채용담당자가 지루해하는 포트폴리오의 공통점

채용담당자가 지루해하는 포트폴리오

채용담당자가 포트폴리오를 보며 지루함을 느끼는 이유는 단순히 문서가 길어서가 아닙니다. 문서가 길어도 읽을 이유가 있으면 계속 보게 됩니다. 반대로 문서가 짧아도 익숙한 내용만 반복되면 금방 관심이 떨어집니다.

데이터 분석 포트폴리오에서 가장 위험한 인상은

“못했다”가 아니라, "이것도 비슷하네.." 입니다.

채용담당자는 많은 지원자의 포트폴리오를 봅니다. 특히 신입·주니어 포지션에서는 비슷한 교육 과정, 비슷한 부트캠프 프로젝트, 비슷한 Kaggle 데이터, 비슷한 공공데이터 분석 결과를 반복해서 보게 됩니다. 그러다 보면 자연스럽게 새로운 포트폴리오를 볼 때도 빠르게 판단합니다.

“이 프로젝트는 많이 봤던 유형이네.”
“그래프 구성이 익숙하네.”
“기술 스택이 거의 똑같네.”
“결론도 비슷하네.”
“본인만의 고민이 잘 안 보이네.”

이런 인상이 생기면 포트폴리오는 쉽게 기억에서 사라집니다.

물론 흔한 주제를 다루었다고 해서 무조건 나쁜 것은 아닙니다. 고객 이탈, 매출 분석, 리뷰 감성분석, 대시보드 제작, 공공데이터 분석은 모두 좋은 주제가 될 수 있습니다. 문제는 그 주제를 어떻게 다루었는가입니다.

흔한 주제도 문제 정의와 해석이 다르면 좋은 프로젝트가 됩니다.

반대로 좋은 주제도 비슷한 코드와 그래프만 나열하면 지루한 프로젝트가 됩니다.

비슷한 프로젝트가 반복

많은 데이터 분석 포트폴리오에는 익숙한 프로젝트가 등장합니다.

타이타닉 생존 예측.
아이리스 품종 분류.
영화 평점 분석.
서울시 공공자전거 이용량 분석.
부동산 가격 예측.
이커머스 고객 이탈 예측.
리뷰 감성분석.
매출 대시보드 제작.

이런 프로젝트가 무조건 나쁘다는 뜻은 아닙니다. 학습용으로는 매우 좋은 주제입니다. 데이터 분석의 기본 흐름을 익히고, EDA와 모델링, 시각화를 연습하기에 적합합니다.

하지만 포트폴리오의 핵심 프로젝트로 사용할 때는 조심해야 합니다. 특히 많은 지원자가 같은 데이터셋과 같은 문제를 비슷한 방식으로 다루면 차별화가 어렵습니다.

예를 들어 타이타닉 생존 예측 프로젝트는 머신러닝 입문에서 자주 사용됩니다. 하지만 데이터 분석 직무 포트폴리오의 대표 프로젝트로 놓기에는 한계가 있습니다. 실무 비즈니스 문제와의 연결이 약하고, 이미 너무 많은 사례가 있기 때문입니다.

공공자전거 분석도 마찬가지입니다. 이용량을 시간대별, 요일별, 지역별로 시각화하는 수준에서 끝나면 흔한 프로젝트가 됩니다. 하지만 “출퇴근 시간대 특정 지역의 대여소 부족 문제를 해결하기 위해 수요 집중 구간을 찾고, 재배치 우선순위를 제안한다”로 문제를 정의하면 달라집니다.

같은 데이터라도 질문이 달라지면 프로젝트가 달라집니다.

나쁜 접근 : “서울시 공공자전거 데이터를 분석했습니다.”

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

나쁜 접근 : “이커머스 고객 이탈 예측 모델을 만들었습니다.”

좋은 접근 : “첫 구매 후 14일 내 재방문하지 않은 고객군에서 장기 재구매율이 낮게 나타나는지 확인하고, 신규 고객 리텐션 개입 시점을 제안했습니다.”

채용담당자가 지루해하는 것은 익숙한 주제 자체가 아닙니다.

익숙한 주제를 익숙한 방식으로만 처리하는 것입니다.

프로젝트가 비슷해 보이지 않으려면 다음 질문을 던져야 합니다.

이 프로젝트는 어떤 문제에서 출발했나요?
다른 지원자와 다른 질문이 있나요?
지원 회사의 산업이나 직무와 연결되나요?
분석 결과가 액션 제안으로 이어지나요?
면접에서 물어볼 만한 판단 기준이 있나요?

이 질문에 답할 수 있어야 흔한 프로젝트도 나만의 프로젝트가 됩니다.

비슷한 그래프가 반복됩니다

데이터 분석 포트폴리오에서 그래프는 필요합니다.

하지만 그래프가 많다고 좋은 포트폴리오가 되는 것은 아닙니다.