이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
인턴 때 물류 팀에서 배송 지연 건수를 월별로 분석하는 업무를 맡았습니다. 처음에는 Excel로 날짜·지역·배송사별 데이터를 단순 집계했는데, 요일별로 지연율이 차이가 난다는 걸 피벗 테이블을 돌리다가 우연히 발견했습니다. 월요일 오전 배송이 다른 요일보다 15~20% 지연율이 높았고, 이유를 물어보니 주말 주문 적체가 원인이라는 걸 파악했습니다. 그 결과를 팀장님께 공유했더니, 월요일 오전 배차 수를 늘리는 방향으로 배송사와 협의가 시작됐습니다.
Power BI는 학부 수업에서 기초만 배웠는데, 여러 소스를 연결해서 대시보드로 만드는 실습을 했습니다. 필터 슬라이서를 연결하는 데 시간이 꽤 걸렸는데, 완성된 대시보드에서 클릭 한 번으로 기간·지역·담당자별 데이터를 바꿔 볼 수 있을 때 유용성을 실감했습니다. 분석 도구는 어떤 질문을 던지느냐에 따라 가치가 달라진다고 생각합니다.
팀 협업에서 데이터 분석 결과를 공유할 때 내가 분석한 내용을 상대가 직접 탐색할 수 있게 만드는 것과 보고서로 전달하는 것의 차이가 있었습니다. Excel로 분석 결과를 공유하면 상대가 다른 필터로 보고 싶어도 항상 다시 요청해야 했습니다. Power BI 수업 실습에서 필터 슬라이서를 연결한 대시보드를 팀원과 공유했을 때, 팀원이 스스로 궁금한 구간을 클릭해서 확인하는 것을 보면서 차이를 실감했습니다.
분석 결과를 전달하는 것이 아니라 분석 환경을 공유하는 것 — 이 차이가 협업 방식을 바꿉니다. 팀 단위 리포팅에는 Power BI가 적합하다는 것을 실습에서 직접 경험했습니다. 데이터 분석은 결과를 만드는 것만큼 팀이 함께 볼 수 있는 구조를 만드는 것도 중요합니다. 협업은 보는 방식을 공유할 때 달라집니다.
Excel과 Power BI 중 어떤 도구를 쓸지는 데이터 규모와 누가 볼 것인지에 따라 달라진다고 생각합니다. 인턴 때 물류 배송 데이터를 분석할 때는 데이터가 수천 행 수준이고 저 혼자 보는 일회성 분석이라 Excel 피벗 테이블로 충분했습니다. 반면 수업 프로젝트에서 다수의 팀원이 같은 데이터를 다른 기간·지역별로 반복해서 볼 필요가 있었을 때는 Power BI 대시보드가 훨씬 적합했습니다.
소규모 일회성 분석은 Excel, 반복 리포팅·다수 소비자는 Power BI — 이 기준을 경험하면서 이해했습니다. 도구를 결정하기 전에 누가, 얼마나 자주, 어떤 방식으로 볼 것인가를 먼저 생각하는 것이 시간을 아끼는 방법이었습니다. 분석 도구는 목적에 맞는 것을 고를 때 가치가 납니다.
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.