이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
수업에서 두 툴을 모두 써본 경험을 바탕으로 말씀드리면, SAS는 대용량 데이터 처리와 배치 작업에 강하고 기업 환경에서 규정 준수 보고서를 자동화하는 데 많이 씁니다. 반면 SPSS는 GUI가 직관적이라 통계 분석 경험이 많지 않은 사람도 빠르게 쓸 수 있다는 장점이 있습니다. 수업 프로젝트에서 설문 데이터를 분석할 때 SPSS로 먼저 탐색하고 SAS로 배치 자동화하는 방식으로 두 툴을 함께 썼습니다. 단점으로는 SAS는 라이선스 비용이 높고 학습 곡선이 있고, SPSS는 대용량 데이터에서 속도가 느리고 코드 재현성이 낮다는 점이 있습니다. 요즘은 Python/R이 대안으로 많이 쓰이지만, 기업 레거시 환경에서는 SAS가 여전히 주류입니다.
SAS가 제약·임상 분야에서 여전히 주류인 이유는 FDA 규제 준수 요건과 감사 추적(audit trail) 지원이 오픈소스 도구보다 명확하게 보장되기 때문입니다. 임상 시험 데이터를 규제 기관에 제출할 때 분석 절차의 검증 기록이 함께 요구되는 경우가 많고, SAS는 그 요건에 맞게 설계된 프로시저를 갖추고 있습니다. 수업에서 SAS와 R로 동일한 회귀 분석을 진행했을 때 결과는 동일했지만, SAS의 절차별 출력 포맷이 규제 보고서 형식에 더 맞게 구성돼 있다는 차이를 발견했습니다. SPSS는 같은 맥락에서 임상 수준의 규제 준수 기능이 SAS보다 약하다는 한계가 있습니다.
도구 선택은 분석 목적만큼 규제 환경도 반영해야 합니다. 요건이 다르면 최적 도구도 달라집니다. 규제가 도구를 결정하는 경우가 있습니다.
SAS와 SPSS는 안정성과 규제 적합성에서 강점이 있지만 라이선스 비용이 높고 코드 재현성 관리가 불편하다는 단점이 있습니다. 버전 업데이트마다 출력 형식이 바뀌면서 재현성 문제가 생기는 경우가 학계에서 보고됩니다. 반면 R과 Python은 오픈소스로 비용 없이 사용 가능하고, 버전 관리(Git)·패키지 관리 도구로 재현 가능한 분석 환경을 구성하기 쉽습니다. 수업 프로젝트에서 R을 쓰면서 같은 분석을 다른 환경에서도 동일하게 재현할 수 있다는 것이 협업에서 중요하다는 것을 경험했습니다. 학계가 오픈소스로 전환하는 추세는 이런 재현성·비용 이점에서 오는 것입니다.
도구 전환의 이유는 비용보다 재현 가능성에 있습니다. 분석의 신뢰성은 재현 가능성에서 옵니다. 같은 결과를 다시 낼 수 없으면 의미가 없습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 한국감정원 일반 연구개발 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.