이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
엑셀을 활용한 데이터 분석에서 가장 많이 쓴 기능은 피벗 테이블입니다. 인턴 때 SKU별 주간 매출을 집계할 때 수백 개 행을 수작업으로 정리하는 것보다 피벗 테이블로 카테고리별 소계를 자동 생성하면 시간이 훨씬 줄었습니다. VLOOKUP은 발주 데이터와 재고 데이터를 연결할 때 사용했고, 중복 데이터 탐지에는 조건부 서식과 COUNTIF를 함께 썼습니다. 이 경험을 통해 엑셀은 단순 계산 툴이 아니라 구조화된 분석 도구로 쓸 수 있다는 걸 배웠습니다. 현재는 구글 스프레드시트로 팀원과 실시간 공유하면서 사용하는 방식에도 익숙하고, 데이터 분석 목적에 따라 두 툴을 함께 활용하고 있습니다.
엑셀로 데이터를 분석하며 제가 직접 씨름한 것은 집계보다 데이터를 정제하는 단계였습니다. 인턴 때 여러 곳에서 받은 판매 자료를 합치려는데, 같은 상품이 표기가 제각각이라 그냥 합치면 다른 상품으로 잡혔습니다. 그래서 저는 먼저 상품명 표기를 통일하고, 중복과 공백을 COUNTIF와 TRIM으로 걸러낸 뒤에야 피벗으로 집계했습니다. 정제를 건너뛰면 집계 결과 자체가 틀어진다는 것을 그때 배웠습니다. 분석은 화려한 함수가 아니라, 들어가는 데이터를 깨끗이 맞추는 데서 시작했습니다. 멋진 피벗 테이블보다, 그 앞단의 정제가 결과를 좌우했습니다. 엑셀 분석은 집계 기능이 아니라, 데이터를 정제해 신뢰할 수 있게 만드는 결이 또렷해야 한다고 생각합니다.
엑셀 분석에서 제가 한 작업이 실제 결정으로 이어진 경험은 인턴 때 SKU별 주간 매출을 정리한 일입니다. 피벗으로 카테고리별 소계를 내다, 특정 상품군이 매주 비슷한 시점에 판매가 꺾이는 패턴을 발견했습니다. 단순 집계에서 멈추지 않고 그 패턴을 팀에 공유했더니, 해당 시점에 맞춰 발주 주기를 조정하는 결정으로 이어졌습니다. 분석이 보고서로만 끝났다면 의미가 없었을 겁니다. 데이터에서 본 것이 실제 발주 조정이라는 행동으로 옮겨졌을 때 값이 생겼습니다. 엑셀 분석은 숫자를 정리하는 데서 끝나는 것이 아니라, 그 결과가 결정과 변경으로 이어지게 하는 것이라고 생각합니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 SPC그룹 영업 일반 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.