이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
판매 데이터 분석 과제에서 피벗 테이블과 VLOOKUP을 조합해 월별·지역별 매출 현황을 정리한 경험이 있습니다. 데이터를 처음 받았을 때 중복 항목과 형식 불일치가 많아 전처리가 절반이었습니다. 이후 조건부 서식으로 이상값을 시각화하고, 피벗으로 다차원 분석을 했습니다. 가장 배운 것은 수식보다 데이터 구조를 깔끔하게 만드는 게 먼저라는 점입니다. 아무리 복잡한 수식도 입력 데이터가 지저분하면 결과를 신뢰할 수 없습니다. 앞으로도 데이터 전처리를 분석보다 먼저 챙기는 방식을 유지하겠습니다.
분석의 품질은 수식이 아니라 입력 데이터의 신뢰도에서 결정됩니다. 앞으로도 데이터 전처리를 분석보다 먼저 챙기는 방식을 유지하겠습니다. 분석의 품질은 수식이 아니라 입력 데이터의 신뢰도에서 결정됩니다. 중복 항목과 형식 불일치를 먼저 정리하는 습관이 피벗 결과가 틀리는 상황을 예방합니다.
데이터가 깔끔해야 분석도 신뢰할 수 있습니다.
수강 신청 데이터를 분석하는 과제에서 SUMIF와 COUNTIF를 조합해 학과별·학년별 수강 패턴을 집계했습니다. 3,000행이 넘지 않는 데이터였는데, 기준 컬럼 설계를 처음에 잘못 잡으면 함수 범위 전체를 다시 짜야 하는 상황이 발생했습니다. 그 이후로는 집계 기준이 되는 컬럼을 먼저 정하고 데이터를 채우는 순서로 작업 방식을 바꿨습니다. 결과는 막대 차트와 꺾은선 차트를 이중 축으로 구성해 발표 자료에 쓸 수 있게 만들었는데, 숫자보다 시각화된 자료를 봤을 때 패턴이 훨씬 빠르게 보인다는 걸 그때 확인했습니다. 어떤 형태로 결과를 보여줄지 먼저 정하는 것이 데이터 구성 방식을 결정한다는 점도 배웠습니다.
차트가 정해지면 필요한 열이 정해지고, 필요한 열이 정해지면 전처리 방식이 정해집니다.
아르바이트 인수인계 작업에서 약 5,000행짜리 데이터를 정리하는 업무를 맡았는데, VLOOKUP으로 두 시트를 연결하다가 속도가 현저히 느려지는 상황을 겪었습니다. 찾아보니 전체 열을 참조 범위로 잡는 대신 필요한 범위만 지정하면 속도가 개선된다는 걸 알게 됐고, 이후 INDEX-MATCH로 전환하면서 참조 오류도 줄었습니다. 반복 작업이 있는 경우 매크로 기록 기능도 써봤는데, 코딩 없이도 정형화된 작업 시간을 크게 줄일 수 있다는 점이 인상적이었습니다. Excel은 익숙해질수록 어떤 기능이 어떤 상황에 맞는지 판단하는 감각이 쌓이는 도구라고 생각합니다. 단순히 수식을 아는 것과 언제 어떤 수식을 선택하는지 아는 것은 다른 수준입니다.
속도 문제를 직접 겪어본 경험이 함수 선택 기준을 만들어줬습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 삼성전자 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.