[티빙] Senior Data Analytics Engineer 경력채용
Technology
㈜티빙
428, 대한민국2일 전
정규직
직무 설명
티빙에서 Senior Data Analytics Engineer를 모집합니다!
TVING Data Analysis팀은 시청·가입·구독·콘텐츠·마케팅 데이터를 연결해 서비스와 사업의 변화를 설명하고, 더 나은 의사결정을 돕는 팀입니다.
분석에 필요한 데이터를 직접 설계하고 운영하며, 여러 조직이 같은 기준으로 숫자를 이해하고 활용할 수 있는 환경을 만듭니다. 저희 팀은 다음 세 가지에 집중합니다.
- 신뢰할 수 있는 데이터 기반: 복잡한 원천 데이터를 분석에 적합한 모델과 마트로 구성하고, 반복해서 사용할 수 있는 파이프라인으로 운영합니다.
- 일관된 지표와 품질: 집계 기준과 예외 조건을 명확히 정의하고, 코드·테스트·문서에 반영해 수치의 정확성과 변경 이력을 관리합니다.
- 의사결정으로 이어지는 분석: 구독·이탈·시청·콘텐츠 성과를 분석하고, 변화의 원인과 한계를 설명해 실행 가능한 개선안을 제안합니다.
티빙 Data Analytics Engineer를 소개해요.
- 분석용 파이프라인과 마트를 직접 만들고 운영하면서, 지표 정의와 비즈니스 분석까지 수행합니다. 구현한 데이터가 실제 판단과 실행에 쓰이는 데까지 책임집니다.
- 데이터 파이프라인과 마트 구축: 구독·결제·시청·방문·콘텐츠 데이터를 연결하고, SQL과 Python으로 분석용 데이터 모델·마트 및 정기 처리 작업을 설계·구현합니다.
- 파이프라인 운영과 개선: 작업 간 의존성, 실행 시점, 재실행과 소급 적재를 관리합니다. 지연·누락·중복·실패의 원인을 찾아 복구하고, 원천 수집·공용 인프라는 데이터 엔지니어링 조직과 협업합니다.
- 품질 검증과 오류 수정: 원천부터 마트·지표까지 정합성을 점검하고, 누락·중복·수치 불일치의 원인을 추적해 수정합니다. 영향 범위와 보정 결과를 검증하고, 품질 테스트·모니터링과 변경 이력으로 재발을 방지합니다.
- 표준 지표 정의와 구현: 사용자·구독·시청 등 핵심 지표의 집계 단위, 기간, 포함·제외 조건과 예외를 합의하고, 재사용 가능한 계산 로직과 문서로 관리합니다.
- 비즈니스 분석과 인사이트: 구독 전환·유지·이탈, 시청 행동과 콘텐츠 성과의 변화를 코호트·세그먼트별로 분석합니다. 데이터 오류와 실제 변화를 구분하고, 근거·한계·개선안을 제시합니다.
- 협업과 문서화: 사업·제품·마케팅 및 데이터 조직과 적극적으로 소통해 회사의 목표와 현업의 필요를 파악하고, 이를 데이터 과제와 우선순위에 반영합니다.
[Skill/Experience]
- 데이터 분석·분석 엔지니어링·데이터 엔지니어링 관련 5~12년 경력을 보유하신 분
- SQL·Python 실무: 복잡한 조인·윈도 함수·기간 집계와 pandas 등 데이터 처리 라이브러리로 분석용 데이터를 구현해 본 분
- 데이터 모델과 클라우드: AWS Athena·S3 또는 유사 클라우드 분석 환경에서 단위·키·이력·파티션을 설계하고 SQL 기반 마트를 구축·운영해 본 분
- Airflow 실무 경험: DAG를 직접 작성·운영하고, 태스크 의존성·Sensor·스케줄·재시도·소급 적재를 관리하며 실패·지연을 해결해 본 분
- 데이터 품질과 오류 해결: 원천·수집·변환·집계 과정을 추적해 누락·중복·수치 불일치의 원인을 찾고, 오류 수정·영향 범위 보정·결과 재검증까지 수행해 본 분
- 지표 설계: 기간·중복·포함 및 제외 조건을 정의하고 SQL로 구현해 수치를 검증해 본 분
- 분석 역량: 코호트·퍼널·세그먼트 분석으로 변화 요인을 설명하고 해석의 한계를 구분하는 분
- Git 기반 협업: 브랜치·PR·코드 리뷰로 변경을 관리하고, 지표 정의·설계 근거·검증 결과·운영 절차를 문서로 공유해 본 분
- 궁금증이 많은 분: 현상을 보면 왜 그런지 묻고, 답을 데이터에서 찾는 과정을 즐기는 분
- 정확성을 중시하는 분: 작은 수치 차이도 근거를 확인하고, 수정 전후의 결과와 영향 범위를 꼼꼼히 검증하는 분
- 먼저 소통하고 실행하는 분: 다른 부서와 적극적으로 소통해 회사의 목표와 현업의 필요를 파악하고, 이를 자신의 업무 우선순위와 개선 과제에 반영하는 분
- 기준을 남기는 분: 합의한 정의와 검증 방법을 문서와 코드로 남겨, 같은 혼선이 반복되지 않도록 하는 분
- 끝을 책임지는 분: 분석의 깊이와 의사결정 시점을 함께 고려하고, 결론·다음 액션·추가 확인 과제를 제시하는 분
이런 경험이 있으시면 더 좋아요.
- 배치 모니터링과 복구: 테이블 배치 적재의 실패·지연·누락·중복을 감지하는 모니터링·알람을 구축하고, 원인 분석·오류 수정·재처리와 재발 방지까지 수행한 경험
- Airflow 배포와 운영: DAG와 실행 환경의 변경 사항을 검증·배포하고, 문제 발생 시 롤백·재실행 및 스케줄·의존성 조정으로 운영 안정성을 개선한 경험
- 기초 통계와 모델링: 확률·분포·추정·가설 검정 등 기초 통계 지식 또는 회귀분석·예측 모델링 등 통계 분석·모델링 수행 경험
- 프로젝트·캠페인의 KPI와 성공 기준을 사전에 설계하고, A/B 테스트·통계적 검정·인과추론으로 효과를 검증한 경험
- 행동 로그의 이벤트 정의와 계측 품질을 개선하거나, 여러 부서의 지표 기준과 변경 절차를 조율한 경험
[기타 안내사항]
※ 입사지원시 상세 경력 기술서 제출 필수
: 해당 포지션은 데이터 파이프라인·지표 설계·분석을 함께 수행하는 단일 포지션입니다. 본인의 강점과 직접 책임진 업무 범위를 적어 주세요.
- 이력서와 경력기술서에는 아래와 같은 내용을 담아주시면 좋습니다.
- 어떤 비즈니스 문제를 해결했고, 설계·구현·운영·분석 중 무엇을 직접 담당했는지
- 원천 데이터와 지표의 오류·예외를 어떻게 검증했고, 실패·지연·소급 보정을 어떻게 처리했는지
- 만든 파이프라인·마트·지표를 누가 어떻게 사용했으며, 정의나 로직 변경을 어떻게 관리했는지
- 다른 부서와의 소통으로 회사와 현업의 필요를 파악하고, 이를 데이터 과제·업무 우선순위·실행에 반영한 사례
- 작업이 어떤 의사결정·제품·운영 변화로 이어졌고, 확인한 성과와 남은 과제는 무엇인지
- 데이터 프로젝트 사례 필수 제출
- 구현·운영 사례와 분석·활용 사례를 1건 이상 제시해 주세요. 하나의 프로젝트로 함께 설명해도 됩니다. 문제, 본인 역할, 구조·코드·지표 정의, 검증·운영 방법, 분석 결과와 활용 내용을 포함해 주세요.
- 회사·고객·개인정보와 내부 비공개 수치는 삭제하거나 비식별화해 주세요. 원본 제출이 어려우면 가상 데이터로 재구성하고, 변경한 부분과 실제 수행 범위를 표시해 주세요. 코드 저장소 링크도 가능합니다.
- 공동 프로젝트는 본인의 기여를 구분해 주세요. 보안상 코드 제출이 어려운 경우 설계도·의사코드·검증 결과로 설명해도 됩니다.
- 채용 완료 시 조기 마감될 수 있으니 지원 의사가 있으신 분은 빠르게 지원 하시기를 권장 드립니다.
전형절차 : 서류전형 테스트전형 1차 면접 CJ Culture Fit Test 및 2차 면접 최종합격
- 세부일정은 합격자에 한하여 개별 공지 드릴 예정입니다.
- 1차 인터뷰는 실제 업무에 가까운 데이터 사례를 면접관과 함께 검토하는 방식으로 진행될 수 있습니다.
- 도구 사용법보다 문제를 구조화하는 방식, 검증 습관, 구현·운영 판단, 분석의 타당성과 협업 방식을 중점적으로 확인합니다.
지원 안내사항
- 각 단계별 일부 전형 과정이 추가 또는 생략될 수 있습니다.
- 국가등록 장애인 및 국가보훈자는 관련법에 의거하여 우대합니다.
- 병역필 또는 면제로 해외여행에 결격사유가 없는 분에 한해 지원이 가능합니다.
- 지원서 내용이 사실과 다른 경우 불이익(채용취소 등)이 있을 수 있습니다.
- 최종 제출 이후 및 마감시간 이후에는 지원서 수정이 불가 합니다.
- 전형 중 지원서를 삭제하신 경우 전형진행 포기로 간주됩니다.
- 티빙에서 진행 중인 공고 간 중복 지원은 불가 합니다. 본인의 경력과 가장 부합하는 전형/직무 하나를 선택하신 후 지원 부탁 드립니다.
(지원하신 전형 종료 시, 타 모집 전형으로 지원 가능합니다.)
Keywords
AirflowPythonSqlA/B testing
이 직무에 관심이 있으신가요?