면접관이 이 한 문장으로 확인하려는 것들. 각 갈래를 알면 답의 뼈대가 잡혀요.
저는 학회 프로젝트에서 이커머스 공개 데이터셋 약 50만 건의 주문 로그를 분석해 재구매율이 낮은 고객군의 특징을 찾는 작업을 맡았습니다. 여러 테이블을 조인해 고객별 구매 주기와 평균 구매 금액을 계산했는데, 처음 짠 쿼리는 실행 시간이 지나치게 오래 걸려 인덱스를 활용하는 방식으로 다시 작성했습니다. 그 결과 특정 카테고리에서만 재구매율이 낮다는 패턴을 발견해 발표 자료에 반영했습니다. 이 경험으로 쿼리 성능도 분석 결과만큼 중요하다는 것을 배웠습니다.
인턴으로 근무하며 3개월치 앱 사용 로그 데이터를 분석해 이탈 사용자의 공통 패턴을 찾는 프로젝트에 참여했습니다. 로그 테이블과 사용자 정보 테이블을 조인하고, 서브쿼리로 특정 기간 이후 접속이 없는 사용자를 추출했습니다. 처음에는 조건을 잘못 설정해 이탈 기준이 실제보다 넓게 잡혔는데, 팀 리뷰에서 지적을 받아 기준을 다시 정의했습니다. 이 경험으로 데이터 분석에서는 조건 하나의 정의가 결과 전체를 바꿀 수 있다는 것을 배웠습니다.
저는 캡스톤 프로젝트에서 지역별 대중교통 이용 데이터를 분석했는데, 시간대와 지역이 얽힌 대용량 테이블을 다뤄야 했습니다. GROUP BY와 윈도우 함수를 활용해 시간대별 이용 순위를 계산했고, 여러 단계의 서브쿼리를 CTE로 정리해 쿼리의 가독성을 높였습니다. 처음에는 쿼리 하나가 너무 길고 복잡해 디버깅이 어려웠는데, CTE로 단계를 나누자 오류를 훨씬 빠르게 찾을 수 있었습니다. 이 경험으로 복잡한 쿼리일수록 구조화가 중요하다는 것을 배웠습니다.
같은 실수가 반복돼요. 이것만 피해도 절반은 갑니다.
진짜 면접은 두 번째 질문부터예요. 이 답 뒤에 따라올 법한 것들.