이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
인턴 기간에 ERP에서 추출한 데이터를 엑셀로 받아 가공하는 업무를 맡았습니다. 피벗 테이블로 공정별 리드타임을 집계했는데, 특정 라인에서 평균 납기보다 1.3일 긴 구간을 발견했습니다. 원인을 파보니 원자재 입고와 생산 개시 사이에 데이터 입력 오류가 반복되고 있었습니다. 담당자에게 공유하자 입고 확인 즉시 ERP 등록 루틴이 생겼고, 그 구간 편차가 눈에 띄게 줄었습니다. 데이터 관리의 핵심은 도구보다 입력 시점의 일관성이라는 걸 직접 경험한 사례였습니다. 이후 저는 수치 이상치를 발견하면 먼저 데이터 수집 단계를 의심하는 습관을 들였습니다. 어떤 툴을 쓰든 중요한 건 어떤 질문을 가지고 데이터를 보느냐이고, 그게 분석의 품질을 결정한다는 걸 그 경험에서 알았습니다.
인턴 기간에 ERP에서 데이터를 추출해 엑셀로 작업하면서 두 도구의 역할이 다르다는 걸 이해했습니다. ERP는 데이터를 기록하고 모듈 간에 흐르게 하는 시스템이고, 엑셀은 그 데이터를 분석·비교·예외 탐지하는 도구라는 걸 구분하게 됐습니다. ERP 표준 리포트만으로는 원하는 조건으로 슬라이싱이 어려울 때가 있었고, 그때 엑셀 피벗으로 재가공하는 방식이 보완 역할을 했습니다. 반대로 엑셀에서 수동으로 집계하던 데이터를 ERP에 입력 기준을 맞추자 수작업 오류가 줄어드는 것도 경험했습니다. 두 도구를 각각의 강점에 맞게 역할을 분리해 쓰는 것이 생산·물류 데이터 관리에서 효율을 높이는 방법이라는 걸, 그때 배웠습니다.
ERP에서 추출한 데이터를 분석하다가 데이터 자체의 신뢰도를 먼저 확인해야 한다는 걸 배웠습니다. 인턴 기간에 집계 수치가 이상해서 확인해봤더니 ERP에 입력된 시점이 실제 발생 시점과 다른 경우가 있었습니다. 담당자가 몰아서 입력하는 패턴이 있었고, 그 기간의 데이터는 분석 결과가 왜곡됐습니다. ERP 데이터를 분석할 때 입력 일관성이 먼저 확보돼야 분석이 의미를 갖는다는 걸 이해했습니다. 데이터가 있다고 해서 바로 분석 결과를 신뢰하기보다 수집 단계의 입력 패턴을 먼저 확인하는 습관이 생겼습니다. 데이터 품질 확인이 분석보다 먼저라는 것도 그때 이해했습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 무신사 국내영업 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.