스타트업 데이터 분석가 이력서 #1: 서류탈락 하는 이력서
데이터 분석 직무 자체가 워낙 회사마다, 심지어 회사 안에 있는 팀마다 다르기 때문에 회사마다 기준이 조금씩 다를 수 있습니다. 데이터 분석 직무는 요구하는 기술직인 역량이 개발자 같은 포지션 만큼은 아니기에 허들이 더 낮다고 생각하는 경우도 있지만, 기술적인 부분 외에도 정말 다양한 역량이 필요한 직무인 만큼 지원자의 역량 mix가 회사의 니즈와 안 맞는 경우가 많습니다.
결국 서류 전형에서는 지원하는 회사에 대해 그리고 각 채용 공고 내용을 이해하는 게 중요할 것 같은데요, 제 경험상 서류 탈락하는 데이터 분석가 이력서 아래와 같습니다.
(Note: 이 글은 데이터 분석가 면접관을 하던 2022년에 작성된 글입니다.)
1. 구체적인 내용이 없다
구체적인 내용이 없는 이력서는 경력과 역량을 파악하기 어렵고 성의도 없어 보이기 때문에 탈락 확률이 높습니다. 특히 데이터 분석가는 딱 보여줄 수 있는 결과물이 존재하지 않는 경우가 많아서 여러모로 무엇을 제출해야 할지 애매한 직무입니다. 디자이너는 포트폴리오, 개발자는 깃헙을 제출하는 반면 데이터 분석가는 대부분 이력서만 필수로 제출합니다. 이력서로만 판단해야 하는데 내용이 구체적이지 않아 어떤 일을 했고 어떻게 기여 했는지 파악할 수 없는 경우가 많아요. 이력서 리뷰어는 지원자에 대해 아무것도 모르는 상태에 이력서 한두 장으로 지원자를 파악해야 한다는 점을 잊지 마세요.
2. 이력서 내용이 채용 공고랑 하나도 안 맞다
이력서 내용이 채용공고랑 완벽하게 맞지 않아도 지원해 보는 건 문제 없지만, “왜 지원했지…?” 싶은 경우가 많습니다. Senior Product Data Analyst 포지션인데 마케팅 분석 경험만 있는 지원자가 있다면 최소한 프로덕트에 관심이 있다는 걸 나타날 수 있는 무언가가 (사이드 프로젝트, 업무 중 프로덕트 분석에 가까운 업무, 프로덕트에 관심을 갖게 된 계기에 대한 설명, 등) 이력서에 있어야 합니다. 주니어에게도 어느정도 해당하지만 시니어의 경우 더더욱 공고 내용이랑 안 맞는 지원자는 탈락할 수밖에 없습니다. 채용 공고를 조금 더 자세하게 살펴주세요 :)
3. 빅데이터, AI, 머신러닝…
다 핫한 키워드들입니다. 그렇지만 관련 역량을 보유하고 있다고 좋은 데이터 분석가가 되는건 아닙니다. 오버스펙도 아니라 그냥 다른 스킬셋입니다. 회사마다 원하는 데이터 분석가의 스킬셋이 다르기 때문에 해당 역량을 가진 지원자를 찾는 경우도 있지만 데이터 분석가, 데이터 사이언티스트, 머신러닝 엔지니어는 각 각 다른 역할을 하기 때문에 채용 공고에 이런 내용이 없다면 빅데이터, AI, 머신러닝과 같은 기술들을 강조한 이력서는 위에 설명한 2번과 마찬가지로 연관 경력이 없는 지원자로 생각합니다.
4. 신입의 경우: 노력이 안보이는 경우
이력서로 자신의 역량을 보여주는건 시니어도 쉽지 않은데요. 신입은 경력이 없는 만큼 개인 사이드 프로젝트, 온라인 강의 학습, 등 데이터 분석가에게 필요한 역량을 키우기 위한 노력을 보여야합니다. 왜 이 회사에 지원했는지 왜 데이터 분석 일을 하고싶은지 설명도 들어가도 좋습니다. 해보기 전까지 데이터 분석가가 어떤 역할인지 다 알 수 없지만, 그래도 직무에 대해 많이 파악을 해봤고 노력했다는 것을 보여주세요!
5. 경력직의 경우: 요청봇으로만 일해봤다
스타트업 데이터 분석가는 단순히 데이터 요청을 받고 추출하는 사람이면 안됩니다. 서비스를 잘 이해한 상태에서 문제 정의, 가설 설정, 주도적으로 데이터 분석을 통해 인사이트 도출, 그리고 주도적으로 논의에 참여하며 임팩트를 냅니다. 경력직은 주도적으로 일을 할 수 있는 사람이길 더 크게 기대하기 때문에 요청봇으로만 일한 사람으로 판단될 경우 아주 큰 마이너스입니다. 비슷한 맥락으로 BI 전문가로 대시보드 구축만 많이 했던걸로 판단되는 경우 마이너스일 수 있습니다.
핵심은 데이터 추출과 시각화 이상으로 일하면서 임팩트를 내는 게 중요해요. 회사마다 기준이 다르지만, 저는 기술적으로 탄탄한 데이터 분석가 vs 데이터 문해력이 좋은 분석가 중에서는 후자를 채용합니다. 기술적으로 탄탄한 데이터 분석가는 많고 기술적인 부분은 차차 배울 수 있어요. 데이터 문해력은 이력서로 다 보여주기 어렵지만 이 부분을 더 고민하면 좋은 이력서를 만들 수 있습니다!
