이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
데이터 분석 인턴으로 일할 때 처음엔 Excel과 피벗 테이블로 내부 매출 데이터를 분석했습니다. 그런데 데이터가 수십만 건을 넘어가면서 Excel이 느려지기 시작했고, 기초 SQL을 배워서 직접 DB를 조회하는 방식으로 전환했습니다. SELECT·WHERE·GROUP BY 조합으로 원하는 세그먼트를 바로 뽑을 수 있게 됐고, 기존에 피벗으로 30분 걸리던 작업이 5분으로 줄었습니다. 외부 데이터는 공공 통계 포털의 소비 지출 데이터를 받아서 내부 매출 데이터와 조합하는 작업을 했는데, 컬럼 기준이 달라 병합이 안 되는 경우가 자주 생겼습니다. 그때부터 외부 데이터를 받으면 컬럼 정의와 집계 기준을 먼저 확인하는 습관을 들였습니다. 툴을 많이 쓸 줄 아는 것보다 어떤 질문에 어떤 툴이 적합한지 판단하는 것이 더 중요하다고 생각합니다.
내부·외부 데이터 분석에서 제가 직접 굴린 건, 외부 데이터를 받으면 컬럼 정의와 집계 기준을 먼저 확인하는 일입니다. 데이터 분석 인턴 때 공공 통계 포털의 소비 지출 데이터를 내부 매출과 조합했는데, 컬럼 기준이 달라 병합이 안 되는 경우가 자주 생겼기 때문입니다. 그래서 저는 외부 데이터를 받자마자 그 컬럼이 무엇을 어떤 단위로 집계한 건지부터 확인해, 내부 데이터와 맞물리는 키를 잡고 병합했습니다. 내부 매출은 처음엔 Excel과 피벗으로 보다 수십만 건을 넘으며 느려져, 기초 SQL을 배워 직접 DB를 조회하는 방식으로 전환해 30분 걸리던 작업을 5분으로 줄였습니다. 다만 한계도 인정합니다. 저는 SELECT·WHERE·GROUP BY 수준의 SQL과 피벗을 쓴 거라, 복잡한 조인이나 BI 도구, 파이썬 기반 분석까지는 다뤄 보지 못했습니다. 툴을 많이 아는 것보다 어떤 질문에 어떤 툴이 맞는지 판단하는 게 더 중요하다고 봅니다. 그래서 병합 기준을 먼저 확인한 경험을 토대로, 그 분석 역량을 더 키우려 합니다.
데이터 분석에서 제가 직접 다룬 건, Excel의 한계를 만나 SQL로 전환한 일입니다. 데이터 분석 인턴 때 내부 매출을 Excel과 피벗으로 보다 데이터가 수십만 건을 넘으며 느려졌기 때문입니다. 그래서 저는 기초 SQL을 배워 SELECT·WHERE·GROUP BY 조합으로 원하는 세그먼트를 바로 뽑게 됐고, 피벗으로 30분 걸리던 작업이 5분으로 줄었습니다. 도구를 바꾼 게 아니라 데이터 규모에 맞는 도구를 고른 게 핵심이었습니다. 외부 데이터는 컬럼 정의와 집계 기준을 먼저 확인해 병합 오류를 줄였습니다. 어떤 질문에 어떤 툴이 적합한지 판단하는 게 툴 숙련도보다 중요하다고 봅니다. 다만 한계도 인정합니다. 저는 기초 SQL 수준이라, 복잡한 쿼리 최적화나 대시보드 자동화, 파이썬 분석까지는 다뤄 보지 못했습니다. 또 그 분석이 실제 의사결정으로 얼마나 이어졌는지도 끝까지 추적해 보진 못했습니다. 그래서 SQL로 전환한 경험을 토대로, 그 분석 역량을 더 키우려 합니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 CJ올리브영 MD·상품기획 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.