AI에 데이터를 주지 마세요: Claude Code로 안전하게 데이터 분석하기

민감한 고객 데이터를 외부 AI에 직접 올리지 않고 분석하는 방법을 소개한다. 원본과 같은 구조를 가진 합성 데이터를 로컬에서 만들고, Claude Code에는 합성 데이터만 주어 분석 노트북을 생성한 뒤, 완성된 코드를 실제 데이터에서 로컬로 실행하는 흐름이다. 메타데이터 설정, 개인정보 노출 위험 점검, 최소 열 사용 원칙도 함께 짚는다.

⏱ 00:00많은 튜토리얼은 데이터 파일을 AI에 업로드하거나 에이전트에게 로컬 파일 접근 권한을 주는 방식을 보여 주지만, 그 데이터를 외부에 공유해도 되는지는 따지지 않는다고 지적한다. 기업 데이터에는 고객 이메일, 주소, 카드 번호처럼 기밀성이 높은 정보가 흔히 들어 있으므로 이 질문을 먼저 던져야 한다.

발표자는 AI 사용을 포기할 필요는 없다고 말하며, 원본을 노출하지 않고 Claude Code로 분석하는 방법을 소개하겠다고 예고한다.

⏱ 00:39부티크 호텔의 데이터 분석가라는 가상의 상황을 설정한다. 투숙객 데이터에는 이메일, 청구 주소, 전체 카드 번호와 함께 객실 유형, 요금, 체크인·아웃 날짜가 들어 있고, 과제는 예약 패턴과 고객층, 매출을 분석하는 것이다. 로컬 모델을 쓰는 방법도 있지만 성능과 하드웨어에 제약이 있고, 터미널에서 Claude Code를 실행해도 요청 처리를 위해 정보가 클라우드로 전송된다는 한계가 있다.

핵심은 AI가 데이터를 대신 분석해 주는 것이 아니라, 분석가가 직접 이해하고 검증할 수 있는 실행 가능한 코드가 필요하다는 점이다. 이를 위해 원본과 같은 열 구조와 데이터 타입을 가진 합성 데이터를 만들어 AI와 공유하는 방식을 제시한다.

⏱ 02:52SDV 라이브러리로 원본 CSV를 읽어 합성 데이터를 만든다. 이 도구는 테이블 형태 데이터의 통계적 패턴을 학습해 현실적인 기록을 생성하며, 키로 연결된 여러 테이블도 다룰 수 있다. 불러온 데이터를 먼저 확인한 뒤, 테이블과 컬럼 구조를 설명하는 메타데이터를 자동 감지로 만든다.

자동 감지 결과 이메일, 카테고리, 숫자, 날짜 타입은 맞았지만 건물 주소가 ID로 잘못 인식되어 의미 없는 값이 생성되었다. 메타데이터를 주소 타입으로 수정하자 번지수와 우편번호를 포함한 그럴듯한 주소가 만들어졌다. 가우시안 코퓰라 합성기로 학습한 뒤 100개 행을 샘플링하여 합성 데이터를 완성한다.

⏱ 08:37합성 데이터라도 민감 정보가 남을 수 있다. 열 이름이나 객실 유형처럼 메타 정보 자체가 기밀일 수 있으므로, 외부 공유 전에 안전성을 별도로 판단해야 한다. 또 분석에 필요 없는 열, 예를 들어 이메일, 건물 주소, 카드 번호는 제거하고 최소한의 데이터만 사용하는 것이 원칙이다.

검토가 끝난 합성 데이터는 이름을 붙여 프로젝트에 저장한다.

⏱ 09:14Claude Code는 클라우드 환경에서 실행하도록 설정해, 민감한 원본 데이터가 있는 로컬 폴더에 접근하지 못하게 했다. 모델과 작업 강도는 중간 수준을 고르고, 합성 데이터 파일을 세션에 첨부했다. 요청 사항은 Pandas와 Plotly로 주피터 노트북을 작성하고, 고객이 보통 몇 박을 머무는지, 가장 많이 쓰는 이메일 도메인은 무엇인지, 개인 재방문 고객과 법인 카드를 쓰는 기업 고객이 각각 몇 명인지 파악하는 것이었다. 데이터 품질 문제를 주석으로 미리 짚어 달라고도 했고, 결과를 보는 대시보드도 요청했다.

몇 분 뒤 대시보드가 만들어졌다. 합성 데이터 특성상 체크아웃이 체크인보다 앞선 기록이 섞여 결과가 비현실적으로 나타났지만, 이는 데이터 생성 방식에서 비롯된 현상이라고 설명한다.

⏱ 12:24생성된 노트북을 내려받아 로컬 분석 폴더에서 데이터 경로를 실제 데이터 파일로 바꾸고 실행했다. 노트북에는 데이터 품질 개요, 숙박 상태, 숙박 기간 그래프, Plotly 상호작용 차트가 포함되어 있다. 실행 중 패키지 누락 오류가 나자 Claude Code에 requirements 파일을 요청해 pip install -r 명령으로 설치하고, 커널을 재시작해 전체를 다시 실행했다. 2,000행의 실제 데이터가 정상적으로 불러와졌고 숙박 일수 중앙값과 도메인별 고객 정보가 확인되었다.

발표자는 Claude Code가 데이터 정제, 기초 탐색 분석, 시각화 같은 시간 소모 작업을 크게 줄여 준다고 평가하면서도, 결과를 실제 데이터로 직접 검증해야 한다고 강조한다.