메뉴 건너뛰기


퓨처랩 세부메뉴

합격자소서

㈜KT 2017년 상반기 신입 설문·리서치합격자소서

합격자 정보

  • 대학원
  • 산업공학
  • 학점 3.7/4.5
  • 토익 800
  • 토스 Level6
  • 자격증 3개
  • 수상 2회
  • 79,218읽음

전문가 자소서 총평

5

중장기적 목표가 구체적인 방법론이 없었다는 점을 제외하고 전체적으로 본 자기소개서는 나무랄 곳이 없는 잘 쓴 자기소개서입니다. 지원자의 지적인 역량도 돋보이고 글 솜씨도 돋보입니다. 특히 제시한 모든 사례가 지원하는 직무와 직접적으로 연관이 있고 일반 기업과 함께 한 활동인 점이 호감을 주고 있습니다. 장점 : 데이터 분석과 관련된 지원자의 강점과 전문성이 느껴진다는 점이 좋았습니다. 제시한 경험도 학문에만 그치는 경험이 아니라 실제 기업에서 활동한 경험인 점이 호감을 주고 있고 항목에서 요구한 사항에 대해 군더더기 없이 제대로 설명한 점도 좋습니다. 단점 : 큰 문제는 아니지만 중장기적인 목표가 무엇을 하겠다는 내용만 있고 어떻게 할 것인지에 대한 내용이 없어 구체적이지 않았다는 점이 아쉽습니다.

합격자소서 질문 및 내용

답변
[CRM 데이터 수집, 분석을 통한 솔루션 구축]

KT의 빅데이터 분석 전담 팀에서 근무하며 CRM 관련 데이터 수집부터 분석을 통한 솔루션 구축 업무를 수행하고 싶어 지원하게 되었습니다.
대학원 재학 당시 빅 데이터 관련 프로젝트를 진행하며 KT의 ‘D-커머스’와 ‘쇼닥’, 등의 고객맞춤 서비스를 알게 되었습니다. 또한 KT는 관광솔루션 창출을 위한 공공데이터 활용 등 다양한 분야에서 빅 데이터를 통해 끊임없이 가치를 창출하고 있습니다. 이러한 기업에서 제가 가진 빅 데이터 분석 능력을 발휘하여 이를 통해 사회를 발전시키는데 이바지 하고 싶습니다.좋은점 1


빅 데이터 관련 프로젝트 수행, 비정형 데이터 수집 및 처리, 공모전 경험을 통해 습득한 분석능력을 바탕으로 KT에서 다음과 같은 업무를 수행하고 싶습니다.
첫째, 다양한 채널을 통해 비정형 데이터를 crawling하여 KT가 적재적소에 활용 가능한 데이터를 확보하겠습니다. SNS 상의 사람들의 의견과 태도, 감성 등에 대한 데이터, 동영상, 신호 등 분야 막론 분석 가능하게 전처리하는 업무를 진행할 것입니다.
둘째, KT 빅데이터 분석 기존 알고리즘 개선과 효율성 증대 방안을 모색할 것입니다.
빅 데이터 전처리, 군집화, 예측모형에서 사용되는 수많은 알고리즘을 비교 분석하여 기존 performance를 개선할 것입니다.아쉬운점 1

글자수 6701,113Byte

좋은점 1 회사 및 직무 선택동기가 논리적으로 공감이 간다는 점이 좋습니다. 다만 직무 선택동기가 좀 더 구체적으로 제시되면 좋겠습니다. CRM 데이터 분석이 가치를 만드는 일이라는 것은 알겠지만 지원자의 어떤 특징이 이 분야와 연관이 있는지 명확하게 느껴지지 않는다는 점이 아쉽습니다.

아쉬운점 1 회사에서 이루고 싶은 중장기적인 목표에 대한 부분입니다. 하지만 무엇을 하겠다는 말만 있고 어떻게 할 것인지, 그리고 그것이 회사에 어떻게 도움이 될 수 있는지, 장기적으로 결국 어떤 성과를 내고 싶은지에 대해 구체적으로 작성하지 않은 점이 아쉽습니다.

답변
[나와 네가 가장 잘할 수 있는 일]

팀 단위 협업에서 각 팀원이 가장 잘 할 수 있는 업무를 분담하여 최대의 효율을 낼 수 있게 팀원과 허물없이 소통하여 업무 방향을 업데이트하는 것이 중요한 것임을 알게 된 경험이 있습니다.좋은점 1

대학원 재학 당시 데이터 마이닝 팀 프로젝트를 수행했습니다. 저희 팀은 산업공학, 경영학, 컴퓨터 공학 등 여러 전공자로 구성 되어 있었습니다. 우리 팀은 프로젝트 주제인 ‘데이터 분류모형과 예측모형 구축’에 있어 전문성이 부족하여 진행이 어려울 것이라고 생각했습니다.
그러나 저는 팀원들의 강점을 살릴 수 있다면 큰 시너지가 창출될 것이라고 생각했고, 이를 프로젝트에 적용하기 위해 매일 저녁 1시간 군집화, ANN, SVM 등에 대한 알고리즘을 각 팀원 영역에 활용 가능 방안에 대하여 세미나를 주도했습니다.

경영학과 팀원을 통해 ‘SNS상의 고객불만 분석‘ idea를 얻을 수 있었고, 컴퓨터 공학 팀원에게서는 C, Python 코딩을 분담하여 R코딩과의 분석 결과를 검증했습니다.
이러한 과정을 통해 실제 SNS상 데이터를 수집하여 분석을 실시했고, 발표 결과 ‘실사구시’라는 측면에서 높은 평가를 받으며 1등을 할 수 있었습니다.좋은점 2


팀 개개인의 강점을 파악하고 목표달성에 활용할 수 있도록 벽 없이 소통했던 방법을 KT의 빅 데이터 분석 팀에서도 발휘하여 효율을 극대화할 수 있는 분석가가 될 것입니다.

글자수 7071,182Byte

좋은점 1 본 항목의 결론을 글 서두에 제시한 점이 좋습니다. 어떤 내용의 글일지 미리 예측할 수 있도록 배려했기 때문입니다.

좋은점 2 지원 분야와 연관되는 경험인 점도 좋고, 내용 역시 공감을 할 수 있었다는 점에서 호감이 갑니다. 그리고 항목에서 요구한 사항을 빠짐없이 제시한 점도 좋습니다. 다만 앞 부분에 ‘저희 팀’ , ‘우리 팀’ 을 혼용하여 쓴 부분이 아쉽습니다.

답변
[창의는 장르를 구분하지 않을 때 나온다]

데이터 분석 업무에서 중요한 역량 중 하나는 ‘끊임없는 오류를 마주하고 이를 해결하기 위해 모든 가능성을 열어두는 마인드’라고 생각합니다. 저는 대학원 프로젝트 경험을 통해 장르를 구분 짓지 않는 노력이 문제해결을 위한 실마리를 도출한다는 것을 알 수 있었습니다.
좋은점 1

OO자동차 콜센터 VoC(Voice of Customer) 데이터에 대한 분석 프로젝트에 참여했습니다. 당시 제가 맡은 업무는 VoC 사전관리 방안을 모색하는 것이었습니다. 처음 저는 관련 업체의 solution을 참고하고 알고리즘을 적용해보았으나 만족할 만한 결과를 도출할 수 없었습니다. 그러던 중 다른 연구실 선배의 학위논문을 접했습니다. 해당 논문은 공정 데이터에 대한 다변량 관리도 적용 방안이었는데, 저는 이를 고객불만에 적용하자고 제안했습니다. 해당 기법은 텍스트 마이닝에서는 적용됨이 없었던 사례였으나 분석을 진행했고, hotelling’s T2 chart를 적용한 결과 특정 불만비율에 대하여 날짜, 시간별로 실시간 모니터링이 가능함을 알 수 있었습니다.좋은점 2

기존 제조현장에 적용되었던 분석기법을 텍스트 마이닝에 결합할 수 있었던 것처럼, 여러 분야에 대한 꾸준한 탐구를 통해 KT의 가치 창출을 일구어내고 싶습니다.

글자수 6461,076Byte

좋은점 1 지원자는 이와 같이 항목의 주제와 관련된 지원자의 생각을 글 서두에 제시하고 있습니다. 이는 글 전체를 체계적으로 보이게 하는 장점이 있고 앞으로 제시할 내용이 어떤 내용인지 미리 알려주는 역할을 하여 읽는 사람으로 하여금 쉽게 내용을 이해할 수 있게 한다는 장점이 있습니다.

좋은점 2 실제 기업의 프로젝트를 제시한 점이 좋으며 내용도 좋습니다. 또한 지원자가 지원한 직무 분야와 직접적으로 연관이 있는 내용이라는 점도 좋습니다. 다만 항목에서 요구한 것은 예상치 못한 문제의 발생으로 계획대로 일이 진행되지 않은 경험을 요구했는데 글은 그 부분이 강조되고 있지 않다는 점이 아쉽습니다.

답변
[OO자동차 고객불만 텍스트 마이닝 분석]

고객 콜센터에 유입되는 자연어 처리된 30만건 이상의 데이터에 대한 유의미한 통계적 결과를 도출하는 프로젝트였습니다. 우선 고객불만을 정의하기 위해 TF-IDF 기반의 불만비율을 새로 정의하고, 고객의 관련지표(성, 지역, 차종)별 불만 level을 분류했습니다. 이를 바탕으로 계층적 군집분석을 실시하여 불만간의 유사성을 정량적으로 측정하고, 분산분석을 실시하여 실제 불만간 유의미한 차이가 있는지를 가시화 시킬 수 있는 Box-plot을 도시했습니다. 또한 다변량 관리도인 hotelling’s T2 chart 적용을 통해 실시간 유입되는 불만 중 특정 불만비율의 이상이 감지될 경우 관리자가 의사결정을 하는데 지원 가능한 모니터링 방법을 제안할 수 있었습니다.

[SNS 상의 데이터 수집 및 감성분석]

한국OOO학회-OO자동차 주관 하 고객불만 관련 공모전에서 우수상을 수상했던 경험이 있습니다. R의 데이터 크롤링에 대한 패키지 및 함수를 바탕으로 비규칙적으로 SNS상에 업로드 되는 사람들의 의견을 수집하고, 나이브 베이즈 분류기를 통해 감정에 대한 사전 확률을 결합한 사후확률을 고객불만지표로 정의했습니다 이후 군집분석 및 ANN, SVM을 통한 예측모형을 구축했습니다. 그 결과 예측모형의 정확도를 80.7%, 83.61%의 높은 performance를 도출할 수 있었습니다.좋은점 1

글자수 6921,142Byte

좋은점 1 대학원 졸업자로서 일반기업의 업무 경험을 제시한 점이 좋고 그 내용도 지원 직무와 직접적으로 연관이 있다는 점이 호감이 갑니다. 또한 내용을 구체적으로 제시하고 있어서 경험에 대해 신뢰를 주고 있다는 점도 장점입니다. 다만 항목에서 요구한 연구실 명칭, 연구실의 주요활동 등 이 경험이 어떤 곳에서 한 활동이며 그 조직이 어떤 일을 하는 곳인지에 대한 설명이 부족하다는 점이 아쉽습니다.