01 SQL 프로젝트에서 먼저 정할 것
SQL 프로젝트는 데이터를 꺼내는 연습에서 끝나면 포트폴리오로 약합니다. 먼저 어떤 질문에 답할지 정하고, 그 질문에 필요한 테이블과 지표를 좁혀야 합니다. 예를 들어 '매출이 왜 줄었는가'보다 '최근 3개월간 신규 고객의 재구매율이 낮아졌는가'처럼 기간, 대상, 비교 기준이 들어간 질문이 좋습니다.
질문이 좁아야 SELECT, JOIN, GROUP BY, WINDOW 함수가 왜 필요한지 설명할 수 있습니다. 데이터 직무 준비에서는 도구 이름보다 분석 과정과 결과물을 설명할 수 있는지가 더 중요합니다.
02 예시 1: 재구매율 분석
첫 번째 추천 주제는 고객 재구매율 분석입니다. 주문 테이블과 고객 테이블을 기준으로 첫 구매일, 두 번째 구매일, 재구매까지 걸린 기간을 계산할 수 있습니다. 이 프로젝트에서는 cohort, retention, repeat purchase 같은 개념을 SQL로 풀어낼 수 있습니다.
단순히 고객 수를 세는 데서 끝내지 말고 첫 구매 월별 재구매율, 카테고리별 재구매 차이, 신규 고객과 기존 고객의 구매 간격을 비교해야 합니다. 결론에는 특정 월의 재구매율이 낮다면 데이터 기간, 프로모션 여부, 상품군 변화처럼 추가로 확인해야 할 한계를 적습니다.
03 예시 2: 전환 퍼널 분석
두 번째 주제는 방문, 회원가입, 장바구니, 결제 단계의 전환 퍼널입니다. 이 프로젝트는 이벤트 로그를 단계별로 집계하고, 어느 구간에서 이탈이 큰지 계산하는 흐름을 보여주기 좋습니다.
SQL에서는 사용자별 첫 이벤트 시간, 단계 도달 여부, 단계 간 소요 시간, 전환율을 계산할 수 있어야 합니다. 결과 화면에는 전체 전환율만 넣지 말고 디바이스, 유입 채널, 신규/기존 사용자 기준으로 나눠 보면 해석이 풍부해집니다.
04 예시 3: 상품 또는 콘텐츠 성과 분석
세 번째 주제는 상품, 강의, 콘텐츠별 성과 비교입니다. 조회 수, 클릭 수, 구매 수, 완료율처럼 여러 지표를 같은 기준으로 놓고 어떤 항목이 성과를 만들었는지 확인합니다.
이때 중요한 것은 인기 순위를 뽑는 것이 아니라 노출이 많아서 높은 것인지, 전환율이 높아서 좋은 것인지 분리하는 일입니다. SQL 프로젝트 설명에는 지표 정의, 제외한 데이터, 정렬 기준, 동률 처리, 이상치 처리 기준을 같이 남겨야 합니다.
05 결과물을 포트폴리오로 남기는 방식
README나 분석 문서에는 분석 질문, 사용한 데이터, 테이블 구조, 핵심 쿼리, 결과 표, 해석, 한계를 순서대로 적습니다. 쿼리는 전부 붙여넣기보다 핵심 쿼리 2~3개를 골라 왜 필요한지 설명하는 편이 낫습니다.
결과 표만 있으면 읽는 사람이 판단하기 어렵습니다. 각 표 아래에는 '무엇을 알 수 있었는지'와 '다음에 무엇을 더 확인해야 하는지'를 문장으로 남겨야 합니다. 데이터 출처와 확인 날짜를 적어두면 분석 결과가 어느 기준의 자료인지 분명해집니다.
06 처음 하는 사람이 피해야 할 방식
처음부터 너무 큰 공개 데이터를 고르면 전처리에서 시간이 많이 빠지고 분석 질문이 흐려질 수 있습니다. 머신러닝 모델을 억지로 붙이는 것도 필요하지 않습니다. SQL 프로젝트의 목표는 모델링이 아니라 데이터를 정확히 집계하고 비교 기준을 설명하는 것입니다.
차트를 먼저 만들고 나중에 질문을 맞추는 방식도 피해야 합니다. 질문이 먼저 있고, 그 질문에 필요한 집계와 시각화가 따라와야 합니다. 최종적으로는 'SQL을 배웠다'가 아니라 'SQL로 어떤 판단을 할 수 있게 됐다'는 문장으로 설명할 수 있어야 합니다.
07 확인한 내용을 기록하는 방법
최종 결정 전에 과정명, 공식 URL, 확인 날짜, 모집 회차, 비용 관련 조건, 프로젝트 방식, 피드백 범위를 한 줄씩 남겨두면 좋습니다. 나중에 다시 비교할 때는 인상이나 후기보다 같은 기준으로 적어둔 항목이 더 도움이 됩니다.
특히 취업 준비 과정은 시간이 지나며 모집 조건과 운영 방식이 바뀔 수 있으므로, 확인 날짜를 함께 적어두는 것이 중요합니다. 기록할 때는 공개 페이지에서 확인한 내용과 상담을 통해 확인한 내용을 분리해야 합니다. 공개 페이지에 있는 정보는 출처 링크와 함께 남기고, 상담에서 들은 조건은 날짜와 질문 내용을 함께 적어야 나중에 혼동이 줄어듭니다.
여러 후보를 비교한다면 같은 열로 정리해야 합니다. 커리큘럼, 프로젝트, 피드백, 수료 후 지원, 비용 관련 조건, 모집 일정이 같은 순서로 놓이면 광고 문구보다 실제 차이가 더 잘 보입니다.
08 신청 전 마지막 점검
SQL 데이터 분석 프로젝트는 검색한 상태라면 지금 필요한 것이 개념 정리인지, 과정 선택인지, 결과물 보완인지 먼저 구분해야 합니다. 데이터 분석 입문자에게 중요한 것은 많은 정보를 한 번에 보는 것이 아니라, 현재 수준에서 다음 행동으로 이어지는 기준을 남기는 일입니다.
공식 페이지에서 확인한 내용과 본인이 실제로 확보할 수 있는 학습 시간을 같이 적어두면, 후기나 광고 문구에 흔들리지 않고 선택지를 줄일 수 있습니다.
자주 묻는 질문
SQL 데이터 분석 프로젝트는 어떤 주제가 좋나요?
재구매율, 전환 퍼널, 상품 성과, 고객군 비교처럼 질문과 지표가 분명한 주제가 좋습니다.
SQL만으로도 포트폴리오가 되나요?
가능합니다. 다만 쿼리만 나열하면 약하고, 분석 질문, 테이블 구조, 집계 기준, 결과 해석, 한계를 함께 정리해야 합니다.
처음부터 복잡한 공개 데이터를 써야 하나요?
아닙니다. 처음에는 컬럼 구조가 단순하고 질문을 좁히기 쉬운 데이터가 낫습니다. 데이터가 클수록 좋은 프로젝트가 되는 것은 아닙니다.
결과물에는 쿼리를 전부 넣어야 하나요?
전부 넣기보다 핵심 쿼리 2~3개를 고르고, 그 쿼리가 어떤 질문에 답하는지 설명하는 편이 좋습니다.
Python이나 Tableau도 꼭 붙여야 하나요?
필수는 아닙니다. SQL 프로젝트의 핵심은 데이터를 정확히 집계하고 비교 기준을 설명하는 것입니다. 필요할 때만 시각화 도구를 붙이면 됩니다.