데이터 분석가 면접을 위한 고급 SQL: 서브쿼리, 피벗, 쿼리 최적화 완벽 가이드 (2026년)
데이터 분석가 면접에서 자주 출제되는 고급 SQL 주제를 심층적으로 다룹니다. 상관 서브쿼리, 조건부 집계를 활용한 피벗 쿼리, EXPLAIN 분석, 인덱싱 전략, 그리고 흔한 안티패턴까지 실전 코드와 함께 정리합니다.
Data Analytics
DATA
데이터 가치 사슬 전체를 다루는 포괄적인 Data Analytics 커리큘럼입니다. Google Sheets와 SQL을 활용한 데이터 조작부터 Power BI와 Looker Studio를 활용한 인터랙티브 대시보드 제작, ELT 도구(dbt, Zapier)를 활용한 자동화, Python(Pandas, Scikit-Learn)을 활용한 예측 분석까지 학습합니다. 데이터 소스 식별, 퍼널 구축, 고객 유지율 분석, 분석으로부터 구체적인 액션 제안 방법을 배웁니다.
배울 내용
Google Sheets와 고급 함수를 활용한 데이터 조작
BigQuery를 활용한 고급 SQL: 분석 쿼리, CTEs, window functions
마케팅, 영업, 제품 팀을 위한 데이터 모델링
ELT 도구: 변환을 위한 dbt, 자동화를 위한 Zapier
Google Tag Manager와 추적 계획을 활용한 웹 트래킹
데이터 추출을 위한 API와 webhooks
Power BI와 Looker Studio (Google Data Studio)를 활용한 데이터 시각화
통계 분석과 AB 테스트
분석을 위한 Python: Pandas, Plotly, Jupyter, Google Colab
응용 Machine Learning: Scikit-Learn을 활용한 이탈 예측, 고객 세분화
분석 방법론: KPI, 세일즈 퍼널, 리텐션, 코호트
엔드투엔드 프로젝트: 문제 식별부터 자동화된 대시보드까지
마스터해야 할 핵심 주제
이 기술을 이해하고 면접에서 성공하기 위한 가장 중요한 개념
1
Google Sheets: 고급 함수 (VLOOKUP, INDEX/MATCH, ARRAYFORMULA), 피벗 테이블, 자동화
2
SQL: SELECT, JOIN, GROUP BY, HAVING, window functions (ROW_NUMBER, RANK, LAG/LEAD), CTEs, 서브쿼리
3
BigQuery: 파티셔닝, 클러스터링, 중첩 쿼리, 비용 최적화, UDFs
4
데이터 모델링: 스타 스키마, 팩트 테이블과 디멘션 테이블, 정규화, 비정규화
5
KPI와 메트릭: CAC, LTV, MRR, ARR, 이탈률, NPS, 전환율, ARPU
6
퍼널과 코호트: 전환 분석, 코호트 리텐션, RFM 분석
7
ELT와 Data Pipeline: Extract-Load-Transform, dbt (models, tests, sources), 오케스트레이션
8
Zapier와 자동화: triggers, actions, 다단계 워크플로, webhooks
9
Google Tag Manager: tags, triggers, variables, dataLayer, 추적 계획
10
Power BI: DAX, 계산된 측정값, 관계, 시각화, 필터, 드릴다운
11
Looker Studio: 데이터 소스, 계산된 필드, 필터, 매개변수, 블렌딩
12
시각화: 적절한 차트 선택, 데이터 스토리텔링, 디자인 원칙 (Tufte)
13
AB 테스트: 가설, 표본 크기, 통계적 유의성, p-value, t-검정
14
Python과 Pandas: DataFrames, Series, groupby, merge, pivot_table, 클렌징
15
Plotly: 인터랙티브 차트, subplots, 애니메이션, 대시보드
16
Scikit-Learn: 회귀, 분류, 클러스터링 (K-Means), train/test split, 메트릭
17
방법론: 문제 정의, 소스 식별, 클렌징, 분석, 권장사항
최신 Data Analytics 기사
Data Analytics에 관한 최신 기사와 가이드를 확인하세요
Pandas 3.0 완벽 가이드(2026): 새로운 API, 주요 변경사항, 면접 질문 총정리
Pandas 3.0의 Copy-on-Write, PyArrow 문자열 백엔드, pd.col() 표현식 빌더 등 핵심 변경사항을 상세히 분석합니다. 데이터 분석 엔지니어 면접에서 출제되는 핵심 질문도 함께 다룹니다.
Python 데이터 분석: Matplotlib과 Seaborn을 활용한 데이터 시각화 면접 가이드
Matplotlib과 Seaborn을 활용한 Python 데이터 시각화 실전 가이드입니다. 차트 작성, 스타일링, 서브플롯, 면접에서 자주 출제되는 질문까지 상세하게 다룹니다.