서강대 대학원 경영학과 비즈니스애널리틱스 학업계획서
분야
hwp서강대 대학원 경영학과 비즈니스애널리틱스 학업계획서
1. 진학 동기 (왜 이 전공, 왜 이 학교인가)
2. 학업 및 연구 계획 (수강할 과목, 방법, 목표)
3. 연구 관심 분야 (어떤 주제에 관심이 있는가)
4. 졸업 후 진로 및 포부
1. 진학 동기 (왜 이 전공, 왜 이 학교인가)
학부 시절 경영학과 통계, 데이터 분석 관련 과목을 이수하며, 경영 의사결정 과정에서 데이터의 중요성을 체감하게 되었습니다. 실무 사례 분석 수업에서 기업이 직면한 문제를 데이터 기반으로 해결하는 과정은 저에게 깊은 흥미를 불러일으켰습니다. 고객 행동 분석, 매출 예측, 재고 최적화 등 각기 다른 경영 영역에서 데이터가 실제로 의사결정의 핵심 요소로 작용하는 모습을 관찰하며, 체계적 분석 능력을 갖춘 전문가로 성장해야겠다는 목표를 확립하게 되었습니다.
대학 재학 중 참여한 스타트업 마케팅 프로젝트에서는 고객 구매 데이터를 수집·정리하고, 선호도와 소비 패턴을 분석하여 예측 모델을 설계했습니다. 이 과정에서 분석 결과가 실제 마케팅 전략에 반영되고, 매출 증대와 고객 만족도 향상으로 이어지는 경험을 했습니다. 또한, 데이터 수집 과정에서 발생하는 결측치 처리, 이상값 식별, 변수 선택 등 실무적 문제를 해결하며, 이론과 실제가 결합된 분석 역량을 체득했습니다. 이를 통해 단순한 데이터 처리를 넘어서 경영적 의미를 해석하고 적용하는 능력의 중요성을 실감했습니다.
이후, 기업 연계 인턴십을 통해 생산 및 재무 데이터를 분석하는 경험을 쌓았습니다. 생산 계획 수립 과정에서는 시계열 데이터를 활용하여 수요를 예측하고, 자재 소요량과 생산 일정 최적화를 지원했습니다. 재무팀에서는 과거 매출, 비용 데이터를 기반으로 손익 분석과 자본 효율 평가에 참여하며, 데이터 기반 의사결정이 기업 전략에 미치는 영향을 직접 경험했습니다. 이 과정에서 분석 역량뿐 아니라 문제 정의 능력, 논리적 사고, 의사소통 능력도 함께 발전했습니다.
서강대학교 대학원 비즈니스애널리틱스 전공은 이러한 경험과 목표를 심화할 수 있는 최적의 환경이라 판단했습니다. 경영학과와 데이터 분석, 빅데이터, AI 활용을 융합한 교과과정과 현장 중심 연구 프로젝트, 실습 기반 교육 시스템은 학문적 깊이와 실무 역량을 동시에 발전시킬 수 있는 최적의 환경을 제공합니다. 특히 산업계와 연계한 산학협력 프로그램, 실무 중심 세미나, 다양한 데이터 분석 도구와 최신 연구 장비 활용은 제가 학문적 성장을 이루는 데 중요한 역할을 할 것으로 기대됩니다.
저는 서강대학교 대학원에서 데이터 분석 기반의 경영 의사결정 능력을 학문적으로 체계화하고, 실무 적용성을 검증하며, 미래 기업 환경에서 요구되는 실전형 비즈니스 분석 전문가로 성장하고자 합니다. 이 과정에서 기존 경험을 심화하고, 데이터 분석과 경영 전략의 융합적 시각을 갖춘 전문성을 확립하는 것이 목표입니다.
2. 학업 및 연구 계획 (수강할 과목, 방법, 목표)
대학원 진학 후, 저는 비즈니스애널리틱스 전공의 핵심 과목과 연구 중심 과정을 통해 학문적 깊이와 실무적 역량을 동시에 발전시키고자 합니다. 우선 ‘경영분석 기초’, ‘데이터마이닝’, ‘빅데이터 분석’, ‘예측모형과 시계열 분석’, ‘머신러닝 응용’, ‘데이터 기반 의사결정’, ‘통계적 모델링’, ‘재무·마케팅 데이터 분석’, ‘최적화와 시뮬레이션’, ‘비즈니스 전략 분석’ 등 전공 핵심 과목을 단계적으로 이수할 계획입니다. 각 과목에서는 이론적 원리를 체계적으로 습득하고, 실제 데이터를 적용하여 문제를 해결하는 과정을 반복하며 분석 역량을 강화할 예정입니다.
수업 참여 방식은 이론과 실습의 균형을 중시합니다. 예를 들어, 데이터마이닝 수업에서는 공개 기업 데이터를 활용해 고객 세분화, 제품 추천, 마케팅 캠페인 효과 분석 등을 직접 수행하며 실습 기반 학습을 강화할 것입니다. 또한, 예측모형 과목에서는 시계열 분석과 회귀분석을 통해 판매량, 수요, 재고 등 기업 운영 데이터를 기반으로 의사결정 시나리오를 설계하고, 모델 검증 및 성능 평가를 반복적으로 수행하겠습니다. 실습 중심 학습을 통해 이론이 실제 비즈니스 환경에 어떻게 적용되는지 이해하고, 분석 결과의 신뢰성과 정확성을 확보하는 능력을 함양할 것입니다.
연구 계획 측면에서는 기업 운영, 마케팅, 재무 데이터를 통합 분석하고, 예측 모델, 의사결정 지원 시스템, 최적화 전략 등을 개발하는 프로젝트를 수행할 예정입니다. 특히 산업계 인턴십과 산학협력 프로그램을 통해 실제 기업 데이터를 활용하고, 분석 과정에서 발생하는 불확실성과 데이터 품질 문제를 해결하며 연구의 실용성을 높이겠습니다. 이를 위해 Python, R, SQL, Tableau 등 다양한 데이터 분석 도구를 활용하고, 머신러닝과 AI 기법을 적용하여 의사결정 지원 모델의 정확도를 극대화할 계획입니다.
또한, 학부와 현장 경험을 연결하여 특정 산업의 문제를 정의하고, 데이터 기반 솔루션을 설계하는 과정에도 참여하겠습니다. 예를 들어, 소비자 행동 데이터와 판매 데이터를 통합 분석하여 마케팅 전략을 수립하거나, 재고 최적화와 생산 계획 개선을 위한 예측 모델을 개발하는 연구를 진행할 계획입니다. 이 과정에서 통계적 추론, 실험 설계, 변수 선택, 모델 검증 등 분석 전 과정을 체계적으로 습득하고, 학문적 논리력과 실무적 적용력을 동시에 강화하겠습니다.
좋은 결과가 잇으시길 항상 응원합니다