이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
학교 프로젝트에서 `Tableau`를 처음 사용했습니다. 팀원들의 설문 데이터를 시각화했는데, 처음에는 단순히 예쁜 차트를 만드는 도구라고 생각했습니다. 그러나 필터를 조합하면서 패턴이 보이기 시작했습니다. 특정 연령대에서 특정 카테고리 선호도가 유독 높은 것이 숫자로 드러났습니다. 단순히 20대가 좋아한다고 말하는 것이 아니라, 어떤 기능과 가격대의 조합에서 선호가 몰리는지까지 좁힐 수 있었습니다. 이 인사이트를 팀 발표에 활용하여 타겟 선정 섹션을 만들었고, 교수님이 구체성을 평가해주셨습니다. 도구보다 어떤 질문을 던지느냐가 중요하다는 것을 그때 배웠습니다. 질문이 좋아야 데이터도 의미 있는 것을 말해줍니다.
인턴 때 Power BI로 주간 판매 리포트를 만들었어요. 처음엔 기존 엑셀 리포트를 BI로 옮기는 작업이었는데, 옮기다 보니 기존 보고서에서 누락된 지표가 보이기 시작했어요. 반품률이 카테고리별로 분리되지 않고 전체 합산으로만 보고됐던 거예요. 카테고리별로 나눠보니 특정 카테고리 반품률이 평균의 3배였어요. 팀장님께 보고했고, 해당 카테고리의 상품 설명 페이지를 개선하는 방향으로 이어졌어요. BI 도구의 진짜 가치는 보이지 않던 것을 보이게 만드는 것이라고 생각해요. 그 경험 이후로 대시보드를 만들 때 항상 무엇을 발견하려고 만드는가를 먼저 생각해요. 발견 목적이 없는 대시보드는 그냥 예쁜 차트예요.
직접 경험은 학교 수준이지만, `Tableau`와 `Power BI` 모두 써봤어요. Power BI는 엑셀 데이터와 연동이 편하고, Tableau는 시각화 옵션이 더 유연한 인상이에요. 인사이트를 도출하는 경험에서 배운 건, 도구보다 데이터 구조를 먼저 이해해야 한다는 거예요. 어떤 필드가 어떻게 연결되는지를 모르면 대시보드를 만들어도 잘못된 해석이 나와요. 학교 프로젝트에서 날짜 필드 정의가 달라 집계값이 두 배로 부풀던 경험이 있어요.
데이터를 믿기 전에 정의를 확인하는 습관이 생겼어요. 도구는 배울 수 있어요. 하지만 데이터를 의심하는 습관은 경험에서 만들어져요.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 쿠팡 데이터 분석가 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.