예시 답변 1
약 65초
Python과 SQL을 함께 사용해 원시 데이터에서 의사결정에 쓸 인사이트를 추출한 결
인턴 기간에 설비 점검 이력 데이터가 엑셀에 흩어져 있어서 분석이 불가능한 상태였습니다. 먼저 pandas로 파일을 병합하고, 날짜 형식과 설비 코드가 통일되지 않은 것을 정제했습니다. 정제된 데이터를 PostgreSQL에 올리고, 설비별 고장 간격을 SQL로 산출했습니다. 평균 고장 간격이 90일 미만인 설비 8대를 추출해 우선 점검 대상으로 정리했습니다. 결과 리포트는 matplotlib으로 시각화해서 현장 관리자가 바로 이해할 수 있도록 했습니다. 코드보다 데이터 정제에 더 많은 시간이 걸렸는데, 정제 기준을 문서로 남긴 것이 나중에 같은 작업을 반복할 때 큰 도움이 됐습니다.
이 결의 특징
설비 점검 이력 데이터를 pandas로 병합·정제해 PostgreSQL에 올리고 평균 고장 간격 90일 미만 설비 8대를 추출해 우선 점검 대상을 정리한 흔적이 있습니다. 정제 기준을 문서로 남긴 것이 반복 작업 시 큰 도움이 됐다는 점에서 코드보다 데이터 정제와 문서화 결이 살아 있는 결이 자주 보입니다.
이 결이 통하는 자리
pandas 정제에서 PostgreSQL 분석까지 흐름이 구체적으로 살아 있고 결과 시각화가 현장 관리자가 바로 이해할 수 있도록 설계됐다는 맥락이 함께 보일 때 통합니다. 정제 기준 문서화가 재현 가능성을 만든다는 인식이 살아 있는 자리에서 면접관의 신뢰가 생기는 결이 보입니다.