ADP와 ADsP 합격률 추이를 연도별로 자세히 안내드립니다. 데이터분석 자격증이 취업과 실무에서 반드시 효과적인지는 상황에 따라 다를 수 있지만, 자격증을 취득하면 데이터 분석의 기초 역량을 갖추고 있다는 점을 충분히 어필할 수 있을 뿐 아니라 기관에 따라 가산점 혜택도 제공됩니다.
ADsP vs ADP 시험 차이
데이터분석 자격증 시험은 응시 난이도에 따라 전문가(ADP)와 준전문가(ADsP)로 나뉩니다. ADsP 시험은 필기만 평가하지만, ADP 시험은 필기시험에 합격한 후 실기시험까지 통과해야 최종 자격을 취득할 수 있습니다.
- ADP: 데이터분석 전문가 (Advanced Data Analytics Professional)
- ADsP: 데이터분석 준전문가 (Advanced Data Analytics Semi-Professional)
| 구분 | ADsP (준전문가) | ADP (전문가) |
|---|---|---|
| 응시자격 | ・제한 없음 | ・ADsP 자격증을 취득하거나 ・학력 또는 경력 기준 충족 |
| 필기시험 | ・객관식: 50문항 (각 2점) | ・객관식: 80문항 (각 1점) ・서술형: 1문항 (20점) |
| 시험시간 | ・90분 (1시간30분) | ・180분 (3시간) |
| 응시료 | ・50,000원 | ・80,000원 |
| 합격기준 | ・총점: 60점 이상 ・과락: 과목별 40% 미만 득점 |
・총점: 70점 이상 ・과락: 과목별 40% 미만 득점 |
| 실기시험 | ・없음 | ・데이터분석 실무 (100점 만점) ・총점: 75점 이상 합격 |
| 시험시간 | – | ・240분 (4시간) |
| 응시료 | – | ・70,000원 |
데이터분석 자격시험 합격률
2014년부터 2024년까지의 ADsP와 ADP의 연도별 합격률 추이는 다음과 같습니다. 데이터분석 자격시험 합격률에 대한 보다 자세한 정보는 【민간자격 정보서비스 홈페이지 > 자격 정보 > 민간자격 검색】 페이지에서 확인하실 수 있습니다.
‘자격명’에서 [데이터분석]을 검색하세요.
ADsP 합격률
ADsP(데이터분석 준전문가)의 평균 합격률은 약 60.5%로, 2024년에는 57,849명 중 39,306명이 합격해 사상 처음으로 ADsP 합격률이 65%를 넘었습니다.
| 검정연도 | 응시자수 | 합격자수 | 합격률 |
|---|---|---|---|
| 2024년 | 57,849명 | 39,306명 | 67.95% |
| 2023년 | 44,202명 | 28,350명 | 64.14% |
| 2022년 | 30,517명 | 19,310명 | 63.28% |
| 2021년 | 23,346명 | 12,340명 | 52.86% |
| 2020년 | 11,396명 | 7,089명 | 62.21% |
| 2019년 | 10,349명 | 4,590명 | 44.35% |
| 2018년 | 6,177명 | 2,696명 | 43.65% |
| 2017년 | 4,146명 | 1,543명 | 37.22% |
| 2016년 | 2,776명 | 1,078명 | 38.83% |
| 2015년 | 1,922명 | 584명 | 30.39% |
| 2014년 | 1,081명 | 264명 | 24.42% |
ADP 합격률
ADP(데이터분석 전문가)의 평균 합격률은 약 2.5%로, 2024년 기준 누적 합격자 수가 379명에 불과할 정도로 난이도가 높은 편입니다. 이는 데이터 분석 시험들 가운데에서도 합격률이 가장 낮은 편에 속합니다.
| 검정연도 | 응시자수 | 합격자수 | 합격률 |
|---|---|---|---|
| 2024년 | 2,046명 | 54명 | 2.64% |
| 2023년 | 3,304명 | 70명 | 2.12% |
| 2022년 | 2,737명 | 69명 | 2.52% |
| 2021년 | 2,436명 | 66명 | 2.71% |
| 2020년 | 1,664명 | 32명 | 1.92% |
| 2019년 | 1,267명 | 35명 | 2.76% |
| 2018년 | 501명 | 18명 | 3.59% |
| 2017년 | 368명 | 14명 | 3.80% |
| 2016년 | 259명 | 6명 | 2.32% |
| 2015년 | 137명 | 7명 | 5.11% |
| 2014년 | 248명 | 8명 | 3.23% |
데이터분석 자격시험 과락 기준
ADsP와 ADP의 필기시험은 총점이 합격 커트라인 점수를 넘더라도 한 과목이라도 기준 점수에 미달하면 과락으로 불합격 처리됩니다. 따라서 모든 과목에서 기본 점수를 확보하는 것이 중요합니다.
ADsP 자격시험
ADsP 시험은 객관식 50문항이 출제되며, 문제당 배점은 2점입니다. 전체 틀린 개수가 20개 이상이면 총점이 60점 미만으로 떨어져 평락으로 불합격 처리되며, 과락으로 불합격되지 않으려면 과목당 만점의 40% 이상을 득점해야 합니다.
| 과목명 | 문항수 (만점) | 과락 기준 정답수 |
|---|---|---|
| 데이터 이해 | 10문제 (20점) | 4문제 미만 |
| 데이터분석 기획 | 10문제 (20점) | 4문제 미만 |
| 데이터분석 | 30문제 (60점) | 12문제 미만 |
ADP 자격시험
ADsP 시험에 합격하면 데이터 관련 학력이나 경력이 없어도 ADP에 응시할 수 있습니다.
✅ ADP 필기시험
ADP 필기시험은 객관식 80문항과 서술형 1문제가 출제됩니다. 배점은 객관식 각 1점, 서술형 20점이며, 총점 70점 미만이면 평락으로 불합격 처리됩니다. 또한, 과락을 피하려면 각 과목에서 만점의 40% 이상 득점해야 합니다.
서술형 문제는 배점(1문제, 20점)이 크지만, 과락 기준에는 포함되지 않습니다.
| 과목명 | 객관식 (만점) | 과락 기준 정답수 |
|---|---|---|
| 데이터 이해 | 10문제 (10점) | 4문제 미만 |
| 데이터 처리 기술 이해 | 10문제 (10점) | 4문제 미만 |
| 데이터분석 기획 | 10문제 (10점) | 4문제 미만 |
| 데이터분석 | 40문제 (40점) | 16문제 미만 |
| 데이터 시각화 | 10문제 (10점) | 4문제 미만 |
✅ ADP 실기시험
ADP 실기시험은 필기시험 합격 후 2년간 응시 가능합니다. 실기 시험시간은 4시간이며, 100점 만점에 75점 이상을 득점해야 합격입니다.
실기시험은 보통 3개의 대문제가 출제되며, 각 문제는 데이터 전처리, 모델링, 시각화 등을 포함한 2~4개의 소문제로 구성됩니다. 4시간 내에 문제를 해결하려면, 정형·비정형 데이터 처리 능력뿐만 아니라 통계학, 머신러닝, 자연어처리 등 전반적인 데이터 분석 지식과 숙련된 코딩 실력이 있어야 합니다.
| 과목명 | 배점 | 합격 기준 |
|---|---|---|
| 데이터분석 실무 | 100점 | 75점 이상 |
데이터분석 자격시험 출제 범위
ADsP와 ADP 데이터분석 자격시험의 출제 범위는 아래와 같습니다.
ADsP 필기시험
데이터분석 준전문가(ADsP) 시험은 총 3과목으로 구성되며, 데이터 이해를 기반으로 데이터 분석 능력을 평가합니다.
✅ 데이터 이해
- 데이터의 이해
- 데이터의 가치와 미래
- 가치 창조를 위한 데이터 사이언스와 전략 인사이트
✅ 데이터분석 기획
- 데이터분석 기획의 이해
- 분석 마스터 플랜
✅ 데이터분석
- R기초와 데이터 마트
- 통계분석
- 정형 데이터 마이닝
ADP 필기시험
데이터분석 전문가 자격검정 시험의 과목은 총 5과목으로 구성되며, 데이터 이해를 기반으로 데이터 분석 기획, 데이터분석, 데이터 시각화 수행 능력을 평가합니다.
✅ 데이터 이해
- 데이터의 이해
- 데이터의 가치와 미래
- 가치 창조를 위한 데이터 사이언스와 전략 인사이트
✅ 데이터 처리 기술 이해
- 데이터 처리 프로세스
- 데이터 처리 기술
✅ 데이터분석 기획
- 데이터분석 기획의 이해
- 분석 마스터 플랜
✅ 데이터분석
- R기초와 데이터 마트
- 통계분석
- 정형 데이터 마이닝
- 비정형 데이터 마이닝
✅ 데이터 시각화
- 시각화 인사이트 프로세스
- 시각화 디자인
- 시각화 구현
ADP 실기시험
ADP 실기시험은 데이터 분석 실무의 기계학습과 통계 분야로 출제됩니다. 기계학습 영역은 기계학습 알고리즘을 활용한 분석과 통계적 학습 방법을 통한 분석을 포함하며, 통계 영역은 데이터 탐색과 기초 통계 분석, 통계적 추론 및 통계 모형 구축을 포괄합니다.
✅ 기계학습 알고리즘을 활용한 분석
- 데이터 전처리
- 탐색적 데이터 분석(EDA)
- 기계학습 알고리즘을 활용한 모델 구축
- 구축한 모델을 평가하고 최적의 모델을 선택
✅ 통계적 학습 방법을 활용한 분석
- 데이터 품질 평가 및 변수 선택·처리
- 변수 간 관계 분석 및 예측 모델 구축
- 통계적 학습 방법 및 기계학습 방법을 사용한 모델 구축
✅ 데이터 탐색 및 기초 통계 분석
- 기술통계량 계산 및 시각화
- 탐색적 데이터 분석(EDA) 및 데이터 전처리
✅ 통계적 추론 및 통계 모형 구축
- 통계적 유의성 검정
- 상관 분석 및 회귀 분석
- 다변량 분석
- 시계열 분석
- 고급 통계 분석
▼ 카테고리 다른 글