SQL 집계 + Pandas 정제 + 맥락 전달
약 90초
분석 도구 활용과 결과 전달 방식
Python과 SQL 모두 활용해본 경험이 있습니다. SQL에서는 서브쿼리와 GROUP BY를 활용한 집계 분석을 주로 했고, 인턴 시절 서비스 로그 테이블에서 일별 활성 사용자 수와 이탈률을 추출하는 쿼리를 작성한 경험이 있습니다. Python에서는 Pandas를 써서 CSV 형태의 데이터를 정제하고 집계하는 작업을 했습니다. 결측값 처리와 컬럼 타입 변환이 분석 전에 가장 많은 시간을 차지한다는 걸 실무에서 배웠습니다. 분석 결과를 전달할 때는 숫자만 나열하기보다 맥락과 함께 설명하는 것이 중요합니다. 같은 수치도 어떤 기준으로 해석하느냐에 따라 결론이 달라질 수 있어서, 분석 의도와 한계를 함께 제시하는 습관을 기르고 있습니다.
Jupyter Notebook으로 분석 과정을 문서화하면 재현성이 높아지고 팀 공유도 쉬워집니다.
이 결의 특징
Python이나 SQL로 데이터를 분석한 경험을 말할 때 도구 사용 방법보다 어떤 질문에 답하기 위해 데이터를 분석했는지를 먼저 말하는 방식이 핵심이라는 인식이 담긴 결입니다. 데이터 분석 경험은 도구 능숙도보다 분석 목적 이해가 더 많은 것을 보여준다는 인식이 특징입니다.
이 결이 통하는 자리
Python·SQL 데이터 분석 경험을 묻는 포지션에서 자주 등장하는 질문입니다. 분석 목적 이해가 더 많은 것을 보여준다는 인식이 있는 답은 면접관이 데이터 분석 이해도를 확인하는 자리입니다.