이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
인턴 기간에 매주 수작업으로 정리하던 판매 현황 보고서를 자동화하는 작업을 맡았습니다. 담당자가 매주 월요일 아침 2시간씩 Excel로 데이터를 취합했는데, 틀리는 경우도 종종 있었습니다. Python과 SQL로 데이터 추출 파이프라인을 짜고, Google Sheets API로 자동 업데이트되는 구조를 만들었습니다. 처음에는 데이터 소스가 3개로 나뉘어 있어서 조인 로직이 복잡했는데, 중간 테이블을 하나 만들어서 해결했습니다. 배포 후 보고서 준비 시간이 2시간에서 15분으로 줄었고, 오류도 사라졌습니다. 자동화가 정확성과 시간 절약을 동시에 가져온다는 걸 그때 직접 확인했습니다.
팀 프로젝트에서 `Tableau` 대시보드를 인수받았는데, 차트가 20개 이상이었고 어떤 숫자를 봐야 하는지 알 수 없는 상태였습니다. 사용자 인터뷰를 해보니 실제로 매일 확인하는 지표는 3개뿐이었습니다. 나머지는 처음에 넣었다가 그냥 남아있는 것이었습니다. 핵심 지표 3개를 상단에 크게 배치하고, 나머지는 드릴다운 뷰로 숨겼습니다. 개편 후 팀원들이 대시보드를 더 자주 열게 됐다는 피드백을 받았습니다. 좋은 대시보드는 많은 정보가 아니라 빠른 판단을 돕는 것이라는 걸 그 경험에서 배웠습니다. 사용자가 실제로 무엇을 보고 결정을 내리는지를 먼저 파악하는 게 설계의 출발점이었습니다.
졸업 프로젝트에서 팀 성과 추적용 보고서를 직접 설계했는데, 막상 팀원들이 거의 안 쓰는 걸 발견했습니다. 이유를 물어보니 숫자가 많아서 뭘 봐야 할지 모르겠다는 답이 나왔습니다. 처음부터 다시 시작했습니다. 팀원들에게 "이 보고서로 어떤 결정을 내리고 싶은가"를 먼저 물었고, 의사결정 항목 5가지를 먼저 정한 뒤 그에 맞는 지표만 남겼습니다. 재설계 후 주 2회 이상 열람하는 팀원이 생겼고, 회의에서 보고서를 기준으로 이야기하는 패턴이 만들어졌습니다. 보고서는 만드는 사람이 아니라 쓰는 사람 중심으로 설계해야 한다는 걸 그때 배웠습니다. 이후로는 어떤 자료를 만들든 누가 어떤 결정을 내릴 때 이 자료를 쓰는가를 먼저 생각하게 됐습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 넛지헬스케어 데이터 분석가 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.