이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
제가 가장 많이 분석해본 데이터는 설문 응답 데이터입니다. 졸업 프로젝트에서 소비자 행동 패턴을 분석하는 팀에 있었는데, 설문 100건을 직접 수집하고 교차분석과 빈도 분석을 엑셀로 진행했습니다. 처음에는 단순 평균만 봤는데, 교수님 피드백으로 집단별로 나눠서 비교하는 방식을 배웠고, 그때부터 결과가 훨씬 의미 있게 읽혔습니다. 한 번은 응답 편향이 의심되는 문항을 발견했는데, 그 문항을 제외했더니 결론이 바뀐 경험이 있었습니다. 그 이후로 데이터를 보기 전에 수집 방식과 응답 품질을 먼저 확인하는 습관이 생겼습니다. 실무에서도 어떤 데이터를 믿을 수 있는지 판단하는 것이 분석 기술만큼 중요하다고 생각합니다.
데이터 분석에서 제가 주로 썼던 도구는 엑셀과 파이썬입니다. 3학년 때 파이썬 데이터 분석 수업을 들으면서 pandas와 matplotlib으로 시각화를 처음 해봤는데, 표보다 그래프로 보니 패턴이 훨씬 빠르게 눈에 들어왔습니다. 인턴십에서는 배송 오류 데이터를 분석할 때 엑셀 피벗테이블을 활용했는데, 처음에 피벗 필드 설정을 잘못해서 집계값이 전부 틀린 적이 있었습니다. 그 이후로 결과를 보기 전에 raw data와 집계값을 대조하는 검증 단계를 넣게 됐습니다. 의사결정에 쓸 수 있는 데이터를 만들려면 분석 결과가 아닌 분석 과정 자체를 먼저 신뢰할 수 있어야 한다는 걸 그 경험에서 배웠습니다.
데이터 기반 의사결정에서 제가 가장 중요하게 생각하는 건 질문을 먼저 정하는 것입니다. 어떤 데이터를 볼지보다, 무엇을 알고 싶은지를 먼저 명확히 해야 분석이 목적에 맞게 진행된다고 배웠습니다. 수업 과제에서 방향 없이 데이터를 먼저 탐색하다가 결론을 못 찾고 헤맨 적이 있었는데, 그때 교수님이 '질문이 없으면 데이터는 아무 말도 안 한다'고 하신 게 기억에 남습니다. 이후로는 분석 목적과 가설을 한 문장으로 써두고 시작하는 방식을 씁니다. 실제로 판매 데이터를 보면서 어떤 채널에서 이탈이 많은지를 먼저 정의하고 파고들었더니, 전체를 탐색할 때보다 훨씬 빠르게 인사이트를 찾을 수 있었습니다. 데이터보다 질문이 먼저라는 생각입니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 쿠팡 디지털·퍼포먼스 마케팅 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.