datarichard logo데이터리차드
소개About커리큘럼Curriculum멘토링Mentoring자료실Resources프로젝트Work
←자료실로 돌아가기 · Back to Resources
2025년 12월 8일·7 min read·Portfolio
A—05

포트폴리오를 케이스 스터디처럼 쓰는 법

Write Your Portfolio Like a Case Study

잘 만든 차트가 아니라 잘 쓴 의사결정 기록이 통과한다. 구조와 분량의 표준.

PortfolioWriting
CS
datarichard · A—057 min read
Article · 아티클
포트폴리오를 케이스 스터디처럼 쓰는 법
목차 · Contents
01

채용 담당자는 무엇을 보는가

What Hiring Managers Actually Look For

포트폴리오를 검토할 때 채용 담당자가 가장 먼저 하는 것은 차트나 코드를 읽는 것이 아니다. 이 사람이 어떤 문제를 골랐는지, 왜 그 문제가 중요한지를 먼저 본다. 문제 선택 자체가 이미 분석가의 사고방식을 드러낸다.

내가 검토한 포트폴리오의 절반 이상이 "좋은 분석"이었지만 "좋은 케이스 스터디"는 아니었다. 차트는 이쁘고, 코드는 깔끔하고, SQL은 복잡하다. 그런데 "그래서 어떤 의사결정을 했는가?"가 없었다. 포트폴리오는 분석 일지가 아니라, 의사결정 과정을 보여주는 문서다.

케이스 스터디 형식으로 포트폴리오를 작성한다는 것은 분석의 구조를 의사결정 프레임으로 전환하는 것이다. 이 글은 그 방법을 단계별로 정리한다.

"포트폴리오는 분석 일지가 아니라, 의사결정 과정을 보여주는 문서다."

02

케이스 스터디와 리포트의 차이

Case Study vs. Report

리포트는 "무엇이 일어났는가"를 기록한다. 케이스 스터디는 "왜 그 문제를 분석했고, 어떤 과정을 거쳤으며, 결과가 실제로 어떻게 사용됐는가"를 기록한다. 이 차이가 포트폴리오의 인상을 완전히 바꾼다.

실제 사례를 보자. 리포트 방식의 포트폴리오: "전자상거래 데이터를 EDA하고, 구매 전환율을 분석했습니다. 전환율은 3.2%였고, 주요 이탈 지점은 결제 페이지였습니다." 케이스 스터디 방식: "팀에서 월별 매출 성장률이 정체되는 이유를 파악해달라는 요청이 있었습니다. 전환 퍼널 분석 결과 결제 페이지 이탈률이 다른 단계보다 2.3배 높다는 것을 발견했고, UX 팀과 협업하여 결제 흐름을 개선했습니다. 다음 달 전환율이 3.2%에서 4.7%로 상승했습니다."

같은 분석 결과지만, 두 번째가 훨씬 강하다. 이유는 문제의 배경, 발견의 의미, 그리고 결과의 영향이 모두 포함되어 있기 때문이다.

03

문제 정의와 배경 쓰기

Writing the Problem Statement

케이스 스터디의 시작은 문제 정의다. 여기서 많은 포트폴리오가 실패한다. "이커머스 데이터 분석"처럼 너무 광범위한 제목으로 시작하거나, "전환율 분석"처럼 결과를 제목으로 삼는다.

좋은 문제 정의는 세 가지를 포함한다. 첫째, 맥락 — 이 분석이 어떤 상황에서 왜 필요했는가. 둘째, 제약 — 어떤 데이터를 갖고 있었고 어떤 한계가 있었는가. 셋째, 기대 결과 — 이 분석으로 어떤 의사결정을 지원하려 했는가.

사이드 프로젝트라면 "이 문제를 왜 선택했는가"를 쓰라. "케글 데이터셋이 있어서"는 약하다. "최근 구독 서비스 해지율에 관심이 생겨 실제 이탈 패턴을 분석하고 싶었다"는 강하다. 동기가 있는 분석이 읽는 사람에게 더 강한 인상을 남긴다.

04

분석 과정 기록하기

Documenting Your Process

과정 기록에서 가장 흔한 실수는 과정이 없이 결과만 있는 것이다. "이 모델을 적용했습니다. 결과는 다음과 같습니다." — 왜 이 모델을 선택했는가? 다른 방법은 고려하지 않았는가? 데이터 전처리에서 어떤 결정을 내렸는가?

분석 과정 기록에서 빛나는 것은 실패와 전환이다. "처음에는 A 방법으로 접근했으나 데이터 분포가 예상과 달라 B 방법으로 전환했습니다." 이런 문장이 단순한 성공 기록보다 훨씬 실무적이고 신뢰감을 준다. 완벽한 분석보다 솔직한 분석이 더 강하다.

코드나 쿼리는 중요하지만 모두 보여줄 필요는 없다. 핵심 로직 1-2개와 그 이유를 설명하는 것이 20개의 쿼리를 나열하는 것보다 효과적이다. 코드는 깊이를 증명하는 도구이지, 분량을 채우는 도구가 아니다.

"완벽한 분석보다 솔직한 분석이 더 강하다. 실패와 전환이 보이는 과정이 신뢰를 만든다."

05

결과와 영향력 서술하기

Describing Results and Impact

결과 섹션은 포트폴리오에서 가장 중요하지만 가장 약하게 쓰이는 부분이다. "전환율이 증가했다"는 결과가 아니다. "전환율이 3.2%에서 4.7%로 상승하여 월 매출이 약 12% 증가했다"가 결과다.

숫자가 없으면 임팩트가 없다. 사이드 프로젝트라도 숫자를 찾을 수 있다. 모델의 정확도, 예측 오차 감소율, 처리 시간 단축, 분석 자동화로 절감한 시간 — 이런 것들이 모두 결과다. 비즈니스 영향이 없었다면 적어도 "이 결과가 실제로 적용된다면 어떤 영향이 있을지"를 추정해서 쓰라.

결과 섹션 마지막에는 반드시 "다음 질문"을 남겨라. "이 분석을 통해 X가 Y에 미치는 영향을 확인했습니다. 다음 단계로는 Z를 분석하면 더 완전한 그림이 나올 것으로 생각합니다." 이 문장이 당신이 분석가가 아니라 사고하는 사람임을 증명한다.

06

분량, 형식, 실제 기준

Length, Format, and Real Standards

"몇 페이지가 적당한가요?"라는 질문을 자주 받는다. 내 기준은 이렇다. 케이스 스터디 하나당 읽는 데 7-10분이 적당하다. 이것을 텍스트 분량으로 환산하면 A4 기준 2-3페이지, 슬라이드라면 8-12장이다.

형식은 자유롭지만 두 가지는 지켜야 한다. 첫째, 빠르게 스캔할 수 있는 구조 — 소제목, 요약 문장, 핵심 숫자를 강조. 둘째, 텍스트와 시각화의 균형 — 차트 하나에 해석 2-3문장이 반드시 있어야 한다. 차트만 있고 설명이 없으면 독자가 스스로 해석해야 하는 부담을 주게 된다.

포트폴리오에 들어가는 케이스 스터디는 3-5개가 적당하다. 많은 것보다 잘 쓴 것이 훨씬 낫다. 한 개의 탁월한 케이스 스터디가 10개의 평범한 노트북보다 강하다. 시간이 제한적이라면 하나를 제대로 완성하는 것에 집중하라.

"한 개의 탁월한 케이스 스터디가 10개의 평범한 노트북보다 강하다."

이 글이 도움이 됐나요?

멘토링으로 더 구체적인 커리어 방향을 잡아보세요.

멘토링 문의→
목차 · Contents
Published
2025년 12월 8일
7 min read
더 읽을 만한 글

More Recommended

모두 보기 →
  • A—01Career
    데이터 분석가의 첫 90일
    The First 90 Days as a Data Analyst

    온보딩에서 첫 평가까지. 신뢰를 빠르게 쌓는 분석가의 행동 패턴 7가지.

    OnboardingCareer분석가
    8 min read
    2026-04
    →
  • A—02Resume
    이력서에서 가장 자주 발견되는 5가지 실수
    Five Recurring Mistakes I See on Data Resumes

    한 달간 검토한 80건의 이력서에서 반복적으로 등장한 패턴과 즉시 적용 가능한 수정안.

    Resume이력서Review
    6 min read
    2026-03
    →
  • A—03Interview
    SQL 인터뷰에서 점수를 잃는 순간
    Where SQL Interviews Are Quietly Lost

    정답을 맞히고도 떨어지는 후보자들의 공통점. 사고 과정을 보여주는 5가지 신호.

    SQLInterview
    9 min read
    2026-02
    →
datarichard logo

AI 시대 직장인들의 Data·AI 커리어 학습 플랫폼.A practitioner-led platform for the next generation of data and AI talent.

Sitemap
  • 소개
  • 커리큘럼
  • 멘토링
  • 자료실
  • 프로젝트
Contact
  • E-mail
  • LinkedIn
  • GitHub
Newsletter

DATA/AI 인사이트를 구독해보세요.

datarichard © 2026 · 사업자 대표 : 임동찬 사업자등록번호 : 527-12-02243 통신판매업 신고번호 : 2023-경북경산-0573 | 사업자정보확인 주소: 경산시 경산로 280 번지
datarichard