Data Analytics Engineer (DW)

# 합류하게 될 팀에 대해 알려드려요
- Data Analytics Engineer(DW)는 토스 코어(Toss Core)의 Data Warehouse 팀에 소속돼요.
- 토스 앱의 다양한 제품에서 쏟아지는 로그와 원천 데이터를 입수하고, 믿고 쓸 수 있는 형태로 가공해 제공해요. 데이터가 제때, 빠짐없이, 맞는 값으로 들어오게 만드는 것이 저희 일의 출발점이에요.
- 팀의 목적은 토스의 모든 구성원이 데이터로 제품을 만들고 인사이트를 얻을 수 있는 환경을 제공하는 것이에요.
- 지금 팀은 "데이터를 사람이 잘 쓰는 것"에서 "AI도 잘 쓰는 것"으로 축을 넓히고 있어요. 표준 마트 위에 시멘틱 레이어와 온톨로지를 얹어, 사람이든 에이전트든 맥락을 이해하고 데이터를 꺼내 쓸 수 있는 환경을 만들고 있어요.

# 합류하면 함께 할 업무에요
- 저희 팀의 업무는 크게 다섯 갈래로 나눌 수 있어요. 다섯 가지를 모두 하시는 건 아니고, 강점과 관심에 따라 무게중심을 잡되 나머지도 자연스럽게 경험하게 돼요.
- 데이터 배치 입수 — 모든 데이터가 들어오는 관문
> - 실시간 입수를 제외한 앱·서버 로그부터 서비스 DB, 외부 파일까지 수십 종의 원천을 DW로 들여오는 입수 레이어를 설계하고 운영해요.
> - 원천이 늘어날 때마다 사람이 붙지 않도록, 입수 요청부터 적재·검증까지 이어지는 자동화 시스템을 직접 만들어요.
> - 스키마가 바뀌거나 데이터가 유실되는 상황을 감지하고, 원천을 만드는 팀과 구조 단계에서 함께 해결해요.
- 대규모 파이프라인 엔지니어링 — 빠르고, 잘 깨지지 않게
> - Hadoop 에코시스템을 포함한 Airflow, DBT 등 문제 해결을 위한 다양한 도구들을 발굴 및 활용해 위에서 전사 배치 파이프라인을 설계·개발·최적화해요.
> - 오래 걸리는 쿼리의 실행 계획을 뜯어보고 파티셔닝·셔플·리소스 설정을 바꿔 수행 시간을 큰 폭으로 줄이는 일을 해요.
> - dbt 기반의 선언적 파이프라인처럼, 장애가 난 뒤에 고치는 게 아니라 컴파일과 CI 단계에서 미리 막는 구조를 연구하고 도입해요.
- 데이터 품질 — 신뢰를 시스템으로 보장하기
> - DQ 룰을 일회성 작업이 아닌 재사용 가능한 자산으로 만들고, 사후 인지가 아니라 데이터가 서빙되기 전에 탐지하는 체계를 만들어요.
> - 마트 간 정합성을 검증하고, 문제가 생기면 영향 범위를 추적해 관련된 사람들에게 바로 알리는 체계를 만들어요.
- AI-Ready 데이터와 에이전트 — 지금 팀에서 가장 빠르게 커지는 영역
> - 데이터에 컨텍스트를 입혀 LLM이 이해할 수 있는 형태로 만들어요. 시멘틱 레이어와 온톨로지를 설계하고, 지식 그래프로 개념 간 관계를 연결해요.
> - 사내 데이터 자산을 MCP·API로 열어서, AI 에이전트가 직접 테이블을 찾고 쿼리를 만들 수 있는 환경을 만들어요.
> - 운영을 사람 손에서 떼어내는 실험도 연구 / 집중하고 있어요. 장애를 감지해 원인을 분석하고 수정 PR까지 올리는 에이전트를 직접 만들고 있어요.
- 우리가 쓸 도구를 직접 만드는 일
> - 배치 오퍼레이터, 입수 자동화, 백필 CLI, 영향도 분석기 — 필요하다고 판단하면 직접 만들어요.
> - 도구에 화면이 필요하면 프론트엔드도 직접 만들어요. 실제로 팀원이 직접 만든 시각화 도구가 사내에서 쓰이고 있어요.
> - 직군의 경계보다 문제를 끝까지 푸는 것을 우선해요.

# 이련 역량이 꼭 필요해요
- Hadoop-Ecosystem, Database, Data Warehouse, 데이터 분산 처리에 대한 기본적인 이해가 있으신 분
- SQL 안티 패턴을 잘 이해하고 있고, Python 으로 기본적인 어플리케이션을 만들 수 있는 기술 역량이 있으신 분
- 복잡하거나 반복적인 문제를 데이터 모델을 이용해 단순화·자동화하여 해결한 경험이 있으신 분
- 단순히 요청을 처리하는 것이 아니라, 명확한 데이터 구조와 효율적인 활용 관점에서 기준을 제시할 수 있는 분
- 여러 직군의 이해관계자와 소통하며 데이터 요구사항을 구체화하고 합의를 만들어보신 분

# 이런 경험이 있다면 더 좋아요
- Airflow 운영 및 트러블슈팅, 배치 안정성 개선 경험이 있으신 분
- OLAP 쿼리 엔진의 동작 원리를 이해하고 성능을 튜닝해보신 분
- 데이터 플랫폼이나 도구를 직접 만들어 팀의 생산성을 올려보신 분 (마트 작업과 플랫폼 작업을 함께 하실 수 있는 분)
- 대용량 데이터 처리 및 분석을 위한 시스템 요구사항을 도출하고 구축해본 경험이 있으신 분
- dbt, 데이터 카탈로그, 메타데이터·리니지 관리 도구를 도입하거나 내재화해보신 분
- 토스의 데이터를 AI가 더 잘 이해할 수 있도록 데이터에 컨텍스트를 입히거나, 시멘틱 레이어 구축과 AI 레디를 위한 작업을 진행해본 경험이 있으신 분

# 이런 경험이 있다면 이력서에 꼭 작성해주세요
- 경험한 업무 중 임팩트 있었던 프로젝트를 구체적으로 적어주세요.
- 데이터와 관련된 문제를 해결하면서 기여한 부분 및 배운 점을 구체적으로 언급해주시면 좋아요.
- 설계하신 데이터 구조가 왜 그 형태여야 했는지, 어떤 대안을 검토했는지 함께 적어주시면 좋아요.
- 실제 서비스에 적용하여 개선한 경험이 있다면 결과를 수치로 나타내주면 좋아요. (외부 공개가 민감한 사항일 경우, 해당 부분은 제외해주세요)

# 합류하시면 이런 걸 얻어가실 수 있어요
- 금융, 커머스, 광고까지 아우르는 국내에서 손꼽히는 규모와 복잡도의 데이터를 직접 소유하고 다뤄요.
- 데이터 입수부터 파이프라인, 품질, 활용 환경까지 전 구간을 한 팀에서 경험할 수 있어요. 한 단계만 담당하는 조직에서는 얻기 어려운 시야예요.
- 시멘틱 레이어, 온톨로지, 데이터 에이전트처럼 시장에서 이제 막 형성되고 있는 영역을 실무에 적용하고, 실패해볼 수 있는 시간과 재량이 주어져요.

# 토스로의 합류여정
- 서류 접수 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우 협의 > 최종 합격 및 입사

# 함께 할 동료를 위한 한마디
> "팀원 모두가 어제보다 나은 서비스에 지향점을 두고 있어요"
- 저는 업무적으로는 금융데이터만의 위험한 매력에 끌렸고, 문화적으로는 나의 성장이 회사의 성장을 줄것으로 보여 토스에 합류했어요.
- 기존의 회사에서 가장 스트레스였던것은 회사가 정한 지향점으로 이끌려야만하는 것이었는데요, 토스는 입사 전에 들었던 모든 것을 훨씬 상회하는 자율성과 내가 정한 업무량, 그리고 향상심 높은 팀원 모두가 "어제보다 나은 서비스"에 지향점을 두고 있더라구요.