은행 거래내역서 데이터 추출
완벽 가이드 (2026)

은행 거래명세서 데이터 추출이란 무엇이며, 일반 문서 추출과 무엇이 다른가

은행 거래명세서 추출은 PDF 또는 스캔된 명세서에서 거래 내역(날짜, 수취인 설명, 출금 및 입금 금액, 잔액, 수표 번호, 계좌 메타데이터)을 자동으로 추출하여 Excel, CSV, JSON과 같은 구조화된 형식으로 변환하는 프로세스입니다. 개념에 대한 자세한 소개는 은행 거래명세서 추출의 개념과 작동 방식을 참조하세요.

은행 거래명세서 추출을 다른 문서 추출 작업과 구분 짓는 핵심은 잔액 일관성 제약 조건입니다. 인보이스의 경우 각 항목은 독립적입니다. AI가 "사무용품 — 42.50달러"를 놓쳐도 나머지 11개 항목은 여전히 정확합니다. 그러나 은행 거래명세서에서는 모든 거래 행에 이전 잔액에 현재 거래 금액을 더하거나 뺀 누적 잔액이 포함됩니다. 추출 파이프라인이 5페이지의 73번째 거래를 누락하면, 74번째 행부터 모든 누적 잔액이 틀어집니다. AI가 해당 행들을 완벽하게 추출했더라도 마찬가지입니다. 명세서 전체가 가장 기본적인 회계 검증인 기초 잔액 + 총 입금액 − 총 출금액 = 기말 잔액을 충족하지 못하게 됩니다.

이 하나의 제약 조건으로 인해 은행 거래명세서는 자동 추출 분야에서 가장 높은 정확도를 요구하는 문서 유형이 됩니다. 인보이스 추출 정확도가 99%라면 100개 중 1개 필드가 잘못된 것이며, 보통 빠른 확인으로 수정 가능합니다. 그러나 은행 거래명세서 추출 정확도가 99%라면 400개 행 중 단 하나의 거래가 누락되어도 나머지 396개의 누적 잔액이 모두 조용히 틀어질 수 있습니다.

수동 입력이 대규모에서 실패하는 이유

Chase나 Bank of America 같은 은행의 12페이지 분량 사업용 당좌 거래명세서에는 300~500개의 거래가 포함될 수 있습니다. 숙련된 회계 담당자가 시간당 80~100행을 입력한다고 가정하면, 단일 월말 명세서 처리에 3~5시간이 소요됩니다. 이를 운영 계좌, 급여 계좌, 저축 계좌, 신용카드 등 여러 계좌로 확장하면, 회계 담당자는 매월 일주일 내내 PDF에서 QuickBooks나 Xero로 숫자를 입력하는 데만 시간을 소비할 수 있습니다.

비용은 단순히 인건비만이 아닙니다. 수동 입력은 훈련된 데이터 입력 직원의 경우에도 1%~4%의 오류율이 문서화되어 있습니다. 400행 명세서의 경우 4~16개의 오류(금액 오입력, 하루 차이 나는 날짜, 잘못된 열에 복사된 설명)가 발생할 수 있습니다. 각 오류는 원래 입력 시간보다 찾는 데 더 오래 걸리는 조정 불일치를 만듭니다. 회계 담당자들은 일관되게 데이터 입력 오류를 찾고 수정하는 데 입력 자체보다 더 많은 시간이 소요된다고 보고합니다.

속도와 오류 이상의 더 깊은 문제가 있습니다. 사람이 은행 거래명세서 데이터를 입력할 때, 명세서를 감사 가능하게 만드는 핵심 요소인 누적 잔액 열은 입력이 번거롭다는 이유로 아예 입력되지 않거나, 인쇄된 값을 검증 없이 그대로 복사하여 입력됩니다. 어느 쪽도 은행 오류를 포착하지 못합니다. 모든 누적 잔액을 보존하는 자동 추출을 사용하면 단일 수식으로 전체 열에 걸쳐 은행의 계산을 검증할 수 있으며, 이는 어떤 수동 프로세스도 대규모로 따라올 수 없는 장점입니다.

은행 거래내역서 추출의 독특한 과제

은행 거래내역서는 단순한 "또 다른 문서 유형"이 아닙니다. 각각만으로도 문서 추출을 어렵게 만드는 네 가지 과제를 결합하고 있으며, 은행 거래내역서는 이 모든 것을 동시에 수행합니다.

다중 페이지 연속 잔액 관리

거래 테이블이 페이지 나누기에 걸쳐 있을 때, 추출 엔진은 테이블이 다음 페이지에서 새로 시작하는 것이 아니라 계속된다는 것을 인식해야 합니다. 이것은 은행 거래내역서 추출에서 가장 흔한 실패 모드입니다. 일부 도구는 각 페이지를 독립적으로 처리하여 3페이지의 첫 번째 거래 행을 새 테이블로 간주하고 2페이지의 연속 잔액 연결성을 잃습니다. 다른 도구는 이전 페이지의 마지막 행을 중복합니다. AWS Textract 사용자는 다중 페이지 은행 거래내역서에서 60-70%의 거래 데이터 손실을 보고했는데, API가 1페이지 이후 테이블 추출을 조용히 중단하기 때문입니다.

기술적 요구사항은 페이지 인식 추출입니다. 엔진은 페이지 경계를 넘어 테이블 상태를 추적하고, 테이블이 15개의 페이지 나누기에 걸쳐 있더라도 열 정렬, 잔액 연속성 및 행 순서를 유지해야 합니다. 도구의 문서에 다중 페이지 은행 거래내역서 지원이 명시적으로 언급되지 않았다면 작동하지 않는다고 가정하십시오.

은행 간 급격히 다른 레이아웃

Chase는 거래 설명을 "DEBIT CARD PURCHASE 04/12 AMAZON.COM ABCD123 REF# 45678"로 표시합니다. Bank of America는 "AMAZON.COM*AB12CD3 04/12 PURCHASE 888-555-1234 WA"를 사용합니다. 독일 Sparkasse 거래내역서는 열을 "Buchungstag / Wertstellung / Verwendungszweck / Umsatz"로 표시합니다. 프랑스 Société Générale 거래내역서(relevé de compte)는 날짜별로 거래를 그룹화하고 소계를 표시합니다. 영국 Barclays 거래내역서는 차변과 대변을 별도의 열로 분할하며 미국 거래내역서와 다른 정렬 규칙을 사용합니다.

각 은행 레이아웃에 대한 파싱 템플릿을 정의하는 템플릿 기반 추출은 이 지점에서 실패합니다. 중간 규모의 회계 법인은 한 달에 30개 다른 은행의 거래내역서를 처리할 수 있습니다. 30개의 파싱 템플릿을 만들고 유지 관리하는 것은 설정 비용만으로도 1년간 수동 입력 비용을 초과할 수 있습니다. 문서를 위치 기반이 아닌 의미 기반으로 읽는 AI 기반 추출 — Chase의 "Withdrawal" 열과 Bank of America의 "Debit" 열이 동일한 유형의 정보를 포함한다는 것을 이해하는 방식 — 만이 소수의 은행 형식을 넘어 확장 가능한 접근 방식입니다.

수표 번호 및 혼합 거래 유형 확인

수표 번호는 특히 까다로운 필드입니다. 인쇄된 은행 명세서에서 수표 거래는 설명 필드에 "CHECK #1042"로 포함되거나, 특정 명세서 레이아웃에만 나타나는 전용 "수표 번호" 열에 표시될 수 있습니다. 일부 은행은 디지털 명세서에 수표 번호를 전혀 인쇄하지 않습니다. 설명을 단일 텍스트 블록으로 처리하는 추출 엔진은 수표 번호를 완전히 놓칩니다. 맥락을 이해하는 AI 엔진 — "설명에서 'CHECK #'이 앞에 붙은 이 숫자 값은 수표 번호이지 거래 금액이 아니다" — 은 이를 별도의 열로 분리할 수 있습니다.

일관되지 않은 거래 설명

동일한 Amazon 구매도 Chase 명세서, Bank of America 명세서, Capital One 신용카드, Wells Fargo 비즈니스 당좌 계좌에서 각각 다르게 표시됩니다. 같은 은행 내에서도 ACH 이체, 직불카드 구매, 송금, 수표 결제는 각각 다른 설명 형식을 사용합니다. 거래를 분류해야 하는 경우(예: "사무용품", "여행", "공과금"), 일관되지 않은 설명은 단순한 키워드 매칭 — "설명에 'Office Depot'이 포함되면 카테고리 = '사무용품'" — 에 가능한 모든 판매자 철자 변형에 대한 규칙을 필요로 합니다. 정확한 문자열 매칭 대신 판매자 이름과 거래 유형에서 카테고리를 추론할 수 있는 AI는 이러한 지속적인 규칙 유지 관리를 없앱니다.

전통적인 OCR vs AI 기반 추출: 은행 명세서에 의미 이해가 필요한 이유

전통적인 OCR(광학 문자 인식)은 픽셀을 문자로 변환하여 작동합니다. 스캔된 은행 명세서를 읽고 텍스트 문자열을 출력하지만, 그 텍스트가 무엇을 의미하는지에 대한 이해는 없습니다. OCR 엔진은 17행 4열의 "$1,247.33"이 거래 #16 이후의 잔액이라는 것을 알지 못합니다. 단지 거기에 문자가 있다는 것만 알 뿐입니다.

OCR을 유용하게 만들려면 그 위에 템플릿을 겹쳐 놓습니다: 특정 필드가 나타나는 페이지 영역을 정의합니다. "날짜 열은 X=120px에서 시작하며 너비는 80px입니다." 이는 한 은행의 명세서 레이아웃에만 작동합니다. 레이아웃이 변경되면 바로 깨집니다 — 은행이 정기적으로 명세서 형식을 재설계하고, 여러 은행의 명세서를 처리하기 때문에 변경은 불가피합니다.

AI 기반 추출은 근본적으로 다른 접근 방식을 취합니다. "페이지에서 날짜 열이 어디 있지?"라고 묻는 대신 "이 페이지에서 거래 날짜처럼 보이는 것은 무엇일까?"라고 질문합니다. 비전 언어 모델이 사람처럼 문서 전체를 읽습니다. 헤더를 스캔하여 열의 의미를 파악하고, 페이지 간 테이블 구조를 추적하며, 첫 번째 열의 "04/12"는 날짜이고 다섯 번째 열의 "$04.12"는 금액임을 이해합니다. 이 의미 기반 추출 방식(위치를 암기하는 것이 아니라 의미를 이해하는 것)이 바로 AI가 은행별 설정 없이 모든 은행의 명세서를 처리할 수 있는 이유입니다.

ImageToTable.ai는 사용자 정의 열 추출을 사용합니다. "날짜", "내역", "출금", "입금", "잔액" 등 원하는 열 이름을 입력하면 AI가 페이지상의 위치가 아닌 의미를 이해하여 각 값을 찾아냅니다. 체이스가 다음 달 명세서 레이아웃을 재설계해도 아무 문제없이 작동합니다. 도구가 한 번도 본 적 없는 신용협동조합의 명세서를 추가해도 즉시 작동합니다. 템플릿 설정, 학습, 은행별 구성이 필요 없습니다.

실제 명세서에서 이 기능이 어떻게 작동하는지에 대한 실용적인 안내는 은행 명세서 데이터를 엑셀로 추출하는 단계별 방법을 참조하세요. 수동 입력과 자동화 간의 비용 차이를 비교하려면 수동 은행 명세서 입력 대 AI 추출 비교에서 항목별로 자세히 분석해 드립니다.

은행 명세서에서 추출할 주요 필드

모든 추출에 모든 필드가 필요한 것은 아닙니다. 다음은 우선순위별로 정리한 중요한 항목입니다.

배치 처리: 명세서 하나에서 스프레드시트 하나로

개별 명세서 추출도 유용합니다. 하지만 진짜 생산성 향상은 배치 처리에서 나옵니다. 여러 은행 계좌의 1년치 월별 명세서를 업로드하면, 모든 계좌, 모든 월의 모든 거래가 하나의 통합 테이블에 담긴 단일 스프레드시트를 받을 수 있습니다.

연말 정산을 하는 소규모 사업장의 일반적인 배치 작업 흐름은 다음과 같습니다:

내보내기 옵션 및 회계 연동

추출 결과가 실무에 유용하려면 회계 워크플로에 원활히 연결되어야 합니다. 은행 명세서 추출 도구는 일반적으로 세 가지 내보내기 경로를 지원합니다.

Excel (XLSX) 다운로드는 가장 보편적인 옵션입니다. QuickBooks, Xero, Sage, NetSuite, DATEV, Pennylane 등 모든 회계 플랫폼에서 거래 데이터를 Excel로 가져올 수 있습니다. 도구가 Excel을 지원하면 모든 회계 시스템에 데이터를 공급할 수 있습니다. CSV도 동일하게 작동하지만 서식이 손실되고 국제 은행 명세서에서 문자 인코딩 문제가 발생할 수 있습니다.

직접 Google Sheets 연동은 다운로드 후 재가져오는 단계를 없앱니다. ImageToTable.ai는 Google Sheets 사이드바 애드온을 제공하여 Sheets를 벗어나지 않고 활성 스프레드시트에 데이터를 추출합니다. 이는 일회성 내보내기보다는 지속적인 워크북을 유지하는 월별 정산 작업에 유용합니다.

API 및 웹훅 연동은 대량 워크플로에 적합합니다. 매달 수백 개의 명세서를 처리한다면, 파일 업로드와 구조화된 JSON 반환을 지원하는 API 엔드포인트를 통해 추출 결과를 회계 또는 대출 플랫폼에 직접 전달하는 자동화 파이프라인을 구축할 수 있습니다.

은행 명세서 추출 도구 선택 방법

모든 추출 도구가 은행 명세서를 동등하게 잘 처리하지는 않습니다. 다음은 일반 문서 추출이 아닌 은행 명세서 추출에 특히 중요한 기준입니다.

다중 페이지 표 연속성. 이것이 가장 중요한 판별 기준입니다. 테스트 방법: 6페이지 분량의 은행 명세서 PDF를 업로드하고 추출한 후, 3페이지 하단의 누적 잔액이 출력물의 4페이지 1행 누적 잔액과 일치하는지 확인하세요. 도구가 페이지를 독립적으로 처리하여 잔액이 연결되지 않는다면, 마케팅 문구와 관계없이 은행 명세서에 적합하지 않습니다.

형식 독립성. 도구가 사전 설정 없이 모든 은행의 명세서를 처리할 수 있습니까? 템플릿 기반 도구(Docparser, Parseur)는 은행 레이아웃별로 구문 분석 규칙을 정의해야 합니다. 2~3개 은행 명세서만 처리한다면 관리 가능하지만, 15개 이상이면 불가능합니다. 의미 기반 추출을 수행하는 AI 도구는 은행별 설정 없이 형식 변화를 처리합니다.

내장 정산 검증. 일부 도구는 데이터를 추출하여 제공하기만 합니다. 더 나은 도구는 검증 확인을 포함합니다: 기초 잔액 + 총 입금액 − 총 출금액 = 기말 잔액? 답이 '아니오'라면 도구가 내보내기 전에 이를 알려주어야 하며, 정산 중에 불일치를 발견하도록 방치해서는 안 됩니다.

일괄 및 병합 기능. 한 번에 하나의 명세서를 처리하는 것은 개인 용도에 적합합니다. 비즈니스 부기에는 여러 명세서를 단일 출력 테이블로 병합하는 일괄 업로드가 필요합니다. 명세서당 하나의 스프레드시트 파일이 아닌, 병합된 출력에는 각 거래가 어떤 은행 계좌에서 왔는지 알 수 있도록 출처 파일 또는 계좌 식별자가 포함되어야 합니다.

수표 번호 처리. 정산 워크플로에 결제된 수표가 포함된 경우, 도구가 전용 열이나 설명 필드에서 수표 번호를 별도 데이터 열로 추출할 수 있는지 확인하세요.

이러한 기준에 따른 도구 비교에 대한 자세한 내용은 2026년 최고의 은행 거래 내역서 추출 도구 요약을 참조하세요.

자주 묻는 질문

AI가 스캔하거나 촬영한 은행 거래 내역서에서 데이터를 추출할 수 있나요?

네. 최신 비전 AI는 스캔한 PDF나 모바일로 촬영한 인쇄된 은행 거래 내역서에서 높은 정확도로 데이터를 읽을 수 있습니다. 이는 전통적인 OCR보다 종종 더 나은데, AI가 문맥을 이해하고 일부 가려진 문자도 추론할 수 있기 때문입니다. 이미지 품질이 중요합니다. 조명이 좋은 상태에서 선명한 스마트폰 사진은 깔끔하게 추출되지만, 구겨지고 그림자가 진 열전사 인쇄 내역서는 일부 문자가 누락될 수 있습니다. 추출 엔진은 신뢰도가 낮은 필드를 표시하여 전체 내역서를 다시 읽지 않고도 해당 부분만 확인할 수 있도록 해야 합니다.

추출된 은행 거래 내역서 데이터가 올바른지 어떻게 확인하나요?

가장 빠른 확인 방법은 잔액 방정식입니다: 기초 잔액 + 총 입금액 − 총 출금액 = 기말 잔액이 성립해야 합니다. 이 조건이 맞다면 거래 수준 데이터는 수학적으로 일관성이 있습니다. 더 깊이 확인하려면 원본 PDF에서 무작위로 5-10개의 거래 행을 표본 감사하여 날짜, 금액, 누적 잔액을 비교하세요. 표본 검사가 통과되고 잔액 방정식이 성립하면 추출 데이터는 조정에 충분히 신뢰할 수 있습니다. 어떤 추출도 100% 완벽할 수는 없지만, 수학적으로 일관되고 표본 검사를 통과한 내역서는 신뢰할 수 있습니다.

은행 거래 내역서 추출이 해외 은행이나 비영어권 내역서에서도 작동하나요?

네, AI 기반 추출의 경우 가능합니다. 독일 Sparkasse 내역서, 프랑스 Société Générale의 relevé de compte, 일본의 銀行取引明細書, 미국 Chase 내역서 모두 동일한 기본 데이터 모델(날짜, 설명, 금액, 잔액)을 사용합니다. 다국어 문서로 학습된 AI 비전 모델은 언어에 관계없이 이러한 구조를 인식합니다. 열 제목이 독일어, 프랑스어, 일본어로 되어 있어도 각 열의 의미적 역할(날짜 열, 출금 열, 누적 잔액)은 동일합니다. 템플릿 기반 도구는 각 언어마다 별도의 템플릿이 필요하기 때문에 이러한 경우 어려움을 겪습니다.

은행 명세서 추출과 은행 피드의 차이점은 무엇인가요?

은행 피드(예: QuickBooks 은행 피드, Xero 은행 연결)는 PDF 없이 은행 API에서 실시간으로 거래 내역을 직접 가져옵니다. 은행 명세서 추출은 은행 포털에서 다운로드한 PDF 명세서에서 거래 데이터를 읽어옵니다. 은행 피드는 사용 가능할 때 더 편리하지만 통합 계약이 체결된 은행만 지원합니다. PDF 추출은 명세서를 발행하는 모든 은행(즉, 모든 은행)을 지원합니다. 많은 부기 담당자가 연결된 계좌에는 피드를, 나머지 계좌에는 PDF 추출을 사용하여 두 데이터를 동일한 조정 워크북에 병합합니다.

AI가 은행 명세서 거래를 자동으로 분류할 수 있나요?

부분적으로 가능합니다. AI는 가맹점명과 금액을 통해 거래 범주를 유추할 수 있습니다. 예를 들어 "SHELL OIL 123 MAIN ST"는 "자동차/연료"로, "ACME PROPERTIES LLC에 매월 $1,247.50"은 "임대료"로 매핑됩니다. ImageToTable.ai의 추론 열 기능을 사용하면 "범주(옵션: 임대료/급여/공과금/소모품/여행/기타)"와 같은 열을 정의할 수 있으며, AI는 추출 중 각 거래에 가장 적합한 범주를 자동으로 입력합니다. 그러나 분류 정확도는 거래 설명의 품질에 따라 달라집니다. 명확한 "ADOBE CREATIVE CLOUD"는 "POS DEBIT 04/12 888-555-1234"보다 더 신뢰성 있게 분류됩니다. 자동 분류 정확도는 85-95%로 예상되며, 나머지 5-15%는 사람의 검토가 필요합니다.

1년 치 명세서를 일괄 추출하는 데 얼마나 걸리나요?

12개월치 명세서(보통 총 50-150페이지)는 최신 AI 추출 엔진에서 약 60-90초 안에 처리됩니다. 병목 현상은 추출이 아니라 업로드입니다. 명세서가 이미 컴퓨터에 PDF로 저장되어 있다면, 업로드부터 Excel 내보내기까지 전체 일괄 작업은 5분 미만이 소요됩니다. 동일한 분량을 수동으로 입력하는 데 40-60시간이 걸리는 것과 비교하면, 이것이 ROI가 발생하는 부분입니다.

은행마다 별도의 명세서 형식 템플릿이 필요한가요?

템플릿 기반 추출 도구를 사용하는 경우, 그렇습니다. 각 은행의 고유한 레이아웃에 대한 파싱 템플릿이 필요하며, 은행이 명세서를 재설계하면 템플릿이 작동하지 않습니다. AI 기반 의미론적 추출을 사용하는 경우, 그렇지 않습니다. AI는 데이터의 위치가 아니라 의미를 이해하여 문서를 읽습니다. 템플릿이 필요 없는 추출의 핵심 장점 중 하나는 설정 없이 모든 은행의 모든 형식의 명세서를 업로드할 수 있다는 것입니다. 도구를 평가 중이라면, 이 기능이 6개월 후에도 도구가 계속 작동할지를 결정하는 단일 요소입니다.

은행 거래 내역 추출 도구는 어떤 파일 형식을 지원하나요?

대부분의 도구는 PDF(은행 거래 내역 다운로드의 표준 형식)와 일반적인 이미지 형식(JPG, PNG, WebP)을 지원합니다. 일부 도구는 스캔된 구형 명세서를 위해 TIFF도 지원합니다. 종이 명세서만 있다면 먼저 스캔하거나 사진을 찍어야 합니다. 현대 AI는 균일한 조명 아래에서 스마트폰으로 찍은 사진으로도 추출 가능한 결과를 만들어냅니다. 핵심 차이는 텍스트 PDF(대부분의 은행 다운로드 명세서처럼 텍스트 선택 가능)와 스캔 PDF(종이 이미지, OCR 필요) 사이에 있습니다. AI 기반 도구는 둘 다 처리하지만, OCR 전용 도구는 스캔 PDF에서 결과가 더 나쁠 수 있습니다.

은행 거래 내역 전체가 아닌 특정 거래만 추출할 수 있나요?

대부분의 추출 도구는 전체 명세서를 처리하여 모든 거래 행을 제공합니다. 필터링은 추출 후 Excel이나 Google Sheets에서 날짜 범위, 금액 범위 또는 설명 키워드로 수행합니다. 일부 고급 도구는 "$500 이상 거래만 추출" 또는 "출금만 추출"과 같은 추출 규칙을 정의할 수 있지만, 대부분의 경우 모든 것을 추출한 후 필터링하는 것이 더 간단하고 안전합니다. 나중에 관련성이 있다고 판명된 거래를 실수로 건너뛰지 않기 때문입니다.

은행 거래 내역 추출 비용은 회계사 고용과 비교해 어떤가요?

미국에서 시간제 회계사의 비용은 시간당 $25-40이며, 데이터 입력 및 조정에 월 20-40시간을 소비할 수 있습니다. AI 추출 도구는 소규모 비즈니스 요금제로 월 $9-39이며, 1년 치 명세서를 몇 분 안에 처리합니다. 계산은 간단합니다. 가장 저렴한 회계 노동($25/시간 × 20시간 = $500/월)도 AI 추출 비용의 12-55배입니다. 가치는 비용 절감뿐만 아니라 회계사의 20시간이 데이터 입력(분석 가치 제로)에서 분석 및 자문 작업(고가치)으로 전환된다는 점입니다. 직접 장부를 관리하는 소규모 비즈니스 소유자에게 추출은 월말 마감에서 가장 시간이 많이 걸리고 보람이 적은 부분을 없애줍니다.

은행 거래 내역 추출은 한 달에 하나 이상의 은행 계좌에서 하나 이상의 명세서를 처리하는 순간 '있으면 좋은' 기능이 아닌 필수 요소가 됩니다. 검증 공식(기초 잔액 + 입금 − 출금 = 기말 잔액)은 추출이 제대로 작동했는지 여부만 알려주지 않습니다. 해당 데이터에 기반한 모든 다운스트림 결정(조정, 현금 흐름 분석, 세무 준비, 대출)이 실제로 검증된 기반 위에 구축되었는지 알려줍니다. 스프레드시트를 제공하기 전에 수학적 검증을 수행하는 도구를 선택하면 데이터 자체가 올바른지 확인하는 데 시간을 낭비하지 않고 데이터가 가능하게 하는 결정에 시간을 쓸 수 있습니다.