보험 데이터를 다룰 때 다른 산업과 비교했을 때 가장 까다로운 점은 무엇이라고 생각하는가
저는 데이터 사이언스 역량을 보험이라는 도메인에서 활용하고 싶었습니다.
보험에서 데이터 사이언스는 단순한 "분석 지원"이 아니라,
프로젝트에서는 자동차보험 손해율 예측 모델을 만들면서
보험 데이터를 다룰 때 가장 까다로운 점
보험 데이터는
불균형 데이터는 보험사기 예측, 사고 예측에서 가장 큰 문제입니다.
보험사기 탐지모델을 만든다면?

AXA 손해보험-면접] DataScience팀 신입사원 2025면접족보, 1분 자기소개, 압박질문 및 답변, 면접기출
AXA가 글로벌 보험사 중에서도 가장 적극적으로 데이터 기반 리스크 관리·고객 경험 개선·보험사기 탐지·언더라이팅 고도화를 추진해온 기업이라는 점이 가장 끌렸습니다.
국내 보험사 중에서도 AXA는 디지털 전환을 가장 먼저 시도한 기업이며, 단순히 분석을 수행하는 역할이 아니라"데이터 기반 비즈니스 전략의 중심 역할"을 수행한다는 점에 강한 매력을 느꼈습니다.
특히 AXA는 글로벌 조직과 협업을 수행하며 최신 보험계리·데이터 기술을 접할 수 있는 환경이기 때문에, 제 역량을 장기적으로 성장시킬 수 있는 최적의 회사라고 판단했습니다.
보험에서 데이터 사이언스는 단순한 "분석 지원"이 아니라,
고객 군 위험도 예측
이탈 고객 예측
보험산업은 과거 손해 발생 데이터에 기반해 미래 위험을 예측하는 산업이기 때문에, 데이터 사이언스가 보험업의 본질과 가장 밀접한 직무라고 생각합니다.
보험 데이터는
또한 규제산업이기 때문에 변수선택의 책임성이 매우 높고, 데이터의 편향이 누적될 수 있어 전처리와 피처엔지니어링의 난도가 매우 큰 것이 특징입니다.
보험 손해예측 프로젝트에서 사고기록 데이터가 여러 테이블로 분리되어 있었고, 각 테이블이
사고 정보
모델의 분류 임계 값을 조정해 Recall 확보를 우선 고려하는 방식이 효율적이라고 경험했습니다.
통계적 사고 vs 엔지니어링 능력, 본인의 강점
자동차보험 손해율 예측 프로젝트에서 실제 보험 기획 담당자와 직접 협업했습니다.
시뮬레이션 기반 손해율 변경 분석
보험사기 탐지모델을 만든다면?
사기의 심 행위 라벨링(전문가 데이터 기반
Featu reImportance 기반실제 사기 Cas e 리뷰
보험사기는 데이터만으로 설명되지 않기 때문에 도메인 지식과 패턴 기반 해석이 필수라고 생각합니다.
다만 성능이 크게 요구되는 예측 모델(사기탐지·손해율고도화)은
예측 모델이 특정 집단에 불리한 편향을 만들지 않는지, 개인정보를 과도하게 활용하지 않는지, 투명하게 설명 가능한지 항상 점검해야 한다고 생각합니다.
3년차 : 보험사기·계리지표 기반 모델 고도화 및 파이프라인 자동화
모델 정확도는 알고리즘 문제가 아닌 경우가 많기 때문에, 구조적 접근이 성능 개선의 핵심이라고 생각합니다.
저의 경쟁력은 분석적 사고 +비즈니스 해석력 +협업 커뮤니케이션이 균형 있게 조합돼 있다는 점입니다.
를 갖추고 있으며, AXA의 데이터 기반 전략에 바로 기여할 수 있는 인재입니다.

[hwp/pdf][AXA손해보험-면접] Data Science팀 신입사원 2025면접족보, 1분 자기소개, 압박질문 및 답변, 면접기출