DnA팀 2022 채용 계획 & FAQ
작년에 이어 올해도 DnA 팀에서는 네이버 서치의 개선을 위한 다양한 Data Science & Engineering 프로젝트를 진행하고 있습니다. 작년에 AB테스트, 크라우드소싱, 데이터 및 분석 인프라 등 기반 플랫폼 만드는데 집중했다면, 올해는 본격적으로 각종 지표 개발과 데이터 플랫폼 및 분석 방법론 고도화에 노력을 기울이려 합니다.
이를 위해 아직 10명대 초반인 팀을 3배 이상으로 키우는 채용 목표를 갖고 있습니다. (데이터 사이언티스트 / 엔지니어 / PM 등) 3000만명이 매일 쓰는 네이버 검색 서비스의 사용 패턴을 분석하고, 이를 개선하기 위한 평가 및 실험 지표를 개발하고, 이 모든 일을 훌륭한 동료들과 빠르게 성장하는 팀에서 함께하실 여러분을 기다립니다!
저희 영문 홈페이지에 Job Description이 있지만, 조금 더 상세한 정보를 드리고자, 제가 채용 관련 면담을 할 때 자주 답변드리는 질문을 FAQ로 정리했습니다.
DnA팀의 고유한 업무 문화나 색깔이 있다면?
우선 DnA팀이 작년에 생겼으니, 팀 문화는 초기 맴버로서 같이 만드신다고 생각하시면 좋을 것 같고요, 저는 리더로서 미국 회사에서 경험한 좋은 문화를 — 직위보다 역할에 따라 누구나 발언권을 가짐, 구성원들의 성장 목표와 업무간의 접점 최대화, 사무실이나 근무시간에 얽매이기 보다 각자 최적의 환경에서 일하는 유연한 근무 — 만들기 위해 노력하고 있습니다.
현재 검색 관련 업무 경험이 없는데 괜찮을까요?
저희 분야는 서비스 및 기술 진보 속도가 빠르고, 따라서 채용 과정에서 특정 도메인 지식보다는, 기본기와 학습력을 중요하게 평가하려고 합니다. 따라서 분야에 관계없이 분석이나 엔지니어로서 기본 소양을 보여주시면 됩니다. 단, 데이터 사이언티스트 및 엔지니어로서 네이버 검색을 개선하는데 어떤 역할을 하시고 싶으신지는 꼭 생각해보시면 좋겠습니다.
데이터 사이언티스트도 코딩을 해야 하나요?
저희는 분석 업무에서 반복되는 SQL 작성이나 리포팅 업무를 최대한 자동화 및 템플릿화하고, 이를 통해 데이터 사이언티스트의 시간을 새로운 분석 아이디어를 탐험해보거나, 더 나은 지표 및 방법론을 개발하는데 사용하도록 권하고 있습니다. 따라서 이를 위해서는 코딩 및 깃허브(VCS)에 친숙한 분들을 우선 채용하려고 합니다.
DnA팀의 엔지니어들은 어떤 역할을 하나요?
현재 데이터(Back-end) 및 소프트웨어(Front-end/Full-stack) 엔지니어를 채용하고 있으며, 엔지니어 분들은 네이버 서치 조직 전체가 사용하는 데이터 파이프라인과 분석 및 평가 플랫폼을 담당하고 계십니다. 따라서 AB 테스트, 크라우드소싱, BI(대시보드) 등 다루는 데이터도 크고, 성능 및 신뢰도에 대한 요구사항도 높은 다양한 플랫폼 엔지니어링 경험을 하실 수 있습니다.
DnA팀에서 머신러닝을 접할 기회가 있을까요?
네, 네이버 서치가 한국에서 각종 머신러닝 기술을 가장 많이 쓰는 조직이고, DnA팀은 다양한 머신러닝 팀과 협업하면서 더 좋은 모델을 서비스에 넣기 위한 여러 분석 및 평가 작업을 수행하게 됩니다. 또한 최근 들어 분석 및 평가 업무에도 머신러닝이 많이 쓰이는데, 올해부터 모델링 기반의 품질 지표 및 코호트 개발을 본격적으로 해볼 생각입니다.
DnA팀에서 업무 성과로 논문을 쓰거나 외부 발표를 할 수 있는 기회도 있을까요?
아시겠지만 저부터 논문 / 책 / 팟캐스트 등 굉장히 다양하게 지식 공유를 실천해 왔고요, 공유를 위한 정리 과정에서 개인과 팀의 지식이 성장한다고 믿고 있어서 업무 성과의 외부 공유에 열심인 분들 적극 환영입니다. 특히 올해부터 저희 팀에서 본격적으로 외부에 공유할만한 성과가 나오는 시점이라고 생각하고 있습니다.
한국 팀과 미국 팀은 어떻게 협업하게 되나요? 영어는 필수인가요?
현재 한국과 미국에서 동시에 채용하고 있지만, 아직 한국 팀이 다수입니다. 현재는 온라인으로 협업하고 있지만, 향후 미국 팀 채용이 진행되면 프로젝트 특성에 따라 교환 근무와 같은 협업 형태도 고려하고 있습니다. 영어는 업무상 필수는 아니지만, 새로운 데이터 사이언스 지식 습득에는 필수라고 말씀드리고 싶습니다!
마지막으로 ‘왜 DnA팀에 지원해야 하는지’ 답변주신다면요?
아마 대기업과 스타트업 중에서 고민하시는 분이 있으실것 같은데요, 저희는 대기업의 안정성과 다양한 서비스에서 파생되는 빅데이터를 다뤄보실수 있다는 장점, 그리고 신생 조직으로서의 유연함과 자율성, 그리고 성장 가능성을 가진 팀이라고 생각합니다. 저희와 같이 성장하실 열정있는 분들을 모십니다!
DnA팀에 지원하기 전에 참고했으면 하는 자료가 있을까요?
아래 팀에서 하는 일과 관련된 튜토리얼을 소개합니다.
— KDD 2019 on Challenges, Best Practices and Pitfalls in Evaluating Results of Online Controlled Experiments https://sites.google.com/view/kdd2019-exp-evaluation/
— KDD 2020 Tutorial on Online User Engagement: Metrics and Optimization
https://onlineuserengagement.github.io/
— SIGIR 2016 Tutorial on IR Evaluation: Designing an End-to-End Offline Evaluation Pipeline
https://www.slideshare.net/lifidea/sigir-tutorial-on-ir-evaluation-designing-an-endtoend-offline-evaluation-pipeline
혹시 더 궁금한 점이 있으시다면 아래 팀 블로그를 살펴보시고, 지원을 위해서는 제게 링크드인 메시지나 이메일 주시면 됩니다~
Data&Analytics 팀 기술 블로그:
