면접관이 이 한 문장으로 확인하려는 것들. 각 갈래를 알면 답의 뼈대가 잡혀요.
인턴 시절 매일 수기로 작성하던 일일 실적 보고서를 자동화한 경험이 있습니다. 원본 데이터가 여러 시트에 흩어져 있어 취합에만 30분 이상 걸렸는데, 저는 pandas로 시트를 순회하며 데이터를 취합하고 정해진 양식의 엑셀 파일로 출력하는 함수를 작성했습니다. 특정 시트가 비어 있거나 형식이 다른 경우를 대비해 예외 처리도 추가했습니다. 도입 후 보고서 작성 시간이 30분에서 3분으로 줄었고, 팀 전체가 이 스크립트를 사용하게 됐습니다. 자동화는 시간을 아끼는 것을 넘어 실수를 줄이는 효과도 크다는 것을 배웠습니다.
동아리에서 매주 갱신되는 공공데이터를 수집해 분석해야 했는데, 매번 수동으로 다운로드하고 정제하는 것이 비효율적이었습니다. 저는 requests로 데이터를 자동 수집하고 pandas로 정제한 뒤 결과를 CSV로 저장하는 파이프라인을 함수 단위로 나눠 작성했습니다. 각 단계를 독립적인 함수로 분리해 특정 단계에서 오류가 나도 전체를 다시 돌리지 않아도 되도록 설계했습니다. 이 구조 덕분에 데이터 형식이 바뀌었을 때도 해당 함수만 수정하면 됐습니다. 처음부터 재사용을 염두에 두고 설계하는 것의 중요성을 배웠습니다.
설문 응답 데이터를 분석하는 프로젝트에서 응답자가 자유롭게 입력한 날짜와 숫자 형식이 제각각이었습니다. 이를 수작업으로 정리하면 시간도 오래 걸리고 실수도 잦을 것이라 판단해, 정규표현식과 pandas의 apply 함수를 활용해 다양한 입력 형식을 표준 형식으로 자동 변환하는 로직을 작성했습니다. 변환 실패 건은 별도로 로그를 남겨 나중에 수동 확인할 수 있도록 했습니다. 그 결과 전체 1,500건 중 변환 실패는 12건에 그쳤고, 나머지는 자동으로 처리됐습니다. 예외를 무시하지 않고 기록으로 남기는 방식이 신뢰도를 높인다는 것을 배웠습니다.
같은 실수가 반복돼요. 이것만 피해도 절반은 갑니다.
진짜 면접은 두 번째 질문부터예요. 이 답 뒤에 따라올 법한 것들.