데이터 분석가 이력서 예시

물류, 핀테크, 이커머스 환경에서 현업의 질문을 데이터 문제로 정의하고, 분석 결과를 실제 의사결정과 서비스 변화로 연결해 왔습니다. 배송 지연이나 이상거래, 가맹점 및 고객 이탈처럼 원인이 복합적인 문제를 다룰 때는 가설 수립과 검증 기준 설정부터 주도했습니다. SQL로 데이터를 추출하고 Python으로 통계 검증과 모델링을 수행한 뒤, 대시보드나 서비스 로직에 결과를 반영하는 전 과정을 경험했습니다. 분석 결과를 보고서에 남기는 것에 그치지 않고, 현업이 어떤 행동을 선택할 수 있는지까지 확인하는 것을 중요한 기준으로 삼고 있습니다. 가장 중요한 것은 가설을 바로 결론으로 단정 짓지 않는 태도입니다. 한 물류 분석에서 배송 거리와 기사 1인당 배정 건수가 지연에 영향을 줄 것으로 보고 다중회귀를 적용했으나, 배정 건수 25건을 넘는 구간에서 지연율이 급격히 높아지는 비선형 패턴을 발견했습니다. 선형 관계만 설명하는 접근 대신 구간별 지연율과 의사결정나무로 재분석했고, 성수기 권역의 기사 1인당 배정 상한을 22건으로 제안했습니다. 그 결과 적용 권역의 지연 클레임은 월평균 120건에서 78건으로 감소했습니다. 현재 이커머스에서는 이탈 비율이 8%대인 상황에서 정확도보다 PR-AUC와 recall을 기준으로 모델을 비교해 XGBoost를 선택했고, 상세페이지 실험에서는 프로모션 기간과 겹치지 않도록 실험 구간을 조정해 전환율 변화를 검증하고 있습니다. [핵심 역량] - 문제 정의와 가설 검증 - 불균형 데이터 기반 이탈 예측 모델링 - A/B 테스트 설계 및 전환율 분석 - SQL 기반 데이터마트·대시보드 구축 - 통계 결과의 현업 의사결정 연결

데이터 분석과 모델링의 결과가 실제 운영 방식과 사업 지표를 바꾸는 과정을 더 넓은 범위에서 맡고 싶어 지원했습니다. 한들로지스틱스에서는 약 18만 건의 배송 데이터를 분석해 지연 원인을 찾았고, 단순한 평균 비교에 머무르지 않고 배정 건수 구간별 패턴을 확인해 운영 기준을 제안했습니다. 페이브릿지에서는 거래·정산·가맹점 데이터를 결합해 이탈 원인을 분석하고, 익일 정산 옵션 확대를 사업팀에 제안했습니다. 파일럿 도입 가맹점 300곳의 3개월 후 잔존율은 비대상군보다 6%p 높게 나타났습니다. 분석 결과의 설명력뿐 아니라 실제 정책과 운영 변화로 이어지는지를 확인하는 것이 업무의 기준이 되었습니다. 가장 큰 변화는 현재 그리니마켓에서 예측 모델을 프로덕션에 배포하고 A/B 테스트로 서비스 개선 효과를 검증하는 과정에서 일어났습니다. 고객 이탈 예측을 위해 최근 90일 구매·접속 로그를 기준으로 요구사항을 정의했고, time-based split으로 데이터 누수를 통제했습니다. 로지스틱 회귀와 XGBoost를 비교한 뒤 PR-AUC 0.61을 기록한 XGBoost를 선택했으며, feature importance 상위 변수를 마케팅팀의 리타겟팅 캠페인 설계에 활용했습니다. 상세페이지 개편 실험에서는 기준 전환율 3.2%, 최소감지효과 0.5%p, 검정력 80%를 기준으로 표본 크기를 산정했고, 개편안 B의 전환율이 3.2%에서 3.7%로 유의하게 개선됨을 확인했습니다. 모델 성능이나 실험 결과를 확인하는 데 그치지 않고 데이터 수집 기준과 배포 이후 모니터링까지 연결해야 결과의 신뢰도가 유지된다고 판단합니다. 문제 정의부터 검증과 운영 반영까지 한 흐름으로 책임지는 역할을 수행할 계획입니다.

분석 결과를 통계 배경이 다른 부서가 실행할 수 있는 언어로 바꾸는 데 익숙합니다. 마케팅팀에는 이탈 예측 변수의 의미를 설명해 캠페인 설계 근거를 제공했고, 리스크팀에는 이상거래 변수와 탐지 룰 단순화 기준을 공유했습니다. 부서 간의 간극을 좁히는 과정이었습니다. SQL 쿼리 통합으로 대시보드 갱신 시간을 40분에서 9분으로 줄였으며, Looker와 Tableau로 지표를 배포해 회의와 운영 판단에 활용되도록 했습니다. 데이터 접근성을 높이자 실무 활용도가 높아졌습니다. 가장 큰 변화는 스터디 운영에서 왔습니다. 비전공자 대상 SQL·분석 스터디를 3기까지 운영하며 누적 24명의 수료자를 배출했습니다. 분석 과정과 실패한 접근을 기록하고, 선택한 방법의 근거를 설명하는 습관을 업무 기준으로 삼고 있습니다. 앞으로도 데이터 기반의 의사결정 문화를 정착시키는 것을 목표로 합니다.