이전 직무를 통해 경력 배경의 맥락을 파악하고 현재 직무와의 연계성을 확인하려 한다.
이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
이전 직장은 핀테크 스타트업으로 사용자 결제 데이터를 분석해 리스크 스코어링 모델을 개발·운영하는 곳이었습니다. 저는 데이터 분석가로 입사해 ML 모델 피처 엔지니어링과 모델 성능 모니터링을 주로 맡았습니다. 역할에서 가장 집중한 건 이상 거래 탐지 정밀도를 높이는 작업이었는데, 피처 재설계를 통해 오탐률을 15% 낮추는 성과를 냈습니다. 성과 측면에서는 수치 외에도 모니터링 대시보드를 구축해 팀 전체가 모델 상태를 실시간으로 볼 수 있게 만든 것이 오래 남는 기여였습니다. 이직한 이유는 스타트업 규모에서 처리하는 데이터의 다양성과 규모에 한계를 느꼈고, 더 복잡한 도메인의 데이터를 다뤄보고 싶다는 방향이 생겼기 때문입니다. 좋은 경험이었지만, 더 성장하려면 새로운 환경이 필요하다는 판단이었습니다.
이전에는 콘텐츠 마케팅 에이전시에서 약 2년간 SNS 채널 운영과 카피라이팅을 담당했습니다. 브랜드 계정의 월간 콘텐츠 캘린더를 기획하고, 게시 후 반응 데이터를 분석해 다음 방향을 조정하는 흐름을 반복했습니다. 기억에 남는 성과는 소형 브랜드 계정의 팔로워를 6개월 만에 3배 성장시킨 것인데, 발행 빈도보다 소재와 게시 시간대의 조합이 결정적이었다는 걸 데이터로 직접 확인한 경험이었습니다. 그 과정에서 숫자를 보는 것보다 "왜 이 숫자가 나왔는가"를 설명하는 능력이 더 중요하다는 걸 느꼈습니다. 이직 이유는 마케팅 채널 운영보다 데이터 자체를 더 체계적으로 다루고 싶다는 방향이 명확해졌기 때문입니다. 매일 지표를 보면서 지표 뒤의 구조를 파고드는 쪽에 끌렸고, 그 감각이 지금 지원한 직무와 연결된다고 판단했습니다.
이전 직장은 교육 스타트업에서 온라인 강의 콘텐츠를 기획하고 강사를 매칭하는 역할이었습니다. 강사 풀 관리부터 강의 완성도 QA, 수강생 피드백 분석까지 담당했고, 하나의 콘텐츠가 나오기까지 관여하는 단계가 생각보다 많다는 것을 그 경험에서 배웠습니다. 성과로는 강의 완주율 개선 프로젝트를 리드한 것이 있는데, 구간별 이탈 데이터를 분석했을 때 특정 챕터 이후에 이탈이 집중되는 패턴을 발견했습니다. 해당 구간 콘텐츠를 재편집하고 나서 완주율이 약 12%p 올라가는 것을 확인했습니다. 이직 이유는 콘텐츠 기획에서 나아가 이 데이터 자체를 더 깊이 분석하고 싶다는 욕구가 생겼기 때문입니다. 수강생 행동 데이터를 매일 보면서 "왜 이 지점에서 그만두는가"라는 질문에 스스로 더 근거 있게 답하고 싶어졌고, 그게 지금 지원하게 된 직접적인 계기입니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 대한항공 서비스 일반 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.