비즈니스 문제를 데이터 과학 문제로 변환

많은 데이터 과학 인터뷰에서 비즈니스 관련 질문을 하는 것이 일반적입니다. 인터뷰 대상자는 인터뷰에서 비즈니스가 직면한 문제를 해결해야 합니다. 예를 들어, 신문사에서 벌어들이는 이윤이 떨어지고 있는 상황을 구제하기 위해 할 수 있는 일은 무엇입니까? Reliance Jio가 새로운 위치에서 운영을 시작하는 것이 유리한지 결정할 수 있는 방법. Baba Ramdev SIM 출시가 Reliance Jio 등의 비즈니스에 미치는 영향

인터뷰 대상자가 데이터 과학 질문을 잘 준비하는 것은 일반적입니다. 그들은 "결측값을 어떻게 귀속시키는가", "어떤 알고리즘이 데이터세트에 적합한지 어떻게 결정합니까?"와 같은 질문을 예상하고 잘 준비합니다. 그러나 후보자들은 비즈니스 케이스에 직면했을 때 완전히 당황합니다. 그 이유 중 일부는 후보자가 인터뷰에서 비즈니스 사례 질문을 기대하지 않기 때문입니다. 데이터 과학 블로그나 과정이 없는 또 다른 이유는 비즈니스 문제를 데이터 과학 문제로 변환하는 방법을 다루지 않습니다. 데이터 분석에 사용할 수 있는 프레임워크가 있지만 비즈니스를 데이터 문제로 전환하는 방법에 대해서는 놀라울 정도로 조용합니다. 예를 들어, CRISP-DM 프레임워크는 데이터 분석으로 매우 유명합니다. CRISP-DM의 첫 번째와 두 번째 단계는 '비즈니스 이해'와 '데이터 이해'입니다. 대부분의 데이터 과학자 지망생은 1단계에서 2단계로 진행하는 방법을 모릅니다. 이 글의 목적은 이 간극을 채우는 것입니다. Victor Cheng의 책과 비디오는 비즈니스 문제를 데이터 문제로 전환하는 방법을 이해하는 데 도움이 되었습니다. 이 기사는 그의 가르침을 기반으로 합니다.

면접관의 마음가짐

케이스 인터뷰에 응하는 방법에 대해 알아보기 전에 면접관의 마음을 이해합시다. 면접관은 비즈니스 질문을 할 때 무엇을 찾고 있습니까? 면접관이 찾고 있는 것 중 일부는 다음과 같습니다.

• 지원자는 독립적인 사고방식을 가지고 있습니까?
• 정확하지 않아도 답변이 충분합니까?
• 후보자가 제공하는 솔루션은 고객에게 친숙한가 (컨설팅 회사의 경우)
• 후보자가 제공하는 솔루션은 선형입니까?
• 후보자가 솔루션을 시각적으로 설명했습니까?
• 후보자의 솔루션이 구현하기에 실용적입니까?

후보 솔루션은 과제에서 솔루션으로 선형적이고 논리적으로 진행되어야 합니다. 솔루션이 흩어져 있어 임의로 한 지점에서 다른 지점으로 이동하면 면접관의 마음에서 즉시 인터뷰가 종료됩니다. 또한 오답이 있는 올바른 접근 방식이 잘못된 접근 방식의 정답보다 선호됩니다. 접근 방식이 틀리고 답이 맞으면 면접관은 후보자가 운이 좋았다고 가정합니다. 모든 상황에서 그렇지는 않을 것입니다. 접근 방식이 정확하면 반복 가능하며 많은 비즈니스 상황에 적용할 수 있습니다.
데이터 과학이란 무엇입니까? 데이터 과학자는 누구입니까? 분석이란 무엇입니까?

'인터뷰 사례 ' 질문에 답하기

사례 인터뷰 질문에 대한 답변은 세 단계로 나눌 수 있습니다. 열고 분석하고 닫습니다. 열기와 닫기는 공식적이며 연습을 통해 쉽게 답할 수 있습니다. 분석 단계는 비즈니스 문제에 따라 다르며 사고와 창의성이 수반됩니다. 질문에 답하는 각 단계에서 무엇을 해야 하는지 알아보겠습니다.
사례 인터뷰 질문에 답변하는 단계는 다음과 같습니다.

• 실속
• 이해를 확인
• 문제의 구조 파악
• 분석하다
• 닫기

스톨링(오프닝 스테이지)

Victor Cheng은 "아, 이것은 매우 흥미로운 문제입니다." 이것을 '스톨링'이라고 합니다. 대답을 5초 이상 기다리면 면접관은 당신이 답을 모른다고 생각할 것입니다. 지연은 문제를 생각할 수 있는 귀중한 시간을 확보하는 데 도움이 됩니다.

이해를 확인

일반적으로 '사례 인터뷰' 질문은 한 줄로 작성됩니다. 질문에 답변하기 위해 필요한 모든 정보는 제공되지 않습니다. 후보자는 질문을 하고 이해를 확인해야 합니다. 앞에서 말했듯이 신문의 이익을 늘리는 경우라면 '신문은 어떤 주제를 다루고 있나요?', '이 신문의 대상 독자는 무엇입니까?' 등과 같은 질문을 할 수 있습니다. 면접관이 사용한 용어에 대해 명확히 하십시오. 그리고 당신이 확신하지 못하는 것. 여기서 아무 것도 가정하지 않는 것이 중요합니다. 가정하면 회사가 직면하지 않은 잘못된 문제를 해결할 수 있습니다. 이 연습은 또한 면접관에게 도움이 필요할 때 귀하가 얼마나 도움이 필요한지 알려줄 것입니다.
답변의 초기 단계에서는 개방형 질문을 자유롭게 할 수 있습니다. 시간이 지남에 따라 당신은 자유를 잃게 될 것이고 폐쇄적인 질문만 할 수 있게 될 것입니다. 끝으로 개방형 질문을 하면 면접관은 당신이 답을 묻고 있다고 생각하게 될 것입니다. 그러니 주저하지 말고 대답할 가치가 있다고 생각되는 질문을 하십시오.
"데이터 과학자가 되는 방법"이 답입니다!

구조 식별

질문을 한 후 필요한 정보를 얻은 후에는 질문이 속한 구조를 식별합니다. Victor는 사례 인터뷰 질문이 속할 수 있는 네 가지 프레임워크를 지정합니다. 중요도에 따른 프레임워크(인터뷰에서 묻는 빈도에 따라)는 다음과 같습니다.

• 이익
• 사업 상황
• 합병 및 인수
• 공급 수요

비즈니스 상황 프레임워크의 예는 – 신제품 출시, 경쟁자 행동에 대응, 수요 변화, 회사의 성장 전략 등입니다. 공급/수요 문제의 예는 새 공장을 짓거나 공장을 폐쇄하는 것입니다. 인수를 통한 능력의 변화, 수요의 변화 등
이러한 프레임워크는 어렵지 않고 빠르지 않습니다. 이익 문제는 결국 비즈니스 상황이나 수급 문제로 귀결될 수 있습니다. 그럼에도 불구하고, 이 분류는 우리의 생각에 구조를 제공하고 당면한 도전을 앞으로 나아가는 데 도움이 될 것입니다.
문제 구조를 식별하고 적절한 프레임워크와 일치시키면 다음 단계는 프레임워크의 핵심 구성 요소를 설명하는 것입니다. 예를 들어, 신문의 이윤을 늘리는 경우 수익과 비용에 대해 이야기할 수 있습니다. 주의하고 프레임워크의 이름을 명시적으로 지정하지 마십시오. 프레임워크는 생각을 구조화하기 위한 것이며 면접관에게 언급하기 위한 것이 아닙니다. 설명과 함께 프레임워크의 주요 구성 요소를 그립니다. 이 단계를 수행하면 제 2의 천성이 될 것입니다. 구조 식별의 핵심 사항은 다음과 같습니다.

• 문제의 본질 식별
• 문제를 적절한 프레임워크에 연결
• 프레임워크의 핵심 구성 요소 설명
• 그리다

이 작업이 완료되면 문제를 분석하는 프로세스의 다음 단계로 진행합니다.
상위 17개 데이터 분석가 인터뷰 질문 및 답변

분석하다

여기서 분석은 데이터를 분석하는 것을 의미하지 않습니다. 아직 멀었다. 데이터는 마지막에 옵니다. 데이터를 요청하기 전에 해결해야 할 다른 사항이 있습니다.
어디서부터 시작해야 하는지 묻는 것으로 분석을 시작하십시오. 신문의 수익성을 개선하려면 비용 또는 수익으로 진행해야 하는지 물어보십시오. 면접관의 선택에 따라 답변을 진행합니다.
근본적인 문제를 의사 결정 트리로 시각화하고 루트에서 시작합니다. 가설을 진술하고 면접관의 선택에 따라 분기를 선택하십시오. 지점 내 주요 문제를 식별하고 설명합니다. 표준적인 질문을 하고 계속 드릴다운하십시오. 이 과정에서 가설을 계속 수정하십시오. 해결하지 못한 분기의 막다른 골목에 도달하면 분기의 노드까지 추적하여 반대 방향으로 이동합니다.
전체 과정에서 큰 소리로 생각하십시오. 이것은 면접관이 당신의 사고력과 분석 능력에 대해 아는 데 도움이 될 것입니다. 당신의 생각에 어떤 결함이 있다면, 그들은 그것을 지적하고 올바른 방향으로 당신을 도울 수도 있습니다. 사례 인터뷰 질문에 대해 큰 소리로 생각하는 것은 항상 좋은 습관입니다.
가설이 있는 의사결정나무의 잎사귀에 도달하거나 면접관이 가설에 대해 확신하지 못하는 지점에 도달하면 계속해서 데이터를 요청할 수 있습니다. 당신의 가설을 받아들이거나 반박하는 데 도움이 될 수 있는 데이터. 통찰력을 얻고 비즈니스 결정을 내리는 데 도움이 되는 데이터입니다. 기억해야 할 점은 모든 데이터 요청은 확실한 설명으로 뒷받침되어야 한다는 것입니다. 아무런 설명 없이 자료를 요구하는 것은 면접관이나 상담의 경우 클라이언트와 잘 어울리지 않을 것입니다.
이것으로 비즈니스 문제를 데이터 분석 문제로 변환하는 작업이 완료됩니다. 이 작업이 완료되면 이제 데이터 분석을 진행하는 방법을 알게 되었습니다. 여기에서 표준 CRISP-DM 단계는 다음과 같습니다.

• 데이터 이해
• 데이터 모델링
• 모델 검증
• 모델 배포
• 모델 업데이트 및 관련성 유지

사례 인터뷰 질문에 답하기 위한 팁과 요령

• 숫자를 세분화
• 회사 대 경쟁사
• 올해 대 작년
• 큰 소리로 생각
• 데이터를 요청하기 전에 데이터가 필요한 이유를 설명하십시오.
• 아무것도 추측하지마
• 비즈니스 문제에 답하는 연습

숫자를 세분화

데이터 과학은 문제를 구성 요소로 분해하는 것입니다. 부품을 분석하고 통찰력을 얻으십시오. 부품을 결합하고 데이터 분석으로 뒷받침되는 권장 사항을 제공합니다. 이러한 부분의 조합은 컨설팅 언어로 '종합'이라고도 합니다.
데이터를 여러 부분으로 분할할 때 더 나은 통찰력을 얻을 수 있습니다. 신문 수익이 매출 손실로 인해 감소했다고 가정해 봅시다. 전체 수익 손실은 많은 통찰력을 제공하지 않습니다. 이 수익을 구독자 연령에 따라 다른 버킷으로 분할하면 더 가치 있는 통찰력을 제공할 수 있습니다. 회사는 수익을 개선하기 위해 특정 연령 그룹을 대상으로 하는 작업을 실행할 수 있습니다. 비즈니스 문제가 주어지면 항상 이를 다른 부분으로 나누는 최선의 방법을 확인하십시오.
비즈니스 문제를 고려할 때 특정 회사 또는 전체 산업이 직면한 문제인지 생각해 보십시오. 솔루션과 권장 사항은 두 경우 모두 다릅니다. 또 다른 생각은 과거와 현재의 성과를 비교하는 것입니다. 이 두 가지 생각은 사례 인터뷰 질문에 대답하는 데 앞으로 나아갈 방향을 제공할 것입니다.

단계와 다른 프레임워크에 대해 아는 것은 특정 지점까지만 당신을 데려갈 것입니다. 사례 면접 질문에 성공적으로 대답하는 데 도움이 되는 것은 '연습, 연습 및 더 많은 연습'입니다. 이것은 다른 방법이 아닙니다. 검증 질문을 하고, 구조를 식별하고, 문제를 프레임워크에 일치시키고, 가설을 공식화하고, 의사 결정 트리를 따라 이동하는 등의 유창함은 연습을 통해서만 가능합니다. 사례 인터뷰 질문을 풀거나 비즈니스 문제를 연습 없이 데이터 분석 문제로 변환하는 것은 불가능합니다.
데이터 과학자: 신화 대 현실

요약하자면, 비즈니스 문제를 데이터 과학 문제로 변환하는 것은 사례 인터뷰 질문과 동일시될 수 있습니다. 사례 인터뷰 질문에 성공적으로 대답하기 위해 따라야 할 단계는 - 인터뷰어를 지연시키고, 문제의 구조를 식별하고, 기본 프레임워크와 일치시키고, 가설을 공식화하고, 관련 질문을 하여 의사 결정 트리를 탐색하고, 마지막으로 다음과 같이 데이터를 요청합니다. 원하는 이유를 설명합니다. 마지막으로, 사례 인터뷰 질문에 성공적으로 응답하려면 연습하십시오. 비즈니스 문제를 데이터 과학 문제로 전환할 수 있게 되면 CRISP-DM 프레임워크를 따라 결과를 분석하고 데이터가 뒷받침하는 권장 사항을 제공하십시오.

지금 IIM-Kozhikode의 비즈니스 의사 결정을 위한 데이터 과학 전문 인증 프로그램에 참여하십시오!