이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
데이터 마트를 실제 설계해본 실무는 없습니다. 학부 데이터베이스 수업에서 과제 수준의 작은 마트를 만들어본 게 전부입니다.
수업에서 저는 학교 도서관 대출 데이터로 학과별 추세 마트를 짰는데, 처음엔 원본 테이블을 거의 그대로 옮겨 적었습니다. 교수님이 누가 이걸 쓸 거냐고 물으셨고, 학생회·도서관 운영팀·교수님이 서로 다른 칼럼을 본다는 걸 그제야 알았습니다.
그 뒤로 저는 세 사용자별로 다른 뷰 3개를 만들었습니다. 첫 마트는 원본을 그대로 복사해 용량은 두 배인데 쓰는 사람이 없는 실패였습니다. 신입으로 들어가면 현장 사용자 인터뷰부터 사수에게 검수받겠습니다.
데이터 마트를 설계할 때 고려해야 한다고 배운 요소는 네 가지입니다.
첫째, 누가 이 마트를 쓰는가. 영업·재무·운영 등 사용자에 따라 칼럼 우선순위가 달라집니다. 둘째, 어떤 질문에 답하기 위해 짜는가. 주간 매출 추세인가, 고객사별 이탈 신호인가에 따라 집계 단위가 다릅니다. 셋째, 원본 데이터의 신뢰도. NULL 비율·중복·갱신 주기를 마트 머리에 표시해야 쓰는 사람이 오해를 안 합니다. 넷째, 6개월 뒤 확장 그림. 지금은 5개 칼럼이지만 3개월 뒤 추가될 칼럼을 미리 비워둬야 재설계 비용을 줄입니다.
학부 과제에서 첫 마트의 NULL 비율 표시를 빠뜨려 결과 해석이 헷갈린 실패가 있었고, 그 일이 데이터 머리에 메타를 박는 습관을 만들었습니다.
데이터 마트의 본질은 사용자가 결정을 내릴 때 걸리는 시간을 줄이는 것이라고 이해합니다.
학부 과제에서 같은 마트를 두 버전으로 만들어본 적이 있습니다. A버전은 원본을 거의 그대로 옮겨 칼럼이 38개였고, B버전은 학생회가 보고서를 쓸 때 쓰는 칼럼 7개만 추렸습니다. 학생회 친구에게 두 버전을 같이 보여줬더니, A버전은 어디서부터 봐야 할지 모르겠다고 했고, B버전은 5분 만에 결론을 냈습니다.
그 뒤로 저는 마트는 작은 게 크다는 시각으로 봅니다. 큰 마트 하나보다 사용자별 작은 마트 셋이 더 빨리 결정을 낳습니다. 처음에 모든 칼럼을 다 넣어야 안전하다고 생각한 실패가 그 관점을 만들었습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 태광그룹 금융·보험영업 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.