이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
물류 관리 수업에서 공급사 평가 실습을 하면서 Excel 피벗 테이블을 처음 본격적으로 활용했습니다. 과제 데이터는 약 200건의 발주 이력이었고, 공급사별·월별 납기 준수율을 계산하는 것이 목표였습니다. 처음엔 수동으로 필터를 걸었는데, 피벗 테이블로 전환하니 같은 분석을 5분 안에 할 수 있었습니다. 이후 VLOOKUP으로 공급사명을 코드에서 변환하고, 조건부 서식으로 납기 지연이 잦은 공급사를 시각적으로 강조하는 방식까지 추가했습니다. 이 작업 결과를 발표에서 사용했고, 교수님 피드백에서 '데이터를 보기 좋게 정리했다'는 평을 받았습니다. Excel은 단순 계산 도구가 아니라 데이터 기반 의사결정을 빠르게 지원하는 도구라는 것을 그 실습에서 실감했습니다.
저는 학회 활동에서 설문 응답 데이터를 엑셀로 정리한 경험이 있습니다. 수백 건의 응답이 자유 형식으로 들어와 그대로는 분석이 어려웠는데, 함수로 응답을 표준 항목으로 분류하고 집계하는 작업을 맡았습니다. 처음엔 일일이 손으로 분류하다 시간이 너무 걸려, 조건을 거는 함수와 텍스트 처리 함수를 조합해 자동으로 묶이도록 만들었습니다. 그 결과 같은 작업을 반복할 때마다 빠르게 처리할 수 있었습니다. 또 결과를 그래프로 정리해 어느 항목에 응답이 몰리는지를 한눈에 보이게 했습니다. 이 경험으로 엑셀은 손으로 하던 반복 작업을 규칙으로 바꿔 시간을 줄이는 도구라는 것을 체감했습니다. 데이터가 많을수록 수작업보다 규칙을 만드는 쪽이 결국 빠르다고 생각합니다.
엑셀을 쓰면서 저는 그 한계도 함께 느꼈습니다. 과제에서 데이터가 수천 건으로 늘어나자 피벗과 함수가 무거워져 파일이 자주 멈췄고, 여러 사람이 동시에 수정하면 버전이 꼬이는 문제도 있었습니다. 그때 엑셀은 빠르게 보고 분석하기엔 좋지만, 데이터가 커지거나 협업이 많아지면 적합하지 않다는 것을 알게 됐습니다. 그래서 규모가 큰 데이터는 데이터베이스나 전용 도구가 필요하다는 것을 이해하게 됐습니다. 다만 실무 초반에 빠르게 가설을 확인하거나 작은 데이터를 다룰 때는 여전히 엑셀이 가장 효율적이라고 봅니다. 저는 도구마다 맞는 자리가 다르다고 생각해, 엑셀로 충분한 일과 그렇지 않은 일을 구분하려 합니다. 도구를 맹신하지 않는 것도 분석 역량의 일부라고 생각합니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 삼성전자 SCM·공급망 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.