A
약 75초
경험 중심 1인칭 답변
데이터 분석 수업 프로젝트에서 리뷰 텍스트(비정형)와 구매 이력·평점(정형)을 함께 분석했습니다. 정형 데이터로는 먼저 카테고리별 평균 평점과 재구매율 분포를 확인해 어떤 카테고리에서 이탈이 높은지를 파악했습니다. 그다음 해당 카테고리의 비정형 리뷰를 형태소 분석기로 토크나이징하고 빈도 높은 불만 표현을 추출했는데, 정형 데이터에서 발견한 낮은 평점이 리뷰에서는 "배송 지연"과 "포장 불량" 두 주제로 집중된다는 것을 확인했습니다. 두 데이터 타입을 함께 쓴 것의 강점은 숫자가 보여주지 못하는 이유를 텍스트로 보완할 수 있다는 것이었습니다. 어려웠던 점은 비정형 데이터에 노이즈가 많아서 전처리 기준을 일관되게 정하는 것이었고, 이 부분에서 팀원과 반복 논의했습니다.
정형과 비정형을 함께 보면 문제를 더 입체적으로 이해할 수 있다는 것이 이 경험의 핵심이었습니다. 앞으로도 분석을 시작할 때 정형과 비정형 데이터를 함께 보는 구조를 만들겠습니다. 숫자로 무엇이 일어났는지 보고, 텍스트로 왜 일어났는지 이해하는 것이 분석의 완성이라고 봅니다.
이 결의 특징
온라인 쇼핑몰 구매 이력과 상품 리뷰 텍스트를 결합해 재구매율 낮은 상품군의 원인을 찾은 경험이 있습니다. 리뷰 키워드에서 '사이즈가 다름', '색상 차이'가 집중된 패턴을 발견한 구체적 인사이트가 있습니다.
이 결이 통하는 자리
'정형 데이터로 현상을 발견하고, 비정형으로 원인을 찾는 흐름'이 실제 데이터 분석 프로젝트의 표준 방법론으로 작동할 때 통합니다. 정형 데이터만으로는 놓칠 뻔한 원인을 텍스트에서 찾은 경험이 있으면 면접관이 데이터 결합 분석의 가치를 이해하는 사람으로 봅니다.