이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
데이터 분석 도구로는 Python의 pandas와 matplotlib을 주로 썼습니다. 처음 접한 건 수업 과제에서 공공 데이터를 분석하는 과제였는데, 처음에는 데이터를 불러오는 것도 오래 걸렸습니다. 인코딩 오류나 컬럼 형식 문제로 의도치 않은 오류가 자주 생겼고, 그걸 하나씩 해결하면서 데이터 전처리가 분석보다 시간이 더 걸린다는 걸 알게 됐습니다. 팀 프로젝트에서는 소비 패턴 데이터를 분석해서 특정 구간 사용자의 특성을 파악하는 작업을 했는데, 시각화를 함께 하니 숫자보다 그래프에서 패턴이 훨씬 잘 보였습니다.
단순한 평균값보다 분포를 함께 보는 게 중요하다는 걸 그때 처음 실감했습니다. 아직 통계적으로 깊은 분석까지는 어렵지만, 기초 전처리와 시각화는 꾸준히 써오고 있습니다. 실무에서 더 다양한 데이터를 다뤄보고 싶습니다.
데이터 분석에서 제가 가장 많이 쓴 도구는 SQL입니다. 처음 배울 때는 SELECT·FROM·WHERE 정도만 알았는데, 수업에서 집계 함수와 GROUP BY를 쓰는 방법을 익히면서 필요한 데이터를 직접 뽑을 수 있다는 게 생각보다 강력하다는 걸 느꼈습니다. 팀 프로젝트에서 행사 참여자 데이터를 직접 쿼리해서 참여 패턴을 분석하는 작업을 담당했는데, JOIN을 잘못 써서 중복 행이 생겨 결과가 이상하게 나온 적이 있었습니다.
원인을 찾는 데 생각보다 오래 걸렸고, 그 이후로 JOIN 결과를 항상 건수부터 확인하는 습관이 생겼습니다. 아직 서브쿼리나 윈도우 함수는 익숙하지 않아서 연습 중입니다. 데이터를 내가 원하는 형태로 변환해서 볼 수 있다는 점에서 SQL은 분석에서 빠질 수 없는 도구라고 생각합니다.
분석 작업에서 저는 SQL로 데이터를 추출하고, Python으로 가공한 뒤, 시각화는 별도 도구를 쓰는 방식을 경험해봤습니다. 각 도구가 잘하는 부분이 달라서 상황에 따라 나눠 쓰는 게 편했습니다. 수업 프로젝트에서 데이터베이스에서 조건에 맞는 사용자를 SQL로 추출하고, 파이썬으로 전처리한 뒤 그래프를 만드는 흐름으로 작업했습니다. 처음에는 하나의 도구로 다 하려다 불필요하게 복잡해진 경험이 있었습니다.
각 단계마다 적합한 도구를 쓰는 게 전체 흐름을 단순하게 만든다는 걸 그때 배웠습니다. 아직 각 도구를 깊게 다룬다기보다는 기본적인 흐름을 연결해서 쓰는 수준입니다. 실무에서 더 다양한 데이터와 상황을 경험하면서 도구 활용 폭을 넓히고 싶습니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 토스 프로덕트 매니저 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.