면접관들은 결과에 관심이 없다. 과정이 궁금할 뿐.
Data Analyst 지원자 중 일부는 면접에서 대시보드 성과를 어필하는 경우가 종종 있다. 면접에서 이를 어필하려면 본인이 만들고 관리한 대시보드 개수가 아니라, 설계 및 운영 과정에서 얻은 경험을 어필하는 게 면접관의 다음 질문을 이끌 가능성이 높다. 면접관들은 결과에 관심이 없다. 과정에서 얼마나 기여했는지가 궁금할 뿐.
이를테면, 경영진과 소통하고 피드백 받으며 정확하고 빠른 모니터링에 기여했다거나 유관부서 담당자와 소통하면서 협업 역량을 키웠다는 식으로 어필해야 다음 질문을 유도할 수 있다. 특히 요즘은 정제된 데이터를 제공하면 AI가 대시보드를 뚝딱 만들어주는 시대가 되었기에 결과보다 과정에서 얻은 경험을 어필하는 게 중요하다. 이는 최근 기업 면접에서 지원자들의 AI 역량을 평가할 때 결과보다 프롬프트를 어떻게 썼는지 확인하려는 맥락과 비슷하다
실무에서 대시보드는 활용되지 않으면 의미가 없다. 이를 위해 실제로 사용하는 유저의 피드백이 중요한데 피드백을 받아보면 완벽한 대시보드란 존재하지 않는다는 걸 뼈저리게 체감하게 된다. 분석가는 추리고 추려서 필요한 데이터만 넣었다고 생각하지만, 정작 쓰는 분들은 정보가 과해서 뭘 봐야 할지 모르겠다는 피드백을 주신다.
AI를 활용해서 딸깍 한 번이면 근사한 결과물을 보여줄 수 있지만, 요구사항이 충분히 반영되었는지가 중요하다는 얘기다. 아무도 사용하지 않는데 AI로 프로덕트를 많이 만들어봤다고 자랑하는 건 본인 경험 차원에서는 도움이 될지언정 경력에서는 큰 도움이 되지 않는다. 그건 까놓고 말해서 초등학교 고학년 정도면 할 수 있기 때문이다.