오늘만 무료

데이터 분석 포트폴리오에 왜 쓸 말이 없을까

스펙보다 강력한 데이터 분석 포트폴리오 01

5시간전brunch_membership's

데이터 분석 포트폴리오, 왜 쓸 말이 없을까

분석은 많은데, 포트폴리오에 쓸 말이 없다면

사용한 기법과 함께 보여줘야 할 나의 판단 과정

대표 프로젝트 설명 한 문장, 이 순서로 써보세요

SQL과 Python을 배웠고, 데이터를 정리해 각종 시각화 자료도 그려봤습니다. 팀 프로젝트에서는 대시보드까지 만들었으니 포트폴리오에 넣을 자료는 충분할 것 같습니다. 그런데 막상 문서를 열고 나면 “고객 데이터를 분석했습니다”라는 말 뒤에 무엇을 더 붙여야 할지 막막하기만 합니다. 분석할 때는 분명 여러 가지를 고민했는데, 문서로 옮기려니 사용한 도구와 기법만 주구장창 떠오르는 거죠.

이럴 때는 내가 배운 것이 부족한가... 싶어집니다.

비전공자라서 그런 걸까, 자격증을 하나 더 따야 할까, 부트캠프에서 했던 프로젝트를 그대로 제출해도 될까. 고민하다 보면 다시 강의를 찾아보고 다른 사람의 포트폴리오도 들여다보게 되는데, 정작 내 문서에는 여전히 쓸 말이 없습니다.

그런데 여기서 한 번 생각해보면 좋겠습니다.

정말 분석 경험이 부족해서 쓸 말이 없는 걸까요? 아니면 분석하는 동안 했던 고민이 문서에서 빠져 있는 걸까요? 더 배워야 할 것은 앞으로도 많겠지만, 지금까지 해본 일을 제대로 설명하고 있는지부터 살펴볼 필요가 있습니다.

도구 이름을 적으면 내 실력이 전달될까

“파워포인트로 보고서를 작성했습니다”라는 문장을 들었다고, 혹은 읽었다고 생각해 보세요. 파워포인트를 써봤다는 것은 알 수 있습니다. 그런데 이 문장만으로 보고서를 잘 쓰는 사람인지까지 판단할 수 있을까요? 어떤 내용을 누구에게 전달하려 했고, 무엇을 근거로 어떤 제안을 했는지 알아야 그 사람이 작성한 보고서를 이해할 수 있을 겁니다.

데이터 분석도 비슷합니다. “Python으로 전처리하고 시각화했습니다”라고 적으면 어떤 작업을 했는지는 알겠지만, 왜 그 데이터를 봤는지와 결과를 보고 무엇을 생각했는지는 알기 어렵습니다. 사용한 기법을 더 적고 그래프를 몇 장 더 붙이더라도, 그 궁금증이 해결되지 않으면 읽는 사람은 분석의 목적을 짐작해야 합니다.

분석한 사람에게는 그 목적이 당연하게 느껴질 수 있습니다. 어떤 결과가 예상과 달랐는지, 왜 다시 데이터를 나눠봤는지도 기억할 테니까요. 하지만 처음 문서를 읽는 사람은 그 과정에 함께하지 않았습니다. 내가 알고 있는 내용을 상대방도 알고 있을 것처럼 정리하면, 분석한 사람과 읽는 사람 사이에 설명이 빠지게 됩니다.

데이터 분석 포트폴리오는 자신이 어떤 질문으로 분석을 시작했고, 어떤 기준으로 데이터를 살펴봤으며, 결과를 보고 무엇을 판단했는지 보여주는 문서입니다. 그러니까 포트폴리오를 작성할 때는 결과물과 함께 그 결과물을 만들게 된 생각도 정리해야 합니다.

같은 고객 분석을 조금 다르게 설명해보면

고객 분석 프로젝트를 했다고 가정해보겠습니다.

설명 방식을 비교하기 위한 가상 예시인데, 우선 이렇게 적었다고 해보죠.

“Python으로 고객 데이터를 전처리하고, 고객군을 나눈 뒤 시각화했습니다.”

틀린 설명은 아닙니다. 다만 고객을 왜 나눴는지 궁금해집니다. 고객군마다 어떤 차이를 확인하려 했는지, 그 차이를 알면 무엇을 할 수 있는지까지 설명해주면 좋겠습니다. 만약 재구매가 잘 이루어지는 고객군을 찾으려는 분석이었다면, 다음처럼 시작할 수 있습니다.

“어떤 고객군에서 재구매가 잘 이루어지는지 확인하려고,

첫 구매 상품군에 따라 고객을 나누고 이후 구매 여부를 비교했습니다.”

이제 무엇을 궁금해했고 어떤 기준으로 비교했는지 알 수 있습니다. 실제로 확인한 결과를 다음 문장에 적으면, 읽는 사람도 그 결과가 처음의 질문에 어떤 답을 주는지 이해하기 쉬워집니다. 이어서 어떤 고객군을 더 살펴봐야 할지, 재구매 안내를 검토하려면 무엇을 추가로 확인해야 할지까지 설명할 수 있겠죠.

여기서 주의할 점이 있습니다.

고객의 구매 이력을 비교했다고 해서 “재구매를 늘렸습니다”라고 적으면 안 됩니다. 분석 결과를 바탕으로 무언가를 제안한 것과, 실제로 실행해서 성과를 얻은 것은 서로 다른 경험이니까요. 실행하지 않았다면 제안했다고 쓰고, 판단하기에 데이터가 부족했다면 어떤 자료가 더 필요한지 적으면 됩니다.

이렇게 설명하면 면접에서 나눌 이야기도 생깁니다. 왜 첫 구매 상품군으로 고객을 나눴는지, 이후 구매 여부는 어느 기간까지 확인했는지, 다른 기준으로 비교하면 결과가 달라질지 등을 이야기할 수 있습니다. 그 질문에 답하면서 내가 직접 고민하고 결정한 부분을 보여줄 수 있는 겁니다.

AI를 분석에 활용했다면 나는 무엇을 보여줘야 할까

AI에게 코드 작성이나 오류 수정을 도움받고, 그래프와 설명 문장을 만들게 할 수도 있습니다. 그런데 포트폴리오에 완성된 결과만 넣으면 내가 어느 부분을 이해하고 판단했는지는 잘 드러나지 않을 수 있습니다. 결과물을 만드는 동안 어떤 선택을 했는지도 돌아봐야 합니다.

예를 들어 AI가 고객을 세 집단으로 나눠보자고 제안했다고 해보겠습니다. 세 집단으로 나누면 분석하려던 질문에 답할 수 있을까요? 구매 금액과 구매 횟수 중 어떤 기준을 적용할지에 따라서도 살펴보게 되는 고객의 특징이 달라집니다. AI가 제안하더라도 내가 그 기준을 받아들인 이유가 있어야 하겠죠.

처음 나온 그래프가 질문에 답하지 못해서 다른 비교를 요청했을 수도 있고, AI가 적어준 해석을 데이터와 대조하다가 문장을 수정했을 수도 있습니다. 그런 과정이 있었다면 기록해두세요. 반대로 기준을 충분히 이해하지 못한 채 사용했다면 지금이라도 확인해보면 됩니다. 문장을 매끄럽게 다듬는 것만으로는 내가 이해하지 못한 부분까지 설명할 수 있게 되지는 않습니다.

실무 경험이 없는 신입이나 비전공자도 마찬가지입니다.

공공데이터나 케글 데이터를 고를 때 어떤 질문에 답할 수 있을지 고민했을 것이고, 분석하는 중에는 누락된 값을 어떻게 처리할지 결정했을 수도 있습니다. 예상과 다른 결과가 나와 질문을 바꿨다면 그 이유를 설명할 수 있고요. 회사에서 일한 경험이 없더라도, 데이터를 다루며 내가 선택한 부분은 돌아볼 수 있습니다.

팀 프로젝트라면 팀이 수행한 일과 내가 맡은 일을 구분해서 적어보세요. 내가 한 작업이 많지 않아 민망할 수도 있겠지만, 맡은 부분에서 무엇을 고민했는지 설명하는 편이 전체 결과를 혼자 만든 것처럼 적는 것보다 자신의 경험을 정확하게 전달할 수 있습니다.

오늘은 프로젝트 설명 한 문장부터

이제 가장 오래 고민했던 프로젝트 하나를 골라보세요. 포트폴리오 파일이 없어도 괜찮습니다. 분석 파일이나 메모를 열어놓고, 사용한 도구를 적기 전에 다음 세 가지를 먼저 정리해보면 좋겠습니다.

① 무엇이 궁금했는가
“고객을 분석했다”에서 조금 더 들어가보세요. 고객의 어떤 행동이 궁금했는지, 그 내용을 알면 어떤 업무 판단에 도움이 될지 적습니다.

② 어떤 기준으로 확인했는가
무엇과 무엇을 비교했고 왜 그 기준을 골랐는지 적습니다. 기법의 이름이 먼저 떠오른다면 그 기법으로 무엇을 확인하려 했는지까지 설명해보세요.

③ 결과를 보고 무엇을 판단했는가
처음의 질문에 어떤 답을 얻었는지, 그 답을 바탕으로 무엇을 제안했거나 더 확인해야 한다고 생각했는지 적습니다. 답을 얻지 못했다면 무엇이 부족했는지 써도 됩니다.

세 가지를 적었다면 아래 틀에 넣어보세요.

“저는 [궁금했던 것]을 확인하기 위해 [비교 기준]에 따라 데이터를 살펴봤고,

[확인한 결과]를 바탕으로 [제안하거나 더 확인할 일]을 정리했습니다.”

이 틀은 분석의 흐름을 잡기 위한 출발점입니다.

모든 내용을 한 문장에 길게 밀어 넣으라는 뜻은 아닙니다. 일단 흐름을 정리한 다음, 각 부분을 뒷받침할 결과와 설명을 붙여가면 됩니다. 그렇게 작성한 문장에서 SQL이나 Python 같은 도구 이름을 잠시 빼보세요. 그래도 무엇을 알아보려 했고 무엇을 판단했는지 이해된다면, 내 분석 경험을 설명할 문장이 만들어진 겁니다.

이 연재에서는 그 설명을 프로젝트 기획과 결과 해석, 문서 구성, 면접에서 나눌 이야기까지 조금씩 확장해가려 합니다. 우선 오늘은 대표 프로젝트의 첫 문장을 고쳐보세요. 분석할 때 어떤 질문을 품었는지부터 되짚어보면, 지금까지 붙여놓은 그래프 중 무엇을 먼저 보여줘야 할지도 생각해볼 수 있을 겁니다.

데이터 커뮤니케이터 레비스탈(뜰랩연구소)