데이터 분석가 면접은 "SQL 문법을 아는가"를 넘어섭니다. 국내 IT 기업의 데이터 분석가 면접은 모호한 비즈니스 문제를 분석 가능한 질문으로 바꾸고, 그 답이 의사결정을 바꿨는가를 검증해요. 숫자를 뽑는 사람이 아니라 숫자로 판단을 만드는 사람을 뽑으려는 겁니다. 예상질문을 4개 축으로 정리했습니다.
축 1. SQL·데이터 다루기 (기본기 검증)
"리텐션 코호트를 구하는 쿼리를 짜보세요", "이 두 테이블을 조인하면 로우가 중복될 텐데 왜 그럴까요?" SQL 질문의 핵심은 문법이 아니라 데이터의 함정을 아는가입니다. 조인 시 카디널리티가 터지는 상황, NULL이 집계를 왜곡하는 상황, 윈도우 함수로 코호트를 자르는 법 — 이런 실무 함정을 짚을 수 있어야 경력직이에요. 쿼리를 쓰면서 "이 조인은 1:N이라 중복이 생길 수 있어 이렇게 dedup 했다"처럼 판단을 말로 설명하면 강합니다.
축 2. 지표 설계 (가장 변별력 큰 축)
"이 기능이 성공했다를 어떤 지표로 정의하겠어요?", "DAU가 떨어졌습니다. 어디부터 보시겠어요?" 여기서 대부분 갈립니다. 좋은 분석가는 지표를 분해해요. "DAU 하락"을 그냥 보는 게 아니라 신규/복귀/이탈로 쪼개고 플랫폼별·코호트별로 내려가며 범인을 좁힙니다. 프레임: (1) 문제를 구성 요소로 분해(DAU = 신규 + 재방문 − 이탈), (2) 어느 조각이 움직였는지 특정, (3) 가설 세우고 데이터로 검증, (4) "그래서 무엇을 하자"까지 착지.
축 3. A/B 테스트·인과 추론
"A/B 테스트 결과 전환율이 2% 올랐습니다. 배포해도 될까요?" 함정 질문입니다. 통계적 유의성(p-value), 표본 크기, 검정 기간(요일 효과), 다중 비교 문제를 짚지 않고 "올랐으니 배포"라고 하면 감점이에요. 반대로 유의한가, 실질적으로 의미 있는 크기인가, 다른 지표는 안 깨졌나를 되물으면 합격 신호입니다.
축 4. 비즈니스 임팩트·커뮤니케이션
"분석 결과를 비데이터 직군에게 어떻게 전달하나요?", "당신의 분석이 실제 의사결정을 바꾼 사례가 있나요?" 분석가의 가치는 인사이트가 아니라 인사이트가 만든 행동 변화입니다. "이런 걸 발견했다"에서 끝나면 리서처고, "그래서 팀이 이 결정을 바꿨다"까지 가면 분석가예요. 두괄식으로 결론부터 말하고, 이해관계자를 어떻게 설득했는지를 사례로 대세요.