[취업특강] 네이버 / 쿠팡 Data Analyst 커리어 특강 (정말 강추👍)

오늘은 데이터 분석가 시니어 현직자분의 특강으로 머리도 식히고 리프레쉬할 겸 특강 정리하는 시간을 가져보려한다.

어제 반나절을 크롤링 복습하고 개념을 익히는걸 위주로 했더니 오늘은 너무 쉬고싶었지만... 이번주에 약속이 있어 물들어올 때 노 한번 저어봐야지 하고 특강으로 찾아왔다! 😀😀

 

 

0. 특강 소개

강의 시간은 대략 45분정도로 6년정도 데분으로만 직무를 수행해오신 강사분이 진행하는 오늘까지 무료인 특강이다!

아래의 링크를 눌러 메타코드 사이트에서 로그인을 해주고 강의 영상 카테고리 > 커리어 정보에서 바로 신청하면 된다. 

https://mcode.co.kr/

메타코드M

 

 

 

1. 내용 요약

 

강사 소개

 

6년동안 다양한 스타트업부터 대기업까지 모두 경험해보셨다고 하셨으며, 수행하셨던 직무들은 고객에게 프로젝트를 의뢰를 받아 분석을 진행하셨고, 회사의 데이터 분석가로 회사 데이터를 분석하기도 해보셨다고 한다.

비즈니스 모델은 이커머스, 사스, 앱 서비스 이 3가지를 경험해보셨다고 했다.

회사 상황이 모두 다르기에 같은 데이터 분석가라도 차별점이 있다고 생각해서 경험한 회사들의 상황에 맞춰서 직무를 소개해주신다 하셨다.

 

 

회사 상황에 따른 업무

 

회사마다 같은 데이터 분석가로 공고를 냈을지라도 회사의 주 업무, 사업이 다르기에 어떤 일을 하게되는지에는 차이가 크다고 한다.

그래서 면접을 준비하고 있는 사람들에게 회사들의 공통적으로 요구하는 사항을 파악해서 이를 먼저 준비하라 하셨다.

회사 상황에 맞춰 준비를 할 수 있다면 준비를 같이 하는 것이 좋다 하셨다.

이 다음으로 데이터 분석가들의 공통적인 업무에 대해 짚어주셨는데 그냥 알아서 알아보세요 이런 방식이 아니라 좋았다.

 

 

모든 데분의 공통 업무

 

기본적으로 지표로서 현상을 이해하고, 원인을 파악하는 것을 필수로 할 수 있어야 한다.

경영진들이 궁금해하는 성과 지표를 회사가 돌아가는 방향을 알 수 있도록 대시보드로 만들어낼 수 있어야 한다.

또한, 이 대시보드를 통해 어떤 이유로 해당 지표가 나왔는지, 이를 개선할 방법은 무엇인지를 파악해낼 줄 알아야 한다.

결론적으로 데이터 분석가들은 SQL을 활용하고 통계적인 지식과 BI 툴을 사용할 수 있는 역량이 있어야 한다.

 

 

회사별 데분 업무

 

회사를 0부터 1000으로 나눠서 표현을 직접 해두신 표를 보여주셨다.

1번 초기 전 단계는 아이디어만 있는 프로토타입 정도 있는 회사라 인프라가 좋지 않고 문해력이 낮을 수 있다고 한다.

2번 초기 스타트업은 안정적인 회사는 아니고, 3번 안정기 회사들은 매출만으로는 부족해서 투자금으로 회사가 여유롭게 돌아가는 상황이라고 했다.

4번은 대기업으로 높은 수준의 데이터 인프라가 있으며, 리터러시 역시 높은 경향을 보이고 있다.

 

 

채용공고로 보기

 

직접 보시고 각각 초기, 안정기, 성숙기에 해당하는 회사의 채용공고를 가져와주셨다.

성숙기는 거의 네카라쿠배 당토.. 등의 다들 이름만 들어도 유명한 회사들이 속한다고 했다.

안정기의 경우도 성숙기만큼 유명하진 않아도 아는 사람들이 많은 기업들이 속했다.

초기의 회사들은 확실히 이름을 들었을 때, 아 이런 회사도 있었구나 싶은 것을 봐서 뒤에 나올 내용들에 미리 신뢰가 쌓였다.

 

 

데이터 인프라/리터러시

 

요리를 할 때, 재료가 없다 = 분석 프로젝트를 해야하는데 데이터를 요청했는데 신뢰할 수 없거나 아예 존재하지 않다

우리가 분석에 대한 요청을 받을 때, 메세지로 전달을 받고, 이에 적합한 숫자를 추출하고 보고서를 작성한다.

완성된 보고서를 가지고 결과를 원하는 분석 내용에 대해 함께 전달한다.

결국 추출은 중간 과정에 불가하고 비즈니스 사이드에서 데이터로 풀고, 해석하고, 커뮤니케이션 하는 능력이 필요하다.

 

 

초기 회사 데분

 

데이터 수집은 직접하는 경우도 있지만, 대부분은 이미 존재하는 고객 데이터를 가지로 하는 경우가 많다.

수집한 데이터를 정확하게 파악하고 있어야 하고, 일정하고 안정적으로 지표를 제시할 수 있어야 한다.

그리고 우리에게 필요한 지표가 무엇인지, 비즈니스 직군과 소통해서 자동화하고 대시보드를 생성해서 관리한다.

요약하면 초기의 회사에서는 지표 추출이나 자동화하는 능력이 필요하며, 이를 위해 SQL을 사용해야하고,

업무를 맡게될 가능성이 높은 직무는 인원이 적은만큼 데이터 수집을 할 수 있는 사람이 없어 이를 많이 할 것이라 했다.

 

 

안정기 회사 데분

 

직접 경험하신 회사들을 데이터 인프라와 리터러시가 상승하고 있는 회사들이었다고 했다.

초기 스타트업만큼 데이터 수집에 많이 관여하지는 않고, 트래픽의 중요성을 데이터 엔지니어에게 설명해주는 역할도 하셨다고 했다.

전사 관련 교육을 하기도 하고, A/B 테스트같은 실험을 계획해서 의미가 있는 액션인지, 통계적으로 유의미한 액션인지를 파악하는 업무를 하기도 한다.

 

 

성숙기 회사 데분

 

대기업에서는 데이터 관련 교육을 할 필요가 없는게 데이터를 수집하는 엔지니어들이 많이 있고, SQL이나 기술 통계 데이터 리터러시를 알고계시기 때문이다.

그리고 성숙기 회사에서는 실험 계획의 비중이 높아지는 것 같다고 한다.

이 실험 결과를 신뢰해서 의사결정을 해도 되는지를 정밀하게 검토하고, 비즈니스 측면에서 훨씬 좁고 깊은 영역에서 일을 하게 된다고 한다.

 

 

⭐면접 빈출문제⭐

 

 

입사를 하면 어떤 데이터 분석을 하고 싶냐는 질문은 당연히 많이 들어봤을 것이다.

이 질문은 직무 이해도와 직무 전문성 파악을 위한 목적으로 회사에 대해 알고 있는지도 파악하기 위함이라 했다.

비즈니스 도메인을 파악(회사의 사업이 상품을 판매하는 건지 등을 파악)해서 회사의 주요 지표들이 어떻게 변하고 있는지를 알아내야 하며, 회사의 상황을 뉴스 기사를 통해 어떤 상황을 겪었는지 변화를 파악하고 GA4와 같은 것으로 공부를 하면 도움이 된다고 한다.

 

예시) 오늘의 집

 

오늘의 집은 구매자도 판매자도 관리하는 것이 중요하다.

검색한 것을 기반으로 파악했을 때, 안드로이드 기준으로 직장인과 기혼고객의 퍼센트로 유저를 파악할 수 있었다.

구매 고객들의 후기를 찾아보고 어떤 불만이나 애로사항이 있는지를 파악한다.

회사의 주요 지표수는 어떻게 변하는지도 파악해서 이를 기반으로 어떤 데이터를 활용해서 어떤 결과를 도출해내고 싶다! 는 문구를 만들면 된다고 한다.

 

 

오늘의 집의 트래픽 트렌드를 보면 계속해서 상승세를 타고있다가 어느 시점부터 하락세를 보이기 시작했다.

일정 수준의 하락세가 아닌 엄청난 수준의 변동이 생겼는데 이 큰 이슈를 파악하기 위해 동향을 찾아본 결과,

21년 1월에 첫 TV CF 캠페인으로 꾸준히 상승세를 보이다가 광고의 영향이 빠지고 하락세를 보였다는 정보를 얻었다.

 

 

 

또한, 연도별 매출을 파악해봤을 때, 매출만 봤을 때는 점점 늘어나서 성장세를 보이는 것 같지만, 전년도에 비해서는 떨어졌다는 것을 볼 수 있다.

거래액은 22년 월 1400억원에 재구매자 비율도 73%로 높은 수준이고, 연간 GMV도 1.7조원이라는 결과를 보이며 객단가는 17만 7천원으로 나와있는데, 대체 근거로 11월에도 1400억으로 가정해서 유저수를 역으로 79만명이라는 것을 구해낼 수 있다.

이전 사진은 캡쳐본이라 수치가 보이지 않지만 실제로 11월에 방문 트래픽 수는 516만명으로 구매 전환율은 2%로 추정해낼 수 있다.

 

 

 

최종적으로 오늘의 집 사례를 정리해보자면, 앱 다운로드수와 재구매율, 높은 객단가를 통해 다른 이커머스들과 비교했을 때, 브랜드 인지도 향상을 위한 광고를 더이상 진행할 필요는 없어보이며, 서비스 만족도가 높기 때문에 재구매율 역시 높은 것으로 파악된다. 이미 많은 사람들이 알고 있는만큼 이미 사용할 사람들은 모두 사용중이라 신규 유저를 확보하는 것에는 어려움을 겪을 수 있을 것이며, 이커머스 평균 구매 전환율이 12% 정도인데 현재 추정 월 평균 구매전환율이 2%로 문제가 아닐 수 있지만 전환율을 올리는 것은 중요하니 현재 재구매율이 높은 유저들이 많이 남았고 매출이 증가한 것은 사실이다. 어떤 분석을 수행해서 유저들이 방문하면 구매까지 이탈하지 않고 도달할 수 있을지에 대해 고민해봐야할 것 같다. 라는 구매율을 파악하고 퍼널 분석을 통해 이탈율이 높은 것을 개선해나가는 것을 중요하게 여겨야 할 것 같다. 또한 유저 후기들을 참고해 배송기간이 긴 유저들과 그렇지 않은 유저들의 재구매 비율을 분석하고 싶다는 식의 심화로도 따져나가면 좋다더라.

결론을 요약해보자면, 다음과 같이 말할 수 있겠다.

저는 서비스 내 퍼널들을 분석해서 이탈하는 유저에 대한 분석을 하고 싶습니다.
미리 트래픽 기반으로 조사를 해왔는데, 어느 시점을 기준으로 트래픽이 하락하는 상황이었고, 이런 마케팅 효과가 뒤에서 떨어졌기 때문이라는 결론을 내렸습니다.
또한, 월 평균 구매전환율을 추정했을 때, 2%가 나왔는데 이커머스 산업의 평균 구매 전환율이 12% 정도인 것으로 알고 있으며 문제가 되지 않을 수도 있지만, 구매 전환율을 높이는 것이 중요하기에 유저들의 서비스 내 구매 여정을 파악하고 퍼널분석을 통해 이탈율이 높은 구간을 개선하고 싶습니다.
또한 고객 후기를 살펴봤을 때, 배송이 늦다는 후기들을 보게되었고, 배송이 늦다고 평가한 고객과 그렇지 않다고 평가한 고객의 재구매율에 대한 분석을 함께 진행해서 고객이 불만족한 사항을 통한 분석을 진행해보고, 이로 인해 재구매율이 낮다면 해결할 수 있는 방안을 함께 제안해나가고 싶습니다.

 

즉, 우리는 내부 데이터를 가지고 있지 않지만 외부에 주어졌던 데이터들을 기반으로 분석을 진행해서 오늘의 집의 분석 영향을 이야기 할 수 있다.

 

 

스타벅스 사례로 보는 AARRR 퍼널 분석

 

퍼널은 깔때기를 의미하며, 스타벅스에 수익이 생기려면 먼저 사람들에게 노출이 되어야 한다.

그리고 노출된 사람들 중에 실제로 스타벅스를 이용하거나 구경하기 위해 유입되는 사람들이 있을 것이고,

이 중에 실제로 구매한 비율을 알아보고 구매했던 사람들 중 재구매한 비율을 파악해보는 이런 방식이 AARRR 퍼널 분석의 방법이라 한다.

주로 표로 나타내서 비율을 파악해본다 하며,

나는 이 방법에 대해 여러번 들어봤어도 정확히 알아가지 못하고 기억에 남지 않았는데 이번에 확실히 기억에 남게 되었다.

 

 

2. 수강 후기

개인적으로 여태껏 취업 특강으로 들은 것중에 정말 원탑이다.

내가 부족한 부분이 어떤건지 확실하게 알고 면접 질문도 어떻게 대응을 해야하는지 방향성을 확실히 가르쳐 준 강의였다.

이걸 기반으로 회사 지원서도 다시 고치고 SQL 코딩 테스트도 미루지말고 빨리 준비해야겠다는 생각이 들었다.

SQL 공부를 더 열심히 해서 코딩테스트도 준비하고, 지금 하고 있는 캐글 스터디도 꾸준히 하다보면 두가지 토끼를 모두 잡아 나도 강사님처럼 데분으로 취업할 수 있겠다는 생각이 든다!

 

추천 여부

제발 신입으로 지원하려는 데이터 분석가들은 정말 꼭 들어보세요 진짜 ㅠㅠㅠㅠ

특히 비전공자여서 도움받을 곳이 부족한 분이면 더더욱 강추합니다!

다른 강의들은 다 몰라도 이건 정말 꼭 들어야 하는 특강이에요. 정말 돈 하나도 안아까워요!

진짜 강추해요 이보다 더 좋은 특강 아직 못봤습니다.