이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
학교 데이터베이스 수업에서 SQL로 사용자 행동 데이터를 집계하는 과제를 했습니다. 평균 세션 시간을 구하는 쿼리를 짰는데 결과가 실제보다 훨씬 낮게 나왔습니다. 원인을 찾아보니 세션 종료 시간이 NULL인 행이 계산에서 0으로 처리되고 있었습니다.
NULL 값을 제외하는 WHERE 조건을 추가하고 나서야 올바른 결과가 나왔습니다. 그 경험 이후 집계 쿼리를 짤 때는 항상 NULL 분포를 먼저 확인하는 습관이 생겼습니다. 쿼리 결과를 그냥 믿지 않고 논리적으로 말이 되는지 확인하는 검증 단계가 SQL 활용에서 가장 중요하다는 걸 배웠습니다.
그 과정이 값진 배움이었습니다.
인턴 기간에 두 테이블을 JOIN해서 사용자 수를 집계하는 쿼리를 짰는데, 결과가 예상보다 3배 많이 나왔습니다. 담당자에게 보고하기 전에 이상하다는 느낌이 들어서 직접 확인해봤습니다. 알고 보니 1:N 관계의 테이블을 단순 JOIN하면서 사용자가 중복으로 집계된 것이었습니다.
DISTINCT를 추가하고 JOIN 방식을 다시 점검했더니 올바른 수치가 나왔습니다. 잘못된 데이터를 보고하기 전에 발견한 건 다행이었지만, 기본 구조를 확인하지 않고 쿼리를 짠 게 실수였습니다. 이후에는 집계 쿼리 전에 테이블 관계와 granularity를 먼저 확인하는 습관을 들였습니다.
학교 팀 프로젝트에서 데이터가 10만 건을 넘어가자 특정 분석 쿼리 실행 시간이 30초 이상 걸리는 문제가 생겼습니다. 처음에는 쿼리 자체가 복잡해서 그런 줄 알았는데, WHERE 절에 쓰인 컬럼에 인덱스가 없다는 걸 발견했습니다. 인덱스를 추가하고 조인 순서를 조정했더니 실행 시간이 3초 이하로 줄었습니다. 그 경험 이후 데이터 규모가 커지면 같은 쿼리도 성능이 달라진다는 걸 체감했습니다.
SQL은 결과의 정확성뿐 아니라 실행 계획도 확인해야 한다는 걸 이때 처음 배웠습니다. 실무에서도 데이터 규모를 먼저 파악하고 쿼리를 설계하는 습관을 갖고 싶습니다. 경험을 통해 배웠습니다. 앞으로도 이 방향으로 성장하겠습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 직방 디지털·퍼포먼스 마케팅 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.