데이터에서 패턴을 찾아 운영 개선을 제안했다
약 95초
대량 데이터 분석 → 인사이트 → 실행 제안 흐름 서술
복잡한 데이터 세트를 분석하여 실제로 쓸 수 있는 결과를 낸 경험은 4개월 인턴십에서 구매 로그 데이터를 분석한 것이 가장 기억에 남습니다.
6개월치 구매·반품·재방문 데이터 약 15만 건을 받아서 고객 이탈 패턴을 분석했습니다. 처음에는 전체를 다 보려다가 방향을 잡지 못했고, 첫 구매 후 30일 내 재방문 여부를 기준으로 고객을 나눠서 두 그룹의 행동 차이를 비교하는 방식으로 좁혔습니다. 재방문 그룹은 할인 쿠폰 사용률이 2.1배 높다는 패턴이 나타났고, 신규 고객 쿠폰 발송 타이밍 제안으로 연결했습니다. 실패는 처음에 가설 없이 전체 상관관계를 다 뽑아보다가 2주를 흘려보낸 것이었습니다.
복잡한 데이터에서 통찰이 나오는 것은 데이터의 양이 아니라, 어떤 질문으로 접근하느냐에서 시작한다고 생각합니다.
이 결의 특징
15만 건 구매 로그를 전체 상관관계로 다 뽑다가 2주를 흘린 실패에서 30일 재방문 여부로 좁혀 쿠폰 사용률 2.1배 차이를 찾아낸 전환점이 담겨 있습니다.
이 결이 통하는 자리
데이터의 양이 아니라 어떤 질문으로 접근하느냐가 통찰을 만든다는 관점이 실제 시행착오에서 나올 때 통합니다. 실행 제안으로 이어진 결론이 통하는 결이 보입니다.