데이터사이언스/커리어

데이터 분석가와 사이언티스트 신입 과제 전형

GIL~ 2025. 2. 27. 09:05

 

 

최근 데이터 분석가(Data Analyst; DA)와 데이터 사이언티스트(Data Scientist; DS)를 채용하는데 있어 과제 전형을 포함시키는 회사가 늘어났습니다. 이번 포스팅에서는 이러한 과제 전형을 대비하기 위한 방법에 대해 알아보겠습니다.

 

 

DA/DS 과제 전형의 목적: 무엇을 평가할까?

DA/DS 과제 전형의 목적은 당연히 입사해서 업무를 잘 수행할 수 있을지를 평가하기 위한 것입니다. 그러나 하나의 과제만 보고 개인의 역량을 제대로 평가하기는 쉽지 않습니다. 그래서 답안지를 보기보다 문제 풀이 과정을 봅니다. 즉, 정답을 찾는지, 화려한 스킬을 쓰는지를 보는 것이 아니라 논리적인 접근 방식과 문제 해결 능력을 평가하는 것이 핵심입니다. 따라서 높은 모델 정확도를 달성하는 것보다, 문제를 어떻게 정의하고 해결해 나가는지를 명확하게 서술하는 것이 중요합니다. 또한, 실무 면접에서 해당 과제를 설명해야 할 가능성이 높기 때문에, 코드 가독성과 문서화에도 신경 써야 합니다. 특히 분석과 무관하게 그냥 해봤다 싶은 내용은 부록 등으로 과감히 빼길 바랍니다. 

 

내용을 정리하면 다음과 같습니다. 

  • 논리적 구조 평가: 단순히 정답을 맞추는 것이 아니라, 문제를 어떻게 접근하는지를 중점적으로 평가합니다.
  • 실제 업무 방식과의 연계: 모델의 성능이 중요한 경우도 있지만, 그것만이 정답이 아닙니다. 과제 풀이 과정에서의 논리적 접근이 중요합니다.
  • 실무 면접 대비: 과제에서 수행한 내용이 실무 면접에서 질문될 가능성이 큽니다. 따라서 해결 방법을 명확히 정리해야 합니다.
  • 코드 가독성과 문서화: 코드 리뷰 과정에서 가독성과 문서화가 중요한 평가 요소가 될 수 있습니다. 정돈된 코드와 명확한 설명이 필요합니다.
  • 과제의 요구 사항 분석: 주어진 과제에서 무엇을 요구하는지를 먼저 명확히 파악한 후 접근해야 합니다.

 

DA/DS 과제 문항의 특성

한 마디로 정리하면 이 과제는 정답이 없을 가능성이 큽니다. 각자의 논리 전개를 보기 위한 것이 가장 크기 때문입니다. 이러한 내용을 정리하면 다음과 같습니다.

 

  • 정답이 없는 경우가 많음: 데이터 과제의 특성상, 정해진 정답이 없고 다양한 접근 방식이 가능합니다.
  • 도메인 지식이 중요한 역할을 함: 특정 산업이나 문제 영역에 대한 이해가 있으면 분석에 유리할 수 있습니다. 특히, 적절한 가설을 세우고 검증하는 능력이 핵심입니다.
  • 자발적인 문제 정의 능력 평가: 단순히 기획된 내용을 따라 분석하는 것이 아니라, 스스로 문제를 정의하고 데이터에서 인사이트를 도출할 수 있는 능력이 중요합니다. 예를 들어, 단순히 "매출 감소 요인을 분석하라"는 문제에서, 매출 감소의 원인을 어떻게 정의하고 접근할지 스스로 설정하는 것이 요구됩니다.
  • 모델 점수만으로는 평가되지 않음: 모델링 과제에서도 모델의 성능(정확도, F1-score 등)은 중요하지만, 단순히 높은 점수를 얻는 것이 전부는 아닙니다. 점수는 하나의 참고 지표일 뿐이며, 우연에 의해 달라질 가능성이 크기 때문에 모델링 과정과 해석이 더욱 중요합니다.

 

DA/DS 과제 문항 예시

  • 고객 데이터 분석: 주어진 고객 데이터를 기반으로 고객 세그먼트를 정의하고, 각 세그먼트의 구매 패턴을 분석하세요.
  • 매출 감소 요인 분석: 지난 6개월의 판매 데이터를 바탕으로 매출 감소 요인을 분석하고, 판매가 가장 낮은 상품군에 대한 개선안을 제안하세요.
  • 연체 고객 분석 및 전략 제안: 주어진 대출 데이터를 분석하여 연체 고객의 주요 특징을 도출하고, 연체율을 낮추기 위한 전략을 제안하세요.
  • 사용자 이탈 분석: 앱 사용자 데이터를 분석하여 이탈률이 높은 시간대를 파악하고, 이를 줄이기 위한 제안을 하세요.
  • A/B 테스트 결과 분석: 변경된 UI가 사용자 행동에 미친 영향을 분석하세요.
  • 수요 예측: 주어진 물류 데이터를 활용하여 다음 달 특정 상품군의 수요를 예측하세요.