데이터분석 포트폴리오는 그래프의 화려함보다 질문과 근거가 이어지는지 보여줘야 합니다. 원본 데이터의 출처와 이용 조건, 처리 과정, 결과의 한계를 함께 공개하세요.
문제와 데이터
누구의 어떤 결정을 돕는 분석인지 먼저 씁니다. 데이터 수집 기간, 표본, 빠진 값과 편향 가능성을 명시해야 결과를 과장하지 않을 수 있습니다.
재현 가능성
정제·변환 코드와 실행 순서, 필요한 패키지 버전을 기록합니다. 분석 결과만 그림으로 붙이면 판단 과정을 확인하기 어렵습니다. README와 노트북의 역할을 나눠 정리하세요.
해석과 한계
지표의 정의와 비교 기준을 설명하고 상관관계를 인과관계로 단정하지 마세요. 다른 해석이나 추가 검증이 필요한 부분을 분리해 적으면 면접 질문에도 답하기 쉽습니다.
관련 기술의 공식 설명은 GitHub README 문서에서 확인하세요. 관련 주제: 데이터분석 포트폴리오 구조: README부터 재현 코드까지.
자주 묻는 질문
데이터 규모가 커야 좋은가요?
규모보다 질문과 데이터가 맞는지, 계산을 재현할 수 있는지, 한계를 솔직히 밝히는지가 중요합니다.