PM 인터뷰: 페르미 추정 연습(Fermi Estimation Practice)

페르미 추정을 잘하는 데 수학 천재일 필요는 없다

추정 인터뷰에 대한 비밀: 인터뷰어는 이미 답을 압니다. 산수를 테스트하는 게 아닙니다. 불확실성 아래서 명료하게 사고할 수 있는지를 테스트하는 거죠 — 이는 우연찮게도 프로덕트 매니저가 매일 하는 일입니다.

DoorDash의 한 PM이 "맨해튼에서 금요일 밤에 배달이 몇 번 일어나는가" 추정이 본질적으로 신시장 사이징이나 기능 채택 예측과 같은 스킬이라고 말한 적이 있습니다. 둘 다 알 수 없는 전체를 알 수 있는 부분으로 분해하는 것을 요구합니다.

PM이 추정 문제를 틀리는 진짜 이유

대부분의 후보가 페르미 문제에 실패하는 건 나쁜 수학이 아니라 나쁜 가정 때문입니다. 구조화된 문제 해결에 대한 2023 McKinsey 분석에 따르면, 추정 오류의 70%가 프레이밍 단계 — 잘못된 출발점을 고르거나 핵심 변수를 놓치는 것 — 에서 오지, 계산 실수에서 오지 않습니다.

고전적 함정: 너무 빨리 너무 세밀해지기. 누군가 "시카고에 피아노 조율사가 몇 명인가?"라고 물으면, 약한 답은 동네 카운트로 시작합니다. 강한 답은 "시카고에 피아노가 몇 대 있고, 각각이 얼마나 자주 조율되어야 하고, 한 조율사가 하루에 몇 번 조율할 수 있는가"로 시작합니다. 숫자 셋, 나눗셈 한 번, 끝.

인터뷰어가 진짜 보고 싶은 것은 모호함과의 편안함입니다. 가정을 진술하고, 2배 정도 빗나갈 수 있다고 인정하고, 계속 갈 수 있는가? 그게 PM 스킬입니다. "올바른" 가정을 찾으려고 마비되는 후보는 로드맵 계획 미팅에서 어떻게 행동할지에 대해 무언가를 드러내는 셈입니다.

이 프롬프트의 도움 방식

이 프롬프트는 선택한 난이도와 도메인에 캘리브레이션된 현실적 추정 문제를 생성합니다. 더 중요한 것은, 실제로 중요한 차원에서 접근을 평가합니다: 문제를 스코핑했는가, 논리적 접근을 선택했는가, 합리적 가정을 진술했는가, 계산을 맞췄는가, 답을 새너티 체크했는가?

진짜 학습은 모범 답안 안내에서 일어납니다. 자신의 추론 구조를 강한 벤치마크와 비교할 수 있도록 깔끔한 솔루션 경로를 보여줍니다.

언제 손을 뻗을까

• 분석적 엄밀함으로 알려진 회사(Google, Stripe, Uber)의 PM 인터뷰가 있고 추정 스킬을 다듬고 싶을 때
• 프로덕트 센스 질문은 편하지만 숫자가 나오면 얼어붙을 때
• 도메인 특화 추정을 연습하고 싶을 때 (핀테크 TAM 계산은 컨슈머 앱 사용 추정과 다르게 느껴짐)
• 테크에서 "합리적인" 숫자에 대한 직관을 쌓아야 할 때 (DAU, 전환율, 사용자당 매출)
• 시장 사이징이 시작 질문인 케이스 스터디 인터뷰 준비 중일 때

좋은 모습

강한 출력은 각 단계의 명시적 가정, 명확한 탑다운 또는 바텀업 구조, 따라갈 수 있는 산수, 알려진 참조점에 대한 새너티 체크와 함께 완전한 추정을 안내합니다. 최종 답은 단일 숫자가 아니라 범위여야 합니다 — 현실 세계에서는 정밀함보다 캘리브레이션이 더 가치 있기 때문입니다.

참고 자료

• How to Crack Product Management Estimation Questions — McKinsey
• Fermi Estimation: A PM's Secret Weapon — Mind the Product