이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
SQL 경험은 인턴 기간에 운영 데이터를 직접 조회하면서 쌓았습니다. 마케팅 팀에서 캠페인별 전환율을 분석해야 했는데, `SELECT`, `JOIN`, `GROUP BY`를 활용해 필요한 데이터를 직접 추출했습니다. 처음에는 쿼리 작성이 낯설었지만, 원하는 데이터를 스스로 뽑아낼 수 있게 되면서 업무 속도가 빨라졌습니다. 도구에 의존하지 않고 데이터에 직접 접근할 수 있다는 것이 분석의 출발점이라는 것을 느꼈습니다. 이후에는 WHERE 조건과 서브쿼리를 사용하여 세분화된 집계도 해보았습니다.
스스로 데이터를 꺼내는 능력이 분석의 자율성을 높여주었습니다. 도구를 아는 것과 활용하는 것은 다르다는 것을 현장에서 배웠습니다.
데이터 추출 도구로는 Python의 `pandas`를 가장 많이 써봤습니다. 수업 프로젝트에서 설문 결과를 정제하고 집계하는 작업에 활용했는데, 데이터 형식이 일관되지 않아서 정제에만 시간의 절반 이상이 걸렸어요. fillna, groupby, merge 등의 기능으로 데이터를 정리하면서 분석 전 단계가 얼마나 중요한지를 직접 느꼈습니다. 깔끔한 데이터가 있어야 제대로 된 분석이 나온다는 걸 그때 배웠어요. 이후엔 자주 쓰는 정제 코드를 함수로 만들어서 반복 작업을 줄이는 방식을 쓰고 있습니다.
작은 자동화 하나가 반복 소모를 줄여주는 경험이었어요. 분석보다 정제가 더 중요하다는 걸 그때 배웠습니다.
데이터 추출 경험은 엑셀과 SQL을 함께 쓴 업무에서 쌓았습니다. 업무상 필요한 데이터를 SQL로 뽑은 뒤, 엑셀에서 피벗테이블로 가공해 보고서를 만드는 흐름을 반복했어요. 처음에는 SQL이 어렵게 느껴졌는데, 자주 쓰는 패턴을 익히고 나면 원하는 집계를 빠르게 만들 수 있었습니다. 도구마다 잘하는 영역이 있고, 조합해서 쓰면 더 효율적이라는 걸 경험으로 배웠어요. 엑셀은 시각화와 공유에 강하고, SQL은 대규모 데이터 필터링에 유리했습니다.
각 도구의 장점을 맥락에 맞게 쓰는 것이 실무 분석의 핵심이에요. 하나의 도구에 의존하기보다 상황에 맞게 선택하는 습관을 기르고 있습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 CJ올리브영 사업기획 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.