데이터 가치화 팀의 일상을 만나봐요!

안녕하세요. 당근마켓 데이터 가치화 팀에서 데이터 분석가로 일하고 있는 매튜예요.

데이터 가치화 팀이 만들어진 지 어느덧 10개월 정도가 되었는데요. 팀이 만들어진 이후에 사내외에서 팀에 대한 질문을 많이 받았어요. 어떤 비전을 가지고 있는지도 많이 궁금해하셨지만 실제로 일을 어떻게 하는지 궁금해 하더라구요. 그럴 때마다 데이터 가치화 팀에서 어떻게 일하는지 말씀드리곤 했는데 듣는 분들의 반응이 좋았어요. 그래서 이렇게 한 분 한 분에게 말씀드릴 것이 아니라 ‘아예 팀을 인터뷰하고 글을 쓰면 어떨까?’라는 생각을 하게 되었어요. 생각이 들자마자 팀원들에게 시간을 내달라고 부탁드려서 1시간 반 정도 이야기를 나눴어요.

인터뷰 내용을 말하기 앞서 데이터 가치화 팀에 대해서 가볍게 소개할게요.

Q. 데이터 가치화 팀에는 어떤 분들이 일하고 있나요? 가볍게 자기소개 부탁드려요.

• 매튜 :강화학습으로 데이터 분야에 처음 발을 들여놨어요. 사용자에 대한 관심이 많아서 데이터 분석가로 전향했고 현재는매일 매일 당근마켓 사용자들에게 더 좋은 경험을 주기 위해 데이터를 다루고 있어요. 최근에는 데이터 분석가가 뛰어놀 수 있는 환경에 대한 고민을 깊게 하고 있어요.
• 띠오 : 사업 기획, 사업 운영을 하다가 데이터를 더 잘 다루고 싶어서 데이터 분석가로 일하고 있어요. 당근마켓 팀원이 매 순간 조금 더 좋은 결정을 할 수 있는 방법을 찾고 있어요.
• 샘 : 학교에서 심리학 실험 연구를 공부하고 테크 업계에서 데이터 분석을 해왔어요. 데이터를 분석해 목적 조직의 문제 해결을 돕는 일, 실험을 통해 잘 배우는 당근마켓을 만드는 일에 기여하고 있어요.
• 이안 : 당근마켓의 구성원들이 데이터를 활용하는 과정에서 발생하는 여러가지 기술적인 문제들을 풀고 있어요. 스타트업의 기업 문화와 프로세스, 소프트웨어와 데이터를 통해 세상에서 가치를 만드는데 관심이 많아요. 귀여운 강아지와 함께 살고 있어요.
• 램버트 : 소프트웨어 엔지니어로 일하고 있어요. 기술을 이용해 문제를 해결하는 것을 좋아하고, 실험을 통해 당근마켓의 비전에 다가갈 수 있도록 노력하고 있어요.
• 루크 : 데이터 엔지니어로서 편리하면서도 올바르게 사용될 수 있는 데이터를 만들기 위한 고민을 하고 있어요. 요즘에는 Beam Pipeline 모델을 적용하는 것에 매력을 느끼고 있어요.
• 헨리 : 당근마켓 구성원들이 데이터 기반 의사결정을 하는데 도움을 줄 수 있는 실험플랫폼, 이벤트 로깅 인프라, 데이터 파이프라인 개발과 같은 소프트웨어 엔지니어링 일을 하고 있어요.

Q. 데이터 가치화 팀을 소개해주세요. 어떤 일을 하고 어떤 문제를 풀기 위한 팀인가요?

• 매튜 : 당근마켓은 현재(2022년 8월) 기준으로 WAU가 1,200만 명, MAU가 1,800만 명인 서비스에요. 이렇게 많은 사람이 원활하게 당근마켓을 사용하기 위해 정말 다양한 서비스가 제공되고 있고 앞으로도 제공될 예정이에요. 그 서비스를 만들어내는 많은 팀이 있고 각 팀은 사용자에게 제공할 기능을 만들어요. 기능을 만드는 각 구성원은 사용자에게 더 좋은 경험을 주기 위해 노력하지만 어떤 게 사용자에게 더 좋은 경험인지 알기가 어려워요. 데이터 가치화 팀의 비전과 가치가 바로 여기에 있다고 느껴요.
• 이안 : 저도 그렇게 생각해요. 1,800만 명의 사용자가 매달 사용하기 때문에 데이터 자체는 정말 많아요. 하지만 각 구성원이 의사결정 할 때 데이터가 잘 활용되지 못하면 데이터는 가치를 얻지 못했다고 생각해요. 데이터 가치화 팀은 ‘어떻게 하면 각 구성원이 매일 하는 의사결정에 데이터가 잘 활용될 수 있을까?’를 고민해요. 즉, 더 나은 사용자 경험을 위해서 각 구성원이 데이터 기반 의사결정 (Data-informed decision)을 할 수 있어야 하는데 그 과정이 쉽지는 않아요. 데이터 가치화 팀의 소프트웨어 엔지니어와 데이터 분석가는 이 문제를 해결하려고 하고 있어요.

Q. 데이터 가치화 팀이 풀고 싶은 문제에 관해서 이야기를 해주셨는데요. 문제를 풀기 위해 집중하려는 것이 느껴졌어요. 단순히 개발이나 분석을 하는 것과 집중해서 문제를 풀어내는 것은 무엇이 다를까요?

• 매튜 : 분석가 입장에서 생각해 보면 분석에 쓰는 여러 기법이 있거든요. 퍼널 분석도 있고 코호트 분석도 있고 상관관계 분석도 있고 정말 다양해요. 저는 문제를 단순히 해결하는 것과 집중하는 것의 차이가, 기법이나 방법론을 생각하고 거기에 문제를 끼워 맞추냐 아니면 문제를 먼저 생각하고 거기에 맞는 방법들을 찾아가냐의 차이인 것 같아요. 꼭 분석이나 개발이 아니고 우리가 평소 하는 모든 일에서 적용되는 것 같아요. 기법이든, 솔루션이든, 아이디어든 문제를 먼저 생각하고 문제에 맞추는 것이 중요하다는 생각을 해요.
• 이안 : 매튜가 분석가로서 이야기 했으니까 저는 엔지니어로서 이야기 해 볼게요. 결국에 우리의 목적은 데이터 도메인에 있는 문제를 엔지니어링으로 푸는 것이지 어떤 프레임워크나 솔루션 자체가 목적이 되어버리면 안 된다고 생각해요. 단순히 다량의 데이터를 효율적이고 빠르고 안전하고 쉽게 쓸 수 있게만 고민한다면 놓치는 것이 많을 거라고 생각해요. 열심히 다량의 데이터를 빠르게 만드는 데 집중했는데 알고 보니 빠르게 데이터를 보고자 하는 니즈가 없을 수도 있잖아요? 그리고 문제를 좀 더 쉽게 해결할 방법이 있을 텐데 그 생각을 못 하게 되는 것 같아요. 그래서 저희도 문제에 집중하고 하는 의지를 팀의 이름에 담았다고 생각해요.
• 헨리 : 이안 의견에 공감이 많이 돼요. 만약 문제에 집중하지 않으면 수요 없는 공급을 만들어낼 수 있다고 생각해요. 문제에 집중하면 어떤 수요가 있을지 왜 필요한지에 대해 조금 더 생각하게 돼요. 그렇게 생각을 하다 보면 새로 발견한 수요가 우리의 일을 될 수도 있다고 생각해요. 문제에 집중한다고 해서 모든 게 잘 되는 것은 아니겠지만 계속 더 나아갈 수 있는 방법이라는 생각이 들어요.

Q. 문제를 해결하기 위해 매일 매일 일을 하잖아요? 오늘 어떤 일을 할지 어떻게 정하시나요?

• 이안 : 데이터 가치화 팀은 각자의 업무를 지라에 등록해서 보드로 봐요. 그래서 지라에서 저에게 할당한 일을 필터링해서 살펴보는 편이에요. 팀이 현재 일하고 있는 큰 범주의 맥락이 있으니까 여러 가지를 고려해서 뭐부터 할지 결정해요. 만약에 전날 하던 일이 있는데 아직 끝나지 않았을 때는 오전에 보통 그 일을 하기도 해요. 이럴 때 꼭 아침에 안 끝나더라고요 (웃음).
• 루크 : 저는 중요한 순서대로 파악하는 편이에요. 첫 번째로 면접과 미팅이 있는지 확인해요. 그다음에 지라 보드를 보는 편이에요. 보통 지라 보드의 이슈들은 미리 만들어놓은 일들인데요. 그중에서 오늘 할 일을 정하곤 해요. 퇴근하면서 마치지 못한 일이 있으면 그 다음날 하고요. 전 다른 분들과 다르게 슬랙을 제일 마지막에 봐요.
• 헨리 : 저는 보통 분기나 월별로 마일스톤을 세워놓는 편이에요. 언제까지 뭘 하겠다고 정해놓는 거죠. 이번 주에 뭐 할지를 어느 정도 정해놨다 보니 그 일을 유동적으로 하는 것 같아요. 어떤 일에 얼마나 시간을 써야 하는지에 대해서 고민하고 일해요.

Q. 자율적으로 하루 할 일이나 일주일 동안 할 일을 정하시나요?

• 헨리 : 큰 범주의 일에 대해서 팀이 함께 모여서 자유롭게 정했어요. 그에 따라 어떤 순서에 따라 일할지도 어느 정도 정해놨고요. 그래서 저는 자율성 있게 업무를 하고 있다고 느껴요. 내가 어떤 일을 먼저 할지, 어떤 일에 시간을 얼마나 써야 할지 자유롭게 선택하고 있어요. 예를 들어 지라에 티켓이 10개 정도 있을 때, 무엇을 먼저 할지 스스로 판단하는 거예요. 그렇게 우선순위를 판단할 때, 다른 팀원분들 업무와 엮여있는 일이라면 보통 물어봐서 함께 조율해요.
• 이안 : 데이터 가치화 팀이 함께 모여서 OKR을 정했는데요. 그 OKR 범위 안에서 어떤 걸 어떻게 구현할지에 대해서 충분한 자율성을 가지고 선택하고 있어요. 또 각 팀의 OKR이 회사의 OKR과 얼라인(align)이 잘 맞아있다면 중요한 일을 다른 팀에서 급하게 요청하게 되는 경우가 없을 거라고 생각해요. 아직은 회사가 변화하고 발전하는 단계라서 가끔 급한 요청이 들어오지만, 자율성을 해칠 정도는 아니라고 생각해요. 함께 해결해야 할 문제인 경우가 많기도 해요.
• 샘 : 보통의 회사에서는 어떤 업무를 해야 하는지, 언제까지 해야 하는지, 무엇을 결과로 내야 하는지가 다 정해져 있는 식이라고 생각하는데요. 분석 업무를 하면서 문제를 해결하기 위해선 수많은 일을 해야 하고, 이 과정에서 자율성이 상당히 필요하다고 느꼈어요. 분석하기 위해 제품을 이해하고 데이터를 파악하거나 분석의 목적에 대해서도 제품을 만들어내는 분들과 지속해서 소통해야 하거든요. 이런 과정에서 데이터 가치화 팀은 문제 해결을 위해 무엇을 해야 할지 자율성이 상당히 높다는 생각이 들더라고요. 어떻게 보면 일이 잘 구조화되어 있지 않다고 볼 수도 있는데 자율이 있는 곳에서 어느 정도 발생할 수밖에 없는 일인 것 같아요.

Q. 저희가 자율이라는 단어를 많이 사용하고 있는데요. 여러분은 자율이 어떤 것이라고 생각하시나요?

• 루크 : 저는 자율은 자유가 아니라고 생각해요. 단순히 내가 하고 싶은 것을 하는 걸 자율이라고 정의하면 안 된다는 생각이에요. 자율은 팀의 의사결정 과정에 자율적으로 참여하는 것으로 생각해요. 데이터 가치화 팀의 목표는 데이터를 가치화하는 것인데요. 이렇게 목표가 정해져 있지만 목표 안에서 우리가 무엇을 어떻게 해야 하는지는 정말 다양할 수 있다고 생각해요. 이 목표를 달성하기 위해서 어떻게 해야 하는지 함께 치열하게 고민하는 그런 모습이 자율성 있게 일한다고 느껴요.
• 램버트 : 팀이 함께 OKR을 정했는데, 회사가 팀에서 정한 목표를 존중하고 그렇게 일하도록 환경을 만들어주고 있다고 느꼈어요. 저는 매일 업무를 할 때, 업무가 회사의 비전과 팀의 비전과 얼라인이 되어있는지 항상 살펴보는데요. 이렇게 각 개인이 업무에 대해서 고민하는 것이 자율성 있게 일하는 모습이라는 생각이 들어요.
• 루크 : 자율이라는 것이 꼭 장점만 있지는 않은 것 같아요. 각 팀이 모두 자율성 있게 일하다 보니, 각 팀이 서로에게 스스로 생각했을 때 중요한 일을 요청하곤 해요. 결국에는 자율성이 자율성을 해치는 결과가 나타나곤 하더라구요. 데이터 가치화 팀에서는 팀이 자율성을 지키면서도 다른 팀과의 협업도 잘하기 위해서 온콜이라는 제도를 도입해서 하고 있어요. 엔지니어와 분석가 각 1명이 전사의 데이터 니즈에 대해 먼저 대응해 필요한 업무를 진행하고, 만약 규모가 너무 큰 일이라면 팀과 이야기해 미래에 할 일로 조정하는 제도예요. 온콜을 시작하고 나서 혼란이 많이 줄어들었다고 느꼈어요.

Q. 팀이 함께 목표와 문제를 정했더라도 각자의 생각이 다르잖아요? 서로 다른 생각을 솔직히 동료에게 이야기하시나요?

• 램버트 : 저는 저의 의견을 팀에게 솔직하게 이야기하고 있어요. 제 의견이 좋다면 동료들이 더 발전시켜줄 것이고, 좋지 않으면 잘 반대해줄 거라는 믿음 덕분에 솔직하게 이야기할 수 있는 것 같아요. 저희가 모여서 일하는 이유는 팀의 비전과 회사의 비전을 달성하기 위해서잖아요? 그 비전에 빗대어 생각해봤을 때, 제 의견을 충분히 고려해줄 거라고 생각해요. 그리고 항상 더 좋은 방향이나 방법을 찾고자 하는 의지가 있기 때문에 가능한 것 같기도 해요.
• 루크 : 우리가 서로 솔직히 이야기했던 사례들을 한 번 생각해봤는데요. 항상 누군가 서로의 의견을 솔직히 이야기할 수 있는 판을 깔아줬던 것 같아요. 각자가 고민되는 것을 잘 정리해서 팀원을 모아서 물어봤기 때문에 좀 더 수월하게 의견을 말할 수 있었던 것 같아요. 누군가가 의견을 물어보지 않았는데 먼저 가서 나의 의견을 말하는 것은 감정적으로 갈 가능성이 높더라구요. 데이터 가치화 팀은 서로의 의견을 많이 궁금해하고 중요한 이슈들을 팀으로서 의사결정 하는 경험을 지속적으로 하다 보니 점점 더 솔직해지는 것 같아요.
• 헨리 : 서로 의견을 이야기할 때 소모적인 싸움이 될 거라고 생각하지 않아서 솔직하게 이야기할 수 있는 것 같아요. 저희가 팀의 목표에 대해서 되게 자주 이야기하는데요. 그래서인지 더 하나의 목표를 바라보고 있다고 느껴져요. 아주 큰 범위에서부터 서로가 얼라인을 맞춰왔기 때문에 디테일한 부분에서 충돌하더라도 서로 의견을 좀 더 들어보는 것 같아요.
• 매튜 : 저는 개인적으로 서로의 의견이 충돌할 때의 자세가 중요하다고 생각해요. 각자가 각자의 생각이 정답이라고 생각하면 결국 싸움으로 이어지는 것 같더라구요. 하지만 이미 우리의 생각이 모두 틀릴 가능성이 높잖아요? 그래서 우리는 각자의 의견을 이야기하면서 아직은 모르는 더 좋은 방법을 찾아내야 하는 것 같아요. 그러면 충돌이 아니라 함께 답을 찾아 나가는 과정이라고 볼 수 있는 것 같아요. 그런 생각으로 팀원들과 소통하다 보니 항상 솔직하게 이야기할 수 있었던 것 같아요. (웃음)

Q. 데이터 가치화 팀에서는 데이터 분석가와 소프트웨어 엔지니어라는 다른 직군이 붙어서 일하고 있는데요. 함께 일하면서 어떤 걸 느끼시나요?

• 매튜 : 기존에 제가 일해봤던 목적 조직은 잘 구분된 직군으로 구성되어있었어요. 예컨데 PM과 디자이너, 개발자가 한 팀이 되어 일하는 건 자연스럽고 익숙해요. 하지만 데이터 분석가와 소프트웨어 엔지니어는 다른 길을 가던 사람들이 모여서 일하게 된 느낌이 들더라구요. 데이터라는 주제로 하나가 될 수는 있지만 실질적으로 하루 하루 우리가 어떻게 유기적으로 잘 협업할 수 있을까라는 고민을 하게 되더라구요.
• 루크 : 저는 데이터 분석가 분들과 함께 일하는 것이 참 좋다고 느껴요. 엔지니어로서 일하다 보면 생산자 마인드에 빠질 때가 많아요. 나만 이해할 수 있는 형태로 만들 때가 많더라고요. 그래서 어떤 것을 만들었는데 아무도 안 쓴다든지 할 때가 많았던 것 같아요. 분석가 분들이 그런 부분에서 도움을 많이 주시는 것 같아요. 데이터 분석가분들은 기본적으로 회사에서 가장 많이 데이터에 대해 알고 활용하는 분들이다 보니 그런 것 같아요.
• 헨리 : 저도 엔지니어로서 의견을 공유해볼게요. 저는 분석가 분들과 일할 때 데이터라는 것을 좀 더 폭넓게 이해할 수 있는 것 같아서 좋았어요. 지금까지는 실험이라는 것이 기능적으로 돌아가게만 만드는 데 집중했었는데요. 지금은 데이터 분석가 분들이 실험 문서를 통해 각 팀원과 여러 측면에서 대화하는 걸 보면서 많이 배우고 있어요. 데이터를 엔지니어링 관점으로만 보는 것이 아니라 실제 서비스나 비즈니스의 관점으로 보게 되다 보니 데이터가 어떤 가치를 가지게 되는게 알 수 있게 되는 것 같아요.
• 띠오 : 모든 팀 구성원들의 역량이 자신의 잡 타이틀 하나에 국한되지 않는다고 느껴요. 데이터 엔지니어라는 잡 타이틀을 가지고 있지만 소프트웨어 엔지니어링, 머신러닝 엔지니어링, 데이터 분석 등 여러 분야에 역량이 있다고 느꼈어요. 데이터 분석가도 분석 이외에도 엔지니어링, 머신러닝, 프로덕트 기획 및 운영 등 여러 역량을 갖추고 있고요. 잡 타이틀이란 각 개인이 가지고 있는 역량 중 본인이 가장 재밌어하고 관심을 가지는 역량을 중심으로 고른 것 아닐까요? 그러다 보니 업무에 대한 관점도 굉장히 다양하고, 직업을 대하는 관점도 사람마다 모두 다르다고 느껴요. 이렇게 다양성이 폭발하는 환경에서 데이터 분석가로서 흥미로운 부분을 더 많이 보고 배울 수 있는 팀인 것 같아요.

Q. 마지막 질문이에요! (웃음) 요즘 데이터 관련해서 고민하는 것이 있나요? 꼭 현재 업무랑 관련이 없어도요.

• 램버트 : 저는 요즘 데이터와 관련된 개발을 하다 보니 ‘데이터를 어떻게 하면 더 잘 테스트할 수 있을까?’라는 고민을 하게 되더라고요. 작성된 SQL 쿼리가 의도한 대로 잘 실행이 되는지와 같은 기술적인 부분도 있지만 데이터의 퀄리티도 미리 체크하는 테스트가 필요하더라고요. 하지만 이런 사항들을 모두 테스트하기에 쉬운 환경이 아니어서 그런 환경을 어떻게 만들 수 있는지 고민하고 있어요.
• 매튜 : 데이터의 테스트는 소프트웨어 엔지니어링에서 이야기하는 테스트랑 다른가요?
• 램버트 : 원래 서버나 클라이언트에서 하는 테스트는 테스트 케이스가 있어서 명확한 인풋 아웃풋이 있는 함수 형태예요. 그런데 데이터 같은 경우에는 일단 데이터셋 자체가 준비되어야 실질적으로 의미 있는 결과를 테스트해볼 수 있는 거잖아요. 그러다 보니 미리 테스트 케이스를 작성하고 하는 테스트와는 조금 결이 다르다고 느꼈어요. 데이터의 범위가 워낙 넓어서 많은 분이 데이터 관련 개발을 하게 되는데, 그분들이 모두 쉽게 테스트를 어떻게 할 수 있을까하는 생각을 요즘 많이 해요.
• 루크 : 저도 저의 고민을 이야기하고 싶어요. (웃음) 저희 팀 이름이 데이터 가치화 팀이잖아요? 그러다 보니 데이터가 가치화 되려면 무엇이 필요할까?라는 생각을 많이 하게 돼요. 데이터로부터 가치를 얻어나가는 과정을 요즘에 머릿속에 그려보곤 하는데요. 저도 이 과정이 개념적으로 잘 정의가 안 되더라구요. 어떻게 보면 데이터를 바라보는 관점이 아직 성숙하지 않아서 명확하게 그려지지 않는다고 느꼈어요. 그래서 엔지니어링으로 데이터를 가치화하는 문제를 풀려면 먼저 이 과정이 개념적으로 잘 정의되는 게 중요하겠다 싶어요.
• 매튜 : 저도 공감이 많이 돼요. 기존에 분석할 때는 그냥 숫자를 만드는 데만 급급했던 것 같아요. ‘데이터를 SQL로 구해야 하고 그래프를 그려야 하고 액션을 취해야 한다’라는 행동 위주로만 생각을 했어요. 엔지니어 분들과 함께 데이터 이야기를 하면서 조금씩 무엇이 문제인지 보이기 시작했던 것 같아요. 결국은 제가 데이터로부터 유의미한 것을 얻어내는 과정이 스스로도 잘 정의가 안 되더라구요. 또한 우리가 쓰는 데이터 관련 용어들도 모두가 다 다르게 사용하고 있다고 느꼈어요. 그러다 보니 엔지니어링으로 문제를 풀려고 할 때, 방향성을 정하기 어려운 것 같아요. 그래서 지표는 무엇인지, 평소에 이벤트라는 말을 쓰는데 이벤트란 무엇인지, 이벤트로부터 지표를 구하는 과정은 개념적으로 어떻게 정의할 수 있을지 고민을 많이 하게 됐어요.
• 샘 : 저는 두 분이 말한 것이 과학적 사고방식을 체화하는 것이라는 생각이 들어요. 철학이나 인문학에서 사회과학으로 넘어올 때 자연과학의 방법론을 많이 사용했어요. 과학에서는 측정이 정말 중요한데 측정하려면 개념적으로 그리고 조작적으로 어떻게 측정할지를 정의해야 해요. 데이터라는 것이 측정하는 것이고 그 과정을 개념적으로 정의하고 싶어 한다는 게 결국은 과학에서 해왔던 일이라는 생각이 들어요. 이러한 사고방식을 모두가 할 수 있게 되면, 데이터 측면에서 성숙한 조직이라고 말할 수 있을 것 같아요. 저희가 그런 측면에서 할 일이 많겠죠? (웃음)

인터뷰하면서 많은 것을 느꼈어요. 팀원들을 더 잘 알게 되고 팀이 무엇을 하려는지, 그걸 이루기 위해 팀으로서 어떻게 함께 일할지 더 머릿속에 잘 그려졌던 것 같아요. 데이터 기반 의사결정의 핵심은 “왜”에 있다고 생각해요. 각 팀원이 데이터 기반 의사결정을 하기 위해서는 “무엇”에 앞서 “왜”를 생각해야 해요. 데이터 가치화 팀부터 팀이 풀려는 문제에 “왜”라는 질문을 던지며 “무엇”을 정해나가려고 한다는 것을 느꼈어요.

그 문제를 해결하기 위해 스스로 생각하고 동료와 함께 논의하고 때로는 충돌하고 서로를 도와주면서 앞으로 나가고 있다고 느껴요. 문제를 해결하는 경험을 하고 싶어 하는 분들이 모여있다는 생각이 들었어요. 데이터 가치화의 문제는 엔지니어링만의 문제도 아니고 분석의 문제도 아니라고 생각해요. 앞으로 데이터 가치화의 문제를 어떻게 해결해나가는지 다음 글로 찾아뵐게요!

당근마켓 데이터 가치화 팀과 함께 성장하고 싶다면 다음 채용 공고를 보시고 여정에 함께해주세요!
- 데이터 엔지니어 채용 공고
- 데이터 분석가 채용 공고
- 데이터 사이언티스트, 디시젼