데이터 분석가

필수 도구

• SQL필수

  이 직무의 1순위 역량입니다. JOIN, GROUP BY, 서브쿼리, 윈도우 함수까지 자유롭게 써야 합니다. 대부분의 회사가 SQL 실기 테스트를 봅니다.

• Python (pandas)필수

  데이터 정제와 분석에 씁니다. R도 가능하지만 채용공고 수는 Python이 더 많습니다. 문법보다 데이터를 다루는 감각이 중요합니다.

• 엑셀 / 스프레드시트권장

  의외로 실무에서 매우 많이 씁니다. 피벗 테이블과 함수 활용은 기본입니다.

분석 · 통계

• 기술통계와 분포필수

  평균·중앙값·분산의 의미를 알고, 언제 평균을 쓰면 안 되는지 판단할 수 있어야 합니다.

• 가설검정 · A/B 테스트권장

  p값의 의미, 표본 크기, 유의성 판단. 특히 IT 서비스 회사에서는 면접 단골 주제입니다.

• 지표 설계권장

  리텐션, 전환율, ARPU, 코호트 같은 지표가 무엇을 측정하는지 이해하고 상황에 맞게 정의할 수 있어야 합니다.

• 기초 머신러닝우대

  회귀·분류·클러스터링 개념 정도. 데이터 분석가에게 모델링은 보조 도구이며, 없다고 탈락하지는 않습니다.

시각화 · 전달

• Tableau / Power BI / Looker Studio권장

  하나만 다뤄도 충분합니다. Looker Studio는 무료라 포트폴리오용으로 시작하기 좋습니다.

• matplotlib / seaborn권장

  분석 과정에서 빠르게 그래프를 그려 확인하는 용도입니다.

• 문서화 · 발표필수

  분석 결과를 비전문가가 이해하도록 설명하는 능력. 실무에서 실력 차이가 가장 크게 나는 부분입니다.

우대 사항

• 도메인 지식우대

  커머스·게임·금융·물류 등 지원하려는 산업의 비즈니스 구조와 주요 지표에 대한 이해입니다.

• 데이터 파이프라인 이해우대

  데이터가 어디서 어떻게 쌓이는지 아는 것. 데이터 엔지니어와 협업할 때 필요합니다.

• Git우대

  분석 코드도 버전 관리를 합니다. 기본적인 커밋·브랜치 정도면 됩니다.

가장 중요한 포트폴리오입니다. 데이터를 그냥 이것저것 시각화한 결과물이 아니라, 하나의 질문에서 출발해 결론과 제안으로 끝나는 구조여야 합니다. 예를 들어 '어떤 고객이 이탈하는가'라는 질문을 잡고, 데이터로 특징을 찾아, 그래서 무엇을 하자는 제안까지 도달하는 흐름입니다.

• ✓분석하려는 질문을 한 문장으로 명확히 정의
• ✓데이터 출처와 전처리 과정 기록 (결측치·이상치 처리 근거 포함)
• ✓핵심 지표를 정하고 그룹별 비교
• ✓그래프마다 무엇을 말하려는지 한 줄 해석 첨부
• ✓마지막에 비즈니스 제안 3가지
• ✓GitHub 노트북 + 읽기 쉬운 요약 문서

면접에서 SQL은 반드시 검증합니다. 실제 데이터베이스에 접속해 여러 테이블을 조인하고 윈도우 함수로 코호트나 리텐션을 계산한 쿼리를 정리해두면, 실기 준비와 포트폴리오를 동시에 해결할 수 있습니다.

• ✓여러 테이블을 조인한 복잡한 쿼리 예시
• ✓윈도우 함수를 사용한 리텐션·코호트 분석 쿼리
• ✓각 쿼리가 어떤 질문에 답하는지 설명
• ✓프로그래머스 SQL Kit 완주 기록도 함께 언급 가능

누군가 매일 열어볼 만한 대시보드를 만듭니다. 지표를 잔뜩 늘어놓는 게 아니라, 이 대시보드를 보는 사람이 누구이고 무엇을 결정하는지 정해놓고 필요한 지표만 배치하는 것이 핵심입니다.

• ✓대상 사용자와 의사결정 목적 명시
• ✓핵심 지표 5개 이내로 압축
• ✓기간·세그먼트 필터 제공
• ✓공개 링크 또는 스크린샷

같은 분석이라도 글로 정리해두면 전달력이 크게 올라갑니다. 데이터 분석가는 설명하는 직무라서, 글쓰기 자체가 직무 역량의 증거가 됩니다.

• ✓왜 이 분석을 했는지 배경 설명
• ✓막혔던 지점과 해결 과정
• ✓결과에 대한 스스로의 비판적 검토