이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
인턴 때 장비 로그 데이터를 엑셀로 분석하면서 자주 쓴 기능은 VLOOKUP과 피벗 테이블이었습니다. 로트 번호별 파라미터 이상 발생 횟수를 집계할 때, 조건부 서식과 피벗 필터를 조합해 어느 로트에서 이상이 몰리는지 한 눈에 볼 수 있게 만들었습니다. 그 시트를 공유했더니 담당자가 기존에 수동으로 3시간 걸리던 집계를 30분으로 단축했다고 했습니다. 특별히 어려운 수식이 아니었지만 데이터 구조를 먼저 이해하고 설계한 게 차이를 만들었다고 생각합니다. 분석을 마친 뒤에는 재사용 가능한 구조로 시트를 정리해 뒀고, 같은 유형의 집계가 다시 생겼을 때 바로 활용할 수 있었습니다. 엑셀은 도구이고, 중요한 건 어떤 질문에 답하려는지를 먼저 정하는 일이라는 걸 배웠습니다.
엑셀을 데이터 분석 도구로 쓰면서 엑셀로는 어렵거나 한계가 있는 경우를 경험했습니다. 인턴 기간에 장비 로그 데이터가 수십만 행으로 늘어났을 때, 피벗 테이블 계산이 느려지고 파일이 불안정해지는 상황이 생겼습니다. 데이터 크기가 일정 규모를 넘으면 엑셀보다 Python이나 SQL 기반 도구가 더 적합하다는 걸 배웠습니다. 그때부터 분석 시작 전에 데이터 규모와 반복 실행 여부를 먼저 확인하고, 엑셀이 적합한 상황인지 판단하는 습관이 생겼습니다. 도구 선택은 기능의 익숙함이 아니라 해결하려는 문제의 규모와 성격에 따라 결정해야 한다는 걸 이해했습니다. 엑셀이 적합한 상황과 그렇지 않은 상황을 구분해서 쓰는 것 자체가 데이터 분석 역량의 일부라는 것도 그때 배웠습니다.
엑셀로 분석을 시작하기 전에 어떤 질문에 답하려는 것인지를 먼저 정하는 것이 효율을 결정한다는 걸 배웠습니다. 인턴 기간 초반에 데이터를 받으면 일단 피벗을 만들었는데, 어떤 것을 보고 싶은지 모르는 채로 만든 피벗은 의미 없는 숫자 표에 그쳤습니다.
'어느 로트에서 이상이 몰리는가'라는 질문을 먼저 정하고 나서 필요한 컬럼과 집계 방식을 결정하니 작업 시간이 줄어들었습니다. 엑셀 기능을 많이 아는 것보다 어떤 질문에 답하려는지를 먼저 명확히 하는 것이 분석의 품질을 결정한다는 걸, 그때 배웠습니다.
도구를 잘 쓰는 것은 질문을 잘 정의하는 것에서 시작된다는 것도 이해했습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 삼성전자 반도체 공정기술 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.