데이터 분석가 이력서 양식 예시

물류와 핀테크, 이커머스 산업을 거치며 데이터 분석과 모델링이 비즈니스 의사결정의 실질적인 도구가 되도록 설계해 왔습니다. 현업 부서가 직면한 배송 지연이나 이상거래, 고객 이탈 문제를 데이터로 정의하고 가설을 검증하는 과정에 집중했습니다. 분석의 시작부터 배포 후 모니터링까지 전 과정을 책임지는 데이터 사이언티스트로 성장했습니다. 이커머스 회사에서 이탈 예측 모델을 개발할 당시, 데이터 불균형 문제를 해결하고자 accuracy 대신 PR-AUC와 recall을 평가지표로 채택했습니다. 모델 배포 후 3개월이 지나자 데이터 분포 변화로 성능이 하락하는 것을 모니터링 지표로 포착해 재학습 주기를 단축했고, 이후 A/B 테스트를 통해 실험군 재구매율을 대조군 대비 4.2%p 유의하게 상승시켰습니다. 결과가 어떤 의사결정으로 이어져 지표를 움직이는지 끝까지 확인하는 것이 저의 일하는 기준입니다. [핵심 역량] - 이탈 예측 모델 개발 및 A/B 테스트를 통한 재구매율 4.2%p 개선 - 상세페이지 개편 A/B 테스트 설계 및 전환율 0.5%p 유의미한 개선 - SQL 쿼리 최적화 및 대시보드 갱신 시간 40분에서 9분으로 단축 - 이상거래 탐지 룰 고도화 및 오탐률 개선 - 가맹점 이탈 분석 기반 정산 정책 제안 및 잔존율 6%p 상승

데이터 분석가로 일하며 정해진 인프라 안에서 분석하는 것을 넘어, 문제 정의부터 데이터 수집 설계, 모델 배포, 사후 모니터링까지 전 과정을 책임지는 환경에서 임팩트를 만들고자 합니다. 특히 모델의 오프라인 지표 개선이 비즈니스 지표로 직결되는지 A/B 테스트로 검증하는 과정을 다양한 문제에 적용하려 합니다. 데이터 조직이 성장하는 단계에서 분석과 모델링의 기준을 세우고, 기술적 의사결정의 근거를 명확히 하는 역할을 수행할 계획입니다. 물류 현장에서 배송 지연 문제를 다룰 때, 단순히 평균 지연 시간을 보는 대신 배정 건수와 지연율의 비선형 패턴을 분석해 기사 1인당 배정 상한을 제안했습니다. 분석은 효과적이었습니다. 그 결과 지연 클레임을 월 120건에서 78건으로 줄였고, 데이터가 현장의 실질적인 문제를 해결할 때 가장 강력한 힘을 발휘한다는 확신을 얻었습니다. 이러한 경험을 바탕으로 데이터 기반의 의사결정이 조직의 문화로 정착되도록 기여할 생각입니다. 새로운 도구나 방법론을 도입할 때 항상 기존 방식과 비교해 선택의 근거를 정리하는 습관으로, 협업 부서와 데이터 기반의 소통을 이어가려 합니다.

분석 결과를 마케팅·리스크·사업팀 등 통계 배경이 다른 부서에 설명하고 실제 액션으로 연결하는 과정에 익숙합니다. 쿼리 작성부터 모델링, 대시보드 배포까지 직접 처리하면서 협업 부서와의 커뮤니케이션 비용을 줄이는 데 강점을 보였습니다. 소통은 원활했습니다. 이러한 경험은 데이터 기반의 의사결정을 돕는 밑거름이 되었습니다. 비전공 동료들을 대상으로 SQL 및 분석 스터디를 3기까지 운영하며 데이터 리터러시를 높이는 활동을 지속해 왔습니다. 새로운 분석 기법을 적용할 때는 항상 대안을 검토하고 trade-off를 정리해 의사결정의 투명성을 높이는 것을 원칙으로 삼았습니다. 이 과정에서 얻은 경험은 조직 내 분석 문화를 정착시키는 기준이 되었습니다.