이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
졸업 프로젝트에서 설문 데이터 500건을 분석하는 작업을 맡았습니다. 처음에는 엑셀로 처리하려다가 행이 500개가 넘어가면서 필터 실수가 발생하여 파이썬으로 옮겼습니다. Pandas를 처음 써봤는데 결측값이 0인지 빈 문자열인지 NaN인지 구분이 되지 않았습니다. df.isna(), df.isnull()의 차이도 모르고 사용하다가 다른 결과가 나왔습니다. 공식 문서를 읽고 나서야 통일된 방식으로 결측값을 처리할 수 있었습니다.
데이터를 신뢰하기 전에 형식과 타입부터 검사해야 한다는 것을 배웠습니다. 이 경험으로 데이터 파이프라인 첫 단계에 항상 검증 코드를 넣는 습관이 생겼습니다. 그 과정이 값진 배움이었습니다.
개인 프로젝트에서 외부 날씨 API를 호출해서 데이터를 저장하는 기능을 만들었어요. 처음엔 응답 그대로 DB에 넣었는데, 가끔 특정 필드가 없거나 타입이 달라서 에러가 났어요. 같은 API인데 날씨 조건에 따라 응답 구조가 미묘하게 달랐어요. pydantic을 처음 써서 응답 스키마를 정의하고 검증 레이어를 만들었어요. 검증 실패 건은 로그에 남기고 처리 건너뛰도록 했어요.
외부 데이터는 항상 내 기대와 다를 수 있다는 걸 배웠어요. 이후로 외부 서비스 연동할 때 스키마 검증을 첫 번째로 붙이는 습관이 생겼어요. 이 경험 덕분에 한 단계 성장할 수 있었습니다.
취업 준비 포트폴리오 프로젝트에서 채용공고를 크롤링해서 분석했어요. 크롤링 코드를 짜고 나서 데이터를 보니 공고 제목이 빈 문자열인 경우가 80건, 날짜 형식이 다른 경우가 30건이었어요. 처음엔 그냥 분석했다가 결과가 이상해서 다시 살펴봤어요. 원인이 수집 오류가 아니라 사이트 구조가 공고마다 달랐던 거였어요. CSS 선택자가 특정 경우에 매칭이 안 됐어요. 빈 값이면 다시 시도하는 폴백 로직을 추가했어요.
수집 후 바로 분석하지 말고 데이터를 먼저 들여다보는 단계가 필요하다는 걸 배웠어요. 이 경험 덕분에 한 단계 성장할 수 있었습니다. 그 과정이 값진 배움이었습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 GS리테일 데이터 엔지니어 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.