데이터 분석가 면접에서 실제로 2026년에 묻는 질문들
데이터 분석가 면접의 네 가지 라운드에 대해, 각 라운드가 평가하는 내용과 SQL 테스트를 통과한 후 제안을 받는 답변들
Jordan Reyes · · 8 분 읽기
데이터 분석가 면접에서 대부분의 비중을 차지하는 것은 네 가지 질문이다. 두 테이블에 대한 쿼리 작성, 어떤 수치가 왜 움직였는지 설명, 본인이 맡았던 프로젝트 설명, 그리고 노트북을 절대 열어보지 않을 사람에게 결과를 설명하는 것. 나머지는 모두 일정 조율일 뿐이다. 이 글은 각 라운드가 무엇을 평가하는지, 데이터 분석가와 비즈니스 인텔리전스 분석가 각각에게 합격 답변이 어떤 모습인지, 그리고 아무도 알려주지 않는 가운데 어느 라운드에서 여러분이 아마 떨어지고 있는지를 다룬다.
어떤 연방 기관도 면접 질문 목록을 발표하지 않으며, 다른 어디에도 진짜 목록은 없다. 실제로 존재하는 것은 그 직무 밑바탕에 깔린 업무 데이터다. O*NET은 실제로 그 일을 하는 사람들을 설문 조사해 각 업무와 기술을 0~100점의 중요도 척도로 평가하고, 채용 패널은 그 업무들을 바탕으로 질문을 만든다 - 그러니 이 평가 점수를 보면 질문이 나오기도 전에 무게가 어디에 실려 있는지 알 수 있다. 아래의 모든 O*NET 평가 점수는 2026년 업데이트 기준 수치다.
패널이 무엇을 표본으로 삼는가
대부분의 데이터 분석가 공고가 설명하는 영역은 두 개의 O*NET 직종이 다룬다. 데이터 과학자(Data Scientists, 15-2051.00)와 비즈니스 인텔리전스 분석가(Business Intelligence Analysts, 15-2051.01)다. 두 직종의 업무 목록은 서로 다르며, 그 차이를 아는 데 10분을 들일 가치가 있다.
비즈니스 인텔리전스 분석가의 경우 가장 높은 평가를 받은 업무는 91점의 "비즈니스, 재무 또는 경제 데이터를 요약하는 표준 또는 맞춤형 보고서 작성"이며, 84점의 "비즈니스 인텔리전스 도구·데이터베이스·대시보드·시스템·방법 유지·관리", 80점의 "사용자에게 비즈니스 인텔리전스 정보를 적시에 전달"이 뒤를 잇는다. 이는 서비스 의무가 딸린 보고 업무다. 데이터 과학자의 경우 상위 두 업무는 "통계 소프트웨어를 이용한 대규모 데이터 분석·조작·처리"와 "분석 결과를 전달하기 위한 그래프·차트·시각화 자료 작성"으로, 둘 다 83점이다.
그러니 공고에 '비즈니스 인텔리전스 분석가'라고 적혀 있다면 이해관계자, 갱신 일정, 보고서가 고장 났을 때 누가 책임지는지에 대한 질문을 더 많이 예상하라. 제품팀의 '데이터 분석가'라면 지표를 정의하고 어떤 변경이 실제로 효과가 있었는지 검증하는 질문을 더 많이 예상하라. 둘 다 같은 연방 직종 코드 15-2051 안에 있으며, 그래서 BLS가 이 둘을 아우르는 임금 수치 하나만 발표하는 것이다. 임금 수치는 같아도 면접은 다르다.
도구에 관한 질문은 그렇게 딱 갈리지 않는데, 바로 이 지점에서 지원자들이 엉뚱한 방향으로 과도하게 준비한다. O*NET은 각 직종의 소프트웨어 중 일부를 '수요 급증' 또는 '핫'으로 표시하는데, 두 목록은 직함이 암시하는 것보다 훨씬 많이 겹친다 - Microsoft Power BI, Alteryx, Google Looker, Snowflake, Apache Spark, Excel, PowerPoint는 두 페이지 모두에 표시되어 있다. 겹치는 중간 부분이 스택 대부분을 차지하며, 면접은 양 끝(꼬리 부분)에서 갈린다. 비즈니스 인텔리전스 분석가 페이지에는 보고·엔터프라이즈 쪽 도구가 추가된다 - Salesforce, SAP, Google Analytics, SQL Server Reporting Services. 데이터 과학자 페이지에는 모델링·엔지니어링 쪽 도구가 추가된다 - TensorFlow, PyTorch, SAS, MATLAB, Docker, Kubernetes, Git, Apache Airflow. 그러니 비즈니스 인텔리전스 분석가 면접을 위해 TensorFlow를 복습하는 것은 엉뚱한 시험을 준비하는 것이다. 데이터 분석가 스크리닝에서 Power BI를 남의 도구인 양 취급하는 것도 방향만 반대일 뿐 같은 실수이며, 이쪽이 더 흔하다.
SQL 라운드
테이블 두세 개와 영어로 된 질문 하나가 주어진다. 누군가 지켜보는 가운데 소리 내어 쿼리를 작성하라. 문법이 핵심이 아니다.
| 주어지는 것 | 실제로 평가되는 것 |
|---|---|
| 테이블 두 개, "3월에 두 번 주문한 사용자는 몇 명인가?" | 타이핑을 시작하기 전에 '사용자'로 무엇을 셀지 묻는지 |
| 그럴듯하지만 틀린 숫자를 반환하는 쿼리 | 조인이 행을 중복시켰다는 걸 알아채는지 |
| "이번엔 국가별로, 순위를 매겨서" | 윈도우 함수가 몸에 익어 있는지, 씨름하는지 |
| "이 쿼리가 9분째 실행 중이다" | 추측하기 전에 유력한 원인 하나를 짚어낼 수 있는지 |
첫 번째 행의 함정이 사람들에게서 오퍼를 앗아가는 지점이다. "3월에 두 번 주문한 사용자"를 요청받은 데이터 분석가가 곧바로 타이핑을 시작한다면, 세 가지 질문을 건너뛴 것이다. 게스트 결제도 사용자로 치는지, 3월이 주문일 기준인지 배송일 기준인지, 환불된 주문도 계속 포함시키는지. 먼저 묻고, 그다음 써라. O*NET은 데이터 과학자에 대해 "데이터 분석으로 해결할 수 있는 비즈니스 문제를 식별하는 능력"을 78점으로 평가하는데, 이는 모호한 요청을 정확한 요청으로 바꾸는 일이 서두가 아니라 업무 그 자체라는 것을 격식 있게 표현한 것이다.
이 라운드를 위해 길러둘 만한 습관이 하나 더 있다. 다음에 무엇을 확인할지 말하는 것이다. "이 결과는 4,812건이 나오는데, 제가 가장 먼저 할 일은 이를 원본 주문 건수와 비교해서 조인 때문에 부풀려졌는지 확인하는 것입니다." 이 한 문장이 어떤 우아한 공통 테이블 표현식보다 SQL 라운드를 더 많이 잘 마무리해왔다.
SQL보다 더 많은 합격 여부를 결정하는 라운드
대부분의 데이터 분석가 지원자는 기술 스크리닝을 준비하다가 커뮤니케이션 질문에서 일자리를 놓친다, 그리고 업무 데이터가 그 이유를 말해준다. O*NET이 데이터 과학자의 일상 업무 활동 중 가장 높게 평가하는 것을 보라. "데이터 또는 정보 분석하기" 96점, "컴퓨터로 작업하기" 94점, "정보 처리하기" 93점 - 그리고 "타인을 위해 정보의 의미를 해석하기" 87점으로, 이는 "정보 수집하기"와 "결정 내리고 문제 해결하기"(둘 다 83점)보다 높다. 비즈니스 인텔리전스 분석가의 경우 같은 활동이 89점이며, "상사·동료·부하와 소통하기"는 81점이다.
기술 목록을 보면 이 점이 더욱 뚜렷해진다.
독해력 75점, 말하기 72점, 글쓰기 69점, 그리고 이 모두보다 뒤처지는 수학 63점. 미국 노동통계국은 이 직종에 대한 설명에서 같은 요점을 평범한 말로 밝힌다. 데이터 과학자는 "업무 권고를 위해 기술적 청중과 비기술적 청중 모두에게 분석 결과를 전달할 수 있어야 한다."
이를 시험하는 질문은 보통 무해하게 들리는 방식으로 온다. "지난번 분석 내용을 재무팀 사람에게 어떻게 설명하시겠어요?" 또는 압축된 버전으로, 부사장에게 90초가 주어졌다, 시작. 파이프라인 - 데이터 출처, 조인, 갱신 주기 - 을 설명하며 답하는 비즈니스 인텔리전스 분석가는 정중하게 실패한 것이며, 그 사실을 통보받지도 못할 것이다. 발견한 결과와 그것이 시사하는 결정으로 시작하라. 방법론은 누군가 물어볼 때만 이야기하라. 90초는 세 문장이다. 그 세 문장 모두를 결론에 써라.
"수치가 움직였습니다. 어떻게 하시겠어요?"
주간 신규 가입이 12% 떨어진 이유를 질문받은 데이터 분석가를 위해, 그 형태를 외워둘 만한 완전한 답변을 소개한다.
"먼저 그게 실제인지부터 확인하겠습니다 - 트래킹이 여전히 정상 작동하는지, 릴리스로 이벤트 이름이 바뀌지는 않았는지, 그 주간 데이터가 실제로 완전히 집계됐는지. 실제라면, 그것을 구분할 수 있는 차원별로 나눠보겠습니다 - 채널, 플랫폼, 국가, 신규 대 재방문. 만약 특정 세그먼트 하나가 하락 전체를 차지한다면 대개 버그나 중단된 캠페인 때문입니다. 모든 세그먼트에 고르게 퍼져 있다면 대개 계절적 요인이거나 트래픽 상류 어딘가의 문제입니다. 그런 다음 둘 중 어느 쪽으로 보이는지, 확신을 얻으려면 무엇이 더 필요한지 말씀드리겠습니다."
이 답변이 하는 일을 눈여겨보라. 계측 확인이 먼저, 이론화하기 전에 분해하기, 그리고 결론이 아니라 확신의 정도를 마지막에 밝히는 것. 패널이 이런 질문을 하는 이유는 그것이 실제 업무이기 때문이다. 비즈니스 인텔리전스 분석가에게 두 번째로 높은 평가(84점)를 받는 업무는 도구와 대시보드를 정확하게 유지하는 것이며, 그 업무의 절반은 이상한 수치가 세상 탓인지 파이프라인 탓인지를 판단하는 일이다.
"프로젝트 하나에 대해 말해보세요"
성공적으로 전달되는 버전은 사용한 기술이 아니라 내린 결정으로 시작한다. "고객지원팀에서 어떤 티켓 카테고리가 재문의를 가장 많이 유발하는지 알고 싶어했고, 그래서 90일치 티켓을 계정 테이블과 조인했더니 두 카테고리가 재문의 대부분을 차지한다는 것을 발견했으며, 그중 하나에 대해 도움말 문서를 다시 썼습니다." 사용 도구는 언급하더라도 맨 마지막의 짧은 절 하나로 끝난다.
성과 없이 끝난 프로젝트도 여전히 좋은 답이 될 수 있으며, 방어할 수 없는 매끈한 이야기보다 낫다. "이탈률 대시보드를 만들었는데 아무도 열어보지 않았습니다 - 그것을 사용할 두 사람에게 매주 무엇을 결정하는지 묻는 대신, 쿼리하기 쉬운 것들로 만들었기 때문입니다"라고 말하는 비즈니스 인텔리전스 분석가는, 이 직종에 대해 O*NET이 80점으로 평가하는 업무 - 사용자에게 비즈니스 인텔리전스 정보를 적시에 관리·전달하는 것 - 를 방금 입증한 것이다. 이는 스크린샷 딸린 대시보드보다 더 나은 신호다.
학위에 대해 물어볼까?
드물게 물어보며, 지원자들이 걱정하는 방식으로는 아니다. O*NET은 데이터 과학자를 "상당한 준비가 필요함"인 잡 존 4로 분류하는데, 여기서는 설문 대상 근로자의 48%가 학사, 44%가 석사라고 답했다 - 즉 대학원 학위가 없는 데이터 분석가는 예외가 아니라 더 큰 쪽 집단에 속하는 것이다.
"희망 연봉이 어떻게 되세요?"
범위를 제시하고 여기에 지역 정보를 덧붙여 답하라. 이 직종의 연방 임금 데이터는 유난히 폭이 넓은데, 그 폭 자체가 단일 숫자를 말하지 않아도 되는 근거가 된다.
Data scientists: wages and outlook, May 2025
BLS에 따르면 2025년 5월 기준 중위값은 120,230달러이며, 하위 10%는 67,240달러 미만, 상위 10%는 199,130달러를 넘고, 일자리 수는 275,600개다. 고용은 2025년부터 2035년까지 35% 증가할 것으로 전망되며, 10년간 연평균 약 24,800개의 채용 자리가 예상된다. 그 범위 안에 들고 자신의 대도시권을 명시한 숫자는 방어 가능하다. 단일 숫자는 앞으로 2년간 여러분을 옭아맬 추측일 뿐이다.
이 데이터가 말하지 않는 것
O*NET은 채용하는 사람이 아니라 그 일을 하는 사람들을 설문한다. 회사가 몇 번의 라운드를 진행하는지, 지원자 중 몇 퍼센트가 SQL 스크리닝을 통과하는지, 테이크홈 과제가 얼마나 걸리도록 설계됐는지, 특정 고용주가 머신러닝에 대해 아예 물어보기는 할지에 대해서는 아무것도 알려주지 않는다. 이 평가 점수는 그 업무가 무엇에 무게를 두는지를 알려줄 뿐, 특정 패널이 여러분의 한 시간을 어떻게 쓸지는 알려주지 않는다. "그들이 물어볼 50가지 질문"이라는 순위 목록을 파는 사람이 있다면, 그것은 그 사람이 지어낸 순위다.
테이크홈 과제가 있다면
서면 요약을 본 과제로, 분석 자체는 부록으로 취급하라. 누군가는 노트북을 열어보기 전에 한 페이지를 훑어볼 것이고, 바로 그 페이지에서 "타인을 위해 정보의 의미를 해석하는 능력" - 비즈니스 인텔리전스 분석가 89점, 데이터 과학자 87점 - 이 실제로 채점된다. 두 문단이면 충분하다. 무엇을 발견했는지, 그리고 그것에 대해 무엇을 하겠는지. 그런 다음 이것이 실제 업무였다면 제기했을 유보 사항을 덧붙여라. 자신의 분석에서 약점을 스스로 짚어내는 것이야말로 이 일을 이전에 해본 적 있다는 가장 신뢰할 수 있는 신호이기 때문이다.
코드는 읽기 쉽게 유지하고 질문에 답이 되면 멈춰라. 차트 네 개와 권고 하나를 내놓는 데이터 분석가는 시니어처럼 읽힌다. 차트 열네 개에 권고가 없으면 무엇이 중요한지 결정하지 못한 사람처럼 읽히며, 무엇이 중요한지 결정하는 것이 바로 이 일이다.
이번 주에 무엇을 해야 하나요?
세 가지를, 이 순서로 하라. 최근 프로젝트의 90초 버전을 써라 - 발견 먼저, 방법은 마지막 - 그리고 서두르지 않고 90초 안에 들어갈 때까지 소리 내어 말해보라. 그런 다음 최근에 작성한 쿼리 하나를 골라, 타이핑하면서 이를 설명하는 연습을 하고, 다음에 무엇을 확인할지에 대한 문장으로 마무리하라. 마지막으로, 리크루터와 통화하기 전에 자신의 대도시권 임금 범위를 미리 찾아봐서, 연봉 질문에 침묵이 아니라 범위로 답할 수 있게 하라.
면접을 통과하는 것보다 애초에 면접까지 가는 것이 더 어려운 제약이라면, HeroApply가 이력서를 바탕으로 지원서를 채워준다. 그러면 그 시간이 양식 작성이 아니라 위의 네 라운드에 쓰일 수 있다.
소스
- BLS Occupational Outlook Handbook - Data Scientists, May 2025 wages and 2025–35 projections
- O*NET OnLine - Data Scientists 15-2051.00, tasks, work activities and technologies (updated 2026)
- O*NET OnLine - Business Intelligence Analysts 15-2051.01, tasks, skills, activities and technologies (updated 2026)
자주 묻는 질문
데이터 분석가 면접에서 어떤 질문이 나올까?
대부분의 경우 네 가지 그룹으로 나뉘며 - SQL 또는 쿼리 연습, 지표 변화에 대한 진단 사례, 자신이 주도한 프로젝트를 설명하는 과정, 비기술적인 사람에게 결과를 설명하는 질문이다. O*NET은 '수학적 모델링 결과를 구술 또는 서면으로 발표'를 데이터 과학자 직무에서 80점으로 평가하며, '통계 소프트웨어를 사용해 원시 데이터를 정리하고 조작'을 76점으로 평가한다. 준비 순서는 이 순서와 일치해야 한다.
데이터 분석가 인터뷰에서 필요한 SQL 양은 얼마나 되나요?
두 개의 테이블을 조인하고, GROUP BY를 사용해 집계하고, 날짜 범위를 기준으로 필터링하며, 윈도우 함수를 사용할 수 있어야 합니다. 인터뷰어들은 일반적으로 비즈니스 질문을 쿼리로 변환할 수 있는지 확인하므로, 문법을 외우는지 여부를 점검하지 않습니다. 쿼리를 작성하고 그 결과에 문제가 있을 수 있는 점을 구체적으로 말할 수 있다면, 대부분의 채용 공고의 기준을 충족한 것입니다.
데이터 분석가로서 '데이터 프로젝트를 말해보세요'라는 질문에 어떻게 대답해야 하나요?
분석이 결정을 바꾸었음을 중심으로 설명하세요. 어떤 질문을 받았는지, 어떤 데이터를 가지고 있었는지, 무엇을 발견했는지, 그리고 그 결과로 누구나 어떻게 달라졌는지를 명확히 말하세요. 누구도 열람하지 않은 대시보드를 끝내는 프로젝트도, 그 이유와 개선할 점을 설명하면 여전히 유용한 답변이 됩니다.
데이터 분석가로서 급여 기대를 어떻게 말해야 하나요?
해당 직종과 대도시권에 대한 공개 임금 데이터에 근거한 범위를 제시한 뒤, 총 패키지는 협상 가능하다고 말하라. BLS에 따르면 2025년 5월 기준 데이터 과학자의 중위 임금은 120,230달러이며, 하위 10%는 67,240달러 미만, 상위 10%는 199,130달러를 넘는다. 그 폭이 워낙 넓기 때문에, 지역 정보가 없는 숫자 하나는 리크루터에게 거의 아무것도 말해주지 않는다.
데이터 분석가 면접에서 아직도 테이크홈 과제를 쓰나요?
많은 곳이 여전히 사용하며, 보통 개방형 질문이 딸린 작은 데이터셋 형태다. 서면 요약을 채점 대상으로 여겨라. O*NET은 비즈니스 인텔리전스 분석가에 대해 "타인을 위해 정보의 의미를 해석하는 능력"을 100점 만점에 89점으로 평가하는데, 이는 데이터 자체를 다루는 일이 아닌 업무 활동 중 가장 높은 평가이며, "상사·동료·부하와 소통하기"의 81점보다도 높다. 결론이 있는 깔끔한 두 문단짜리 답변이 결론 없는 40개 셀짜리 노트북보다 낫다.
헤로애플라이가 지원을 대신해 줍니다
지원할 일자리들을 당신의 이력서와 맞춤으로 찾고, 당신의 목소리로 필터링 질문에 답하며, 데스크톱, 스마트폰 또는 클라우드에서 지원서를 제출합니다.
Jordan Reyes · Careers Editor
Jordan writes the resume, cover letter and interview guides - the parts of the search that happen before anyone presses Apply. Every example comes from a real job title.
블로그의 최고 내용, 주 1회
주간 가이드를 한 통의 이메일로. 스팸 없이, 언제든지 구독을 취소할 수 있습니다.
