기본 콘텐츠로 건너뛰기

[생성형 AI 모델(Gemini Advanced, Claude 3 Opus, GPT-4o)들에 대한 스프레드시트 데이터 분석 능력 비교]

생성형 AI 모델 (Gemini Advanced, Claude 3 Opus, GPT-4o) 데이터 분석 능력 비교

1930년부터 2014년까지의 월드컵 경기 데이터 (아래 시트) 를 3가지 생성형 AI 모델 (Claude AI, GPT-4o, Gemini Advanced)을 사용하여 분석하고, 그 결과를 비교 분석해보았습니다. 각 모델별로 스프레드시트 데이터를 어떻게 분석하고 시각화하여 월드컵 경기의 추세와 특징을 어떻게 설명을 하고 있는지 비교 평가 해보았습니다.

테스트용 스프레드시트 데이터는 1930년부터 2014년까지 월드컵 경기에 대한 데이터 (개최연도, 개최지, 승리국가, 준우승 국가, 평균 관중 수, 총 경기수, 골 수, 평균 골 수) 입니다.


Google Spreadsheet 데이터 원본 링크

월드컵

연도

개최지

승리국

준우승

평군관중

참가팀

경기수

골 스코어

평균 골수

1930 World Cup Uruguay

1930

Uruguay

Uruguay

Argentina

32,808

13

18

70

3.9

1934 World Cup Italy

1934

Italy

Italy

Czechoslovakia

21,353

16

17

70

4.1

1938 World Cup France

1938

France

Italy

Hungary

20,872

15

18

84

4.7

1950 World Cup Brazil

1950

Brazil

Uruguay

Brazil

47,511

13

22

88

4

1954 World Cup Switzerland

1954

Switzerland

Germany

Hungary

29,562

16

26

140

5.4

1958 World Cup Sweden

1958

Sweden

Brazil

Sweden

23,423

16

35

126

3.6

1962 World Cup Chile

1962

Chile

Brazil

Czechoslovakia

27,912

16

32

89

2.8

1966 World Cup England

1966

England

England

Germany

48,848

16

32

89

2.8

1970 World Cup Mexico

1970

Mexico

Brazil

Italy

50,124

16

32

95

3

1974 World Cup Germany

1974

Germany

Germany

Netherlands

49,099

16

38

97

2.6

1978 World Cup Argentina

1978

Argentina

Argentina

Netherlands

40,679

16

38

102

2.7

1982 World Cup Spain

1982

Spain

Italy

Germany

40,572

24

52

146

2.8

1986 World Cup Mexico

1986

Mexico

Argentina

Germany

46,039

24

52

132

2.5

1990 World Cup Italy

1990

Italy

Germany

Argentina

48,389

24

52

115

2.2

1994 World Cup United States

1994

United States

Brazil

Italy

68,991

24

52

141

2.7

1998 World Cup France

1998

France

France

Brazil

43,517

32

64

171

2.7

2002 World Cup Korea & Japan

2002

Korea & Japan

Brazil

Germany

42,269

32

64

161

2.5

2006 World Cup Germany

2006

Germany

Italy

France

52,491

32

64

147

2.3

2010 World Cup South Africa

2010

South Africa

Spain

Netherlands

49,670

32

64

145

2.3

2014 World Cup Brazil

2014

Brazil

Germany

Argentina

53,592

32

64

171

2.7

2018 World Cup Russia

2018

Russia

France

Croatia

47,371

32

64

169

2.6

(** 이 통계는 https://en.wikipedia.org/wiki/FIFA_World_Cup 에서 발췌한 것입니다 **)

각 모델별 질문 “질문: 평균 관중수 추이 분석해주세요. 필요하면 차트도 그려서 설명” 에 대한 각 모델별 분석 결과 요약

  • Claude AI: 표 형태로 데이터를 제시하고, 시대별 특징을 요약하는 텍스트 설명을 제공했습니다. 하지만 시각적인 자료가 없고, 설명이 다소 장황하다는 단점이 있었습니다.
  • GPT-4o: 차트를 통해 연도별 평균 관중 수 변화를 시각적으로 보여주고, 간결한 텍스트 설명을 제공했습니다. 하지만 차트의 시각적인 요소가 부족하고, 1994년 이후 감소 추세에 대한 설명이 없었습니다.
  • Gemini Advanced: Altair 라이브러리를 사용하여 인터랙티브한 시각화를 제공하고, 상세한 텍스트 설명과 함께 상관계수를 제시하여 통계적인 근거를 뒷받침했습니다. 

종합 평가

세 가지 모델 중 Gemini Advanced가 가장 우수한 분석 결과를 제공했습니다. 시각적인 자료와 텍스트 설명의 조화, 구체적인 수치 언급, 분석 결과에 대한 근거 제시 등이 균형 있게 이루어져 사용자가 정보를 쉽게 이해하고 해석할 수 있도록 했습니다. 다만, 

결론


이번 비교 분석을 통해 생성형 AI 모델이 월드컵 경기 데이터와 같은 스포츠 데이터 분석에 유용하게 활용될 수 있음을 확인했습니다. 특히, Gemini Advanced 모델은 뛰어난 분석 능력과 시각화 기능을 바탕으로 데이터에 대한 깊이 있는 이해를 돕는 결과를 제공했습니다.

여기서 한가지 놀라웠던 점은, Gemini Advanced 가 분석한 결과 내용중에는 2002년 한일 월드컵때에 관중수가 1994년 대비 거의 반토막 나고 1998년 보다 다소 감소한 결과에 대해서 다음과 같이 분석 설명을 했다는 사실에 놀라울 따름입니다.

‘다만, 2002년 한일 월드컵에서는 평균 관중 수가 다소 감소하는 모습을 보였는데, 이는 개최국의 지리적 위치나 경기 시간 등이 현지 관중의 참여에 영향을 미쳤을 수 있습니다.”

이 결과로 인하여 모든 스프레드시트 데이터 분석에서 Gemini Advanced 가 가장 우수한 것으로 일반화할 수는 없습니다. 단편적인 월드컵 경기 데이터만으로 평가한 결과임을 참고하여 주시기 바랍니다. 

—---------------------------------------------------------------------------------------

Claude 3 Opus :

질문: 평균 관중수 추이 분석해주세요. 필요하면 차트도 그려서 설명

답변:

평균 관중수 추이를 분석해 보겠습니다. 데이터를 연도순으로 정렬하고, 평균 관중수의 변화를 살펴보면 다음과 같습니다.

이를 그래프로 나타내면 다음과 같습니다:

분석 결과:

  • 1930년대부터 1950년대까지 평균 관중수는 2-3만 명 수준이었습니다.
  • 1950년 브라질 월드컵에서 평균 관중수가 크게 증가한 후, 1960년대부터 1980년대 중반까지 4-5만 명 수준을 유지했습니다.
  • 1994년 미국 월드컵에서 평균 관중수가 약 69,000명으로 크게 증가했지만, 이후 다시 4-5만 명 수준으로 감소했습니다.
  • 2000년대 들어 평균 관중수는 소폭 증가하는 추세를 보이며, 2014년 브라질 월드컵에서는 약 53,600명을 기록했습니다.

전반적으로 평균 관중수는 1950년대 이후 꾸준히 증가해 왔으며, 1994년 미국 월드컵에서 정점을 찍은 후 다소 감소했지만, 최근 다시 증가 추세에 있습니다. 이는 월드컵의 인기와 규모가 지속적으로 성장해 왔음을 보여줍니다. 다만 개최국의 스타디움 규모, 경제 상황, 축구 인기도 등 다양한 요인에 따라 평균 관중수에는 등락이 있었던 것으로 보입니다.

GPT-4o

연도별 월드컵 평균 관중수 추이를 분석한 결과입니다. 아래 차트는 각 대회가 열린 연도에 따른 평균 관중수의 변화를 시각적으로 나타냅니다.

분석 결과 요약:

  • 1930-1960년대: 초기 월드컵 대회에서는 평균 관중수가 비교적 낮았으나, 1950년 브라질 월드컵에서 관중수가 급증한 것을 볼 수 있습니다.
  • 1970-1990년대: 이 시기 동안 평균 관중수는 지속적으로 증가했으며, 특히 1994년 미국 월드컵에서 가장 높은 관중수를 기록했습니다.
  • 2000년대 이후: 최근 월드컵 대회에서도 여전히 높은 관중수를 유지하고 있으며, 2014년 브라질 월드컵과 2010년 남아프리카 공화국 월드컵에서도 많은 관중이 경기를 관람했습니다.

이러한 추이는 월드컵의 인기가 지속적으로 증가하고 있으며, 전 세계적으로 많은 팬들이 경기를 관람하러 온다는 것을 보여줍니다. 추가적으로 궁금한 사항이나 다른 분석이 필요하시면 말씀해 주세요. ​​

—---------------------------------------------------------------------------------

Gemini Advanced (Gemini 1.5 Pro)

월드컵 개최 연도(Year)별 평균 관중 수(Average attendance)의 추이를 분석하고 시각화하여 보여드리겠습니다.

이미지로 표시된 차트



연도별 월드컵 평균 관중 수 추이를 나타내는 그래프를 보면, 대체로 시간이 지남에 따라 평균 관중 수가 증가하는 추세를 보입니다. 특히 1994년 미국 월드컵에서 크게 증가한 이후로 높은 수준을 유지하고 있습니다.

이는 월드컵이 전 세계적으로 인기를 얻으면서 더 많은 사람들이 경기장을 찾게 된 것으로 해석할 수 있습니다. 또한, 경기 수와 참가 팀 수의 증가 또한 평균 관중 수 증가에 영향을 미쳤을 가능성이 있습니다.

다만, 2002년 한일 월드컵에서는 평균 관중 수가 다소 감소하는 모습을 보였는데, 이는 개최국의 지리적 위치나 경기 시간 등이 현지 관중의 참여에 영향을 미쳤을 수 있습니다.

전반적으로 월드컵은 시간이 지남에 따라 더 많은 관중을 끌어모으는 스포츠 행사로 성장해왔으며, 이는 월드컵의 세계적인 인기와 위상을 반영한다고 볼 수 있습니다.

참고로 연도와 평균 관중 수 간의 상관계수는 0.708로, 비교적 강한 양의 상관관계를 나타냅니다. 즉, 연도가 증가함에 따라 평균 관중 수도 증가하는 경향이 통계적으로 유의미하다는 것을 의미합니다.

댓글

이 블로그의 인기 게시물

[알아두면 쓸모 있는 구글 문서 팁] 문서 공유시- 사용자 이름 대신에 익명의 동물이 표시 되는 이유와 동물 종류

구글 드라이브에는 다른 유사 서비스에서는 제공하지 않는 구글 만의 유니크한 기능들이 있다 구글 문서를  불특정 다수에게 전체 공개로 공유할 수 있습니다. 불특정인이 구글 문서에 접속한 경우 익명의 동물로 표시됩니다.  ' 웹에 공개' 또는 '링크가 있는 사용자' 공유 설정을 선택하면 인식할 수 없는 이름이나 익명의 동물이 표시될 수 있습니다. 파일에서 인식할 수 없는 이름을 볼 수 있는 몇 가지 이유는 다음과 같습니다. 메일링 리스트와 파일을 공유합니다. Google 계정이 없는 사용자와 파일을 공유하며, 그 사용자가 다른 사용자에게 공유 초대를 전달했습니다. 내 파일을 수정할 수 있는 누군가가 파일을 다른 사용자와 공유했습니다. 다른 사용자가 자신의 Google 계정 이름을 변경했습니다. 공유 설정 페이지에서 해당 사용자 이름 위로 마우스를 이동하여 이메일 주소를 확인하세요. 익명의 동물 다른 사용자에게 개별적으로 보기 또는 수정 권한을 부여하거나 메일링 리스트에 속해 있는 경우에만 사용자 이름이 표시됩니다. 파일 권한을 '링크가 있는 사용자'로 설정하면 파일을 보고 있는 사용자의 이름이 표시되지 않습니다. 대신 다른 사용자가 익명으로 라벨이 지정되어 표시되고 각 익명 사용자는 다양한 익명의 동물로 나열됩니다. 파일 권한을 '링크가 있는 사용자'로 설정했지만 특정 사용자와 파일을 공유하는 경우 파일을 공유한 사용자의 이름이 표시됩니다. 그 외 다른 사용자가 파일을 볼 때는 익명으로 나타납니다. 비공개 파일의 익명 동물 파일 권한을 '링크가 있는 사용자'로 설정한 다음 이를 '특정 사용자'로 변경하면 다음과 같은 경우 여러 익명의 동물이 표시될 수 있습니다. 누군가 파일을 여러 번 여는 경우에는 익명의 동물 목록에서 오래되고 연결이 끊긴 세션을 강제 종료하는 데 조금 시간이 걸릴 수 있습니다. 누군가 온...

[팁] Google Slide 프리젠테이션시 모든 한글폰트가 '굴림체' 로 바뀌는 현상을 해결한 크롬 확장 프로그램 소개

구글 문서도구인 구글 슬라이드를 이용하여 프리젠테이션을 많이 하는 분들을 위한 희소식 현재 구글 슬라이드에서는 슬라이드 편집시 사용한 고유 한글 폰트들은 프리젠테이션 모드로 전환할 경우는 모두 '굴림체' 로 바뀌어 표시가 되는 불편함이 있었습니다. 예). 슬라이드 편집에서 사용한 '궁서체' 한글 폰트는, 프리젠테이션 모드에서는 '굴림체'로 바뀌어 디스플레이됨 예). 슬라이드 편집 모드 - '궁서체' 폰트 사용 프리젠테이션 모드에서 '굴림체' 로 변경됨    따라서, 이러한 현상을 해결하는 크롬 확장 프로그램이 개발 되었습니다.  크롬 확장 프로그램 명 - ShowAsis 입니다. 크 롬 웹스토어 링크 -  https://goo.gl/PVPkZz 이 확장 프로그램을 사용하여 슬라이드 프리젠테이션을 하면, 편집 모드의 폰트 그대로 프리젠테이션시에도 그대로 한글 폰트로 디스플레이 됩니다. 단, 단점은 슬라이드가 애니메이션 슬라이드가 있는 경우는 애니메이션이 동작하지 않습니다. ----------------------- G Suite/Google Apps 전문 블로그 -  charlychoi.blogspot.kr 도서 '기업과 학교를 위한 구글크롬북'

Claude 4 의 프롬프트 엔지니어링 완벽 가이드 백서 (by Anthropic)

  Claude 4 프롬프트 엔지니어링 완벽 가이드 🚀 인공지능(AI) 시대, AI를 얼마나 잘 활용하느냐가 경쟁력이 되는 요즘! 특히 Claude 4와 같은 고성능 AI 모델의 능력을 200% 끌어내기 위한 핵심 비법, 바로 '프롬프트 엔지니어링'입니다. 이 글에서는 Claude 4를 마치 내 손안의 똑똑한 비서처럼 활용하기 위한 모든 것을 쉽고 자세하게 알려드립니다. 제1장 배경: Claude 4와 대화하는 새로운 방법 인공지능(AI) 기술이 우리 생활 깊숙이 들어오면서, AI를 얼마나 잘 활용하는지가 중요해졌습니다. 마치 스마트폰의 기능을 제대로 알아야 편리하게 사용할 수 있듯이, AI 모델도 그 능력을 최대한 끌어내려면 효과적인 소통 방법이 필요합니다. 여기서 등장하는 것이 바로  프롬프트 엔지니어링 입니다. 프롬프트 엔지니어링이란 무엇일까요?  쉽게 말해, AI에게 우리가 원하는 것을 정확하고 명확하게 전달하여, AI가 똑똑하게 알아듣고 가장 유용한 결과물을 만들어내도록 하는 기술입니다. 마치 숙련된 요리사에게 "맛있는 파스타 만들어주세요"라고 하는 대신, "알리오 올리오 파스타를 만들어주세요. 마늘은 듬뿍 넣고, 페페론치노는 살짝만 넣어 약간 매콤하게, 면은 알덴테로 삶아주세요."라고 구체적으로 주문하는 것과 같습니다. 주문이 상세할수록 우리가 원하는 결과에 가까워지겠죠? 특히 Claude 4와 같은 최신 AI 모델은 이전 모델들보다 훨씬 더 지시를 잘 알아듣고 따릅니다. 그래서 우리가 얼마나 좋은 프롬프트(지시)를 주느냐에 따라 결과물의 수준이 크게 달라집니다. 프롬프트의 품질이 곧 AI 답변의 품질이 되는 셈입니다. Claude 4, 더 똑똑해진 AI 비서 Claude 4 모델(Opus 4, Sonnet 4 포함)은 복잡하고 미묘한 지시 사항도 곧잘 이해하고 수행하는 뛰어난 능력을 갖추고 있습니다. 이는 마치 경험 많은 전문 비서와 일하는 것과 같습니다. 이 비서는 우리가 하는 말을 허투루 듣...

Deep Research (심층 리서치)용 상세 프롬프트를 자동으로 생성하는 표준 메타 프롬프트 활용법 [팁]

  Deep Research용 상세 프롬프트를 자동으로 생성하는 표준 메타 프롬프트 활용법 생성형 AI를 활용하여 심도 있는 리서치 (Deep Research)를 수행할 때, 상세하고 구조화된 프롬프트를 작성하는 것은 매우 중요합니다. 하지만 매번 이러한 프롬프트를 처음부터 구성하는 것은 번거로울 수 있습니다. 이럴 때 '메타 프롬프트' 를 활용하면, 간단한 정보 입력만으로 AI가 스스로 최적의 Deep Research용 프롬프트를 생성하도록 유도할 수 있습니다. 이번 포스팅에서는 사용자가  'AI Deep Research 효율적 활용을 위한 프롬프트 명령어 표준 템플릿'  문서를  챗GPT, Claude, Gemini 에 업로드 후 Deep Research 명령을 위한 상세한 프롬프트를 생성하도록 지시하는  표준 메타 프롬프트 명령어 를 소개합니다.  이 명령어는  'AI Deep Research 효율적 활용을 위한 프롬프트 명령어 표준 템플릿'  문서를 기반으로 Deep Research 프롬프트 명령어를 생성하는 방법을 안내합니다. ⚙️ 표준 메타 프롬프트: Deep Research용 프롬프트 자동 생성 (명령어 방식) 우선 사용자는  AI Deep Research 효율적 활용을 위한 프롬프트 명령어 표준 템플릿'  문서를 생성형 ai에게 업로드 후 다음 절차에 따라 진행하면 됩니다.  아래는 AI에게 Deep Research용 프롬프트 생성을 요청하기 위한 표준 명령어 형식입니다. 사용자는 아래 '사용자 입력 정보'의  [ ]  대괄호로 표시된 부분을 자신의 연구 내용에 맞게 채워 넣어 생성형 AI에게 전달하면 됩니다. # Deep Research 프롬프트 생성 요청 사용자 입력 정보: * 연구 주제/대상: [여기에 연구 주제 또는 대상을 명확히 입력하세요] * 핵심 질문 (쉼표로 구분): [여기에 가장 궁금한 핵심 질문들을 쉼표로...

[G Suite - Google 그룹스가 무엇인가? ] Google 그룹스로 무엇을 할 수 있을까요?

                  가끔 이런 질문을 받습니다. 무료 개인용 Gmail 과 Google 드라이브 (15GB)를 회사에서 잘 사용하고 있는데, 왜? 비용을 (연간/1계정/$50) 지불해가며 G Suite Basic (30GB)를 도입해야 하나요? 무료로 15GB 사용하다가 용량이 모자라면 그때 필요한 용량만 지불하고 늘리면 되지 않나요? 기업용 G Suite 과 개인용 Gmail 및 드라이브의 차이점 은 수십가지 있지만, 결정적인 차이점이 있습니다. 개인용 무료 Gmail/Drive에는 ‘Google 그룹스 (공식 명칭은 Groups for Business)’ 서비스가 제공되지 않는다는 것입니다. 그렇다면, 그동안 개인용에서 이 Google 그룹스 없이도 잘 사용해왔는데 뭐가 특별한가요? 라는 궁금증을 가질 수 있습니다. 기업에서 협업 및 공유를 위해서는 Google 그룹스는 없어서는 안될 주요 서비스중에 하나입니다. G Suite에 주요 서비스로 Google 그룹스가 포함되어 있음에도 불구하고 많은 분들이 그룹스의 중요성 및 용도에 대해서 잘 모르고 있거나 활용을 잘 못하고 있어서 정리해 보았습니다. 그룹스에서 할 수 있는 작업이 무엇이 있을까요? 동보메일 (배포 리스트 메일) 리스트 작성하여 이 메일 리스트를 사내에서 공동으로 사용 예) 뉴스레터 가입자 500명에게 메일을 동시에 보내고자 한다면 간단히   newsletter@mycompany.com 그룹을 생성하여 이 그룹에 500명의 가입자를 등록 및 가입 탈퇴 관리까지 할 수 있음. 뉴스레터 가입자들은 Google 그룹에 회원으로 등록하여 관리됨 이메일 목록 그룹 및 Google 연락처 그룹 비교: 이메일 목록 그룹이 내 주소록 목록(Gmail에서 주소록 클릭)에서 만들 수 ...