26가지 체크리스트
데이터 분석 포트폴리오를 만들 때
많은 분들이 공통적으로 가장 먼저 고민하는 게 이런 겁니다.
무슨 데이터를 써야 하지?
차트는 몇 개 넣어야 하지?
Python 코드는 보여줘야 하나?
프로젝트는 몇 개가 적당하지?
그런데 포트폴리오를 보는 사람(채용 담당자)의 입장에서 봐도
그런게 중요할까요? 아닙니다. 채용 담당자의 관점은 이렇게 다릅니다.
이 사람이 어떤 문제를 발견했는가?
왜 그 문제를 분석하려고 했는가?
어떤 기준으로 데이터를 봤는가?
결과를 어떻게 해석했는가?
그래서 어떤 실행 제안을 할 수 있는가?
그래서 오늘은 데이터 분석 포트폴리오를 작성할 때
기억하면 좋은 기준을 A부터 Z까지, 총 26개로 나눠 정리해봤습니다.
포트폴리오는 내가 보고 싶은 문서가 아니라, 채용 담당자가 읽어야 하는 문서입니다.
어려운 전문 용어만 나열하는 것보다 비전문가가 보더라도 직관적이고 쉽게 읽혀야 합니다.
그리고 무엇보다 충분한 설명이 필요합니다. 이해를 떠넘기지 마세요.
좋은 분석은 회사와 산업의 맥락 안에서 이해되어야 합니다.
회사는 여러분의 데이터 분석 기술을 보려는 것이 아닙니다.
비즈니스 환경에서 필요한 데이터를 선별하고, 분석해 의미를 찾는 역량을 보고 싶은 겁니다.
제가 정말 강조하는 게, 포트폴리오에서는 분석 결과를 보여주는 것보다
분석 과정에서의 설계 기준! 분석 기준!을 보여주는 게 100배는 더 중요합니다.
그리고 실제로도 데이터 분석에서는 기준을 세우는 게 무엇보다 중요합니다.
'도메인 지식'이라는 말을 많이 하는데, 취준생 입장에서는 "지식" 만큼은 아니더라도
"최소한의 이해"는 있어야 포트폴리오가 선명해집니다.
지원하는 산업에서 실제로 중요하게 보는 데이터와 지표를 반영하는 것이 베스트입니다.
반대로, 모든 회사에 똑같이 제출할 수 있는 범용 포트폴리오를 만들고 싶겠지만..
솔직히 추천하지는 못하겠습니다.
Emotion, 즉 "감정"이라는 단어를 쓰니 포트폴리오, 그것도 데이터 분석 포트폴리오에서는
좀 뜬금없어 보이죠? ㅋ 네 단순히 느끼기에도 이질적인 단어라 선택했습니다.
데이터 분석 포트폴리오에서 Emotion은 “감동적인 이야기”가 아니라,
이 사람이 왜 이 문제에 관심을 가졌는지 보여주는 "온도"에 가깝습니다.
포트폴리오가 너무 딱딱하면 끝까지 읽기 어렵습니다. 아무리 전문가라 해도 말이죠.
그리고 개발 영역, 데이터 분석 영역 등 기술직의 포트폴리오는 딱딱해지기 쉽습니다.
더욱이 요즘은 기술만 보는 시기가 아닙니다.
문제제기 역량, 비즈니스 관점, 해석 역량, 커뮤니케이션 역량..
저는 이런 부분들을 소위 "말랑말랑한 부분"이라고 표현하는데,
딱딱한 부분과 말랑말랑한 부분이 잘 섞여 있게 만들어야 읽기 쉬워집니다.
말랑말랑한 Emotional Hook은 디자인을 통해 표현할 수도 있고,
데이터 분석을 하는 배경이나 목적, 문제 제기, 관점, 해석 등을 통해
그리고 인사이트나 실행 전략 및 전술을 설명할 때도 표현할 수 있습니다.
- 지켜야 할 것 : 내가 왜 이 문제에 관심을 가졌는지, 어떤 지점을 개선하고 싶었는지 자연스럽게 담기
- 피해야 할 것 : 숫자, 코드, 차트만 있고 작성자의 문제의식이 보이지 않는 문서 만들기
좋은 포트폴리오는 흐름이 있습니다.
문서의 전체 흐름에서는 나를 소개하는 영역과 분석 프로젝트의 영역이 구분되어야 하고
분석 프로젝트들 간에도 "모종의 유기적인 관계"가 느껴지게 작성되어야 합니다.
(어렵죠? 모호하죠? ^^;; 네, 이 부분은 비밀로 남겨두겠습니다. ㅋㅋ)
개별 프로젝트는 최대한
문제 정의 → 데이터 설명 → 분석 과정 → 인사이트 → 실행 제안 순서로 정리되어야 하며
차트, 코드, 표를 순서 없이 무분별하게 붙여 넣는 건 절대!! 피해야 합니다.
프로젝트마다 보여주고 싶은 역량이 달라야 합니다.
각 프로젝트가 무엇을 증명하는지 정해야 하고,
비슷한 분석 프로젝트를 여러 개 반복해서 넣는 건 피해야 합니다.
그리고 목적 없는 분석, 보여주는 의도가 없는 분석은 방향을 잃기 마련입니다..
분석 질문이나 가설이 있으면 보는 사람이 따라오기 쉬워집니다.
반드시 분석 기법부터 들이미는 것이 아니라, “무엇을 확인하고 싶었는가”를 먼저 써야 합니다.
문서에서 인사이트는 작성자가 데이터를 어떻게 해석했는지와
그래서 그게 비즈니스 관점에서 어떤 의미를 갖는지가 결합되어 나타나야 합니다.
그리고 인사이트는 내가 "주는" 것이 아니라 상대방이 "받는" 것입니다.
금융 회사에서 이커머스 산업 기준의 인사이트가 눈에 들어 올까요?
네, 그래서 인사이트는 듣는 상대방의 비즈니스 배경이 갖춰져 있어야 겨우 들립니다.
그러니 내가 지원하는 산업과 맞닿은 프로젝트라야 겨우 인사이트가 들릴 수 있습니다.
포트폴리오는 지원 직무와 연결되어 작성되어야 합니다.
그래서 당연히 모집 공고의 요구 역량과 프로젝트 내용을 연결하는 작업이 필요합니다.
물론, 취업을 위해서는 여러 곳에 지원해야 하는데
그때마다 모두 다른 포트폴리오를 작성하는 건 힘들겠죠.
어쩔 수 없이 범용 포트폴리오는 만들어 두더라도,
꼭 들어가고 싶은 회사라면 조금 더 공들여 만들어야 합니다.
꼭 들어가고 싶은 회사가 없다면? 산업도 없다면?
안됩니다... 구체적으로 잡아야 메시지가 선명해 집니다.
데이터 분석 프로젝트 마다 관통되는 핵심 메시지가 있어야 합니다.
분석 결과보다 과정에서의 분석 기준이 백 배는 더 중요하다고 했지만
그렇다고 분석 결과가 중요하지 않다는 얘기는 아니겠지요.
그래서 발견한 것이 무엇이고, 그게 어떻게 읽히며,
당장 반영 가능한 액션은 무엇이 있는지를 하나의 메시지로 설명할 수 있어야 합니다.
데이터 분석 포트폴리오는 결과보다 "논리"가 먼저 보여야 합니다.
반복해서 말하지만 분석 기법 하나를 정교하게 포커스해서 정리하는 건
분석을 논리적으로 전개하는데 그리 큰 도움이 되지 않습니다.
PPT 5장으로 논리를 펼쳐 나가기 어렵다면, Word에 쭉 적어 보세요.
친구에게 얘기하듯이 기승전결을 얘기할 수 있는지 스스로 점검해 보세요.
그리고 나서 PPT에 옮겨도 늦지 않습니다.
문제 정의, 지표 선택, 분석 기준, 해석, 실행 제안이 하나의 논리로 이어지게 만들어 보세요.
차트는 많은데 왜 이 분석을 했는지 설명되지 않는 문서는 피해야 합니다.
저는, "포트폴리오는 작품집보다 카지노 게임에 가까워야 한다!"는 말을 많이 합니다.
제 오래된 지론인데요. 이는 비단 포트폴리오 뿐만 아니라 모든 보고서에 해당되는 얘기입니다.
글자가 많아도 읽히는 글들은 따로 있습니다. 분석 과정이 하나의 흐름으로 연결되고
단 몇 개의 시각자료 뿐이더라도 각각이 의미를 담고 있어야 합니다.
그리고 가장 중요한 건 그 의미를 나만 알고 있는 게 아니라,
아무 내용도 읽지 않고 시각자료만 보더라도 직관적으로 의미가 전달되어야 합니다.
좋은 포트폴리오에는 이야기가 있습니다.
왜 이 주제를 선택했고, 어떤 과정을 거쳐 결론에 도달했는지 보여줘야 합니다.
PPT 5장을 모두 분석 기법의 과정을 나열하는데 쓴다면 그 문서가 얼마나 지루할까요?
데이터 분석은 결국 어떤 문제를 해결하기 위해 고군분투하는 과정입니다.
숫자가 중요한 것이 아니고, 기법이 중요한 것이 아닙니다.
그 안에 문제를 푸는 과정이 고스란히 담겨 있어야 하며 하나의 이야기가 되어야 합니다.
대표 프로젝트 하나는 강하게 보여줘야 합니다.
가장 자신 있는 프로젝트를 1번으로 가장 앞에 배치하고 깊게 설명하세요.
모든 프로젝트를 같은 비중으로 다루면 모든 프로젝트가 얕은 깊이를 가지게 됩니다.
문제 정의는 분석 대상을 구체적으로 좁히는 과정입니다.
예를 들어, “고객 이탈 분석”이라는 말보다
“첫 구매 후 14일 내 재방문 여부를 기준으로 초기 이탈 신호 분석”처럼 써야
비로소 문제 정의처럼 보입니다.
좋은 포트폴리오는 면접 질문을 의도적으로 곳곳에 배치합니다.
포트폴리오(등 서류)가 통과되었다는 얘기가 무엇인가요? 면접에서 보고싶다는 의미입니다.
면접에서 보고 싶은 문서는 무엇일까요? 할 말이 있고 듣고 싶은 게 있는 문서입니다.
즉, 질문이 있다는 것이죠.
질문 받기를 두려워서 일부러 모호하게 쓰는 짓은 하지 마세요.
왜 그 기준을 썼는지, 왜 그 지표를 봤는지 기준을 제시해서, 왜 그렇게 봤는지 궁금하게 만드세요.
문서의 가독성을 높이는 방법은 여러가지가 있습니다.
문서 디자인을 통해 깔끔한 인상을 줄 수도 있고, 설명 내용을 작성할 때 한 줄의 길이를
적정하게 맞출수도 있습니다. 적정한 길이에서 줄바꿈을 해서 한 줄이 한 내용으로 읽히게 하는 것이죠.
전문 용어 대신 쉬운 표현으로 대체하는 것도 놓치지 말아야 하는 부분입니다.
그리고 문서를 만들 때 너무 빼곡하게 채우지 마세요. 여백은 문서를 더욱 깔끔하게 만들어 줍니다.
앞서 분석 프로젝트에서 관통되는 핵심 메시지가 중요하다는 얘기를 다뤘지만
페이지마다 하나씩 팔고 싶은 요소(Selling Point)가 있어야 합니다.
5장의 PPT가 있으면 5개의 Selling Point가 있어야 한다는 것이죠.
그리고 그 포인트는 분석 기준이 될 수도 있고, 설계가 될 수 있고, 관점이 될 수도 있고
분석 기법을 적용한 뒤 도출되는 결과가 될 수도 있습니다.
바로 위에서 페이지마다 Selling Point가 있어야 한다는 얘기를 했는데
만든 장표마다 최상단 타이틀 자리에는 그 내용을 적으세요.
물론 읽히기 쉽게 작성하는 게 포인트입니다.
프로젝트로 사용할 데이터를 고를 때 사람들이 이미 많이 사용한 데이터라면
차별화가 안 되지 않을까? 고민하는 분들이 많더라고요. 아닙니다. 절대 그렇지 않습니다.
만약 그 논리라면 같은 데이터를 가진 회사는 늘 같은 분석을 하게요?
데이터 분석은 데이터 분석 목적이나 배경, 그리고 연구자의 판단과 관점에 따라
같은 데이터라도 천차 만별의 결과를 보여줄 수 있습니다. 그건 걱정하지 마세요.
다만, 어떤 문제를 제기해서 어떤 가설을 가지고 분석에 임하느냐가 차별의 관건입니다.
시각화는 물론 문서의 가독성을 높여주기도 하고, 예쁜 디자인을 보여주는 역할도 있으며
더불어 내가 그 분석을 할 줄 안다는 역량을 전달해주기도 합니다.
하지만 가장 기본은 내가 넣은 시각화가 그 자체로 설명력을 가지고 있는지를 판단해 봐야 합니다.
코딩 화면을 그대로 캡쳐해서 넣은 이유가 있나요? 거기서 어떤 내용을 봐야 하죠?
그런 사소한 질문에 대답하지 못하는 시각 자료는 의미가 없습니다~
포트폴리오에서 가장 중요한 질문은 늘 “왜?”입니다.
어쩌면 이 내용은 지금까지 얘기한 모든 내용을 집약한 질문이기도 합니다만
이 부분은 반드시 기억해서 데이터를 분석하고 그걸 정리하는 매 순간마다
항상 유념해 두시기를 바랍니다.
왜 이 데이터인지, 왜 이 기준인지, 왜 이 기법인지, 왜 이 결론인지..
여기서 "X"는 아무 의미 없습니다. 이야기는 실행 제안, 액션 제안에 대한 부분인데요.
취준생 입장에서는 아마 이 부분이 가장 모호하고 난해하며 어려운 부분일 것이라 X로 잡았습니다.
분석 결과를 실행 제안으로 연결시키는 부분은 절대 쉬운 부분이 아닙니다.
학생 입장에서는 이 부분에 대한 경험이 전무하기 때문이지요. 하지만 매우 중요한 부분입니다.
특히 AI 시대에는 데이터 분석 기술만 가진 사람보다 도출된 결과를 비즈니스에 해결 가능한
언어로 바꾸고 실제 반영 가능한 실행안을 내놓는 사람들을 더 우선하는 경향이 있습니다.
이를 위해서는 해당 산업이나 기업에 대한 이해가 물론, 당연히 선행되어야 하겠지요.
그래서 저는 다양한 산업에 대한 공부를 조금씩이라도 해두시라는 말씀을 드리고 싶습니다.
다른 거 없습니다. 언론 기사를 자주 보세요~
어쨌든 그 부분이 어느 정도 되었다는 전제로 이야기하자면,
실행 제안을 할 때 거창한 전략을 내놓는 건 채용 담당자가 보기에 모호하거나
현실성 없는 얘기로 들릴 수 있습니다. 그래서 저는 작은 실행 방안을 추천드립니다.
대부분의 소비 기업의 타겟은 여러분일 경우가 많습니다. 2030대요.
그러니 어떻게 하면 내가 한 번 더 그 제품과 회사를 쳐다 볼 수 있을지에 대해 고민 후
마케팅 실행 방안을 생각해 보세요.
분석 역량도 중요하지만, 여러분에게 어떤 장점과 특징이 있는지 포트폴리오 앞 단에
한 장 정도로 프로필과 역량을 정리하는 페이지를 넣으세요.
물론 이력서와 자기소개서에 이미 있는 내용이지만, 그건 다른 파일이잖아요.
포트폴리오가 매력적일 때 한 번 더 여러분에 대해 상기할 수 있도록 정리된 내용을 넣으세요.
여기에 연락처와 이메일 주소 등도 함께 넣으세요.
마지막으로 얘기해야 할 건, AI 활용 역량입니다. 데이터 분석 포트폴리오에서
AI를 얼마나 감각적으로 잘 다루는지를 보여주는 역량인데요.
여기에 정해진 규칙은 없습니다. 다만, 데이터 분석 과정에 AI를 사용하지 않았다는 것을
어필할 필요는 없다고 생각됩니다. 적극 이용하되 어디에 썼는지가 중요하겠죠.
데이터 분석 과정의 병목 구간, 막히는 구간, 어려운 부분을 자동화 할 수도 있고,
데이터 분석 결과를 설득할 때 마케팅에 사용될 이미지 한 장을 만들 수도 있습니다.
그리고 AI를 활용해서 바이브 코딩으로 다양한 프로그램을 만들고 구동해 봤다든가,
비전문가들이 데이터 분석 역량을 높이는데 활용 가능한 프로그램을 만들었다는 것도 좋겠죠.
하지만 베스트는 아마도, 내가 지원하는 회사와 산업에 도움이 될만한 것이어야 하고
내가 한 분석 프로젝트와 연장선에 있는 것이 좋지 않을까 싶습니다.
좋은 포트폴리오는 기술을 많이 보여주는 문서가 아닙니다.
좋은 포트폴리오는 내가 어떤 문제를 발견했고, 어떤 기준으로 분석했으며,
그 결과를 어떻게 해석하고 실행으로 연결할 수 있는지를 보여주는 문서입니다.
채용 담당자가 보고 싶은 것도 결국 이 부분입니다.
혹시 지금 포트폴리오를 만들고 있다면
위의 기준들을 가지고 차근 차근 살펴 보세요~
내 포트폴리오는 작품집에 가까울까?
아니면 읽히는 설득 문서에 가까울까?
이 질문에 대한 대답이 정리되면, 수정해야 할 방향도 조금씩 보이기 시작합니다.
네이버 카페 "뜰랩"에서는 다양한 데이터 분석 이야기와
데이터 분석 포트폴리오 강의를 진행하고 있습니다.
관심 있는 분들의 많은 참여 부탁 드립니다.
https://cafe.naver.com/ddlelab
또한 카지노톡 오픈채팅도 활발하게 운영 중이니
참여하셔서 고민도 나누시고 같이 수다 떨어요~
https://open.kakao.com/o/gw30Pl1h