면접관 눈에 띄는 데이터 분석 포트폴리오 만드는 법 | 2026년 5월 세미나

송혜정
현) 데이터리안 데이터 분석가
전) 리디 데이터 분석가

윤선미
현) 데이터리안 데이터 분석가
전) 쿠팡, 하이퍼커넥트, 카카오 데이터 분석가

Transcript

1. DATE DIRECTOR 데이터 분석이 필요할 때 데이터 분석 정보 공유 오픈카톡방 면접관 눈에 띄는 데이터 분석 포트폴리오 만드는 법 26.05.19 송혜정, 윤선미
2. DATARIAN WORKS 데이터 컨설팅 온라인 강의 제작 SQL 데이터 분석 캠프 사내 맞춤형 SQL 교육
3. 실무자에게 데이터 분석을 배우면 뭐가 다를까?
4. 지난 데이터리안 세미나 2026년 4월 2026년 4월 2025년 11월
5. 진행 순서 면접관 눈에 띄는 데이터 분석 포트폴리오 만드는 법 쉬는 시간 데이터 분석가 포트폴리오, 무엇이든 물어보세요! 시간 시간 강연 송혜정 19:30 - 20:30 송혜정, 윤선미 20:40 - 21:00 시간 패널 20:30 - 20:40
6. 연사&패널 현) 데이터리안 데이터 분석가 전) 리디 데이터 분석가 송혜정 연사 현) 데이터리안 대표, 데이터 분석가 전) 쿠팡, 하이퍼커넥트, 카카오 데이터 분석가 윤선미 패널
7. 면접관 눈에 띄는 데이터 분석 포트폴리오 만드는 법 송혜정 현) 데이터리안 데이터 분석가 전) 리디 데이터 분석가 연사 소개 링크드인 5월 19일 (화) 오후 19:30
8. 데이터 분석가 포트폴리오, 무엇이든 물어보세요! 패널 소개 링크드인 5월 19일 (화) 오후 19:30 윤선미 현) 데이터리안 대표, 데이터 분석가 전) 쿠팡, 하이퍼커넥트, 카카오 데이터 분석가
9. 송혜정 현) 데이터리안 데이터 분석가 전) 리디 데이터 분석가 면접관 눈에 띄는 데이터 분석 포트폴리오 만드는 법 1부 강연
10. 발표자 소개 안녕하세요, 데이터 분석가 송혜정입니다. • 현) 데이터리안 데이터 분석가 • 전) 리디 데이터 분석가 링크드인
11. 목차 1. 우리에겐 시간이 없다! 전략적으로 취업 준비하기 2. 데이터 분석가에게 ʻ포트폴리오’란? 3. 전략적으로 데이터 분석 프로젝트 진행하기 4. 포트폴리오 제작하기 5. 서류 전형에서 합격했다면
12. 우리에겐 시간이 없다! 전략적으로 취업 준비하기
13. 요즘 채용 시장 상황 신입 채용이 감소하고 있다 이미지 출처: 진학사 캐치 [2025년, 2026년 3월 대기업/중견기업의 신입 채용 공고 데이터 비교]
14. 요즘 채용 시장 상황 한 공고에 지원자 수도 많다 이미지 출처: 잡코리아
15. 기업의 채용 기조 변화 이미지 출처: 원티드 (https://blog.wantedlab.com/hr/report/hr-trend-report-2026) 이미지 출처: 잡코리아 (https://www.jobkorea.co.kr/Corp/Lounge/News_View?GI_Trend_News_No=990) [회사] 팀에 필요한 역량을 가진 인재를 찾는다
16. 그러면 우리는 어떻게 준비해야 하는가? 이미지 출처: 원티드 (https://blog.wantedlab.com/hr/report/hr-trend-report-2026) 이미지 출처: 잡코리아 (https://www.jobkorea.co.kr/Corp/Lounge/News_View?GI_Trend_News_No=990) [지원자] 팀에 필요한 역량이 있다는 것을 보여준다
17. 채용 = 같이 일하고 싶은 사람을 뽑는 것 ʻ이 사람은 이런 능력이 있으니까, 이렇게 같이 일하면 되겠다!’ 이런 그림이 그려지는 사람이 눈에 띈다
18. 회사에서 원하는 역량을 파악하는 법 = 채용 공고를 확인하기
19. 회사에서 원하는 역량을 파악하는 법 = 채용 공고를 확인하기 [TIP] 채용 공고 주요 섹션 1. 주요 업무 = 우리 회사에 들어오면 이런 일을 할 거예요 2. 자격 요건 = 주요 업무를 하기 위해서는 이런 능력이 필요해요 3. 우대 사항 = 이런 것까지 할 줄 알면 좋아요
20. = 채용 공고를 확인하기 [TIP] 채용 공고 주요 섹션 1. 주요 업무 = 우리 회사에 들어오면 이런 일을 할 거예요 2. 자격 요건 = 주요 업무를 하기 위해서는 이런 능력이 필요해요 3. 우대 사항 = 이런 것까지 할 줄 알면 좋아요 회사에서 원하는 역량을 파악하는 법 반드시 확인하기!
21. 다 같은 분석가 공고가 아니다 도메인마다, 같은 회사에서도 부서마다 요구하는 분석가의 역량과 경험이 다르다
22. 다 같은 분석가 공고가 아니다 제조 분야 이미지 출처: ʻ유디엠텍 제조 AI 데이터 분석’ 채용 공고
23. 다 같은 분석가 공고가 아니다 의료 분야 이미지 출처: ʻ비바이노베이션 의료 데이터 분석 전문가’ 채용 공고
24. 다 같은 분석가 공고가 아니다 IT 분야 • 클라우드 서비스 이미지 출처: ʻ메가존클라우드 Data Analyst’ 채용 공고
25. 다 같은 분석가 공고가 아니다 IT 분야 • 이커머스 이미지 출처: ʻ카카오스타일 데이터 분석가’ 채용 공고
26. 다 같은 분석가 공고가 아니다 IT 분야 • 콘텐츠 이미지 출처: ʻ티빙 데이터 분석’ 채용 공고
27. 공통적인 데이터 분석가의 역량 데이터를 통해 문제를 이해하고, 더 나은 의사결정을 돕는다
28. 전략적으로 취업 준비하기 준비 순서 1. 가고 싶은 도메인 정하기 2. 해당 도메인의 분석가 채용 공고 살펴보기 3. 회사에서 원하는 지원자의 역량 분석하기 4. 내가 보여줄 수 있는 역량을 정리하고 포트폴리오로 보여주기
29. 데이터 분석가에게 ʻ포트폴리오’란?
30. ʻ포트폴리오’란 무엇인가 포트폴리오(Portfolio) • 작업물을 모아서 보여줄 수 있는 모음집 = 데이터 분석 프로젝트를 정리한 문서
31. 데이터 분석가에게 포트폴리오란? 왜 필요한가 • 어떤 식으로 일 할 수 있는/해왔던 사람인지 알려주기 위함 어떻게 준비할 것인가 • 회사에서 원하는 역량 분석하기 • 내가 보여줄 수 있는 역량을 정리하고 포트폴리오로 보여주기
32. 데이터 분석가에게 포트폴리오란? 세미나 신청 👀 내가 궁금했던 정보가 담겨있네 강연을 들어봐야겠다!
33. 데이터 분석가에게 포트폴리오란? 🖥 세미나 상세 페이지 📊 포트폴리오 동일한 역할!
34. 데이터 분석가에게 포트폴리오란? 📊 포트폴리오
35. 데이터 분석가에게 포트폴리오란? 👀 우리에게 필요한 역량이 있네 더 얘기해보고 싶다! 서류 합격 및 면접 진행 면접관이 기대하는 내용을 포트폴리오에 담기!
36. 데이터 분석가에게 포트폴리오란? 무엇을 보여줘야 하는가 = 면접관은 무엇을 기대하는가 • 어떤 기술을 사용할 수 있는지 • 어떻게 문제를 해결해 나가는지
37. 포트폴리오에 담아야 하는 내용 이런 내용을 담아보자 1. 어떤 문제를 해결하기 위해 2. 어떤 역량과 데이터를 활용했고 3. 실제로 어떤 분석 결과가 나왔고 4. 문제를 어떻게 개선했다(해보면 좋겠다)
38. 보통의 포트폴리오 제작 과정 프로젝트 진행 → 포트폴리오 제작
39. 보통의 포트폴리오 제작 과정 프로젝트 진행 1. 주제 및 가설 설정하기 2. 데이터 수집하기 3. 데이터 분석하기 4. 데이터 해석 및 가설 검증하기 포트폴리오 제작 5. 프로젝트 내용을 포트폴리오에 정리하기
40. 우리의 포트폴리오 제작 과정 프로젝트 진행 1. 매력적인 도구 선정하기 2. 도구에 맞는 매력적인 주제 및 가설 선정하기 3. 데이터 수집하기 4. 데이터 분석하기 5. 데이터 해석 및 가설 검증하기 포트폴리오 제작 6. 프로젝트 내용을 포트폴리오에 정리하기 프로젝트 진행 1. 주제 및 가설 설정하기 2. 데이터 수집하기 3. 데이터 분석하기 4. 데이터 해석 및 가설 검증하기 포트폴리오 제작 5. 프로젝트 내용을 포트폴리오에 정리하기
41. 매력적인 도구 선정하기
42. 매력적인 도구 선정하기 왜 선정해야 하나 • 회사에서 원하는 역량을 골라 보여주기 위해 어떻게 선정해야 하나 • 채용 공고 확인하기 어떤 도구를 선정해야 하나 = 어떤 역량을 보여줘야 하나 1. 기술 스택 2. 분석 프레임워크
43. 실무에서 사용하는 기술, 언어의 조합 = ʻ이런 기술로 데이터를 다룰 수 있음’ 예시 • SQL • 파이썬 • 구글 애널리틱스 • … 이미지 출처: ʻ당근 Data Analyst (인턴) | Cross Product Growth’ 채용 공고 이미지 출처: ʻ에이블리 신입 데이터 분석가’ 채용 공고 1. 기술 스택 분석가 필수 역량 분석 결과
44. 2. 분석 프레임워크 복잡한 문제를 구조화하여 풀 수 있게 도와주는 도구 = ʻ가져온 데이터를 이렇게 구조화할 수 있음’ 예시 • RFM 분석 • 매출 분석 • 코호트 분석 • 리텐션 분석 • 퍼널 분석 • … 이미지 출처: ʻ크림 데이터 분석가’ 채용 공고 이미지 출처: ʻ당근 Data Analyst (인턴) | Cross Product Growth’ 채용 공고 분석 프레임워크 알아보기
45. 도구에 맞는 매력적인 주제 선정하기
46. 실무와 취업 준비 과정의 차이 실무 취업 준비 과정 데이터 O 회사 데이터가 있음 X 데이터가 없어서 찾거나 직접 수집해야 함 문제 상황 O 문제 상황과 해결 목적이 있어서 분석이 시작됨 X 문제를 직접 정의해야 함 주제 선정이 어려운 이유
47. 그럼 우리는? 1. 해결할 수 있는 문제 정의하여 분석 목표를 명확히 하기 2. 앞에서 정한 도구(기술 스택, 프레임워크)로 분석할 수 있는 주제 찾기 전략적으로 주제를 선정하는 방법
48. 1. 문제 정의하기 • ʻ지금 문제인 것은 무엇이고, 이게 해결되면 무엇이 달라질까?’ 2. 가설 설정하기 • ʻ문제의 원인은 무엇일까? 어떻게 해결할 수 있을까?’ 3. 지표 정의하기 • ʻ가설을 어떤 숫자로 검증할 수 있을까?’ 4. 데이터 분석 방법 고민하기 • ʻ어떤 기술 스택과 분석 프레임워크로 데이터를 분석할까?’ 5. 데이터 수집 방법 고민하기 • ʻ어떤 데이터가 얼마나 필요할까?’ 주제 구체화하기
49. 1. 문제 정의하기 ʻ지금 문제인 것은 무엇이고, 이게 해결되면 어떻게 달라질까?’ • 1) 현상, 2) 문제, 3) 해결 시 기대 효과를 단계별로 생각해보자 • ❌ 안 좋은 예시 ◦ ʻ인스타그램 팔로워를 늘리고 싶다.’ • ⭕ 좋은 예시 ◦ 현상: ʻ인스타그램 계정이 성장하면서 댓글이 많아졌고, 모든 팔로워에게 같은 노력을 들여 소통하기가 어려워.’ ◦ 문제: ʻ계정 성장에 도움을 주는 팔로워를 더 효율적으로 관리할 기준이 없네.’ ◦ 해결 시 기대 효과: ʻ효율적인 소통 기준이 생기면, 소통에 드는 시간은 줄이면서 팔로워들의 소통은 유지/증가할거야. 2025년 1월 데이터리안 세미나 이재림님 강연 내용을 재구성한 예시
50. [TIP] 도메인과의 연관성이 없다면 • 실무와 연관된 주제/데이터를 찾는 것은 쉽지 않다 • 도메인에 매몰되기 보다는, 도구 사용 능력과 일련의 분석 과정을 잘 보여주는 것을 목표로 하기 1. 문제 정의하기
51. ʻ문제의 원인은 무엇일까? 어떻게 해결할 수 있을까?’ • ❌ 안 좋은 예시 ◦ ʻ소통을 열심히 하면 팔로워들이 좋아할 거야.’ → ʻ열심히', ʻ좋아한다'는 검증하기 어려움 • ⭕ 좋은 예시 ◦ ʻ최근 소통한 빈도와 상호작용 횟수에 따라 계정 성장에 기여하는 수준이 다를 거야.’ ◦ ʻ일부 핵심 팔로워가 계정 성장에 더 큰 영향을 미칠 거야.’ → 데이터로 측정 가능한 지표를 설정할 수 있고, 분석 결과에 따라 행동으로 이어질 수 있음 2. 가설 설정하기
52. ʻ가설을 어떤 숫자로 검증할 수 있을까?’ 3. 지표 정의하기
53. ʻ가설을 어떤 숫자로 검증할 수 있을까?’ • 가설 ◦ ʻ최근 소통한 빈도와 상호작용 횟수에 따라 계정 성장에 기여하는 수준이 다를 거야.’ = 마지막 댓글 작성 이후 경과 일수, 데이터 수집 기간 내 댓글 작성 횟수 ◦ ʻ일부 핵심 팔로워가 계정 성장에 더 큰 영향을 미칠 거야. 3. 지표 정의하기
54. ʻ가설을 어떤 숫자로 검증할 수 있을까?’ • 가설 ◦ ʻ최근 소통한 빈도와 상호작용 횟수에 따라 계정 성장에 기여하는 수준이 다를 거야.’ = 팔로워 수, 댓글 수 등 ◦ ʻ일부 핵심 팔로워가 계정 성장에 더 큰 영향을 미칠 거야.’ = 팔로워 수, 댓글 수 등 3. 지표 정의하기
55. [TIP] 가설 설정 시 유의 사항 1. 데이터로 검증 가능한 가설 세우기 • 가능한 구체적으로 설정하기 • 가설이 맞는지, 틀린지를 데이터로 확인할 수 있어야 함 2. 가설이 꼭 한 가지일 필요는 없다 3. 가설이 맞았을 때 / 틀렸을 때 실제로 어떤 것을 해볼 수 있을지 생각해 보기 3. 지표 정의하기
56. ʻ어떤 기술 스택과 프레임워크로 데이터를 분석할까?’ • 1단계에서 정했던 도구 후보 중 최종적으로 활용할 도구를 선정 • 주제와 도구의 연관성을 생각하자. • ❌ 안 좋은 예시 ◦ ʻ게시물 별 평균 조회수를 분석해 봐야지’ → 댓글 소통 효율화를 목적으로 했던 주제와 맞지 않음 ◦ ʻRFM 분석으로 그룹을 나눠봐야지’ → 해당 분석을 사용하는 목적이 구체적이지 않고, 분류 기준이 명확하지 않음 • ⭕ 좋은 예시 ◦ ʻRFM 분석을 활용하여, 팔로워를 Recency(최신성), Frequency(빈도) 관점에서 분류해야지. 표로 된 데이터를 수집해서 SQL로 분석해야겠다.’ 4. 데이터 분석 방법 고민하기
57. ʻ어떤 데이터를 어떻게, 얼마나 모을까?’ • 앞에서 정한 분석을 할 수 있도록 수집 방법을 구체적으로 기획 • ʻ인스타그램 댓글 데이터를 수기로 수집해야겠다' ❌ 안 좋은 예시 ◦ 댓글 내용만 복사 붙여넣기 ◦ 일부 게시물의 댓글만 수집 ⭕ 좋은 예시 ◦ 누가 남긴 댓글인지 구별할 수 있도록 팔로워의 ID 기록 ◦ Recency(최신성)를 분석할 수 있게 댓글을 남긴 날짜 기록 ◦ 게시물 업로드 주기, 소통 주기를 고려하여 3개월 간의 모든 댓글 데이터를 수집 5. 데이터 수집 방법 고민하기 이미지 출처: 2025년 1월 데이터리안 세미나 이재림님 강연 내용
58. [TIP] 데이터 수집 방법 2가지 1. 있는 데이터 활용하기 ◦ 공모전 데이터 활용 ◦ 공개 데이터 활용 (Ex. 캐글, 공공 데이터 등) ◦ 플랫폼에서 제공하는 나의 데이터 활용 (Ex. 가계부 어플 데이터, 스마트 워치 건강 데이터 등) 2. 직접 데이터 수집하기 ◦ 수기로 기록 (Ex. 수면 습관 기록, 식습관 기록, SNS 데이터 기록 등) ◦ 사용자 행동 데이터 분석 툴을 사용하여 수집 (Ex. GA4를 내가 운영하는 서비스에 연결하여 수집) 5. 데이터 수집 방법 고민하기 분석 프로젝트용 데이터 찾는 법
59. 1. 문제 정의하기 • ʻ지금 문제인 것은 무엇이고, 이게 해결되면 무엇이 달라질까?’ 2. 가설 설정하기 • ʻ문제의 원인은 무엇일까? 어떻게 해결할 수 있을까?’ 3. 지표 정의하기 • ʻ가설을 어떤 숫자로 검증할 수 있을까?’ 4. 데이터 분석 방법 고민하기 • ʻ어떤 기술 스택과 분석 프레임워크로 데이터를 분석할까?’ 5. 데이터 수집 방법 고민하기 • ʻ어떤 데이터가 얼마나 필요할까?’ 다섯 가지 질문에 모두 답 할 수 있는 주제라면, 해당 주제로 프로젝트 시작하기 주제 구체화하기
60. 주제 선정 시 주의할 점 1. 마감 기한을 정하고 시작하자 • 주제 선정에 시간이 오래 걸리는 것이 당연 • 그러나 우리는 채용 공고가 마감되기 전에 포트폴리오를 완성해야 한다 2. 완벽한 주제는 없다 • 주제 아이디어가 떠올랐다면 다섯 단계를 빠르게 거쳐보자 • 채용 공고를 다시 한번 살펴보고 아이디어를 얻어보자 3. 막혔다면 돌아가자 • 현업에서도 한번에 완벽하게 기획이 끝나지는 않는다 • 앞으로 돌아가는 것 자체가 분석의 품질을 높이는 과정 • 가능하다면 피드백을 받아보자
61. 데이터 분석하기
62. 데이터 분석하기 앞에서 선정한 도구를 활용하자 [TIP] 분석 방법 예시 1. SQL 활용 • MySQL Workbench에 CSV 파일을 업로드하여 분석 • Google BigQuery에 CSV 파일을 업로드하여 분석 2. GA4 활용 • GA4 콘솔에서 분석 • 원본 데이터를 Google BigQuery로 연결하여 SQL로 분석 3. 파이썬 활용 • Pandas 등 파이썬 라이브러리로 분석 • 라이브러리로 MySQL, SQLite 등을 연결하여 SQL로 분석 분석 프로젝트를 위한 도구 활용법
63. [TIP] 데이터 전처리 1. 데이터 형식 맞추기 • 데이터마다 저장된 형식이 다르면 분석하기 어려움 (Ex. 날짜 형식이 다 다름, 숫자/문자가 혼합되어 수집됨) 2. 결측치 처리 • 데이터가 수집되지 않은 것이라면 어떻게 처리할지 고민하기 (Ex. 해당 데이터를 제거, 평균값/0 등 다른 값으로 대체) • 아무런 행동이 없었다는 데이터가 수집된 것이라면, 결측치 자체로도 의미를 가짐 (Ex. 댓글을 남기지 않은 팔로워였다면, 이 데이터를 삭제했을 때 분석 결과가 달라질 수 있음) 데이터 분석하기
64. [TIP] 탐색적 데이터 분석(EDA, Exploratory Data Analysis) 데이터가 어떻게 생겼는지 확인하고, 이해도를 높이는 단계 • CSV 파일을 데이터베이스로 옮기는 과정에서 오류가 발행하지는 않았는지 확인하기 • 내 예상과 다르게 저장된 데이터는 없는지 확인 • 데이터의 분포 등 확인하기 데이터 분석하기
65. 시각화 시각화 도구도 채용 공고를 보고 결정하자 • 간단하게 활용할 수 있는 구글 스프레드시트(엑셀)을 이용한 시각화로도 충분 이미지 출처: ʻ컬리 데이터 분석가’ 채용 공고 이미지 출처: ʻ당근 Data Analyst (인턴) | Cross Product Growth’ 채용 공고
66. 데이터 해석 및 가설 검증하기
67. 데이터 해석 시 주의할 점 1. 분석 결과를 나열하는 게 끝이 아니다 • ʻ그래서 어쩌라고?’ 에 답할 수 있어야 한다 ◦ ❌ 안 좋은 예시: RFM 분석을 한 결과, 이렇게 그룹이 나누어졌다 ◦ ⭕ 좋은 예시: 어떤 그룹의 비중이 가장 높았으며, 각 그룹별로 이런 소통 전략을 사용하는 것이 좋겠다 2. 앞에서 정한 분석 프레임워크를 기반으로 해석하자 • 주제 선정은 잘 했지만, 막상 분석 결과는 이와 동떨어지는 실수가 자주 발생 • 분석의 방향을 다시한번 확인하자 3. 논리적인 해석을 하자 • 어떤 논리로 분석 결과에 도달했는지를 보여주자
68. 가설이 항상 맞을 수는 없다 • 실무에서도 가설이 맞기만 한 것은 아니다 • 가설이 틀렸다면, 이어서 어떤 분석을 더 해볼 수 있을지 생각해보고 추가 분석을 해보는 것도 좋다
69. 포트폴리오 제작하기
70. 포트폴리오를 만들 때 기억할 것 1. 남이 이해하기 쉽게 정리하자 2. 회사에서 요구하는 순서가 있다면 그 순서를 따르자 3. 간결하게 정리하자 4. 이 포트폴리오로 내가 무엇을 보여주고 싶은지 다시 한번 확인하자
71. 1. 남이 이해하기 쉽게 정리하자 이미지 출처: ʻ에이블리 신입 데이터 분석가’ 채용 공고 이미지 출처: ʻ당근 Data Analyst (인턴) | Cross Product Growth’ 채용 공고 내가 한 일을 잘 정리하여 공유하는 것도 중요한 커뮤니케이션 능력 중 하나
72. 1. 남이 이해하기 쉽게 정리하자 [TIP] 추천하는 작성 순서 1. 분석의 목적: 분석을 하는 목적, 목표 2. 결과: 분석의 결과 요약 3. (제안): 분석을 바탕으로 한 제안, 기획 4. (데이터 설명): 분석에 사용한 데이터에 대한 설명. 사용한 데이터의 기간과 범위, 데이터의 특이사항, 보고서에 사용한 용어의 정의 등이 포함됩니다. 5. 근거: 결과와 제안을 뒷받침하는 근거, 데이터 분석의 과정
73. 2. 회사에서 추천하는 방식을 따르자 이미지 출처: ʻ이팝소프트(말해보카) 시니어 프로덕트 데이터 분석가’ 채용 공고 추천하는 작성 방식, 포함되어야 하는 내용이 있는지 채용 공고에서 확인하기
74. 이미지 출처: ʻ에이블리 데이터 분석가’ 채용 공고 추천하는 작성 방식, 포함되어야 하는 내용이 있는지 채용 공고에서 확인하기 2. 회사에서 추천하는 방식을 따르자
75. 이미지 출처: ʻ토스씨엑스 Business Analyst’ 채용 공고 추천하는 작성 방식, 포함되어야 하는 내용이 있는지 채용 공고에서 확인하기 2. 회사에서 추천하는 방식을 따르자
76. 3. 간결하게 정리하자 1~2 페이지 정도로 정리하되, 의사 결정의 근거를 포함하기
77. 4. 내가 보여주고 싶은 것을 확인하기 이 포트폴리오로 내가 무엇을 보여주고 싶은지 다시 한번 확인하자 • 내가 강조하고 싶은 역량, 나만의 차별점이 있는지 확인하기
78. 포트폴리오 작성 팁 자주 하는 실수 6가지 1. 결과를 알아볼 수 없음 2. 헷갈리는 표현 쓰기 3. 기준을 정할 때 비즈니스적 설명 없음 4. 멋있는 툴에 연연하기 5. 잘 모르는 내용에 대해 쓰기 6. 읽는 사람은 관심 없는 프로젝트 과정에 대해 서술하기 포트폴리오의 완성도를 높이는 팁 4가지 1. 맞춤법 검사하기 2. 일관성 있게 표현하기 3. 액션 아이템 추가하기 4. 한계점에 대해 언급하고 개선 아이디어를 이야기하기 포트폴리오 작성 팁
79. 서류 전형에서 합격했다면
80. 데이터 분석가에게 포트폴리오란? 세미나 신청 👀 내가 궁금했던 정보가 담겨있네 강연을 들어봐야겠다! 👀 우리에게 필요한 역량이 있네 더 얘기해보고 싶다! 서류 합격 및 면접 진행
81. 데이터 분석가에게 포트폴리오란? 세미나 신청 👀 내가 궁금했던 정보가 담겨있네 강연을 들어봐야겠다! 👀 우리에게 필요한 역량이 있네 더 얘기해보고 싶다! 서류 합격 및 면접 진행 강연 내용에 만족?
82. 데이터 분석가에게 포트폴리오란? 세미나 신청 👀 내가 궁금했던 정보가 담겨있네 강연을 들어봐야겠다! 👀 우리에게 필요한 역량이 있네 더 얘기해보고 싶다! 서류 합격 및 면접 진행 강연 내용에 만족? 최종 합격?
83. 면접 준비하기 포트폴리오에 관한 답변을 준비하세요 1. 이 주제를 선정한 이유가 무엇인가요? 2. 이렇게 지표를 정의한 이유가 무엇인가요? 3. 이 분석 프레임워크를 사용한 이유가 무엇인가요? 4. (팀 프로젝트라면) 어떤 부분을 담당하셨나요 / 기여도가 어느정도 인가요? 5. …
84. 송혜정 현) 데이터리안 데이터 분석가 전) 리디 데이터 분석가 면접관 눈에 띄는 데이터 분석 포트폴리오 만드는 법 1부 강연
85. Q&A
86. 데이터 분석가 취업 고민 데이터 분석가 커리어/업무 각종 스터디 모집 세미나 슬라이드 공유 얼리버드 할인 소식 공유 데이터리안 데이터 분석 정보 공유방
87. 데이터 분석가 포트폴리오, 무엇이든 물어보세요! 2부 패널토크 윤선미 현) 데이터리안 분석가 송혜정 현) 데이터리안 분석가
88. 포트폴리오 기본 구성 및 형식
89. Q.01 포트폴리오를 작성할 때 적당한 프로젝트의 개수는 무엇인지, 선정 기준은 무엇인지 궁금합니다.
90. Q.02 포트폴리오나 이력서를 노션으로 만드는 게 좋나요, 아니면 PDF를 따로 만드는 게 좋나요?
91. Q.03 포트폴리오 양식에서 필수적으로 들어가야 하는 부분이나, 어필하면 좋을 부분들이 있나요?
92. ❌ 매력적이지 않은 보고서 1. 데이터 설명 2. 탐색적 데이터 분석 3. 데이터 가공 방법 4. 결론 특징 - 작업의 시간 흐름대로 구성 - 작업 내용을 다 보여줌 - 핵심(왜 분석을 했는지, 그래서 결론이 뭔지)에 대한 내용 부재 보고서의 구성 ⭕ 매력적인 보고서 1. 문제 정의 2. 결론 3. (선택) 실행 계획 4. 분석 세부 사항 특징 - 작업을 보고서 형식으로 재구성하여 핵심부터 빠르게 파악할 수 있음
93. 신입의 포트폴리오
94. Q.04 실제 기업의 데이터를 다뤄본 적이 없다면, 어떻게 포트폴리오를 작성해야 하나요? 무경력자가 현업과 최대한 가깝게 포트폴리오를 작성할 수 있는 방법이 궁금합니다.
95. ❌ 신입이 갖추기 어려운 부분 • 실무 데이터 • 대용량 데이터 핸들링 포트폴리오 제작의 선택과 집중 ⭕ 신입이 보여줄 수 있는 부분 • 명확한 문제 정의와 가설 검증 과정 • 도구(SQL, GA4, 데이터 시각화) 활용 능력 → 평범한 재료로도 지원자의 충분히 도구 활용 능력과, 문제 해결 논리를 보여줄 수 있음
96. Q.05 공모전같이 공식적으로 진행하는 활동이 아니라 개인적으로 진행한 프로젝트도 회사에 지원할 때 인정이 되는지 궁금합니다.
97. 경력직의 포트폴리오
98. Q.06 기획자에서 데이터 분석가로 직무 전환을 희망한다면, 기존의 데이터 분석과 관련 없는 실무 프로젝트는 포트폴리오에서 빼야 할까요?
99. 분석과 관련된 과거 경험을 남기자 • 데이터를 활용한 경험 위주로 재구성하기 Ex 1) ʻ기획을 하기 전에 의사결정시 데이터를 참고했다’ Ex 2) ʻ서비스 배포 이후 성과가 이랬다’ Ex 3) ʻ어떤 데이터를 참고해서 기획을 시작했다' 직무 전환을 할 때의 포트폴리오
100. “마케터에서 데이터 분석가로 직무 전환한 포트폴리오 공개합니다” _ 데이터 분석가 윤지호님 강연 직무 전환을 할 때의 포트폴리오 이미지 출처: 2025년 1월 데이터리안 세미나 윤지호님 강연 내용
101. Q.07 대외비와 관련해 인턴으로 근무한 회사의 프로젝트 내용을 어디까지 공개해도 되는지 궁금합니다.
102. Q.08 데이터 분석 프로젝트의 성과를 정량화하여 작성하기가 어려울 때 어떻게 설명하면 좋을까요? 조직 내 인사이트 획득에는 큰 도움이 되었으나, 정량화하기가 어렵습니다.
103. 데이터 분석가의 업무와 성과 정량적 성과 ❌ 안 좋은 예 • 작성 내용: A 프로모션 분석으로 매출 5천만원 달성 • 문제점: 기업의 실제 지표가 그대로 노출되어 보안 의식이 부족해 보임 / 비교할 기준점이 없어 기여분을 생각하기 어려움 ⭕ 좋은 예 • 작성 내용: 마케팅 프로모션의 서비스 진입부터 결제까지 퍼널 분석하여, 이전 프로모션 대비 구매 전환율 15% 증가 • 특징: 비율을 사용하여 성과를 표현하여 민감한 대외비 수치를 노출하지 않음 / 지표 개선의 기여분이 구체적임 정성적 성과 ❌ 안 좋은 예 • 작성 내용: 고객 분석을 통해 조직 내 인사이트 도출, 비즈니스 의사결정에 기여 • 문제점: ʻ인사이트 도출', ʻ의사결정에 기여'라는 표현은 너무 모호함 ⭕ 좋은 예 • 작성 내용: 퍼널 분석 시 고객별 세분화를 통해 특정 고객군의 이탈률 상승을 발견하여, 해당 단계의 사용성 개선 • 특징: 분석 결과를 바탕으로 기획 변경, 업무 방식 효율화 등 구체적인 액션이 있었다면 중요한 성과로 볼 수 있음
104. 데이터 분석가의 업무와 성과 이미지 출처: ʻ에이블리 신입 데이터 분석가’ 채용 공고 이미지 출처: ʻ토스 Business Analyst’ 채용 공고
105. 마무리 한마디
106. Q.09 세미나가 끝나고 참석자들이 당장 오늘 혹은 내일 시작해야 할 한 가지 행동을 꼽는다면 무엇일까요?
107. 데이터 분석가 포트폴리오, 무엇이든 물어보세요! 2부 패널토크 윤선미 현) 데이터리안 분석가 송혜정 현) 데이터리안 분석가
108. 세미나에 참여해주셔서 감사합니다.