예시 답변 1
약 65초
경험 기반 구체화
인사이트 분석을 위한 데이터 시각화 도구로 가장 자주 활용한 것은 Python의 Matplotlib·Seaborn입니다. 탐색적 분석(EDA) 단계에서 데이터 분포와 이상값을 빠르게 파악하는 데 유용하고, 히스토그램·박스플롯·상관행렬 히트맵을 조합하면 데이터 특성이 한눈에 들어옵니다. 대시보드 형태의 시각화는 Plotly를 활용했는데, 인터랙티브 차트를 지원해서 탐색 시각화가 필요할 때 적합합니다. 비기술 팀원과 공유할 때는 Google Looker Studio를 활용했는데, SQL 쿼리만 연결하면 누구나 업데이트되는 대시보드를 볼 수 있어서 편리합니다. 시각화 도구 선택에서 중요한 것은 목적과 대상에 따라 도구를 다르게 쓰는 것인데, 분석가용 탐색 시각화와 경영진 보고용 시각화는 요구 사항이 다르기 때문입니다.
이 결의 특징
Python Matplotlib·Seaborn으로 EDA, Plotly로 인터랙티브, Looker Studio로 비기술 팀원 공유까지 목적·대상별로 도구를 달리 선택한 흔적이 있습니다. 분석가용 탐색 시각화와 경영진 보고용의 요구가 다르다는 판단 기준을 직접 운용했다는 점이 강합니다.
이 결이 통하는 자리
도구를 나열하는 데서 그치지 않고, 어떤 상황에서 어떤 도구를 골랐는지 기준이 또렷하게 살아 있을 때 통합니다. 목적별 선택 논리가 보이는 자리에서 면접관의 꼬리질문이 줄어드는 결이 보입니다.