작업 성격으로 나눈 답변
약 90초
데이터 처리에서 작업의 성격에 따라 언어를 골랐던 경험을 1인칭으로 설명한다.
제가 학부 프로젝트에서 데이터를 다루며, 상황에 따라 언어를 다르게 골라본 경험이 있습니다. 처음에는 익숙한 언어 하나만 덮어놓고 쓰다가, 작업에 안 맞아 시간을 허비한 실패를 했습니다.
그 뒤로 저는 작업의 성격을 먼저 봤습니다. 데이터를 탐색하고 빠르게 분석하는 단계에서는 파이썬을 골랐습니다. 분석 라이브러리가 풍부하고, 결과를 즉시 확인하며 고치기 좋았기 때문입니다. 한 달간 데이터를 이리저리 살피는 작업에는 이쪽이 잘 맞았습니다.
반면 대용량을 안정적으로 반복 처리하는 작업에서는, 타입이 엄격하고 성능이 좋은 쪽이 나았습니다. 실수를 컴파일 단계에서 잡아주는 점도 컸습니다. 데이터 처리에서 제가 언어를 고른 기준은, 어느 게 더 좋다는 우열이 아니라 지금 이 작업에 무엇이 맞는가였습니다.
이 결의 특징
익숙한 언어 하나만 쓰다 작업에 안 맞아 시간을 허비한 실패에서, 작업 성격을 먼저 보고 탐색·빠른 분석엔 Python, 대용량 안정 반복 처리엔 타입 엄격·고성능 언어를 고른 기준이 또렷합니다. 실수를 컴파일 단계에서 잡는 점까지 짚은 대목이, 언어 선택을 우열이 아닌 작업 적합성으로 본 결로 읽히게 합니다.
이 결이 통하는 자리
'어느 게 더 좋다가 아니라 지금 이 작업에 무엇이 맞는가'라는 기준이 한 언어 고집 실패로 받쳐질 때 통합합니다. 작업 단계별로 언어를 가른 흐름이 또렷한 자리에서 면접관의 꼬리질문이 줄어드는 결이 보입니다.