교차 분석으로 원인 파고들기·구조적 해석·시각화·협업 기여 연결 중심으로 푸는 결
학부 졸업 프로젝트에서 소규모 식당 매출 데이터를 분석해 운영 개선안을 제안한 경험이 있습니다. 처음에는 매출이 낮은 요일을 확인하는 수준으로 접근했는데, 시간대별·메뉴별·날씨 변수를 교차 분석해보니 패턴이 다르게 보였습니다. 비 오는 날 점심 매출이 맑은 날보다 평균 23% 낮은 것을 발견했는데, 이유를 파고들었더니 해당 식당이 야외 테이블 의존도가 높은 구조였습니다. 단순히 "날씨 때문"이 아니라 좌석 구조가 날씨 리스크를 증폭시킨다는 해석이 나왔고, 실내 좌석 비율을 높이는 방향을 제안했습니다. 분석에는 Python pandas와 matplotlib을 썼고, 발표 때 비전문가도 바로 이해할 수 있도록 핵심 지표 3개만 남기고 나머지는 부록에 붙이는 방식으로 정리했습니다. 팀원 한 명이 기상청 데이터 수집을 막막해할 때 공공 API 연결을 같이 해보면서 협업 중 기술 간극을 메우는 역할도 자연스럽게 맡게 됐습니다. 이 경험 이후 수치가 보여주는 것과 그 뒤에 있는 이유는 다를 수 있다는 걸 기억하며 분석에 임하는 편입니다.