면접관이 이 한 문장으로 확인하려는 것들. 각 갈래를 알면 답의 뼈대가 잡혀요.
데이터 분석 공모전에서 지역별 상권 데이터를 활용해 창업 적합도를 분석하는 프로젝트를 진행했습니다. 공공 API로 약 5천 건의 상권 데이터를 수집한 뒤 pandas로 정제하고, scikit-learn의 군집 분석을 활용해 상권을 다섯 개 유형으로 분류했습니다. 이후 matplotlib으로 지도 시각화를 만들어 유형별 특징을 팀원들에게 설명했습니다. 이 분석으로 특정 업종이 과포화된 지역을 찾아내 제안서에 반영했고, 공모전에서 우수상을 받았습니다. 데이터를 시각화까지 연결하는 것이 설득력에 큰 차이를 만든다는 것을 배웠습니다.
동아리 활동 데이터를 분석하다가 매주 반복되는 정리 작업이 비효율적이라는 것을 느꼈습니다. 저는 Python으로 엑셀 파일을 자동으로 읽어 정리하고 요약 리포트를 생성하는 스크립트를 작성했습니다. openpyxl과 pandas를 조합해 만들었는데, 처음에는 오류가 잦아 예외 처리를 추가하며 안정성을 높였습니다. 이 스크립트를 도입한 뒤 기존에 30분 걸리던 정리 작업이 2분으로 줄었고, 동아리 회원 20여 명이 함께 사용했습니다. 단순 분석을 넘어 반복 작업을 자동화하는 관점을 갖게 된 계기였습니다.
학과 팀 프로젝트에서 설문 데이터 800건을 분석해 만족도에 영향을 미치는 요인을 찾는 작업을 맡았습니다. 저는 statsmodels로 회귀 분석을 진행해 응답 시간과 서비스 이용 빈도가 만족도와 유의미한 관계가 있다는 것을 확인했습니다. 팀원들과 매주 진행 상황을 공유하며 분석 방향을 조율했고, 최종 발표에서 이 결과를 근거로 개선안을 제시했습니다. 담당 교수님으로부터 통계적 근거가 탄탄하다는 평가를 받았습니다. 혼자 분석하는 것보다 팀원과 방향을 계속 맞추는 과정이 결과의 신뢰도를 높인다는 것을 배웠습니다.
같은 실수가 반복돼요. 이것만 피해도 절반은 갑니다.
진짜 면접은 두 번째 질문부터예요. 이 답 뒤에 따라올 법한 것들.