※ 각종 정부지원 사업, 논문, 과제, 자기소개서 등의 문서를 '대신 작성'해주는 불법 서비스와 무관함을 알려 드립니다.

구매 전 반드시 메시지로 문의바랍니다.

※ 예상 고객

- 데이터 분석, 데이터사이언스, 머신러닝 엔지니어 직무 취업 희망자

- 인공지능, 산업공학, 통계학 등 대학원 진학 희망자

※ 주요 서비스 항목

- 이력서 및 경력 기술서 첨삭

- 자기소개서 첨삭

- 연구 및 학업 계획서 첨삭 (연구 내용에 따른 별도 문의 필요)

- 포트폴리오 및 소개 자료 첨삭

>> 위 항목은 첨삭받을 문서, 링크 등을 확인 후에 따로 견적을 내드리고 있습니다.

>> 통상적으로 이력서/경력기술서는 7 ~ 10만원, 연구/학업 계획서는 10만원 ~ 20만원 선입니다.

- 모의 면접 (면접 및 컨설팅 포함 1시간 30분 소요, 구글미트로 진행, 15만원)

- 커리어 컨설팅 (궁금한 질문 전달 필요, 평균 1시간 30분 소요, 구글미트로 진행, 15만원)

※ 전문가 소개

1) 데이터 사이언스 분야 박사: 머신러닝 및 최적화 관련 연구/프로젝트 다수 수행

2) 데이터 분야 이력서, 경력기술서, 자기소개서 첨삭 및 커리어 컨설팅 경험 다수

3) 데이터 사이언스 분야 기업 출강 및 온라인 강의 경험

4) 현직 대기업 시니어 데이터사이언티스트

5) 패스트캠퍼스 이어드림 커리어서비스 매니저(멘토)

※ 첨삭 이력

- 데이터 분석, 데이터 사이언스, 머신러닝 엔지니어 경력기술서 및 자기소개서 첨삭 수십회

- 연구계획서 및 학업계획서 첨삭 경험 (첨삭 대상자 서울대학원, 포스텍, 연세대대학원 등 합격)

- 커리어 컨설팅 경험 30회 이상

- 데이터사이언스 신입 면접관 / 서류 검토 경험

첨삭 사례 1. 데이터 분석가

경력 사항 (1) 

20XX.XX – 20XX.XX

OOOO (IT컨설팅 회사), 디지털 팀

1) 고객 데이터 수급 및 정제

- Dashboard 대용량 데이터 수급 및 취합 (월별 기기 판매량, 가입자, 재방문율 등)

- 글로벌 Data Crawling 및 Data Mining (Octoparse, Data-Miner, MySQL 쿼리문 사용)

- Raw data 정제 작업 (Data-Merge, Pivot table사용)

- 신제품 Pre-Order 데이터 수급 및 정제 (랜딩 페이지 및 CID 주소 기입)

2) 고객 데이터 기반 Dashboard 업데이트 및 고객 데이터 분석

- 모바일 앱/플랫폼 글로벌 이용자 지표 변화 분석 (신규가입자, 조회 수, MOM, YOY, MAU 분석)

- 모바일 앱/플랫폼 컨텐츠 글로벌 이용자 지표 변화 분석 (포스팅, 조회 수, Views per Post 분석)

- Device별 컨텐츠 소비량 분석결과 시각화 (Tableau 사용 Flagship, Mass별 소비량 증감 분석)

- Home Banner 클릭률 분석결과 시각화 (Tableau 사용 월별 노출 및 클릭 수 기입)

- 본부/법인 컨텐츠 상세 분석 (매월 1,000여개 제품 속성, CDJ, PLC, 마케팅 목적 및 베네핏 기입)

3) 국내 및 해외 법인 Monthly 성과 보고서 작성 (KOR/ENG)

- 모바일 앱/플랫폼 글로벌 성과 지표(KPI) 시각화 (연간 누적가입자, MAU, 재방문율, 성장률 분석)

- 모바일 앱/플랫폼 컨텐츠 글로벌 성과 지표(KPI) 시각화 (캠페인 별 Clicks per Post 분석)

- 모바일 앱/플랫폼 월간 성과 지표(KPI) Top5 국가 도출 및 인사이트 제공 (Pivot table 사용)

- 본부/법인 컨텐츠 Top3 분석 및 인사이트 제공 (유저 유입경로 분석, 캠페인 목적 및 퍼포먼스 기입)

- 2021 모바일 앱/플랫폼 캠페인 장표 디자인 업데이트

- Monthly Report 한/영 번역 및 해외 법인 공유

의견

(1) 기본적으로 어떤 이력이 있는지 한 눈에 들어오지 않습니다. 그 이유는 너무 지엽적인 내용(예: Pivot table 사용)까지 포함시켜서 그렇습니다. 

(2) 불필요하게 영어가 포함되있습니다. 개인 취향 차이일 수 있으나 한국어로 표현하기 어려운 상황이 아니라면 가능한 한국어로 쓰는게 더 가독성이 좋습니다. 

(3) 데이터 분석의 핵심은 분석 결과를 활용하는 것인데 그에 대한 내용이 극히 적습니다. 

20XX.XX – 20XX.XX

OOOO (IT컨설팅 회사), 디지털 팀

1) 고객 데이터 기반의 지표 개발 및 대시보드 작성

- 모바일 앱/플랫폼 글로벌 이용자 지표 변화 분석: 신규가입자, 조회수, MOM, YOY, MAU 분석 등

- Tableau를 이용한 컨텐츠 소비량 및 배너 클릭률 분석 결과 시각화

- 제품 속성, 고객 구매 여정 분석 등을 통한 마케팅 전략 수립

2) 국내 및 해외 법인 월별 성과 보고서 작성

- 모바일 앱/플랫폼 글로벌 성과 지표 시각화: 연간 누적 가입자, 재방문율 등

- 컨텐츠별 유저 유입 경로 분석을 통한 홍보 전략 수립

- 성과 보고서 번역 및 해외 법인 공유

3) 고객 데이터 정제

- 데이터 크롤링

- SQL을 이용한 데이터 추출 및 병합

- 군집 분석을 이용한 고객 세분화

주요 수정 내용

(1) 지엽적인 내용을 싹 삭제했습니다. 자신이 한 내용을 최대한 많이 보여주고 싶겠지만, 실제로 이력서를 검토하는 입장에서 일일이 보지 않습니다. 그리고 얼마나 넣을 내용이 없으면 이렇게 지엽적인 것까지 넣었을까라고 생각할겁니다. 

(2) 개인적인 생각으로 중요한 파트를 위로 올렸습니다. 데이터 정제는 물론 중요하지만 여기서는 기술적으로 어려운 내용은 아니기에 관심을 끌긴 어려우므로 맨 뒤로 내렸습니다.

(3) 분석을 통한 전략 수립 등의 내용을 넣었습니다.

경력 사항 (2) 

20XX.XX – 20XX.XX

OOOO 회사, OOO팀, 직급

1) 프로모션 기획 및 결과 분석

- OO 행사 첫날 입점 고객 동선 관찰 및 매장 디스플레이 변경

- 직영점 프로모션 기획 (판매가 변경, 구매 금액대별 사은품 선정, 약 50개 POP 시안 작성)

- 베스트셀러 상품 외부진열로 브랜드 노출 및 매장 방문 유도 (일 평균 50명 증가)

- 마켓 트렌드 및 경쟁사 분석 인사이트 도출 (경쟁사 오프라인 매장 방문, 온라인 커뮤니티 조사 등)

2) OO 입점 매장(파주/여주/시흥/부산) 및 임직원몰(온/오프라인) 세일즈 관리

- 판매 데이터 및 결과 분석 지원(직영점 매출 분석, 재고 분석 및 판매 예측), 보고서 작성

- 스토어 직원 교육자료 제작 (매월 50여개 상품 판매 포인트 작성 및 배포)

- 세일즈 프로그램 관련 지원 및 POS 최적화 운영 관리

- SAP 활용 PO장 발행 및 인보이스 요청

의견

(1) 이번에도 지엽적인 내용이 많습니다. 

(2) 데이터 분석가에게 꼭 필요한 경험인 분석을 통한 전략 수립 등의 내용이 빠져 있습니다.

20XX.XX – 20XX.XX

OOOO 회사, OOO팀, 직급

1) 프로모션 기획 및 결과 분석

- OO 행사 첫날 입점 고객 동선 분석을 통한 매장 디스플레이 변경

- 마켓 트렌드 및 경쟁사 분석 인사이트 도출: 경쟁사 오프라인 매장 방문, 온라인 커뮤니티 조사 등

- 직영점 프로모션 기획: 판매가 변경, 구매 금액대별 사은품 선정, 약 50개 POP 시안 작성

2) OO 입점 매장 및 임직원몰 세일즈 관리

- 직영점 수요 예측을 통한 재고 관리

- 스토어 직원 교육자료 제작

- 세일즈 프로그램 관련 지원 및 POS 최적화 운영 관리

주요 수정 내용

(1) 지엽적인 내용을 싹 삭제했습니다.

(2) 고객 동선 분석을 통한 매장 디스플레이 변경, 직영점 수요 예측을 통한 재고 관리 등 많은 회사에서 관심을 가질만한 표현으로 수정했습니다 (의미가 크게 변하진 않았습니다).

자격사항

- OPIC IH(ACTFL, 20XX.XX.XX), GAIQ (구글, 20XX.XX) 취득, Google Data Analytics 전문 자격증 취득(20XX.XX 취득)

- Excel 활용능력 상 (Pivot 테이블, 중급함수 사용 가능), PowerPoint 활용능력 상

- 데이터 분석 툴 (Octoparse, Data-Miner, Add-in Merge) 크롤링 가능

- SQL (Google BigQuery), Python 활용 가능, Tableau 데이터 시각화 가능

- 디지털 캠페인 경험 (SEM, SEO, Facebook/Youtube Ads, Naver Keywords)

- 구글 마케팅 분석 툴(Google Adwords, Google Analytics, Google docs) 활용 가능

의견

(1) 이번에도 지엽적인 내용이 많아 한 눈에 들어오지 않습니다.

(2) 역량, 스킬, 자격이 구분되어 있지 않아 보기 힘듭니다.

보유 역량

- 지표 분석 및 대시보드 제작

- 데이터마이닝

- 데이터크롤링

- 디지털 캠페인

활용 가능 툴

- 구글 마케팅 분석 툴(Google Adwords, Google Analytics, Google docs)

- SQL

- Tableau

- Python

- Microsoft Office

주요 수정 내용 및 의견

(1) 자격 사항을 보유 역량과 활용 가능 툴로 쪼갰습니다. 

(2) 활용 가능 툴에 파이썬은 어느 목적으로 주로 썼는지 소개해주면 좋을 것 같습니다.

(3) 개인적으로 상/중/하 등급을 매기는건 크게 의미없다고 봅니다. 주관적일 뿐만 아니라, 프로그래밍 언어같은경우는 범위가 너무 넓기 때문입니다. 

첨삭 사례 2. 데이터 사이언티스트

핵심 역량 부분

말 그대로 핵심 역량이 무엇인지, 나는 다른 지원자들에 비해 어떤 차별화되는 능력과 스킬이 있는지 보여주는 부분입니다. 데이터 사이언티스트와 분석가는 회사와의 핏이 매우 중요하기에 가장 신경써야 하는 부분입니다.

예를 들어, 저희 팀은 팀 특성상 시계열 데이터를 많이 다루므로 시계열 데이터를 분석할 수 있는 역량이 있으면 가점이 되겠지만, 팀과 무관한 컴퓨터 비전과 관련된 역량만 잔뜩 있으면 아무리 뛰어나더라도 저희 팀과 핏이 안 맞기에 뽑을 수 없습니다. 

[수정 전]

핵심역량                                                                                                                    

- 약 x년 간 Python, SQL, R로 금융, 공정, 중장비 데이터 분석

- 데이터 시각화 툴 SAP Analytics Cloud를 통한 레포팅 대시보드 구축

- SAP Data Intelligence, IBM – Cloud For Pak Data 데이터 툴 솔루션 환경 활용

- 채무 불이행에 필요한 생성한 파생변수 중 영향을 주는 핵심 변수 정리

- 분석 결과를 근거로 중장비 15% 추가 생산 제안하여 고객 매출 확대에 기여

기타사항                                                                                                                    

보유스킬        Python / R / SQL / MS Office

문제점

(1) 역량이 잘 드러나지 않음

(2) 경험과 역량을 섞어쓰고 있음

(3) 보유 스킬을 역량과 연결짓지 않고 기타사항으로 뺐음

[수정 후]

핵심역량 및 스킬                                                                                                              

- 데이터 시각화, 통계 분석, 리포팅 역량

- 커뮤니케이션 및 컨설팅 역량

- Python: 패키지 개발 가능 수준, R: 패키지 활용 가능 수준, SQL: 속도를 고려한 쿼리 작성 가능 수준

- 머신러닝 및 딥러닝: 수학적인 내용 이해 및 파이썬으로 구현 가능

수정 포인트

(1) 순수한 역량과 스킬만 작성함

(2) 각 스킬의 수준을 강조함

(3) 중요한 순서대로 배치하였음 (데이터 분석가에게 가장 중요한 것은 고객 (내부 고객 포함)과 데이터를 바탕으로 한 커뮤니케이션 역량임)

자격 및 교육 부분

사실 데이터 분야에서 자격증은 크게 의미가 없고, 교육도 워낙 그 종류가 많기 때문에 크게 의미가 있는 부분은 아닙니다. 또한, 교육 이름이 워낙 천편일률적이기에 교육에서 어떤 내용을 다뤘는지 정리해주면 도움이 됩니다.

[수정 전]

기타사항                                                                                                                                                         

자격사항           ADsP 데이터 분석 준전문가 / 데이터베이스진흥원 (20xx.06)

교육사항           1. Python 데이터 사이언티스트 교육 / 교육기관 A (20xx)

            2. 데이터 사이언티스트 윈터스쿨 / 교육기관 B (20xx)

                   3. 머신러닝을 위한 빅데이터 분석 전문가 과정 / 교육기관 C (20xx)

문제점

(1) 기타사항에 너무 많은 것을 몰아넣었음 (어학, 수상, 보유스킬, 개발환경, 자격사항, 교육사항 등)

(2) 교육명이 서로 너무 비슷해서 무엇을 배웠는지 알기 어려움

(3) 교육 수강 기간 등이 포함되지 않음

[수정 후]

자격 및 교육                                                                       

- 데이터 분석 준전문가 (ADSP), 20xx

- Python 데이터 사이언티스트 교육 (교육기관 A), 20xx.02 - 20xx.03

- 파이썬을 활용한 통계적 가설 검정, 최적화, 머신러닝 기초 학습

- 데이터 사이언티스트 윈터스쿨 (교육기관 B), 20xx.02 - 20xx.03

- 파이썬을 활용한 머신러닝/딥러닝 이론 위주 학습

- 머신러닝을 위한 빅데이터 분서 전문가 과정 (교육기관 C), 20xx.02 - 20xx.03

- 머신러닝 파이프라인 구축 학습

수정 포인트

(1) 포맷을 통일하고 기간을 추가함

(2) 교육 내용을 추가함

수상 내역

데이터 사이언스 분야는 경진대회 등이 많으므로 수상 내역을 채우기 상대적으로 수월합니다. 그러나 수상 내역이 많지 않다면, 어떻게 수상하게 됐는지 내용을 자세히 풀어주는 것이 좋습니다.

[수정 전]

기타사항

수상내역        추계학술발표대회 xx상 / xxxxx학회 (20xx.11)

문제점

(1) 수상내역이 하나 밖에 없는데, 무엇을 통해 상을 받았는지에 대한 설명이 너무 빈약함

[수정 후]

수상내역

추계학술발표대회 xx상 / xxxxx학회 (20xx.11)

주제: ~~~~~~~~~~~~~~~~~~~

내용 소개 1

내용 소개 2

내용 소개 3

문제점

(1) 수상 내역에 대한 소개를 추가함 (단, 저도 그 내용을 몰라서 포맷만 추가했습니다.)

경력기술서: 프로젝트 1

[수정 전]

1.  xxxxx BI 프로젝트

수행기간 20xx.07 ~ 20xx.12

- SAP Success Factor 데이터를 SAP Analytics Cloud에서 모델링 작업

- 레포팅 대시보드 시각화 (리더십 평가, 승계자 현황, 핵심인재 현황, 인원현황, 주재원 현황, 퇴직인원)

실적 및 성과 기여도

- 5개 레포팅 대시보드 시각화 완료 (리더십 평가, 승계자 현황, 핵심인재 현황, 퇴직현황, 주재원 현황)

- 4개의 모델 구축 (리더십 리뷰, 핵심인재, 승계자 정보, 주재원 현황)

문제점

(1) 정리되지 않은 포맷과 표현

(2) 명확하지 않은 실적 및 기여도 (대시보드를 많이 시각화했거나 하는 것은 뽑는 사람 입장에선 크게 와닿지 않을 가능성이 큼)

[수정 후]

4.    xxxxx  BI 프로젝트, 발주처, 20xx.07 ~ 20xx.12

SAP Analytics Cloud 환경에서의 분석 리포트 작성

[리포트 예시 그림]

수정 포인트

(1) 군더더기 표현 제거 및 표맷 통일 (프로젝트명, 발주처, 수행 기간)

(2) 시각화 결과 샘플 추가 (리포팅 부분은 그 자체로 성과라고 보기 어려우므로 어떤 리포팅이 가능한지 보여주는 것이 바람직해보임)

(3) 중요한 프로젝트가 아니므로 뒤로 내림

경력기술서: 프로젝트 2

[수정 전]

1.  XXXX 수요 예측 (발주사)

수행기간 20xx.03~ 20xx.06

- 판매 지표 중 2008년 리먼 브라더스 사태로 인해 급격한 수요 하락 원인 파악

- 분기 별 선행/후행 컬럼 생성

- Machine Line 별 상관계수로 지표 선택

- 타겟에 영향을 주는 주요 지표 확인(350 : 1, 3분기 선행 미국 외환 보유, 주가지수 등 / 360 : 1인당 GDP, 산업 생산 지수, 총 고용 합계 등)

- Normalization 변환

- Machine 350 : 6개 ,Machine Line 360 : 6개 주요 변수 선택

- 350 (주가 지수 선행 / 후행, 외환 보유액 선행 등)

- 360 (총 고용 합계 선행/후행, 산업생산지수 선행/후행 등)

 - Machine Line 별 모델 적용

 - 결과: 15% 상승 생산량 증가 제안

실적 및 성과 기여도

SAP HANA로 최종 테이블 생성

Python으로 변수 선택 및 모델링 진행

수요예측 값 오차 15%(Machine Line 350) / 10%( Machine Line 360) 적합도 성과 달성

문제점

(1) 정리되지 않은 포맷과 표현 (지나치게 지저분함)

(2) 프로젝트를 직접한 사람이 아니면 이해하기 난해한 내용 (수준이 높아서 이해못하겠음이 아님에 주의!) 다수 포함

(3) 지나치게 지엽적인 내용 포함 (예: Normalization 변환)

(4) 가장 중요한 비즈니스 포인트 (15% 상승 생산량 증가 제안)이 강조되지 않음

[수정 후]

2.    XXXX 수요 예측, 발주처, 20xx.03 ~ 20xx.06

- 통계 분석을 통한 중장비 수요에 주요한 영향을 끼치는 지표(예: 1인당 GDP, 산업생산지수 등) 판별

- 수요 예측 결과 기반의 생산량에 관한 제언

- 예측 결과의 신뢰도에 따른 리스크 계산

- 약 15%의 생산량 증가 제언

- 확률적 머신러닝 기반의 중장비별 예측 모델링 수행

수정 포인트

(1) 불필요한 내용 싹 제거

(2) 데이터 분석 결과가 의사결정에 어떻게 영향을 주었는지 추가

경력기술서: 프로젝트 3

[수정 전]

1. XXXX 채무 불이행 예측

수행기간 20xx.06~20xx.12

R, Sap Analytics Cloud 교육 교재 작성 및 강의

채무 불이행 예측 프로젝트 진행

활용 데이터(한국신용정보원 – 개인정보, 대출정보, 연체정보)

SQL을 활용하여 90일 이상 연체고객을 Target 데이터 생성

파생변수 500개 생성 – 최대 대출기간, 최소 대출기간, 총 대출 기간, 총 대출 건수, 총 대출 금액, 대출 종류 별 금액 및 기간, 총 연체 건수, 총 연체 금액, 연체 종류 별 금액 및 기간 등

NA(연체 기록 없음)는 0으로 변환

시각화를 통한 정성 평가 / Chi-Square, T-test 통계 검정 등 활용한 정량 평가

정성 평가 – 카드론 연체개수, 카드 담보 연체 평균기간, 신용 대출 연체 최소 기간 등

정량 평가 – 신용카드 개설 건수, 신용 최대 대출기간, 카드 개설 기업 가짓수 등

Oversampling 기법인 SMOTE를 통해 balanced Label로 변형

최종 변수 – 신용 담보 대출 건수, 최대 연체 기간, 2금융권 연체 기간, 단기카드론 등

신용 담보 대출과 전체 대출 건수가 증가할 때 마다 부도가 약 2배가 증가하며, 연체 기간이 늘어남에 따라 약 채무 불이행이 약 1.3배가 증가 등

2금융권 총 대출 기간이 0에 가까워 질수록 약 3배정도 정상일 확률이 높고, 127일 이상일 수록, 약 6배 정도 부도일 확률이 높음

결과

신용담보 대출 관련 2개 이상인 고객 추가 대출 금지

2금융권 연체 기간 등록 고객 대출 심사 강화

전체 대출 건수 3개 이상 고객 대출 심사 중지

스마트폰 요금 및 카드 연체를 가진 20대 단기카드론 대출 심사 강화

실적 및 성과 기여도

   l   채무 불이행 분류 정확도 85%

   l   채무 불이행 영향에 미치는 조건에 해당하는 고객 대출 심사 전략 방안 설정

문제점

(1) 정리되지 않은 포맷과 표현 (지나치게 지저분함)

(2) 지나치게 지엽적인 내용 포함 (NA(연체 기록 없음)는 0으로 변환

(3) 교육 자료 작성과 프로젝트 진행 간 밸런스가 맞지 않음 

[수정 후]

1.     XXXX 채무 불이행 예측, xxxx, 20xx.03 ~ 20xx.06

R, Sap Analytics Cloud 교육 교재 작성 및 강의

Sap Analytics Cloud를 이용한 리포팅 방법

R을 이용한 데이터 정제 방법

채무 불이행 예측 프로젝트 진행

- EDA를 통한 분석용 데이터 생성: 오버샘플링, 필터링 기반의 특징 선택, 파생 변수 생성 등

채무 불이행 예측 모델링 및 결과 해석

- 신용 담보 대출과 전체 대출 건수가 증가할 때 마다 부도가 약 2배가 증가하며, 연체 기간이 늘어남에 따라 약 채무 불이행이 약 1.3배가 증가 등

- 2금융권 총 대출 기간이 0에 가까워 질수록 약 3배정도 정상일 확률이 높고, 127일 이상일 수록, 약 6배 정도 부도일 확률이 높음

- 모델링 결과를 활용한 의사 결정

- 신용 담보 대출과 전체 대출 건수가 증가할 때 마다 부도가 약 2배가 증가하며, 연체 기간이 늘어남에 따라 약 채무 불이행이 약 1.3배가 증가 등

- 2금융권 총 대출 기간이 0에 가까워 질수록 약 3배정도 정상일 확률이 높고, 127일 이상일 수록, 약 6배 정도 부도일 확률이 높음

- 신용담보 대출 관련 2개 이상인 고객 추가 대출 금지

- 2금융권 연체 기간 등록 고객 대출 심사 강화

- 전체 대출 건수 3개 이상 고객 대출 심사 중지

- 스마트폰 요금 및 카드 연체를 가진 20대 단기카드론 대출 심사 강화

수정 포인트

(1) 불필요한 내용 싹 제거

(2) 밸런스 조정

(3) 프로젝트 진행으로 인한 이득을 최대한 정리

(주의) 서비스 설명 내 서비스 항목을 읽으신 뒤 메시지 주시기 바랍니다.

메시지에서 구매 요청을 따로 드리기 때문에 미리 구매하실 필요가 없습니다.

* 이력서, 경력기술서, 자기소개서, 포트폴리오, 연구계획서, 학업계획서 첨삭

(1) 고객: 첨삭 자료 전달 (수정이 불가능한 문서 전달시 메모만 달아드리니 가급적 수정이 가능한 문서 전달 필요)

(2) 전문가: 코멘트 위주의 1차 첨삭 수행

(3) 고객: 코멘트를 참고하여 추가 수정

(4) 전문가: 최종 첨삭

* 모의 면접

(1) 고객: 지원하고자 하는 채용공고, 이력서 등 송부

(2) 전문가: 모의면접 날짜 설정 및 예상 질문지 작성

(3) 모의 면접 수행 및 피드백

* 커리어 컨설팅

(1) 고객: 지원하고자 하는 채용공고, 궁금한 질문 목록, 상담 안건 등 송부

(2) 전문가: 커리어 컨설팅 날짜 설정 및 관련 자료 작성

(3) 커리어 컨설팅 수행