데이터 분석 포트폴리오, 프로젝트 주제 고르는 법

01 좋은 주제는 질문이 좁다

데이터 취업 준비자라면 처음부터 거대한 주제를 잡기보다 비교 기준이 분명한 질문을 세우는 편이 낫습니다. 예를 들어 '매출 분석'보다 '최근 3개월 재구매율이 낮아진 고객군은 어디인가'가 더 분석하기 쉽습니다.

질문이 좁아야 필요한 데이터, 전처리 기준, 지표, 그래프가 정해집니다.

02 데이터 출처와 한계를 밝혀야 한다

포트폴리오에는 데이터 출처와 수집 기준을 반드시 남겨야 합니다. 공개 데이터라면 언제 내려받았는지, 어떤 컬럼을 사용했는지, 제외한 값은 무엇인지 적어야 합니다.

데이터 한계를 숨기면 결론이 과장될 수 있습니다. 표본이 작거나 기간이 짧다면 그 한계를 함께 쓰는 편이 더 신뢰를 줍니다. 채용 담당자나 현업자가 포트폴리오를 볼 때 궁금해하는 것은 그래프가 예쁜지가 아니라 이 결론을 믿어도 되는지입니다.

따라서 데이터가 언제 기준인지, 어떤 값이 빠졌는지, 분석에 쓰지 않은 컬럼은 무엇인지, 표본이 전체를 대표한다고 보기 어려운 이유는 없는지를 짧게라도 적어야 합니다.

03 도구보다 분석 흐름을 보여주기

SQL, Python, Tableau를 썼다는 사실만으로는 부족합니다. SQL로 어떤 집계를 했고, Python으로 어떤 전처리를 했고, 시각화로 어떤 비교를 보여줬는지 역할을 나눠 설명해야 합니다.

데이터 직무 준비에서는 도구 이름보다 분석 과정과 결과물을 설명할 수 있는지가 더 중요합니다. 예를 들어 SQL은 원천 데이터에서 고객군과 기간을 나누는 데 쓰고, Python은 결측치와 이상치를 확인하는 데 쓰고, Tableau는 최종 비교를 보여주는 데 썼다고 설명하면 흐름이 보입니다.

반대로 도구명을 많이 나열해도 각 도구가 어떤 판단에 기여했는지 설명하지 못하면 포트폴리오의 설득력이 약해집니다.

04 처음 만들기 좋은 프로젝트 유형

고객군별 구매 패턴 비교, 콘텐츠별 조회수 변화, 지역별 수요 차이, 캠페인 전후 지표 변화처럼 비교축이 분명한 주제가 좋습니다. 머신러닝 예측 모델보다 기본 지표를 정확히 계산하고 해석하는 프로젝트가 입문자에게 더 안전합니다.

결론에는 다음에 추가로 확인할 데이터와 개선점을 같이 적어야 합니다. 처음부터 예측 정확도나 모델 성능을 앞세우면 데이터 이해가 부족한 상태에서 기술만 커 보일 수 있습니다.

입문자 포트폴리오에서는 재구매율, 전환율, 이탈률, 평균 구매금액처럼 기본 지표를 정확히 정의하고, 그 지표가 왜 필요한지 설명하는 편이 더 안전합니다.

05 예시로 보면 달라지는 부분

단순히 '고객 데이터를 분석했다'고 쓰면 평가자가 분석 범위를 알기 어렵습니다. '최근 3개월 재구매 고객과 신규 고객의 평균 구매금액 차이를 비교했다'처럼 범위를 좁히면 질문이 분명해집니다. 콘텐츠 데이터를 다룬다면 전체 조회수보다 유입 채널, 게시일, 주제군, 전환 행동을 나눠 볼 수 있습니다. 이렇게 기준을 나누면 어떤 콘텐츠가 성과를 냈는지 더 구체적으로 설명할 수 있습니다.

지역 데이터를 다룬다면 지도 시각화 자체보다 지역별 수요 차이가 왜 생겼는지, 인구 규모나 접근성 같은 외부 요인을 어디까지 고려했는지 적어야 합니다. 이처럼 좋은 포트폴리오는 거창한 주제에서 나오기보다 질문을 좁히고, 데이터 한계를 인정하고, 다음 분석 방향을 남기는 방식에서 만들어집니다.

주제를 고를 때는 내가 실제로 설명할 수 있는 도메인인지도 봐야 합니다. 데이터를 구했더라도 산업 맥락을 전혀 모르면 지표 해석이 피상적으로 끝날 수 있습니다. 면접에서 질문을 받았을 때 왜 이 지표를 골랐는지 답할 수 있는 주제가 가장 안전합니다.

06 포트폴리오 제출 전 점검

분석 질문이 한 문장으로 설명되는지 확인합니다. 데이터 출처, 전처리, 주요 지표, 그래프, 결론, 한계가 빠지지 않았는지 봅니다.

코드와 그래프만 있는 노트북이 아니라 읽는 사람이 결론까지 따라갈 수 있는 보고서 형태로 정리해야 합니다. README나 발표 자료에는 프로젝트 배경, 데이터 설명, 분석 질문, 핵심 결과, 한계, 다음 액션이 순서대로 보여야 합니다.

코드 파일은 별도로 두더라도 본문에는 핵심 쿼리나 전처리 기준만 남기는 편이 읽기 쉽습니다.

07 확인한 내용을 기록하는 방법

프로젝트 후보를 정할 때는 주제명, 데이터 출처, 확인 날짜, 사용할 지표, 비교 기준, 예상 그래프, 결론에 필요한 추가 데이터를 한 줄씩 적습니다. 분석을 시작한 뒤에는 처음 세운 질문이 중간에 바뀌었는지도 남겨야 합니다. 질문이 바뀌었다면 왜 바뀌었는지 설명할 수 있어야 합니다.

이 기록은 포트폴리오 본문을 쓸 때 그대로 뼈대가 됩니다. 분석을 끝낸 뒤 기억에 의존해 쓰는 것보다 훨씬 자연스럽습니다.

08 신청 전 마지막 점검

데이터 분석 포트폴리오를 준비하는 단계라면 지금 필요한 것이 도구 학습인지, 프로젝트 주제 선정인지, 결과물 편집인지 먼저 나눠야 합니다. 이미 SQL과 Python 기초가 있다면 강의를 더 듣는 것보다 작은 프로젝트 하나를 끝까지 정리하는 편이 낫습니다.

반대로 데이터 출처를 찾는 것부터 막힌다면 공개 데이터 탐색, 지표 정의, 보고서 구조를 다루는 학습이나 피드백이 필요할 수 있습니다.

자주 묻는 질문