데이터 분석 취업, 신입은 무엇을 증명해야 할까

데이터 분석 취업에 있어서

신입은 무엇을 증명해야 할까

데이터가 중요하다는데 취업은 왜 막막할까

비슷한 기술 사이에서 드러내야 할 나의 경험

채용공고 한 줄을 프로젝트와 연결해보세요

데이터 분석을 공부하기 전에는 무조건 배우기만 하면 될 줄 알았던 때가 있었죠.

SQL로 데이터를 추출하고, Python으로 분석하고, 대시보드까지 만들 수 있으면 지원할 준비가 될 것 같았으니까요. 그런데 하나씩 배우고 채용공고를 열어보니 오히려 모르는 것이 더 많아집니다. 어떤 곳은 통계를 강조하고, 어떤 곳은 서비스에 대한 이해를 요구합니다. 신입으로 지원하려는데 경험을 설명하라고 하니, 경험을 쌓으려면 먼저 취업해야 하는 것 아닌가 싶기도 합니다.

데이터가 중요하다는 이야기는 계속 들립니다. *세계경제포럼의 「Future of Jobs Report 2025」에서도 AI와 빅데이터는 중요성이 빠르게 커질 기술 역량으로 제시되고, 분석적 사고는 핵심 역량으로 꼽힙니다. (다만 이것은 글로벌 기업들의 전망을 조사한 결과입니다. 국내에서 신입 데이터 분석가를 얼마나 채용하는지, 비전공자의 합격 가능성이 얼마나 되는지까지 알려주는 자료는 아닙니다.)

그러니까 데이터 활용의 중요성과 내가 지원할 수 있는 일자리의 조건은 나누어 살펴봐야 합니다. 전망이 좋다는 말만으로 준비 방향을 정하기에는, 실제 공고에서 요구하는 일이 꽤 구체적이기 때문입니다.

어떤 일을 하는 분석가가 되고 싶은가

‘데이터 분석가’를 하나의 직업으로만 생각하면 준비해야 할 것이 끝없이 늘어납니다. 고객 행동을 분석하는 일과 생산 공정의 이상을 확인하는 일은 모두 데이터를 다루지만, 궁금해하는 문제와 사용하는 자료가 다릅니다. 같은 도구를 쓰더라도 무엇을 알아야 일을 할 수 있는지는 달라지겠죠.

예를 들어 두 가지 업무를 생각해보겠습니다.

쇼핑 서비스에서 구매 과정의 이탈을 살펴보려면 사용자가 어느 화면을 거쳤고 어디에서 멈췄는지 확인할 수 있어야 합니다. 매장의 상품 운영을 돕는 분석이라면 판매량과 재고, 품절 여부를 함께 살펴봐야 할 수도 있습니다. 둘 다 SQL을 사용할 수 있겠지만, SQL을 배웠다는 설명만으로는 각각의 일을 해볼 준비가 되었는지 알기 어렵습니다.

그런데 취업 준비를 할 때는 자꾸 도구 이름부터 확인하게 됩니다. 공고에 Python이 있으면 Python 강의를 찾고, 다른 공고에 시각화 도구가 있으면 그것도 배워야 할 것 같습니다. 지원하려는 업무가 정해지지 않은 상태에서 공고를 모아 읽으니, 서로 다른 회사의 요구사항을 전부 갖춰야 하는 것처럼 느껴지는 겁니다.

우선 관심 있는 산업과 업무를 조금 좁혀보세요.

기술을 얼마나 많이 익혔는지 점검하기에 앞서, 그 기술로 어떤 일을 하려는지 정하면 지금 부족한 부분도 더 구체적으로 보입니다.

같은 수업을 들었다고 해서 반드시 같은 경험으로 남는 것은 아닙니다

신입·비전공자에게 교육 과정은 좋은 출발점입니다. 혼자서는 어디서부터 배워야 할지 모르겠던 내용을 순서대로 익힐 수 있고, 팀 프로젝트를 통해 결과물도 만들어볼 수 있으니까요. 다만 그 결과물을 포트폴리오로 옮길 때는 한 번 더 생각해야 합니다.

같은 수업에서 같은 데이터로 프로젝트를 했다면, 사용한 기법과 그래프가 비슷할 수 있습니다. 이때 수업에서 했던 작업을 순서대로 적으면 내가 그 과정을 어떻게 이해했는지까지 전달하기는 어렵습니다. ‘고객 데이터를 정리하고 대시보드를 만들었다’는 설명에는 교육 과정의 흐름은 있지만, 그 안에서 내가 한 판단은 잘 보이지 않습니다.

그렇다고 남들이 쓰지 않는 데이터를 찾아야만 하는 것은 아닙니다. 같은 데이터를 보면서도 빠진 값이 특정 기간에 몰려 있다는 점을 발견했을 수 있고, 고객을 나누는 기준에 따라 결과가 달라져 팀원들과 다시 검토했을 수도 있습니다. 처음 제시된 분석 절차를 그대로 따랐더라도, 왜 그런 순서로 확인하는지 이해하고 설명할 수 있다면 그 역시 정리할 내용입니다.

팀 과제에서 실제로 한 일과 이후 혼자 추가로 확인한 일은 구분해서 적어주세요. 다른 사람과 달라 보이려고 하지 않은 분석까지 했다고 쓸 필요는 없습니다. 기존 결과에서 무엇이 궁금해졌는지 정리하고 직접 확인해보면, 그때부터 포트폴리오에 넣을 새로운 경험이 생깁니다.

경험을 살려 분석 질문을 떠올려 보세요.

비전공자라는 말에는 서로 다른 사람들이 함께 묶여 있습니다. 슬롯생활을 해본 사람도 있고, 첫 취업을 준비하는 사람도 있습니다. 전공이 데이터 분석과 직접 연결되지 않는다고 해서 그동안의 경험까지 모두 같은 것은 아닙니다.

매장에서 일하며 품절 문의를 받아본 사람이라면 판매량이 적은 상품을 볼 때 다른 질문을 떠올릴 수 있습니다. 잘 팔리지 않은 것인지, 팔 재고가 없었던 것인지 궁금해질 테니까요. 동아리 행사 신청을 받아봤다면 신청자 수와 실제 참석자 수가 다를 수 있다는 점을 알고 있을 겁니다. 데이터를 볼 때 이런 경험이 질문을 만드는 데 도움이 될 수 있습니다.

물론 경험이 있다는 이유만으로 분석 역량이 증명되지는 않습니다. ‘매장에서 일했으니 유통 데이터를 잘 안다’고 적는 데서 멈추면 연결이 약합니다. 그 경험 때문에 어떤 질문을 떠올렸고, 실제 데이터에서는 무엇을 확인했는지까지 이어져야 합니다.

분석 결과를 설명할 때도 마찬가지입니다. 경험에서 떠올린 가능성과 데이터로 확인한 사실을 나누어 적으면, 자신이 아는 범위와 더 확인해야 할 범위를 함께 보여줄 수 있습니다.

오늘은 공고의 한 줄을 내 프로젝트에 연결해보세요

관심 있는 채용공고 하나와 기존 프로젝트 하나를 나란히 열어보세요. 공고에서는 도구 이름을 잠시 지나쳐, 입사한 사람이 하게 될 일을 설명한 문장 하나를 골라봅니다. 그다음 내 프로젝트에 그 일을 해볼 수 있다는 근거가 있는지 살펴보세요.

예를 들어 공고에 ‘고객 행동 데이터를 분석해 서비스 개선 과제를 도출한다’는 업무가 있다고 가정해보겠습니다. 포트폴리오에는 ‘고객별 구매 금액을 시각화했다’고 적혀 있다면, 두 설명 사이에는 아직 거리가 있습니다. 구매 금액을 비교한 결과가 어떤 서비스 문제를 이해하는 데 도움이 되는지 설명이 더 필요하겠죠.

다음 세 문장을 채워보면 그 거리를 확인하기 쉽습니다.

① 이 업무에서 알아봐야 할 것은 무엇인가

② 내 프로젝트에서 실제로 확인한 것은 무엇인가

③ 두 내용을 연결하려면 무엇을 더 살펴봐야 하는가

연결되는 부분이 없다면 억지로 직무와 관련 있다고 쓰지 않아도 됩니다. 기존 프로젝트를 보완할지, 다른 프로젝트를 대표 사례로 고를지 판단할 근거를 얻은 것이니까요. 반대로 이미 해본 분석인데 설명만 빠져 있었다면, 그 내용을 프로젝트 앞부분에 넣어보세요.

신입·비전공자가 준비 과정에서 부딪히는 어려움을 개인의 노력만으로 모두 해결할 수는 없습니다. 다만 무엇이 부족한지 모른 채 강의와 자격증을 늘려가는 상황은 바꿔볼 수 있습니다. 지원하려는 일을 한 줄로 적고, 그 일과 연결되는 경험을 찾아보세요. 다음에 배울 내용도, 포트폴리오에서 먼저 보여줄 내용도 그 한 줄을 기준으로 골라볼 수 있을 겁니다.

참고 자료
World Economic Forum, The Future of Jobs Report 2025

데이터 커뮤니케이터 레비스탈(뜰랩연구소)

데이터 분석 카페 뜰랩
https://cafe.naver.com/ddlelab

1:1 데이터 분석 포트폴리오 상담 신청
https://open.kakao.com/o/s07mtxai

#데이터분석취업 #신입데이터분석가 #비전공자데이터분석 #데이터분석포트폴리오 #부트캠프 #AI데이터분석