이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
SCM 어플리케이션 개발에서 SQL을 가장 많이 활용한 부분은 재고·발주·입고 데이터의 현황 집계 쿼리 설계였습니다. 여러 창고와 품목이 얽힌 구조라 여러 테이블을 JOIN하는 복잡한 쿼리가 많았고, 초기에는 응답 시간이 3초를 넘기도 했습니다.
EXPLAIN ANALYZE로 실행 계획을 분석하니 핵심 WHERE 절 컬럼에 인덱스가 없어 전체 스캔이 발생하는 구조였습니다. 복합 인덱스를 추가하고 불필요한 서브쿼리를 CTE로 분리하니 응답 시간이 0.4초 이하로 줄었습니다.
배치 집계가 필요한 리포트는 실시간 계산 대신 야간 배치로 미리 집계하는 방식을 제안했습니다. 집계 결과를 별도 테이블에 저장해두고 조회 시 그 테이블만 읽도록 구조를 바꾸니 피크 시간대 DB 부하가 크게 줄었습니다.
SCM 시스템에서 재고 차감과 이력 기록이 따로 도는 코드를 발견했습니다. 재고 감소는 성공했는데 이력 기록이 실패하는 케이스에서 재고 숫자와 이력이 맞지 않는 상황이 생겼습니다. 트랜잭션으로 두 작업을 묶어 원자적으로 처리하도록 수정했고, 어느 하나라도 실패하면 롤백되도록 했습니다. 이후 쿼리를 점검하다 보니 입고 처리에서도 비슷한 문제가 있었습니다. FIFO(선입선출) 단가 계산이 별도 UPDATE로 분리돼 있어서 중간 장애 시 이동 평균 단가가 잘못 계산될 수 있었습니다. 이 모두를 하나의 트랜잭션 내에 묶는 것이 정합성 보장의 기본이라는 것을 이 작업에서 배웠습니다.
SCM 데이터에서 수치 불일치는 정산 오류로 이어지기 때문에, 재고 변경은 반드시 트랜잭션으로 감싸야 한다는 원칙을 갖게 됐습니다.
SCM 보고서에서 발주량과 실제 입고량을 비교하는 분석 쿼리를 작성한 경험이 있습니다. 발주 테이블과 입고 테이블을 품목 코드로 JOIN하면 되는 것처럼 보였는데, 부분 입고가 여러 번에 걸쳐 들어오는 경우 집계가 틀려지는 문제가 있었습니다. 발주 건별로 입고 건들을 GROUP BY로 집계한 뒤 JOIN하는 구조로 수정했습니다. 한 발주에 여러 입고가 연결되는 1:N 구조를 먼저 그려보고 쿼리를 짜는 방식이 효과적이었습니다. 발주 대비 입고율이 80% 미만인 품목을 찾는 조건을 HAVING으로 거르는 방식을 적용했는데, WHERE와 HAVING의 차이를 이 쿼리에서 실제로 경험했습니다. 한계는 품목 수가 늘어날수록 이 쿼리가 무거워진다는 점인데, 야간 배치로 발주-실적 비교 결과를 미리 계산해 저장하는 방식으로 개선했습니다.
SQL은 데이터 구조를 이해한 뒤 써야 의도대로 동작한다는 것을 이 경험에서 배웠습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 DB그룹 SW·IT 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.