이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
제가 졸업 프로젝트로 교내 카페의 시간대별 매출 데이터를 분석해, 운영 결정에 보탬이 된 경험이 있습니다.
먼저 저는 문제를 숫자로 좁혔습니다. "오후가 한산하다"는 막연한 말을 시간대별 매출 표로 바꿔 보니, 오후 2~4시 매출이 다른 시간대의 절반이었습니다. 다음으로 저는 그 시간대 손님 구성을 살펴, 주로 공강 시간 학생이 비는 자리를 채운다는 점을 찾았습니다.
이 인사이트를 바탕으로 저는 오후 시간대 한정 할인을 제안했고, 카페 측이 이를 받아들였습니다. 처음엔 제가 전체 평균 매출만 보다가, 시간대별 차이를 놓친 적이 있었습니다. 잘게 쪼개 보고서야 진짜 빈자리가 보였습니다. 저는 데이터 인사이트가 큰 숫자를 잘게 나눠 "어디가 다른지"를 짚어줄 때 결정에 가장 크게 기여한다고 배웠고, 이 틀을 실무에서도 적용할 수 있다고 생각합니다.
제가 인턴 때 사내 설문 응답 데이터를 정리해 보고한 적이 있는데, 그 분석이 작은 결정 하나를 바꾼 경험으로 말씀드리겠습니다.
팀에서는 새 사내 도구의 사용 안내를 메일로 한 번 더 보내자는 쪽으로 기울어 있었습니다. 그런데 제가 설문 응답을 부서별로 갈라 보니, 불만이 특정 두 부서에 80% 가까이 몰려 있었습니다. 전체에 메일을 또 보내는 건 큰 효과가 없겠다는 점이 숫자에서 드러났습니다.
저는 이 결과를 표로 정리해 공유했고, 팀은 해당 두 부서만 따로 교육하는 쪽으로 방향을 바꿨습니다. 처음엔 제가 전체 응답을 뭉뚱그려 보다가 부서별 차이를 놓친 적이 있어, 그 뒤로 항상 잘게 나눠 봅니다. 저는 데이터 인사이트가 "모두에게"라는 막연한 결정을 "어디에 집중"으로 바꿔줄 때 가장 값지다고 느꼈습니다.
제가 졸업 프로젝트로 4명 팀과 교내 동아리 지원자 데이터를 분석해, 모집 방식 결정에 보탬이 된 경험이 있습니다.
저는 지원 경로 데이터를 맡아 정리했고, 지원자의 절반 이상이 한 SNS 채널에서 들어온다는 점을 찾았습니다. 그런데 숫자만으로는 "왜 그 채널인지"가 안 보여, 저는 설문을 맡은 팀원의 응답 기록과 맞춰본 뒤에야 "선배 추천 게시물 때문"이라는 원인에 닿았습니다.
처음엔 제가 제 분석만 믿고 "그 채널에 홍보를 늘리자"고 서둘렀다가, 팀원이 본 설문과 어긋나 결론을 되짚은 적이 있었습니다. 그 일로 저는 데이터와 현장 응답을 같이 놓고 봐야 한다는 점을 배웠습니다. 우리 팀은 결국 선배 추천 콘텐츠를 늘리는 쪽으로 방향을 정했습니다. 저는 데이터 인사이트가 비즈니스 결정에 기여하려면 숫자 뒤의 이유를 팀과 함께 확인하는 단계가 빠질 수 없다고 생각합니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 SK biopharmaceuticals 사업기획 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.