이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
데이터 분석 인턴에서 공공 데이터 포털의 의료 기관 정보 파일을 Python으로 전처리하는 작업을 맡았습니다. pandas를 써서 중복 제거, 결측치 처리, 칼럼 타입 변환을 했고, 지역 코드가 시·군·구마다 형식이 달라 매핑 테이블을 별도로 만들어 정규화했습니다. 처음엔 isnull().sum()으로 결측 패턴부터 확인하는 순서를 지켰는데, 한 칼럼에서 80% 이상 결측이 발견돼 분석 대상에서 제외하는 결정으로 이어졌습니다. 이 경험에서 데이터 전처리는 분석의 준비 단계가 아니라 탐색 자체라는 걸 배웠습니다. 데이터를 다루다 보면 가정이 틀렸다는 신호를 먼저 잡는 것이 결론보다 더 중요합니다.
전처리에서 발견한 이상 패턴이 분석 방향 자체를 바꾸는 정보가 되는 경우가 많고, 그래서 데이터를 다루는 건 탐색 그 자체라는 걸 배웠습니다.
Python 데이터 전처리를 쓴 다른 경험은 SNS에서 수집한 리뷰 텍스트를 감성 분석 모델에 넣기 위해 전처리한 수업 프로젝트입니다. 크롤링으로 수집한 텍스트에 HTML 태그, 이모티콘, 반복 문자(ㅋㅋㅋ 등), 의미 없는 특수문자가 섞여 있었습니다. re(정규표현식)로 노이즈를 제거하고, KoNLPy 형태소 분석기로 명사·형용사만 추출했습니다.
예상보다 이모티콘과 신조어 처리가 복잡했는데, 형태소 분석기가 처리하지 못하는 표현들이 많았고 일부는 수동으로 처리 사전을 만들어야 했습니다. 전처리 전후 모델 정확도를 비교했을 때 F1 스코어가 0.61에서 0.74로 개선됐습니다. 전처리 품질이 모델 성능 차이를 만든다는 것을 숫자로 확인한 경험이었고, 데이터 과학에서 전처리가 모델링만큼 중요한 이유를 체감했습니다.
데이터 전처리에서 가장 인상적인 결과는 전처리 중에 분석 가정 자체가 틀렸다는 것을 발견한 경험입니다. 인턴 때 의료기관 데이터 전처리를 하면서 지역 코드가 동일한 기관인데 서로 다르게 기록된 경우가 다수 발견됐습니다. 처음에는 단순 코드 형식 차이라고 생각했는데, 확인해보니 병원 이전이나 명칭 변경이 반영되지 않은 데이터였습니다. 이것이 발견되지 않았다면 같은 기관을 다른 기관으로 집계하는 오류가 분석 결과에 그대로 들어갔을 것입니다. 이 발견이 분석 범위와 방향을 바꾸는 결정으로 이어졌습니다.
데이터 전처리는 깨끗하게 만드는 것이 목적이 아니라, 분석에 쓸 수 있는 상태인지를 검증하는 과정이라는 것을 그 경험에서 배웠습니다. 전처리 중에 발견한 것이 분석 중에 발견하는 것보다 비용이 훨씬 적습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 CJ올리브영 데이터 분석가 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.