데이터 분석 포트폴리오로 ‘문제 해결 능력’ 어필하기
이전 글에서 데이터 분석 프로젝트를 하기 위한 데이터를 어떻게 찾을 수 있을지 이야기해 봤어요. 자, 그럼 데이터를 찾은 다음에는 뭘 하면 될까요? 드디어 분석을 해볼까 했는데… 그전에 넘어야 하는 산이 하나 더 있습니다. 바로 ‘문제 정의하기’입니다.
데이터를 찾았지만 데이터 자체에는 풀어야 하는 문제가 없어요. 그럼 분석을 하기 전에 문제 정의부터 해야 합니다. 이게 사실 분석보다도 어려워요. 좋은 문제를 정의해야 좋은 분석을 할 수 있기 때문에 이 과정이 가장 중요한 부분이라고 할 수 있습니다.
분석만 잘 하면 되지, 문제 정의가 꼭 필요한가요?
‘문제를 왜 정의해야 하나요?’ 하고 궁금하실 수 있을 것 같아요. 여기에 대답을 하려면 먼저 실무에서 데이터 분석을 하는 이유에 대해 이야기해 볼 필요가 있습니다. 실무에서 데이터 분석을 하는 이유는 비즈니스를 성장시키고, 매출을 올리기 위해서예요. 비즈니스를 성장시키는 데 뭔가 문제가 생기면 그 문제를 해결하기 위해서 데이터를 보게 됩니다. 실무에서의 분석은 명확한 문제를 바탕으로 시작되는데요. 예를 들면,
결제자 수를 늘려보자거나
마케팅 효율이 떨어지는 채널은 이제 그만두고 몇 개 채널만 남기고 싶다거나
우리 웹사이트에서 새로 나온 기능을 사람들이 잘 안 쓰는데 왜 그럴까, 이유를 찾고 싶다거나
이렇게요.
그렇기 때문에 채용을 할 때 데이터 분석 프로젝트를 보는 건 이 사람이 우리 회사에 오면 데이터를 보고 문제를 해결할 수 있는 사람인지, 어떻게 문제를 해결하는 사람인지 보기 위해서예요. 그럼 그걸 보여줘야겠죠. 문제를 해결하는 사람이란 걸 보여주려면? 우선 문제가 있어야 합니다.
가끔 취준하시는 분들이 이런 프로젝트하는 목적을 잊고 그냥 ‘데이터’ ‘분석’ ‘프로젝트’ 각각에만 집중하게 되는 것 같아요. 그렇게 되면 그냥 데이터를 파보는 과정에만 매몰되기 쉬워요. ‘이 데이터에 있는 모든 인사이트를 다 찾아내겠다!’가 아니라 ‘이 데이터에서 근거를 찾아서 문제를 해결해 보겠다’가 되어야 해요. 데이터 자체는 아무것도 말해줄 수 없어요. 먼저 문제가 있어야 데이터에서 답을 발견할 수 있습니다.
실생활에서 내가 필요한 문제를 선정하기
그럼 문제를 정의해 봅시다. 문제 정의를 하는 가장 쉬운 방법은 실생활에서 내가 필요를 느끼는 것을 선정하는 거예요. 앞에서 소개 드린 최규민님의 <강남역 출근길에 정자/판교역 내릴 사람 예측하기> 프로젝트에서는 ‘강남역 출근길에 앉아서 가고 싶다!’,  선미님의 <회사는 어떤 사람을 데이터 분석가로 채용하고 싶어하는 것일까?> 프로젝트에서는 제목 그대로 ‘회사에서는 어떤 사람을 데이터 분석가로 채용하고 싶어하는 건지 알고 싶다’, 제가 했던 <장트러블 극복을 위한 식습관 데이터 분석> 프로젝트에서는 ‘장트러블 극복’이었어요. 
이렇게 실생활에서 필요한 문제를 해결해 보는 프로젝트의 경우 진행 순서가 일반적인 프로젝트와는 달라요. 데이터 찾기보다 문제 정의가 먼저 됩니다. 문제를 정의하고 나서 이 문제를 풀기 위한 데이터를 어떻게 구할 수 있을지 생각해보고 이전 글(데이터 분석 프로젝트 이것만 알면 끝 (1) 데이터 찾기)에서 이야기했던 방법대로 데이터를 구하고 문제를 풀기 시작하면 됩니다.
실제 기업에서 자주 푸는 문제를 선정하기
개인 데이터 분석의 경우라면 앞에서 얘기한 것처럼 내가 실생활에서 필요한 것을 문제로 선정할 수 있지만, 기업 데이터로 분석을 진행한다면 앞의 방법을 적용하기는 어렵습니다. 이럴 때는 실제 기업에서 자주 마주치는 문제를 선정해 볼 수 있습니다. 기업에서 자주 마주치는 문제로 프로젝트를 진행한다면 실제로 업무에서 이런 문제를 만났을 때 어떻게 해결할 수 있을지를 보여줄 수 있으니 어필하기도 좋습니다.
이 경우라면 데이터의 특징에 따라서 문제를 선정해 볼 수 있습니다.
이커머스 주문 데이터: 매출/주문 수를 올리기
웹사이트 사용자 행동 데이터: 사용자들이 더 많이 재방문하게 만들기, 특정 기능을 더 많이 사용하게 만들기
회사에 다녀보지 않은 분들은 기업에서 어떤 문제를 마주할지 생각해 내는 것도 어려우실 거예요. 그래서 참고하실 수 있게 회사에서 분석가들이 많이 푸는 문제 예시를 몇 가지 가지고 와봤어요.
Q. 이번달 매출이 떨어졌다, 이유가 뭘까?
Q. 운영하고 있는 마케팅 채널이 많아서 갯수를 줄이려고 하는데, 어떤 채널을 남겨야 할까?
Q. 왜 이번달 광고를 통한 사용자 유입이 없을까?
Q. 결제하기 버튼 클릭까지는 많이 해보는데 왜 실제 결제는 일어나지 않을까?
Q. 새로 배포한 기능을 왜 사람들이 사용하지 않을까?
Q. 이 기능을 업데이트한 후 왜 사용자 재방문이 줄었을까?
Q. 이벤트로 들어온 사용자들이 이벤트가 끝난 후에도 들어와서 재구매를 하고 있을까?
Q. 이 기능의 개선이 필요할까?
뭔가 잘 안 될 때에 대한 이야기만 많은 것 같은데요. 잘 되는 이유를 찾아보는 분석도 좋겠지만 실무에서는 뭔가 잘 안 될 때 왜 그럴까 이유를 알아내고 해결하기 위해서 데이터를 자주 보게 됩니다.
이미 정의되어 있는 문제를 활용하기
지금까지 문제 정의하는 법에 대해서 이야기해 봤는데요. 미리 누군가 문제 정의를 해놓은 게 있다면 그걸 쓰는 것도 좋은 방법입니다.
1. Mode의 Analytics Training
앞에서 소개한 Mode 같은 경우는 문제 정의를 이미 해놓고 그 문제를 기반으로 분석을 할 수 있도록 제공해 주고 있습니다.
Untitled
슬라이드에 넣어둔 캡처 화면은 Mode에서 제공하는 Analytics Training 이에요. Yammer라는 서비스의 데이터를 가지고 문제를 풀어보는 튜토리얼입니다. Yammer는 사내 페이스북 같은 서비스라고 생각하시면 될 것 같은데요. Yammer 데이터를 가지고 유저 인게이지먼트가 떨어진 원인을 찾고 개선 방안을 찾아보기, 검색 기능 개선하기 같은 실무에서 풀 법한 문제를 던져주고 있어요. Mode에서 제공해주는 프로젝트를 직접 해보지 않더라도 문제 상황은 충분히 참고해보실만 할 것 같아요.
2. 캐글
두번째로 캐글 같은 사이트에서 데이터 셋과 함께 문제를 주는 경우가 있습니다. 위에서 소개한 Mode 만큼 자세한 튜토리얼은 아니지만, 데이터 셋과 함께 이 데이터로 풀어보면 좋을 문제를 주기도 하는데, 이것도 참고해보시면 좋을 것 같아요. 다만, 아무래도 누구나 업로드할 수 있는 플랫폼이다보니 프로젝트에 활용해 볼 만한 좋은 문제도 있었지만 그렇지 않은 경우도 있더라고요. 캐글을 활용하신다면 이런 점을 참고로 해주시면 좋을 것 같아요.
Untitled
3. SQL 데이터 분석 캠프
데이터리안에서 운영하는 SQL 데이터 분석 캠프에서는 수업 시간에 배운 내용을 가지고 프로젝트를 진행해보시는 걸 권해드리고 있는데요. 데이터 셋과 함께 풀어보면 좋을 문제를 제공해 드리고 있어요.
Untitled
자, 문제 정의까지 해봤으니 이제 원인이 뭔지 알아보고 분석해 볼 차례입니다. 다음 글에서는 분석하기에 대해 이야기 해볼게요.


conversion_type

시리즈 내 순서

conversion_text

멤버 전용

대표 이미지

공개 가능

작성일

예상 읽기 시간

전환 텍스트

글쓴이

시리즈

상단 노출

전환 유형

요약

제목

데이터 분석 프로젝트용 무료 데이터를 찾을 수 있는 사이트 5개를 소개합니다.

분석 프로젝트용 무료 데이터 찾는 법(추천 웹사이트 5개)

분석만 잘 하면 되지, 문제 정의까지 꼭 해야 하나요?

데이터 분석 포트폴리오로 ‘문제 해결 능력’ 어필하기

분석의 핵심은 가설을 세우고, 데이터로 확인해 보는 것입니다. 분석을 어떻게 진행하면 좋을지 막막하다면 이 글을 꼭 읽어보세요.

현업 분석가가 알려주는 데이터 분석 프로젝트 제대로 하는법

포트폴리오의 완성도를 높이는 4가지 팁을 알려드릴게요!

데이터 분석 포트폴리오 쓸 때 자주 하는 실수 6가지

분석만 잘 하면 되지, 문제 정의가 꼭 필요한가요?

실생활에서 내가 필요한 문제를 선정하기

실제 기업에서 자주 푸는 문제를 선정하기

이미 정의되어 있는 문제를 활용하기

데이터 분석 포트폴리오로 ‘문제 해결 능력’ 어필하기

Contents

데이터 분석 소식을
매월 받아보세요

데이터 분석 포트폴리오 이것만 알면 끝

함께 읽어보면 좋은 글

[다른 회사는 퍼널 분석 어떻게 하고 있을까?] 세미나 다시보기

[생성형 AI와 함께하는 데이터 분석가 커리어] 세미나 다시보기

생성형 AI와 데이터 사이언스의 미래

데이터 분석 소식을
매월 받아보세요데이터 분석 소식을 받아보세요

데이터 분석 포트폴리오로 ‘문제 해결 능력’ 어필하기

Contents

데이터 분석 소식을 매월 받아보세요

데이터 분석 포트폴리오 이것만 알면 끝

함께 읽어보면 좋은 글

[다른 회사는 퍼널 분석 어떻게 하고 있을까?] 세미나 다시보기

[생성형 AI와 함께하는 데이터 분석가 커리어] 세미나 다시보기

생성형 AI와 데이터 사이언스의 미래

데이터 분석 소식을 매월 받아보세요데이터 분석 소식을 받아보세요

데이터 분석 소식을
매월 받아보세요

데이터 분석 소식을
매월 받아보세요데이터 분석 소식을 받아보세요