이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
Excel을 가장 자신 있게 다룹니다. `VLOOKUP`·`INDEX-MATCH`·`피벗 테이블` 같은 기능을 실무처럼 써봤습니다. MD 수업 과제에서 계절별 판매 데이터를 분석할 때, 수작업으로 정리하던 방식을 수식 자동화로 바꿔 팀 발표 준비 시간을 절반으로 줄인 경험이 있습니다. 최근에는 파워 쿼리를 공부하면서, 여러 시트에 흩어진 데이터를 한 번에 병합하는 방식을 익혔습니다. 툴 자체보다 데이터를 어떤 기준으로 볼 것인지를 먼저 생각하는 습관이 생긴 게 더 도움이 됐습니다. Excel은 기본이지만, 제대로 쓰는 사람과 대충 쓰는 사람의 차이가 생각보다 크다고 느꼈습니다. 툴보다 데이터를 어떻게 볼지 먼저 생각하는 습관이 생긴 게 더 큰 수확이었습니다.
제대로 쓰는 것과 쓸 줄 아는 것은 다르다고 느꼈습니다.
발표 자료는 PowerPoint를 가장 자신 있게 씁니다. 단순히 슬라이드를 만드는 것과 청중의 시선을 의도적으로 설계하는 것은 다르다고 생각합니다. 팀 프레젠테이션 준비에서 10페이지 분량의 데이터를 3개 핵심 메시지로 압축하는 과정을 주도했는데, 슬라이드 순서를 결론 우선으로 바꾸는 것만으로 발표 시간이 5분 줄었습니다.
SmartArt나 도표보다 단순한 도형 조합이 더 빠르게 의미를 전달한다는 걸 여러 번 직접 확인했습니다. 색상 팔레트와 여백 비율을 통일하면 슬라이드 완성도가 달라 보인다는 것도 그 과정에서 알게 됐습니다. 툴을 쓸 줄 아는 것보다 무엇을 먼저 보여줄지를 결정하는 판단이 실제 발표의 질을 결정한다고 느꼈습니다. 구조를 먼저 잡고 디자인을 입히는 순서가 반대로 하는 것보다 훨씬 빠르고 일관된 결과를 냈습니다.
최근에는 Python의 pandas를 가장 자신 있게 다룹니다. Excel로 하던 데이터 정리를 스크립트로 자동화하면서 같은 작업을 반복하지 않아도 된다는 걸 처음 실감했습니다. 수업 프로젝트에서 설문 결과 200건을 Excel로 정리하다 수식 범위가 틀려 결과가 다르게 나오는 문제가 생겼고, 같은 작업을 pandas로 짜면서 오류가 사라졌습니다.
groupby·merge·fillna 같은 기능을 활용하면 데이터 변환 과정이 코드로 남아 나중에 누가 수정했는지 추적하기도 쉽습니다. 시각화는 seaborn이 결과물을 보기 편해서 주로 씁니다. 도구보다 데이터를 어떤 형태로 가공해야 질문에 답이 나오는지를 먼저 생각하는 게 쌓이면서 생긴 습관입니다.
툴을 바꾸는 것보다 문제를 먼저 정의하는 것이 데이터 작업의 출발이라고 생각합니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 SPC그룹 MD·상품기획 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.