취업/대학원 관련 조언이 필요합니다(대학원 진학관련)

안녕하세요. 대학원 진학과 취업 사이에서 고민 중인 학부생입니다.

우선 소개를 드리면, 저는 인설 하위권, 중상위권지거국에서 환경·공간 쪽과 관련 있는 학과를 다니고 있고, 데이터/AI 관련 다전공을 이수하고 있습니다. 전체 학점은 3점 중반대이고, 데이터 관련 전공 학점은 그보다 조금 더 높은 편입니다.

제 관심사는 공공·산업 데이터를 활용해서 정책이나 사업 의사결정에 도움이 되는 분석을 하는 것입니다. 

학부 초반부터 이 방향이 명확했던 것은 아니고, 처음에는 전공에 적응하지 못했습니다. 그런데 수업과 프로젝트를 하면서 제가 흥미를 느끼는 쪽은 설계나 이론 암기보다는 실제 데이터를 다루고, 문제를 정량화하고, 모델링과 해석을 통해 결과를 만드는 일이라는 걸 알게 되었습니다.

이후 데이터 분석 쪽으로 방향을 잡고 여러 공모전과 프로젝트에 참여했습니다. 대기업/공공기관 주관 데이터 분석대회에서 1위, 2위, 3위 등 여러 차례 상위권 수상 경험이 있고, 중앙부처 주관 데이터 분석 공모전에서도 장관상급 수상 경험이 있습니다. 

국내 대기업 코딩대회 최상위권, AI 경진대회 부문에서 상위권 성과를 냈고, 공공데이터 기반 분석 사례가 외부 공식 플랫폼에 등록된 경험도 있습니다.

최근에는 탄소배출권/배출권거래제 관련 프로젝트를 진행했습니다. 탄소배출권 가격 예측을 위해 정책 변화, 할당량, 발전량, 배출량, 유가, 거시지표, 날씨 데이터 등을 결합했고, 부족량 추정, 구매비용 리스크, 입찰가격, 구매전략 같은 의사결정 지원 요소까지 설계해보았습니다. 이 경험을 하면서 에너지전환, 탄소시장, ESG, 기후·에너지 정책 데이터 분석 쪽에 관심이 커졌습니다.

학술경험은 크게없고 IEEE workshop급 논문 트랙에 full paper를 작성해 제출한 경험이 있습니다. AI 관련 내용이고, 현재는 결과를 기다리는 단계입니다. 아직 확정된 게재 실적이라고 말하기는 어렵지만, 기존의 대회형 분석 경험을 논문 형식으로 정리해본 경험정도 인거같습니다.

학내에서는 데이터 분석 동아리를 운영하면서 통계, 회귀분석, 선형대수, 머신러닝 관련 스터디를 기획하고 진행했습니다. 또한 대기업, 중견 이상 기업, 교내 사업단 등에 먼저 컨택하여 산학연계 데이터 분석 프로젝트와 교육 프로그램을 여러 차례 기획·운영한 경험이 있습니다. 외부 기관과 연계한 데이터 분석 프로그램도 기획했고, 서비스 개발 경진대회와 창업캠프에도 참여해보았습니다. 이 과정에서 단순히 모델 성능을 올리는 것보다 실제 기관이나 기업이 활용할 수 있는 데이터 기반 의사결정 도구를 만드는 데 관심이 생겼습니다.

고민은 제 스펙이 대학원형인지, 아니면 취업형에 더 가까운지 잘 모르겠다는 점입니다. 학점이 높은 편은 아니고, 학부연구생이나 정식 논문 실적이 있는 편도 아닙니다. 반대로 공모전, 데이터 분석 프로젝트, 서비스 개발, 동아리 운영, 산학연계 프로그램 기획 같은 실전형 경험은 많은 편입니다.

관심 있는 대학원 분야는 에너지정책, 환경경제, 탄소중립, 도시·교통 데이터, 에너지시장 분석 쪽입니다. 다만 전체 학점이 3점 초중반대라서 상위권 대학원 지원 시 많이 불리할까 걱정됩니다. 데이터 관련 전공 학점과 프로젝트 성과, 공모전 수상, 논문 트랙 제출 경험, 산학연계 프로젝트 기획 경험 등이 어느 정도 보완이 될 수 있을지도 감이 잘 오지 않습니다.

궁금한 점은 다음과 같습니다.

1. 이런 스펙은 대학원보다 취업에 더 적합한 타입인지 궁금합니다.

2. 학점 3점 초중반대라도 공모전/프로젝트/탄소시장 분석 경험으로 SSH이상 대학원 에너지정책·환경경제·탄소중립 관련 대학원에서 경쟁력이 있을지 궁금합니다.

3. 교수 컨택 시 학점 약점을 어떻게 설명하고, 프로젝트 경험을 어떻게 연구핏으로 연결하는 게 좋을지 고민입니다.

4. 석사를 간다면 순수 연구자 루트보다는 전문성·브랜드·창업/취업 확장을 위한 목적에 가까운데, 이런 목적의 대학원 진학이 타당한지도 궁금합니다.

혹시 비슷한 경험이 있으시거나, 에너지정책/환경경제/탄소중립/환경데이터 쪽 대학원 입시를 경험하신 분들이 계시면 조언 부탁드립니다.

감사합니다.