채용담당자가 지루해하는 포트폴리오

꼭 문서가 길어야 지루한 게 아닙니다.

다들 아시잖아요? 길어도 읽을 이유가 있으면 계속 봅니다.

그런데 짧아도 재미없는 내용만 이어지면 X 버튼을 누르게 되어 있어요.

그럼 어떤 문서가 재미없을까? 이게 오늘의 주제입니다.

데이터 분석 포트폴리오에서 가장 위험한 평가는

“못했다”가 아닙니다.

"어라? 이것도 비슷한데?" 이겁니다.

채용담당자는 생각보다 많은 포트폴리오를 봅니다. 특히 신입이나 주니어 포지션에서는 비슷한 교육 과정, 비슷한 부트캠프 프로젝트, 비슷한 Kaggle 데이터, 비슷한 공공데이터 분석을 계속 만나게 됩니다.

처음 보는 지원자의 포트폴리오인데도 익숙한 흐름.

주제도 어디선가 봤고, 그래프도 익숙하고, 기술 스택도 비슷하고, 마지막 결론도 예상한 방향으로 갑니다.

이런 문서들은 잘못 만든 문서가 아니어도 바로 창을 닫아버리기 쉽습니다.

거듭 강조하지만, 채용 담당자가 보고 싶은 것은 다른 내용입니다.

“아, 이 지원자는 이런 문제를 이렇게 봤구나.”

이게 평가 요소인데, 이런 내용은 어디에도 없는 거죠.

앞서 다른 글에서도 언급한 바 있지만, 같은 데이터를 사용했다고 해서 차별화가 없는 게 아닙니다.

같은 데이터에 같은 기법, 같은 방식과 구조, 같은 결론이 차별화가 안 되는 겁니다.

https://fishingproductfr.com/@maven/504

고객 이탈 분석, 매출 분석, 리뷰 감성분석, 대시보드 제작, 공공데이터 분석.

모두 좋은 주제가 될 수 있습니다. 실제로 학습하기에도 좋고, 포트폴리오로 확장하기에도 나쁘지 않습니다. 다만 주제가 익숙할수록 더 신경 써야 하는 부분이 있습니다.

어떤 질문에서 출발했는가.

무엇을 다르게 보았는가.

분석 결과를 어떤 판단으로 연결했는가.

같은 데이터라도 이 지점이 달라지면 전혀 다른 프로젝트처럼 보입니다.

반대로 주제가 좋아도 코드와 그래프만 익숙하게 나열하면 금방 흐려집니다.

① 비슷한 프로젝트가 반복되면 지루하다.

수많은 데이터 분석 포트폴리오에는 자주 등장하는 프로젝트가 있습니다.

이커머스 고객 이탈 예측.

영화 평점 분석.
서울시 공공자전거 이용량 분석.
부동산 가격 예측.
타이타닉 생존 예측.

리뷰 감성분석.
매출 대시보드 제작.

...

이 주제들이 나쁘다는 뜻은 아닙니다.

오히려 처음 데이터 분석을 배울 때는 좋은 주제입니다. 데이터 구조를 이해하고, 전처리하고, EDA를 하고, 모델링과 시각화까지 연습하기 좋습니다. 다만 대표 프로젝트로 내세울 때는 조금 조심해야 합니다. 이미 너무 많은 사람이 같은 데이터를 비슷한 방식으로 다뤘기 때문입니다.

예를 들어 타이타닉 생존 예측은 여전히 머신러닝 입문에서 자주 쓰이는 예제입니다. Kaggle에서도 처음 머신러닝을 익히는 사람이 시작해볼 만한 문제로 소개하고 있습니다. 데이터 구조가 단순하고, 전처리와 분류 모델링 흐름을 연습하기 좋기 때문입니다.

그런데 많은 지원자들이 성별, 나이, 객실 등급에 따라 생존 여부를 예측하는 구조로 익숙하게 사용하면 어떨까요? 이 경우 포트폴리오의 첫 번째 "대표" 프로젝트로 위시시켜 놓으면 지원하는 회사의 실제 실무 문제와의 연결이 약해 보일 수 있습니다.

공공자전거 분석도 비슷합니다.

시간대별 이용량을 봤습니다.
요일별 이용량을 봤습니다.
지역별 이용량을 봤습니다.

여기까지만 가면 읽는 사람은 금방 예상합니다.

“아, 또 이용량 시각화 프로젝트구나...”

그런데 같은 데이터라도 질문을 바꾸면 달라집니다.

출근 시간대 강남·여의도 업무지구에서 반복되는 대여소 부족 문제를 확인하고, 시간대별 수요 패턴을 바탕으로 자전거 재배치 우선순위를 제안했습니다.

어떤가요? 이렇게 쓰면 느낌이 달라집니다.

단순히 공공자전거 데이터를 본 게 아니라, 운영 문제를 먼저 잡고 그 문제를 풀기 위해 데이터를 사용한 흐름이 보입니다. 이렇게 같은 데이터를 써도 질문이 달라지면 프로젝트가 달라집니다.

기존 표현 :

서울시 공공자전거 데이터를 분석했습니다.

수정 표현 :

출근 시간대 업무지구에서 반복되는 대여소 부족 구간을 확인하고, 시간대별 수요 패턴을 바탕으로 재배치 우선순위를 제안했습니다.