시장 데이터

가격 데이터는 특정 금융 상품이나 자산의 시장에서 형성된 가격 정보를 말한다. 이는 주식, 채권, 원자재, 통화 등 거의 모든 거래 가능한 자산에 대해 생성되며, 시장 참여자들의 수요와 공급이 만나는 지점을 반영한다. 가격 데이터는 가장 기본적이면서도 핵심적인 시장 데이터로, 단일 가격뿐만 아니라 시가, 종가, 고가, 저가와 같은 다양한 형태로 기록된다.

가격 데이터는 크게 실시간 데이터와 과거 데이터로 구분된다. 실시간 데이터는 거래소나 중개 회사를 통해 즉시 제공되어 알고리즘 트레이딩이나 단기 투자에 활용된다. 반면, 과거 데이터는 일별, 주별, 월별로 정리된 시계열 데이터로서, 기술적 분석이나 패턴 인식을 통한 장기 투자 분석의 기초가 된다. 이러한 데이터는 투자 분석과 리스크 관리에 필수적이다.

가격 데이터의 정확성과 신속성은 매우 중요하다. 많은 기관 투자자와 헤지 펀드는 나노초 단위의 데이터 처리 속도를 위해 고가의 전용선과 고성능 컴퓨팅 인프라에 투자한다. 데이터의 품질과 제공 속도에 차이가 생기면 차익 거래 기회를 놓치거나 잘못된 의사 결정을 내릴 수 있기 때문이다. 따라서 신뢰할 수 있는 데이터 벤더를 통한 공급이 일반적이다.

거래량 데이터는 특정 금융 상품이 일정 기간 동안 얼마나 많이 거래되었는지를 나타내는 수치이다. 주식 시장에서는 일일 거래량이 가장 일반적으로 사용되며, 채권이나 파생상품 시장에서도 각 시장의 특성에 맞는 거래량 데이터가 생성된다. 이 데이터는 시장의 활동 수준과 유동성을 직접적으로 반영하는 핵심 지표로 여겨진다.

거래량 데이터는 단독으로 분석되기보다는 가격 데이터와 함께 분석되어 더 큰 의미를 갖는다. 예를 들어, 가격이 상승하는 동안 거래량도 함께 증가하면 그 상승 추세가 강력하다고 해석하는 것이 일반적이다. 반대로 가격 변동이 있는데 거래량이 저조하면 시장의 관심이 낮거나 추세의 신뢰도가 떨어진다는 신호로 볼 수 있다. 이처럼 가격과 거래량의 관계를 분석하는 것을 거래량 분석이라고 한다.

거래량 데이터는 다양한 기술적 지표의 기초가 된다. 이동평균이나 상대강도지수(RSI)와 같은 보조 지표를 계산할 때 거래량을 고려한 변형 지표들이 존재하며, OBV(On-Balance Volume)나 거래량 가중 평균 가격(VWAP)처럼 거래량 자체를 공식의 핵심에 둔 지표들도 널리 활용된다. 이러한 지표들은 시장 심리와 자금의 흐름을 파악하는 데 도움을 준다.

거래량 데이터의 출처는 주로 거래소이다. 뉴욕 증권거래소나 나스닥과 같은 증권거래소는 모든 체결된 거래의 가격과 수량을 기록하여 공식적인 거래량 데이터를 제공한다. 이 데이터는 블룸버그나 로이터와 같은 데이터 벤더를 통해 실시간 또는 지연 형태로 투자자와 기관 투자자에게 전달되며, 투자 분석과 알고리즘 트레이딩에 필수적으로 사용된다.

주문서 데이터는 특정 금융 상품에 대한 매수 주문과 매도 주문의 가격과 수량 정보를 실시간으로 제공하는 시장 데이터의 한 종류이다. 이 데이터는 일반적으로 거래소나 증권사를 통해 제공되며, 호가창에 표시되어 시장의 즉각적인 수급 상황과 잠재적인 가격 변동 방향을 보여준다. 주문서 데이터를 분석함으로써 투자자는 현재 시장에 쌓여 있는 매물의 규모와 주요 저항선 및 지지선을 파악할 수 있다.

주문서 데이터는 크게 지정가 주문과 시장가 주문 정보로 구분된다. 지정가 주문 데이터는 특정 가격에 대기 중인 미체결 주문들의 총량을 보여주며, 이는 시장의 심리와 향후 가격이 움직일 가능성이 높은 구간을 예측하는 데 핵심적인 단서가 된다. 반면, 시장가 주문은 즉시 체결되는 주문으로, 이 데이터의 급증은 강한 매수 또는 매도 압력이 발생하고 있음을 의미한다.

이러한 데이터는 특히 단기 트레이딩과 고빈도 거래에서 중요한 역할을 한다. 알고리즘 트레이딩 시스템은 실시간 주문서 데이터를 분석하여 초단위로 변화하는 유동성 패턴을 탐지하고, 이를 기반으로 매우 빠른 속도로 거래를 실행한다. 또한, 기관 투자자들은 대량의 주문을 실행할 때 시장에 미치는 영향을 최소화하기 위해 주문서 데이터를 깊이 있게 분석하여 최적의 거래 전략을 수립한다.

기업 재무 데이터는 특정 기업의 재무적 성과와 건전성을 보여주는 핵심 정보이다. 이 데이터는 주로 기업이 공시하는 공식 문서를 통해 제공되며, 투자자와 분석가가 해당 기업의 가치와 미래 전망을 평가하는 데 필수적인 근거 자료로 활용된다. 가장 대표적인 출처는 기업이 분기 또는 연간으로 발표하는 재무제표이며, 여기에는 손익계산서, 대차대조표, 현금흐름표 등이 포함된다.

기업 재무 데이터의 주요 항목으로는 매출액, 영업이익, 당기순이익과 같은 수익성 지표, 자산, 부채, 자본 규모를 보여주는 재무구조 지표, 그리고 주당순이익(EPS), 주당순자산(BPS)과 같은 주주 관련 지표 등이 있다. 또한 부채비율, 유동비율, ROE(자기자본이익률), ROA(총자산이익률) 등 다양한 재무비율을 계산하여 기업의 수익성, 안정성, 활동성 등을 종합적으로 분석할 수 있다.

이러한 데이터는 증권사의 애널리스트가 기업 분석 리포트를 작성하거나, 기관투자자가 포트폴리오를 구성하는 근거로 적극 활용된다. 또한 신용평가사는 기업 재무 데이터를 심층 분석하여 기업의 신용등급을 부여하는 중요한 판단 자료로 삼는다. 따라서 정확하고 시의적절한 재무 데이터 공시는 자본시장의 효율성과 투명성을 유지하는 데 핵심적인 역할을 한다.

경제 지표는 국가나 지역의 경제 전반적인 건강 상태와 방향성을 측정하는 통계 데이터이다. 이는 국내총생산(GDP), 물가 지수, 고용률, 무역 수지 등 거시경제의 핵심 요소를 수치화한 것으로, 금융 시장과 실물 경제의 흐름을 이해하는 데 필수적이다. 투자자와 분석가는 이러한 지표를 분석하여 경기 사이클의 국면을 판단하고, 자산 가격의 변동을 예측하는 근거로 삼는다.

주요 경제 지표는 발표 주기와 시장에 미치는 영향력에 따라 크게 선행 지표, 동행 지표, 후행 지표로 구분된다. 선행 지표는 미래의 경제 활동을 예측하는 데 사용되며, 주가지수나 기업 신용장 발행 건수 등이 여기에 속한다. 동행 지표는 현재 경제 상황을 보여주는 산업 생산 지수나 소매 판매액 등을 포함한다. 후행 지표는 경제 변동이 이미 발생한 후에 확인되는 지표로, 실업률이나 기업 이익 등이 대표적이다.

이러한 지표들은 중앙은행의 금리 정책, 정부의 재정 정책 수립에 직접적인 영향을 미친다. 예를 들어, 소비자 물가 지수(CPI)가 급등하면 인플레이션 압력으로 판단되어 통화 긴축 정책이 시행될 수 있다. 따라서 경제 지표의 발표는 외환 시장과 채권 시장 등에서 즉각적인 변동성을 유발하는 중요한 사건이 된다.

경제 지표 데이터는 통계청, 중앙은행, 국제 기구(국제통화기금, 세계은행 등)와 같은 공공기관에서 주로 생산 및 공표한다. 최근에는 빅데이터 분석 기술을 활용하여 검색 트렌드나 신용카드 거래 데이터 같은 새로운 형태의 대체 데이터를 경제 활동의 신호로 활용하는 사례도 늘고 있다.

거래소는 주식, 채권, 파생상품 등의 금융 상품이 공식적으로 거래되는 장소로, 시장 데이터의 가장 핵심적인 1차 출처이다. 거래소는 모든 체결된 거래의 가격, 수량, 시간 등의 정보를 실시간으로 생성하며, 이는 가장 공식적이고 신뢰할 수 있는 시장 데이터의 기초가 된다. 주요 거래소로는 뉴욕 증권거래소, 나스닥, 도쿄 증권거래소, 런던 증권거래소 등이 있으며, 각 거래소는 관할 시장의 공식 데이터를 제공한다.

거래소가 제공하는 데이터는 일반적으로 가격 데이터, 거래량 데이터, 주문서 데이터로 구분된다. 가격 데이터에는 시가, 종가, 고가, 저가가 포함되며, 거래량 데이터는 특정 시간 동안 체결된 총 수량을 의미한다. 주문서 데이터는 아직 체결되지 않은 매수 및 매도 주문의 가격과 수량 정보를 제공하여 시장의 유동성과 잠재적 가격 움직임을 파악하는 데 활용된다.

이러한 원시 데이터는 거래소 자체 또는 허가된 데이터 벤더를 통해 시장 참여자들에게 판매된다. 데이터의 제공 형태는 실시간 스트림, 지연 데이터, 일별 또는 월별 히스토리컬 데이터 등 다양하며, 사용 용도와 비용에 따라 구분된다. 거래소 데이터는 투자 분석, 알고리즘 트레이딩, 리스크 관리 등 금융 시장의 모든 활동의 근간을 이룬다.

또한, 거래소는 상장 기업에 대해 기업 재무 데이터와 같은 공시 정보의 제출을 의무화함으로써 시장 데이터의 범위를 확장한다. 이는 투자자들의 기업 가치 평가에 필수적인 정보가 된다. 따라서 거래소는 단순한 거래 장소를 넘어 시장의 투명성과 효율성을 유지하는 정보 인프라의 핵심 역할을 수행한다.

데이터 벤더는 금융 시장에서 거래소나 다른 원천으로부터 시장 데이터를 구매하여 이를 정제, 패키징, 배포하는 전문 기업이다. 이들은 블룸버그, 로이터와 같은 글로벌 기업부터 다양한 지역별 전문 업체에 이르기까지 다양한 형태로 존재한다. 데이터 벤더는 단순한 데이터 중개자를 넘어, 다양한 자산 클래스에 걸쳐 실시간 및 과거 데이터를 통합하고, 분석 도구와 플랫폼을 제공하며, 데이터의 정확성과 신속성을 보장하는 핵심적인 역할을 수행한다.

이들 업체가 제공하는 서비스는 매우 다양하다. 주식, 채권, 파생상품의 실시간 가격과 거래량 정보, 글로벌 뉴스 피드, 기업의 재무제표 및 경제 지표를 포괄한다. 또한 고급 분석 도구, 차트 기능, 연구 보고서, 그리고 알고리즘 트레이딩 시스템과 직접 연동될 수 있는 API를 함께 제공하는 경우가 많다. 이러한 포괄적인 서비스는 헤지펀드, 투자은행, 자산운용사 등 금융 기관의 의사결정에 필수적인 인프라가 된다.

데이터 벤더의 비즈니스 모델은 주로 구독 기반이다. 고객은 필요한 데이터 피드의 종류, 실시간성 수준, 사용하는 터미널 또는 API 연결 수에 따라 계층화된 요금을 지불한다. 시장은 고도의 집중화 경향을 보이며, 주요 벤더들은 막대한 투자를 통해 데이터 수집 네트워크와 전송 기술을 구축하고, 사용자 친화적인 플랫폼을 지속적으로 발전시켜 경쟁 우위를 유지한다. 이들의 서비스 품질은 데이터의 정확도, 속도, 그리고 시장을 포괄하는 범위에 의해 평가받는다.

정부 및 공공기관은 시장 데이터의 중요한 공급자이다. 이들은 공공의 이익을 위해 경제 활동을 관찰하고 통계를 생산하며, 그 결과물인 다양한 공공 데이터를 일반에 공개한다. 이러한 데이터는 시장의 거시적 흐름과 구조를 이해하는 데 필수적이다.

주요 공급 기관으로는 통계청, 한국은행, 금융감독원 등이 있다. 통계청은 인구 통계, 소비자 물가 지수, 산업 생산 등 광범위한 경제 사회 통계를 생산한다. 한국은행은 국민소득 통계, 국제수지, 금리 등 금융 및 거시경제 지표를 발표한다. 금융감독원은 공시 시스템을 통해 상장기업의 재무제표와 주요 경영사항을 공개한다.

이들 기관이 제공하는 데이터는 높은 공신력을 갖는다. 데이터의 수집과 가공 과정이 법령과 엄격한 기준에 따라 이루어지기 때문이다. 따라서 투자자, 연구자, 기업들은 정부 및 공공기관의 공식 통계를 신뢰할 수 있는 기초 자료로 삼아 시장 분석이나 정책 연구에 활용한다.

공공 데이터의 개방 확대 추세에 따라, 공공데이터 포털과 같은 통합 제공 채널을 통해 시장 참여자들이 보다 쉽게 데이터에 접근하고 빅데이터 분석 등에 활용할 수 있는 환경이 조성되고 있다.

투자 분석은 시장 데이터를 활용하여 자산의 가치를 평가하고 투자 결정을 내리는 과정이다. 분석가는 주식, 채권, 원자재 등 다양한 금융 상품의 가격 데이터, 거래량 데이터, 그리고 해당 기업의 재무 데이터를 종합적으로 검토한다. 이러한 데이터를 바탕으로 기술적 분석과 기본적 분석을 수행하여 미래 가격 움직임을 예측하거나 내재 가치를 추정한다.

기술적 분석은 과거의 가격과 거래량 패턴을 연구하여 미래 시장 동향을 예측하는 방법이다. 분석가는 차트와 다양한 기술적 지표를 사용하여 추세, 지지 및 저항 수준, 매수 및 매도 신호를 식별한다. 반면, 기본적 분석은 기업의 재무제표, 산업 동향, 거시경제 지표와 같은 근본적인 요소를 조사하여 자산의 내재 가치를 평가한다. 이 두 가지 접근법은 상호 보완적으로 활용되기도 한다.

투자 분석의 궁극적인 목표는 정보에 기반한 투자 결정을 통해 수익률을 극대화하고 리스크를 관리하는 것이다. 이를 위해 분석가는 포트폴리오를 구성하고, 자산배분 전략을 수립하며, 지속적으로 시장 데이터를 모니터링하여 투자 전략을 조정한다. 효과적인 투자 분석은 금융 시장에서 경쟁 우위를 확보하는 데 필수적이다.

알고리즘 트레이딩은 사전에 정의된 규칙과 수학적 모델에 따라 컴퓨터 프로그램이 자동으로 거래를 실행하는 것을 말한다. 이는 인간의 감정적 개입을 최소화하고, 빠른 속도로 대량의 주문을 처리하며, 복잡한 전략을 구현할 수 있게 한다. 알고리즘 트레이딩의 핵심은 시장 데이터를 실시간으로 분석하여 거래 신호를 생성하고 실행하는 데 있으며, 이를 위해 가격 데이터, 거래량 데이터, 주문서 데이터 등 다양한 데이터가 입력된다.

주요 전략으로는 차익거래, 트렌드 추종, 평균 회귀, 고빈도 거래 등이 있다. 특히 고빈도 거래는 초고속 통신망과 컴퓨팅 파워를 바탕으로 초단위, 밀리초 단위의 미세한 가격 차이를 포착하여 수익을 내는 방식으로, 시장 유동성 제공에 기여하지만 시장 변동성을 증폭시킬 수 있다는 논란도 있다. 이러한 전략들은 통계학과 계량 금융 기법을 바탕으로 설계된다.

알고리즘 트레이딩의 성공은 정확하고 신속한 시장 데이터 수집과 처리에 크게 의존한다. 따라서 실시간 데이터 스트리밍 기술, 저지연 네트워크, 고성능 컴퓨팅 인프라가 필수적이다. 또한 백테스팅을 통해 과거 데이터로 전략의 유효성을 검증하고, 지속적인 모니터링과 최적화를 거쳐야 한다. 이는 금융공학과 소프트웨어 개발이 결합된 분야로 진화하고 있다.

리스크 관리는 금융 기관, 투자자, 기업이 직면할 수 있는 다양한 위험을 식별, 측정, 모니터링, 통제하는 과정이다. 시장 데이터는 이 과정에서 핵심적인 입력 자료로 활용된다. 특히 가격 변동성, 유동성, 시장 심리 등을 반영하는 실시간 및 과거 시장 데이터를 분석함으로써 잠재적 손실 가능성을 평가하고 적절한 대응 전략을 수립하는 데 기여한다.

리스크 관리는 크게 시장 리스크, 신용 리스크, 운영 리스크 등으로 구분되며, 시장 데이터는 주로 시장 리스크 관리에 활용된다. 예를 들어, 주식, 채권, 통화, 원자재 등의 가격 데이터와 거래량 데이터를 기반으로 포트폴리오의 가치 변동 위험(VaR: Value at Risk)을 계산하거나, 스트레스 테스트 및 시나리오 분석을 수행한다. 또한, 주문서 데이터를 통해 시장의 유동성 리스크를 평가하고, 경제 지표를 모니터링하여 거시경제적 충격에 대한 노출을 관리한다.

효과적인 리스크 관리를 위해서는 고품질의 시장 데이터에 대한 신속한 접근과 정확한 분석이 필수적이다. 이를 위해 많은 기관들은 실시간 데이터 스트리밍 기술을 도입하고, 빅데이터 분석 플랫폼을 구축하여 방대한 시장 데이터를 처리한다. 분석 결과는 데이터 시각화 도구를 통해 리스크 담당자에게 직관적으로 제공되어, 신속한 의사 결정을 지원한다.

시장 조사는 특정 시장에 대한 정보를 수집, 분석, 가공하여 기업의 의사 결정을 지원하는 활동이다. 이는 마케팅 전략 수립, 신제품 출시, 시장 진입 여부 판단 등 다양한 경영 활동의 기초 자료로 활용된다. 시장 조사는 금융 분야의 투자 분석이나 경제학적 연구에서도 중요한 역할을 하며, 빅데이터 기술의 발전으로 그 정밀도와 범위가 크게 확대되었다.

시장 조사에서 사용되는 데이터는 크게 정량 데이터와 정성 데이터로 구분된다. 정량 데이터는 설문 조사를 통한 통계 수치나 매출액, 시장 점유율 등 숫자로 표현 가능한 정보를 포함한다. 반면 정성 데이터는 인터뷰, 포커스 그룹 토론, 관찰 등을 통해 얻은 소비자의 의견, 태도, 동기 등 질적 정보를 의미한다. 또한 기존에 공개된 연차 보고서, 산업 보고서, 정부 통계 등을 분석하는 2차 자료 조사도 널리 사용된다.

시장 조사의 구체적인 활용 분야는 매우 다양하다. 기업은 이를 통해 표적 시장을 식별하고, 경쟁사 분석을 수행하며, 제품 포지셔닝 전략을 수립한다. 또한 가격 정책 결정, 광고 효과 측정, 고객 만족도 조사 등 마케팅 믹스의 모든 요소에 걸쳐 정보를 제공한다. 금융권에서는 특정 산업의 성장 전망이나 기업의 경쟁력을 평가하는 데 시장 조사 결과가 핵심적인 입력값이 된다.

효과적인 시장 조사를 위해서는 명확한 조사 목표 설정이 선행되어야 하며, 적절한 표본 추출 방법과 데이터 수집 기법을 선택하는 것이 중요하다. 수집된 데이터는 통계 분석 기법을 적용하여 유의미한 인사이트를 도출하며, 그 결과는 데이터 시각화 도구를 이용해 이해관계자에게 명확히 전달된다.

실시간 데이터 스트리밍은 금융 시장에서 생성되는 가격 데이터와 거래량 데이터 등을 즉시 처리하고 전달하는 기술이다. 주식 시장이나 외환 시장과 같이 변동성이 큰 환경에서는 시점에 따른 가격 차이가 크게 발생할 수 있어, 데이터의 지연 없이 실시간으로 제공되는 것이 필수적이다. 이를 위해 저지연 네트워크와 고속 메시징 프로토콜이 사용되며, 거래소는 이러한 실시간 데이터를 구독자들에게 직접 또는 데이터 벤더를 통해 공급한다.

실시간 데이터 스트리밍의 핵심 구성 요소로는 데이터를 지속적으로 발생시키는 생산자, 데이터를 중계하는 메시지 브로커, 그리고 데이터를 소비하여 처리하는 소비자가 있다. 이 아키텍처는 알고리즘 트레이딩 시스템이 마이크로초 단위로 시장 변화에 반응할 수 있는 기반을 제공한다. 또한, 실시간으로 유입되는 대량의 데이터를 처리하기 위해 아파치 카프카나 아파치 플링크와 같은 분산 스트리밍 플랫폼이 널리 활용된다.

이 기술의 적용은 단순한 데이터 전달을 넘어, 리스크 관리와 규제 준수에도 중요한 역할을 한다. 예를 들어, 실시간으로 포지션과 시장 가격을 모니터링함으로써 예상치 못한 손실을 조기에 감지하고 대응할 수 있다. 또한, 금융 감독 기관이 요구하는 거래 보고 의무를 이행하기 위해서도 정확하고 시의적절한 데이터 스트리밍이 필요하다.

빅데이터 분석은 방대한 양의 시장 데이터를 처리하여 숨겨진 패턴, 상관관계, 시장 동향을 발견하는 과정이다. 전통적인 분석 방법으로는 처리하기 어려운 고속, 대용량, 다양한 형태의 데이터를 인공지능과 머신러닝 알고리즘을 활용해 분석한다. 이를 통해 투자자나 기업은 단순한 과거 가격 추세를 넘어서 복잡한 시장 메커니즘과 소비자 행동을 더 깊이 이해할 수 있다.

빅데이터 분석의 주요 응용 분야로는 감성 분석이 있다. 이는 소셜 미디어, 뉴스 기사, 온라인 커뮤니티 등에서 생성되는 텍스트 데이터를 분석하여 특정 주식이나 브랜드에 대한 대중의 감정과 여론을 수치화한다. 또한, 다양한 경제 지표, 거래량 데이터, 글로벌 이벤트 정보를 결합하여 시장 변동성을 예측하거나 리스크 관리 모델의 정확도를 높이는 데 활용된다.

이러한 분석은 알고리즘 트레이딩 시스템의 핵심 요소로 작동하며, 더 나은 투자 전략을 수립하는 데 기여한다. 분석 결과는 대시보드나 데이터 시각화 도구를 통해 직관적으로 표현되어, 의사 결정자에게 실시간 인사이트를 제공한다. 결국, 빅데이터 분석은 시장 데이터를 단순 정보가 아닌 전략적 자산으로 변환하는 역할을 한다.

시장 데이터 시각화는 복잡한 금융 데이터나 시장 정보를 그래프, 차트, 지도 등의 시각적 형식으로 변환하여 정보를 직관적으로 이해하고 패턴을 발견할 수 있도록 돕는 과정이다. 주로 투자 분석가나 트레이더가 주가 변동, 거래량, 시장 심리 등을 분석하거나, 마케팅 담당자가 소비자 행동 데이터를 파악하는 데 활용된다. 데이터 시각화 도구를 사용하면 방대한 빅데이터 속에 숨겨진 추세나 상관관계를 빠르게 식별할 수 있어, 의사 결정의 속도와 정확성을 높이는 데 기여한다.

주요 시각화 방법에는 캔들스틱 차트, 선 그래프, 막대 그래프, 히트맵 등이 있다. 예를 들어, 캔들스틱 차트는 일정 기간의 시초가, 고가, 저가, 종가를 한 눈에 보여주어 기술적 분석의 핵심 도구로 쓰인다. 히트맵은 여러 자산 간의 상관관계나 섹터별 수익률을 색상으로 표현하여 시장 전반의 흐름을 파악하는 데 유용하다. 또한, 대시보드를 구성하여 실시간 데이터 스트리밍과 결합하면 시장 모니터링 효율을 극대화할 수 있다.

이러한 시각화는 단순한 정보 전달을 넘어, 머신 러닝 모델의 예측 결과를 해석하거나 복잡한 금융 공학 모델의 출력을 검증하는 데도 필수적이다. 효과적인 시각화를 통해 투자자는 데이터에 기반한 객관적인 판단을 내리고, 시장 조사에서는 복잡한 통계 결과를 이해 관계자에게 명확히 전달할 수 있다.