
top10["색상"] = top10["해석"].map(color_map)

plt.figure(figsize=(9, 6))

plt.barh(
    top10["과정코드"],
    top10["GAP"],
    color=top10["색상"]
)

plt.gca().invert_yaxis()
plt.title("GAP 상위 10개 교육과정")
plt.xlabel("GAP (중요도 - 실행도)")
plt.tight_layout()
plt.show()

 

 

 

---

3) 중요도–실행도 사분면 시각화

GAP 랭킹만 보면 “당장 뭘 먼저 볼까”는 알 수 있지만, 전체 그림은 보이지 않는다.
그래서 중요도와 실행도를 2차원 좌표로 배치한 사분면 시각화를 함께 만들었다.

중요도 및 실행도는 2차원 좌표 기반으로, GAP은 색상 기반 신호로 표현해 해석의 직관성을 높였다.

import numpy as np

plot_df = summary_df.copy().reset_index(drop=True)
plot_df["번호"] = plot_df.index + 1

x = plot_df["실행도 평균"].to_numpy()
y = plot_df["중요도 평균"].to_numpy()
gap = plot_df["GAP"].to_numpy()

sizes = (np.abs(gap) + 0.2) * 900
norm = plt.Normalize(gap.min(), gap.max())
cmap = plt.cm.RdYlBu_r
colors = cmap(norm(gap))

fig, ax = plt.subplots(figsize=(9, 9))

scatter = ax.scatter(
    x, y,
    s=sizes,
    c=colors,
    alpha=0.8,
    edgecolor="black"
)

for _, row in plot_df.iterrows():
    ax.text(
        row["실행도 평균"],
        row["중요도 평균"],
        str(row["번호"]),
        ha="center",
        va="center",
        fontsize=9
    )

ax.set_xlabel("실행도 평균")
ax.set_ylabel("중요도 평균")
ax.set_title("중요도–실행도 사분면")
plt.tight_layout()
plt.show()

 

---

시각화에서 읽은 핵심 인사이트

이번 분석에서 중요한 인사이트는 아래와 같았다.

관찰 결과	해석
중요도와 실행도가 모두 높은 과정보다 GAP이 큰 과정이 상위에 위치	중요도 자체보다 중요 대비 실행 부족 여부가 더 중요
중요도는 높지만 실행이 부족한 과정 존재	교육 개입 여지가 큰 영역
실행은 높지만 중요도 인식이 낮은 과정 존재	운영은 되고 있으나 체감 가치 전달이 약할 가능성
동일 평균 점수 과정 간 운영 전략 차이 가능	평균만으로 판단하면 리스크 발생

이 해석은 실제 프로젝트 정리 문서의 인사이트 표와 같은 흐름이다.

특히 과정 중요도 자체보다 중요 대비 실행 부족 여부가 더 중요한 판단 기준으로 작용했다,

중요도는 높지만 실행이 부족한 과정과 실행은 높지만 중요도 인식이 낮은 과정이 함께 존재했다,

동일 평균 점수 과정 간 운영 전략 차이 가능성이 존재했다.

 

---

분석 결과가 실제 액션으로 이어진 방식

분석이 의미 있으려면 결국 운영 판단으로 연결되어야 한다.

이번 프로젝트에서는 GAP 기반 우선순위 기준을 세우고, 그 결과를 바탕으로 신규 개설 대상과 운영 축소 대상 과정을 확정했다. 이후 이 결과는 사업계획서에 반영되어 기존 교육과정 통폐합 및 신규 개설 과정 시행으로 이어졌다.

이 지점이 이 프로젝트를 단순한 설문 정리와 다르게 만든다.

즉, 이건 “데이터를 분석했다”보다
“정량 기준이 없던 운영 문제를, 반복 가능한 판단 기준으로 바꿨다”고 설명하는 편이 더 정확하다.

 

---

2편 마무리

이번 2편에서는 summary_df를 바탕으로 분류 함수를 만들고, GAP 상위 10개 과정과 중요도–실행도 사분면을 시각화한 뒤, 그 결과를 운영 의사결정과 어떻게 연결했는지 정리했다.

정리하면 핵심은 아래와 같다.

• 중요도·실행도·GAP 기준으로 운영 전략을 분류했다
• Python 코드로 분류 기준을 명시해 재사용 가능하게 만들었다
• 시각화를 통해 우선순위 후보와 전체 구조를 함께 파악했다
• 결과를 실제 신규 개설, 보완, 유지, 축소 판단으로 연결했다

https://github.com/devellybutton/Education-Data-Analysis/tree/main/02-training-needs-assessment

Education-Data-Analysis/02-training-needs-assessment at main · devellybutton/Education-Data-Analysis