[채용 공고 읽기] Data Scientist, Decision | 전사 차원의 데이터 분석 문화 정립, 당근 데이터 가치화 팀

 

https://about.daangn.com/jobs/4557367003/

 

 

1. 팀 소개 - 데이터 가치화 팀을 소개해요

당근 팀은 동네 안에서 연결되지 못한 가치있는 정보를 발견하고, 지역 생활 속의 불편함을 해결하기 위해 모였어요. 이러한 사용자 가치를 만들어내기 위해서는 사용자들에 대한 믿을 수 있는 정보를 손쉽게 접근해서 의사결정에 반영할 수 있어야 해요. 당근은 의사결정에 수많은 데이터를 이미 활용하고 있지만, 당근의 데이터의 가치를 극대화하기 위해서는 많은 변화가 필요해요. 데이터 가치화 팀은 “매일 데이터를 통해 사용자를 위한 의사결정을 해요.”라는 비전을 달성하기 위해 모였어요. 이 가슴 뛰는 비전을 달성하기 위해 Data Scientist, Decision과 Data Engineer, Server Engineer로 이루어진 목적 조직을 만들었고, 데이터 가치화의 문제를 주도적으로 해결하기 위해서 고민하면서 일해요.

 

->  그저 분석이 아닌 손 쉽게 분석하기 위한 모듈적인 접근이 주요 목표인 것으로 보인다.

 

2. 직무 소개 - Data Scientist, Decision을 소개해요

1800만의 사용자가 방문하는 서비스인 당근의 데이터는 방대한 규모이면서 정형화되어 있지 않아요. 사용자를 위한 의사결정을 누구나 할 수 있으려면 이 데이터에서 사용자에 대한 의미있는 정보를 얻어내야 해요. 따라서 Data Scientist, Decision은 1. 어떻게 하면 다양한 직군의 팀원들이 사용자에 대한 유용한 정보를 스스로 손쉽게 얻어낼 수 있을까 고민해요. 또한 2. 어떻게 하면 의사결정을 할 때 발생할 수 있는 편향을 체계적으로 없앨 수 있을까 고민해요. Data Scientist, Decision은 이러한 고민에 대해 주도적으로 문제를 정의하고 3. 통계, 머신러닝, 엔지니어링, 문제 정의와 논리적 사고라는 도구를 활용해요. 궁극적으로는 누구나 데이터 사이언티스트처럼 과학적 의사결정을 일상적으로 할 수 있게 하기 위해 매일 노력하고 있어요.

 

-> 데이터 분석가와 차별점은 역시 머신러닝, 엔지니어링과 더불어 보다 통계적인 접근을 하는 것

 

3. 주요 업무 - 이런 일을 해요

• 전사적으로 중요한 질문을 데이터 관점에서 정의하고 의사결정의 방향성을 보여줘요 -> 전사적으로 이끌고자 하는 팀
• 의사결정과 제품의 개선이 사용자에게 어떠한 영향을 주는지 누구나 파악할 수 있도록 해요
• 전사의 서로 다른 팀이 사용자라는 같은 방향을 바라볼 수 있도록 데이터로 기여해요 -> 타 직군과 의사소통 중요
• 지표, 분석, 실험을 쌓일 수 있는 형태로 만들어서 전사의 누구나 보고 자신의 업무나 의사결정에 활용할 수 있도록 해요.
• A/B 테스트와 같은 방법을 통해 의사결정 과정에서 발생하는 편향을 체계적으로 제거해요
• 누구나 의사결정을 내리기 위해 필요한 데이터를 스스로 볼 수 있도록 해요

데이터 분석 프레임워크를 개발하여 전사적인 차원에서 의사결정을 도와 생산력 향상 도모

단지 분석 뿐만 아니라 사내 교육적인 측면도 염두하는 팀으로 보임

 

4. 필수 요구 사항 - 이런 분을 찾고 있어요

• 3년 이상의 데이터 도메인에서 임팩트를 낸 경험이 있으신 분
• 복잡한 문제에 대해서 문제정의를 잘 할 수 있는 분
• 통계를 활용해서 데이터나 의사결정 과정에서 발생할 수 있는 편향을 제거할 수 있는 분
• 데이터를 통해 얻은 정보를 누구나 이해할 수 있는 형태로 설명할 수 있는 분
• A/B 테스트와 인과 추론에 대한 깊은 통계적 이해를 가지신 분

 

5. 우대 요구 사항 - 이런 분이면 더 좋아요!

• 비정형 데이터를 다양한 기술을 활용해서 유의미한 정보로 만들 수 있는 분
• 정말 큰 양의 데이터를 Airflow나 DBT와 같은 도구를 활용해 효율적으로 분석에 활용할 수 있는 분
• 코드를 통해 사람들이 사용할만한 가치있는 것을 만들어본 경험이 있으신 분
• 프로덕트를 만드는 과정에 직접적으로 참여해서 어떻게 프로덕트를 만들어가는지 잘 이해하시는 분

방대한 비정형 데이터 처리 + 복잡한 문제 정의 

경험해보지 않은 분야라 막연하다.

 

 

6. 채용 프로세스 - 이렇게 합류해요

1. 서류 전형  → 2. 화상 인터뷰 → 3. 직무 인터뷰 → 4. 컬쳐핏 인터뷰 및 레퍼런스 체크 → 5. 처우협의 →  6. 최종 합격 및 입사

👉당근 합류 여정 가이드 바로가기(🔗)

 

7. 참고 자료

🥕 데이터 가치화 팀이 어떻게 일하는지 구경하기

 

데이터 분석에 주로 활용되는 방법론에 해결 방안을 끼워 맞추는 것이 아닌,

 

잘 설계된 아이디어와 문제가 먼저라는 것을 다시금 되새김.

 

목적은 데이터 도메인에 있는 문제를 엔지니어링으로 푸는 것이지

 

어떤 프레임워크나 솔루션 자체가 목적이 되어버리면 안 된다고 생각.

 

단순히 다량의 데이터를 효율적이고 빠르고 안전하고 쉽게 쓸 수 있게만 고민한다면 놓치는 것이 많을 것이기 때문에 문제에 더욱 집중해야 한다.

 

만약 문제에 집중하지 않으면 수요 없는 공급을 만들어낼 수 있다

 

보통의 회사에서는 어떤 업무를 해야 하는지, 언제까지 해야 하는지, 무엇을 결과로 내야 하는지가 다 정해져 있는 식인데,

 

분석 업무를 하면서 문제를 해결하기 위해선 수많은 일을 해야 하고,

 

이 과정에서 자율성이 상당히 필요하다.

 

분석하기 위해 제품을 이해하고 데이터를 파악하거나 분석의 목적에 대해서도 제품을 만들어내는 분들과 지속해서 소통해야하고,

 

런 과정에서 데이터 가치화 팀은 문제 해결을 위해 무엇을 해야 할지 자율성이 상당히 높다는 생각

 

어떻게 보면 일이 잘 구조화되어 있지 않다고 볼 수도 있는데 자율이 있는 곳에서 어느 정도 발생할 수밖에 없는 일인 것 같다고 한다.

 

단, 자율은 자유가 아님.

 

🥕 당근에서 실험을 어떻게 하는지 구경하기

 

이건 사실 이전에 읽어본 적 있는 포스팅이다.

 

A/B테스트로 지표 향상 시킨 사례 (거래 후기 UI 변화, 거래 완료글 함께 제시 여부 UI)

 

현실적인 어려움에 대한 지혜 및 극복 사례

• 실험을 하기 위해 들어가는 추가적인 리소스
• 실험 설계에 대한 어려움
• 실험 결과를 해석하는 역량의 부족
• 신뢰할 수 없는 실험 플랫폼