이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
IT 기본 역량으로는 Python과 SQL을 실무 수준으로 쓸 수 있습니다. 학부 때 데이터 분석 프로젝트에서 공공 데이터를 가져다 정제하고 시각화하는 작업을 직접 했습니다. SQL로 테이블을 JOIN해서 원하는 지표를 추출하는 것이 처음엔 막혔는데, 직접 짜고 틀리고를 반복하면서 감각을 익혔습니다. 인턴십 때는 pandas와 seaborn으로 A/B 테스트 결과를 정리해 팀에 공유하는 리포트를 만들기도 했습니다.
아직 대규모 시스템 설계나 고급 알고리즘 영역은 경험이 얕습니다. 하지만 주어진 데이터로 의미를 뽑아내는 작업은 꾸준히 해왔고, 새로운 도구를 배워 바로 쓰는 데는 부담이 없습니다.
Python과 SQL로 데이터를 분석하고 리포트를 만드는 작업은 익숙하지만, 그 데이터가 어떻게 저장되고 처리되는지 시스템 관점에서 이해하는 부분은 아직 쌓고 있는 중입니다. 인턴십에서 대용량 데이터를 다루게 됐을 때 쿼리가 느려지는 문제가 생겼는데, 원인을 파악하는 데 예상보다 시간이 많이 걸렸습니다. 인덱스 구조와 쿼리 플래너에 대한 이해가 부족했던 것이 원인이었고, 그 경험 이후 데이터베이스 내부 동작 방식을 추가로 공부하고 있습니다. 도구를 쓰는 것과 그 도구가 어떻게 동작하는지를 아는 것 사이의 차이를 이 경험에서 실감했습니다. 지금은 분석 역량을 유지하면서 시스템 이해를 함께 쌓는 방향으로 학습하고 있습니다.
학교에서 배운 것과 실제 업무에서 쓰는 것 사이에 차이가 있다는 것을 인턴십에서 처음 경험했습니다. SQL을 수업에서 배울 때는 잘 정제된 데이터를 다뤘는데, 실제 업무 데이터는 NULL이 많고 형태가 불규칙한 경우가 많아서 처음에 당황했습니다. 데이터 정제 과정에서 어떤 기준으로 처리할지를 판단하는 것이 단순 기술 문제가 아니라 도메인 이해가 필요한 작업이라는 것을 그때 배웠습니다. 이 경험 이후 도구 사용법보다 데이터가 어떤 맥락에서 생성됐는지를 먼저 파악하는 습관이 생겼습니다. IT 역량은 기술 수준만이 아니라 그 기술을 어떤 맥락에서 쓸 줄 아는지와 함께 있을 때 실질적인 가치를 만든다는 것을 이 경험에서 배웠습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 LG CNS 채용·HRM 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.