면접관이 이 한 문장으로 확인하려는 것들. 각 갈래를 알면 답의 뼈대가 잡혀요.
공개된 이커머스 거래 데이터 5만 건을 SQL로 카테고리별 매출을 집계한 뒤, Python으로 월별 추이를 선 그래프로 시각화했습니다. 특정 카테고리의 매출이 특정 월에만 급등하는 패턴을 발견해 원인을 찾아보니 프로모션 시기와 겹친다는 것을 확인했습니다. 이 결과를 바탕으로 프로모션 효과가 큰 카테고리를 정리한 보고서를 작성했습니다. 시각화는 패턴을 발견하는 도구이지 결과물의 전부가 아니라는 것을 배웠습니다.
공공 데이터 포털의 지역별 인구 통계를 SQL로 조건에 맞게 추출한 뒤, Python의 matplotlib으로 지역 간 비교가 쉬운 막대그래프를 만들었습니다. 단순 막대그래프로는 지역이 너무 많아 가독성이 떨어져, 상위 10개 지역만 추려 별도로 시각화하는 방식으로 바꿨습니다. 이 자료를 팀 발표에 활용해 특정 지역의 정책 제안 근거로 삼았습니다. 데이터가 많을수록 무엇을 보여줄지 추리는 판단이 더 중요하다는 것을 배웠습니다.
교내 스타트업 동아리에서 앱 사용자 로그 데이터를 SQL로 세션별로 정리하고, Python으로 이탈률이 높은 화면 구간을 히트맵으로 시각화했습니다. 분석 결과 특정 결제 화면에서 이탈이 집중되는 것을 발견해 그 화면의 UI 개선을 제안했습니다. 실제 서비스에 반영되진 않았지만 담당 팀에서 다음 개편 때 참고하겠다는 피드백을 받았습니다. 분석 결과가 실제 개선 제안으로 이어질 때 데이터 분석의 의미가 생긴다고 생각합니다.
같은 실수가 반복돼요. 이것만 피해도 절반은 갑니다.
진짜 면접은 두 번째 질문부터예요. 이 답 뒤에 따라올 법한 것들.