면접관이 이 한 문장으로 확인하려는 것들. 각 갈래를 알면 답의 뼈대가 잡혀요.
동아리에서 운영하는 스터디 매칭 플랫폼 데이터를 분석할 때, 운영진이 '어떤 스터디가 잘 되는지 보고 싶다'는 요구만 전달했습니다. 이를 그대로 받아들이지 않고 완료율, 재참여율, 평균 참여 인원 세 가지 지표로 나눠 정의를 먼저 합의했습니다. 이후 SQL로 스터디별 완료율과 재참여율을 집계하고, Python으로 지표 간 상관관계를 확인했습니다. 완료율이 높은 스터디일수록 재참여율도 높다는 것을 발견해 완료율을 핵심 지표로 제안했습니다. 막연한 요구를 구체적 지표로 바꾸는 과정이 분석의 시작이라는 것을 배웠습니다.
인턴 프로젝트에서 마케팅팀이 캠페인별 전환율을 알고 싶어 했는데, 원본 데이터에는 캠페인과 결제 정보가 서로 다른 테이블에 흩어져 있었습니다. 사용자 유입 로그, 장바구니 데이터, 결제 데이터를 순서대로 조인해 캠페인 유입부터 최종 결제까지 이어지는 단계별 전환율을 SQL로 산출했습니다. 그 결과 특정 캠페인이 유입은 많지만 결제 전환은 낮다는 것을 발견해 마케팅팀에 공유했습니다. 여러 테이블에 흩어진 데이터를 하나의 흐름으로 연결하는 것이 SQL의 핵심 활용법이라고 생각합니다.
교내 대외활동에서 설문 데이터를 분석해 달라는 요청을 받았을 때, 처음에는 만족도 평균만 원하는 줄 알았습니다. 담당자와 대화하며 실제로는 어떤 그룹에서 불만족이 나오는지 원인을 알고 싶어 한다는 것을 파악했습니다. 이를 확인한 뒤 SQL로 그룹별 데이터를 나눠 추출하고, Python으로 그룹 간 차이를 비교하는 방향으로 분석을 다시 설계했습니다. 처음 요청을 그대로 따르지 않고 진짜 필요를 확인한 덕분에 더 쓸모 있는 결과를 전달할 수 있었습니다.
같은 실수가 반복돼요. 이것만 피해도 절반은 갑니다.
진짜 면접은 두 번째 질문부터예요. 이 답 뒤에 따라올 법한 것들.