이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
대학원 연구 프로젝트에서, 저는 한 데이터 분석 모델에 들어가는 데이터가 제대로인지 검토한 경험이 있습니다. 처음에 저는 데이터가 다 맞을 거라 여기고 분석부터 했는데, 결과가 이상하게 나왔습니다. 알고 보니 수집 과정에서 일부 값이 빠지거나 중복돼 있었습니다. 그 일을 겪고 저는, 데이터를 쓰기 전에 어디서 틀어질 수 있는지를 먼저 떠올리게 됐습니다.
빠진 값은 없는지, 같은 데이터가 중복되지 않았는지, 형식이 일정한지 같은 항목을 정해 하나씩 확인했습니다. 처음에는 데이터가 당연히 깨끗할 거라 믿었는데, 들어오는 데이터부터 점검해야 한다는 걸 배웠습니다. 입력이 틀리면 분석 전체가 틀어졌기 때문입니다. 지금도 저는 데이터를 다룰 때 먼저 점검하고 시작합니다.
학부 캡스톤에서 데이터 기반 서비스를 만들 때, 저는 데이터가 제대로 처리되는지 점검하는 부분을 맡았습니다. 처음에는 정상적인 데이터만 넣어보고 '잘 된다'고 여겼습니다. 그런데 발표 때 교수님이, 이상한 데이터가 들어오면 어떻게 되냐고 물으셨습니다. 저는 거기까지 보지 못했습니다. 그 질문 이후 저는, 비어 있는 값, 지나치게 큰 값, 형식이 깨진 값 같은 여러 상황을 일부러 넣어보며 점검했습니다. 그 과정에서 서비스가 멈추는 경우 몇 가지를 미리 찾아 고쳤습니다. 처음에는 정상 데이터만 보면 되는 줄 알았는데, 이상한 경우를 가정해 점검해야 한다는 걸 배웠습니다. 지금도 저는 무언가를 점검할 때 잘못된 입력을 일부러 넣어봅니다.
법학 동아리에서 데이터를 다루는 서비스의 법적 쟁점을 정리하며, 저는 데이터 점검에 법적 기준도 들어가야 한다는 걸 배웠습니다. 처음에는 데이터가 정확한지만 보면 되는 줄 알았습니다. 그런데 알아보니, 개인정보가 섞인 데이터는 정확성과 별개로 함부로 쓰면 안 되는 부분이 있었습니다. 그래서 저는 점검 항목에, 데이터가 맞는지뿐 아니라 이 데이터를 써도 되는지를 함께 넣었습니다. 동의를 받았는지, 보관 기한이 지나지 않았는지 같은 것입니다. 처음에는 점검을 기술적인 정확성만 보는 일로 여겼는데, 법적으로 써도 되는지도 함께 봐야 한다는 걸 배웠습니다. 지금도 저는 데이터를 검토할 때 써도 되는 데이터인지를 함께 확인합니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 토스 정보보안 담당 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.