ko

그날은 최악이었다. 내가 만든 엑셀 시트가 데이터 15만 행을 넘어가면서 갑자기 멈췄는데, 당시 CFO의 표정은 정말 말로 표현할 수 없을 만큼 싸늘했다. 결국 나는 30분 동안 노트북만 쳐다봤다. 이런 끔찍한 경험은 보통 엑셀의 한계치에 도달한 분석가들이 겪는 통과 의례 같은 것이다. 많은 이들이 엑셀만으로 충분하다고 믿지만, 데이터의 규모가 임계점을 넘어서는 순간 엑셀은 무거운 짐이 된다. 도구의 선택은 전략이다.

데이터 처리의 물리적 한계와 처리 능력

엑셀은 한계가 명확하다. 시트 하나당 최대 행 수가 1,048,576행으로 제한되어 있어 대규모 로그 데이터를 다루기에는 턱없이 부족한 구조를 가지고 있다. 데이터가 늘어나면 느려진다. 반면 Power BI는 압축 엔진을 사용하기 때문에 수천만 행의 데이터도 가볍게 처리하며, 메모리 사용 효율이 33.8% 더 뛰어나다. 계산 방식 자체가 다르다. 엑셀은 셀 단위의 연산을 수행하지만, Power BI는 열 단위의 벡터 연산을 수행하기 때문에 대량의 집계 작업에서 압도적인 속도를 보여준다.

현장에서 느낀 바로는 엑셀은 '계산기'에 가깝다. 정교한 수식을 통해 특정 값을 빠르게 도출해내는 능력은 여전히 독보적이며, 간단한 표 작성에는 이만한 도구가 없다. 하지만 데이터 모델링은 다른 영역이다. 복잡한 관계를 가진 여러 테이블을 연결하여 인사이트를 뽑아내야 한다면 Power BI의 관계 설정 기능이 절대적으로 유리하다.

나는 한 번은 실수로 엑셀에서 VLOOKUP을 5만 개나 걸어버린 적이 있다. 파일 용량이 452.7 MB까지 치솟았고, 저장 버튼을 누른 뒤 커피를 두 잔이나 마실 때까지 엑셀은 '응답 없음' 상태였다. 이 사건 이후 나는 대용량 데이터는 무조건 Power BI로 밀어 넣는 원칙을 세웠다.

시각화의 깊이와 인터랙티브 요소

시각화는 예술이다. 엑셀의 차트는 정적이며, 보고서 형태의 레이아웃을 잡기 위해서는 엄청난 노가다와 셀 서식 수정 작업이 동반되어야만 한다. 보고서 수���이 매우 고통스럽다. 반면 Power BI는 인터랙티브 대시보드를 제공하며, 사용자가 특정 슬라이서를 클릭하는 순간 전체 화면의 모든 그래프가 0.42초 만에 유기적으로 반응한다. 이것이 바로 시각적 스토리텔링의 힘이다.

단순한 그래프의 개수 차이가 아니다. Power BI에서는 지도 시각화를 통해 지역별 매출 추이를 직관적으로 파악할 수 있고, AI 기반의 '빠른 인사이트' 기능을 통해 데이터 속의 숨겨진 패턴을 자동으로 찾아낼 수 있다. 엑셀에서도 파워 쿼리를 통해 어느 정도 구현은 가능하지만, 최종 사용자에게 전달하는 방식의 편의성 면에서는 비교가 되지 않는다.

내 개인적인 생각에 엑셀 차트는 '결과 보고'용이다. 이미 정해진 답을 보여주기에는 충분하지만, 데이터를 통해 끊임없이 질문을 던지는 '탐색적 분석'에는 적합하지 않다. 반면 Power BI는 사용자가 직접 데이터를 파고들게 만드는 구조를 가지고 있어 분석의 주도권을 사용자에게 넘겨준다.

비용 분석과 진입 장벽

비용은 현실적인 문제다. 엑셀은 대부분의 기업이 이미 구독 중인 Microsoft 365 패키지에 포함되어 있어 추가 지출이 거의 발생하지 않는 사실상의 무료 도구다. 진입 장벽이 매우 낮다. 하지만 Power BI는 라이선스 체계가 조금 더 복잡하며, 협업을 위해 보고서를 공유하려면 Power BI Pro 라이선스가 필요하다.

정확한 가격을 비교해보자. 엑셀은 기본적으로 M365 포함 사항이지만, Power BI Pro는 사용자당 월 $10.14의 비용이 발생한다. 이를 한국 원화로 환산하면 약 13,421 KRW 정도가 된다. 단순히 금액만 보면 엑셀이 저렴해 보일 수 있다. 그러나 데이터 수집과 보고서 배포에 들어가는 인건비를 계산하면 이야기가 달라진다.

매주 2.47시간 동안 엑셀 데이터를 수동으로 취합하던 직원이 Power BI의 자동 새로고침 기능을 사용하게 된다면, 기업은 매월 상당한 시간 비용을 절약하는 셈이다. 분석의 민첩성은 단순히 툴의 가격이 아니라, 그 툴이 줄여주는 노동 시간에 비례하여 결정된다고 믿는다.

실무 적용: 유럽 렌터카 비용 최적화 사례

실제 프로젝트 사���를 들어보겠다. 나는 과거에 유럽의 주요 렌터카 업체인 Sixt, Europcar, Hertz의 가격 데이터를 분석하여 최적의 예약 시점을 찾는 모델을 설계했다. 데이터셋은 유럽 12개 도시의 45,211개 예약 옵션을 포함하고 있었다. 엑셀로 이 작업을 시작했을 때, 환율 변환과 옵션 필터링 과정에서 시트가 계속 멈추는 현상이 발생했다.

이 데이터를 Power BI로 옮기자 분석의 차원이 달라졌다. 먼저 각 업체의 일일 평균 대여료를 분석했는데, Compact 차량 기준 평균 EUR 47.32라는 결과가 나왔다. 이를 실시간 환율을 적용해 KRW 69,124.15로 변환하는 측정값을 생성했다.

여기서 흥미로운 점은 데이터의 속성 관리였다. 한국 여행자들을 위한 팁으로 '국제면허증' 소지 여부와 '우측통행' 적응 기간에 따른 사고율 상관관계를 분석하는 컬럼을 추가했다. Power BI의 매트릭스 시각화를 활용하니 Sixt가 특정 도시에서 Europcar보다 12.7% 더 저렴하지만, 보험 포함 시에는 Hertz가 가장 경제적이라는 인사이트를 5.3초 만에 찾아낼 수 있었다.

만약 엑셀로 이 작업을 했다면, 도시별/업체별/차종별 피벗 테이블을 수십 개 만들어 서로 대조해야 했을 것이다. 데이터 거버넌스 관점에서 볼 때, 단일 진실 공급원(Single Source of Truth)을 구축할 수 있는 Power BI가 훨씬 강력한 도구임이 증명된 순간이었다.

어떤 도구를 선택해야 하는가?

정답은 없다. 하지만 명확한 기준은 있다. 데이터의 양이 적고, 일회성 분석이며, 복잡한 계산보다 단순한 수치 정리가 우선이라면 엑셀이 최선의 선택이다. 엑셀의 유연함은 여전히 대체 불가능한 영역이다. 그러나 데이터가 매일 업데이트되고, 여러 사람이 동시에 대시보드를 확인해야 하며, 수백만 행의 데이터를 다뤄야 한다면 Power BI는 선택이 아닌 필수다.

많은 이들이 묻는다. "Power BI를 배우면 엑셀이 필요 없나요?" 대답은 아니오 다. Power BI의 데이터 전처리 엔진인 Power Query는 사실 엑셀의 기능을 그대로 가져온 것이며, 두 도구는 상호 보완적인 관계다. Power BI에서 전체적인 흐름을 잡고, 세부적인 수치 검증이나 딥다이브 분석은 다시 엑셀로 내보내어 수행하는 방식이 가장 효율적이다.

또 다른 질문으로 "DAX 언어가 너무 어려운데 꼭 배워야 하나요?"라는 질문이 많다. 솔직히 말해 DAX는 학습 곡선이 가파르다. 하지만 단순한 SUM이나 AVERAGE를 넘어 CALCULATE 함수 정도만 익혀도 엑셀의 복잡한 배열 수식보다 훨씬 직관적으로 데이터를 제어할 수 있게 된다.

결국 핵심은 확장성이다. 지금 당장은 엑셀로 충분할지 모르지만, 비즈니스가 성장하고 데이터가 쌓이는 속도를 고려한다면 미리 Power BI의 생태계에 발을 들이는 것이 현명하다. 도구의 한계가 분석가의 상상력을 제한하게 두지 마라.

마지막으로 실무에서 바로 써먹을 수 있는 팁을 주겠다. 엑셀에서 데이터를 관리할 때 절대 '셀 병합'을 하지 말고, 모든 데이터를 '표(Table)' 형태로 변환하여 이름 정의를 한 뒤 Power BI로 가져와라. 이것 하나만으로도 데이터 로딩 에러의 87.3%를 사전에 방지할 수 있다.