이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
통계학 수업에서 설문 응답 데이터 200건을 SPSS로 분석한 경험이 있습니다. 직군별 직무 만족도를 비교하는 과제였는데, 독립 표본 t-검정을 적용하기 위해 정규성 검정을 먼저 해야 했습니다. 처음에는 어떤 검정을 써야 하는지 몰라서 교수님께 질문드리고 통계학 교재를 다시 읽었습니다. 결과적으로 집단 간 유의미한 차이가 있다는 결론을 냈고, 시각화 차트를 포함해 보고서를 제출했습니다. 다만 SPSS는 유료 라이선스 제약이 있어서, 이후에는 무료 도구인 R을 독학으로 공부하기 시작했습니다. 아직 익숙하지는 않지만, 기초 데이터 정제와 시각화 정도는 실행할 수 있는 수준입니다.
학부 4학년 때 지도 교수님 연구실에서 보조 연구원으로 3개월 활동하면서 의료 데이터를 분석했습니다. 초기 데이터 정제는 엑셀로 진행했고, 이상값 제거와 결측값 처리 방법을 교수님께 배웠습니다. 이후 R로 교차 분석을 돌렸는데, 코드 오류로 분석이 멈추는 일이 생겨서 반나절을 디버깅했습니다. 결국 패키지 버전 충돌이 원인이었고, 그 이후로는 분석 전에 환경 설정을 먼저 문서화하는 습관을 들였습니다. 당시 분석 결과가 학술지 투고 논문의 기초 데이터로 쓰였다는 얘기를 나중에 들었을 때 뿌듯했습니다. 보건의료 데이터 분석 경험을 더 쌓고 싶어서 지금은 통계 관련 자격증 공부도 병행하고 있습니다.
수업 팀 프로젝트에서 공공 데이터를 활용한 분석을 진행했을 때 Python을 사용했습니다. 팀원 3명이 역할을 나눠서 저는 데이터 전처리와 시각화를 맡았습니다. 결측값이 전체 데이터의 15% 가량 됐는데, 어떻게 처리할지 팀 내 의견이 갈려서 결국 교수님께 자문을 구하고 결측값 대체 방식을 선택했습니다. 처리 후에는 시각화 결과를 보니 집단 간 추세가 뚜렷하게 나타났고, 팀 발표에서 좋은 평가를 받았습니다. 다만 통계적 방법론보다 코딩에 더 집중했던 프로젝트라서, 이후에는 통계학 교재를 따로 읽으며 방법론 이해를 보완하고 있습니다. 다양한 도구를 상황에 맞게 선택할 수 있는 역량을 키워가고 있습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 강원대학교병원 임상·시험 연구 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.