토스플레이스 Data Analyst 직무 해석
채용공고+인터뷰 조합
하리하리입니다.
토스플레이스 Data Analysis 직무 해석자료를 갖고 왔습니다.
자소서/이력서 구성 시,
스스로에 대한 구체적 인지 후, 이 곳에서 내가 어떤 활약이 가능한 사람인지
브랜딩을 전개하는 데 도움이 되시기를 바랍니다. (댓글에 연락채널 남겨두겠습니다.)
오프라인 결제 시장은 온라인 서비스처럼 데이터가 깔끔하게 떨어지지 않습니다.
매장 환경, 단말기 상태, 설치·물류 프로세스, 운영 규칙, 사람의 습관까지 변수가 너무 많습니다. 그래서 “문제는 보이는데 원인이 안 보이는” 상황이 자주 발생합니다.
토스플레이스는 이 복잡한 오프라인에서 새로운 기준을 만들겠다고 말합니다.
그리고 이 과정에서 Data Analyst(DA)는 단순히 숫자를 해석하는 역할이 아니라, 문제를 정의하고 지표를 설계해 조직을 움직이는 역할에 가깝습니다.
이번 글은 토스플레이스 DA 관련 인터뷰 내용 + 채용 공고(업무/요건/서류 팁/전형)를 한꺼번에 묶어서, 지원자가 “직무를 어떻게 이해해야 합격률이 올라가는지” 관점으로 정리한 글입니다.
[토스플레이스 DA 인터뷰]
1. 토스플레이스는 경쟁사 대비 어디에서 우위를 만들려고 할까?
① 결제를 ‘한 순간’이 아니라 ‘전체 여정’으로 관리한다
토스플레이스가 다루는 범위는 결제 성공/실패만이 아닙니다.
오프라인 결제는 보통 다음과 같은 여정으로 이어집니다.
1) 단말기(하드웨어)
2) 설치(대리점/현장 프로세스)
3) 물류(정/역물류)
4) 품질/AS
5) 매장 운영(직원 사용 패턴)
6) 결제 과정의 성공/오류/재시도
즉, 오프라인 결제 경험을 “앱 기능”이 아니라 시스템 전체로 다루고, 여기서 품질을 끌어올리는 것이 핵심 우위 포인트입니다.
② “오프라인에는 공식이 없다” → 공식을 만드는 팀이 되려 한다
오프라인 시장은 아직 검증된 데이터 분석 공식이 없고, 모바일과 다른 사용자 반응이 나온다는 것.
그래서 토스플레이스는
1) 새로운 지표를 만들고
2) 작은 실험을 쌓고
3) 이를 통해 “오프라인에서는 이렇게 하면 성장한다”는 패턴을 만든다고 말합니다.
경쟁 우위의 본질은 기능 하나가 아니라 학습 속도(실험 빈도) + 표준화(지표/운영 루틴)입니다.
③ 제품이 많고 사일로가 많다 → ‘제품 간 연결(Cross Activation)’이 성장 레버가 된다
공고에 명시된 업무 중 하나가 Cross Activation 영향도 분석입니다.
이 말은 단순히 “한 제품의 KPI만 개선하는 분석가”를 원한다기보다, 제품 포트폴리오 관점에서
1) A 제품을 쓰는 고객이 B 제품으로 넘어가는지
2) 어떤 경로가 전환에 영향을 주는지
3) 전사 아젠다에서 무엇을 먼저 풀어야 하는지
같은 문제를 데이터로 설계할 수 있는 사람을 찾는다는 뜻입니다.
2. 토스플레이스 Data Analyst는 실제로 무엇을 하나? (업무를 ‘현업 운영 흐름’으로 번역)
채용 공고의 업무 항목을 그대로 보면 “분석 전반”처럼 보이지만, 실제로는 아래 5단계로 돌아가는 역할입니다.
(1) 원천 데이터를 정제·가공한다 (dbt)
토스플레이스 DA는 원천 데이터를 그대로 쓰지 않습니다.
dbt를 활용해 데이터 모델을 정리하고, 분석 가능한 형태로 가공합니다.
여기서 포인트는 “SQL을 잘한다”가 아니라
팀이 계속 재사용하는 테이블/지표 구조를 만든다는 점입니다.
(2) 팀 목표를 지표로 정량화하고 대시보드로 고정한다 (Tableau)
DA는 목표를 KPI로 번역합니다.
그리고 그 KPI를 Tableau 대시보드로 만들어 팀이 매주 같은 숫자를 보게 만듭니다.
오프라인 환경에서는 특히 이 3가지 구성이 중요합니다.
1) 성공 지표(Outcome): 최종적으로 좋아져야 하는 것
2) 선행 지표(Input): 우리가 조절할 수 있는 레버
3) 가드레일(Guardrail): 좋아지는 대신 망가질 수 있는 것(운영 불편, 부정 영향)
이 구조가 잡히면, 회의가 “감”이 아니라 수치 기반 합의 하에 진행될 수 있을 겁니다.
(3) 가설·레버·우선순위를 설정해 빠른 이터레이션을 만든다
지표가 정해지면 다음은 실행입니다.
DA는 분석 결과를 던지는 역할이 아니라, 다음 질문에 답해야 합니다.
1) 성장 레버는 무엇인가?
2) 무엇부터 실험할 것인가?
3) 비용/리스크 대비 임팩트는 어디가 큰가?
즉, DA가 실험 로드맵을 같이 설계합니다.
(4) A/B 테스트와 제품 분석으로 검증한다
공고는 A/B 테스트 경험을 명시합니다.
토스플레이스는 가설 검증 문화가 강하고, DA가 실험의 설계·검증·해석을 리딩하는 구조입니다.
오프라인의 실험은 온라인보다 더 어렵습니다.
변수가 많고 운영 영향이 있기 때문에 점진 배포 + 가드레일 설정이 사실상 필수입니다.
(5) 지표 기반으로 팀을 얼라인하고 Data-driven 문화를 ‘운영’한다
토스플레이스 DA는 단순 보고자가 아니라,
1) 목표를 지표로 고정하고
2) 지표 반응을 매주 확인하며
3) 다음 액션을 이어가는 “운영자”입니다.
공고의 표현을 빌리자면:
“기술을 위한 지표”가 아니라, 제품과 비즈니스 성장과 일치하는 지표로 팀을 움직이는 사람이 필요합니다.
3. 토스플레이스에서 ‘인정받는 DA’는 어떤 사람일까? (인터뷰+공고 공통 분모)
지원자의 관점에서, 아래 체크리스트를 통과하면 “직무 핏” 설득이 쉬워집니다.
(1) 지표를 만들고, 그 지표가 팀의 기준이 되게 운영해본 사람
1) 대시보드가 예쁜 게 아니라
2) 팀이 매주 그 숫자로 의사결정하는 상태를 만든 경험
(2) 가설 → 검증 → 액션 → 재검증의 루프를 끝까지 돌려본 사람
1) 분석에서 끝나지 않고
2) 실행으로 연결되고
3) 실행 결과가 다시 다음 가설로 이어지는 사람
(3) 다양한 데이터를 주도적으로 탐색하고, 연결해서 ‘원인’을 말할 수 있는 사람
공고에 “여러 데이터를 종합해 논리적 해석”이란 멘트가 적혀 있습니다.
단일 테이블 결과보다 “맥락”을 설계할 수 있는 사람이 강합니다.
(4) PO와 함께 제품 전략을 결정해본 사람
공고는 DA가 PO와 함께 서비스 방향·제품 전략을 결정한다고 말합니다.
즉, DA는 분석 파트가 아니라 제품팀의 핵심 의사결정 축에 가깝습니다.
(5) 오프라인/O2O의 변수를 이해하고 설계할 수 있는 사람
배달/숙박/예약/의료 등 오프라인 연결 산업 경험이 “있으면 좋다”고 되어 있지만,
핵심은 단순 업종이 아니라 현장 변수가 KPI에 영향을 주는 구조를 다뤄봤는지입니다.
4. 역량 요건을 ‘합격권 수준’으로 번역(서류/과제/면접에서 검증되는 포인트)
(1) SQL: 사전과제(쿼리 테스트)와 직결되는 요소
합격권 기준
1) 퍼널/리텐션/코호트 산출이 가능하고
2) 모수/분모/기간/중복 처리 기준을 스스로 정해 일관되게 유지하며
3) “왜 이렇게 정의했는지” 설명할 수 있는 수준
(2) 제품 분석 방법론: 용어가 아니라 ‘정의/설계’가 가능해야 함
AARRR, Retention, Cohort, CLV를 안다는 것보다 더 중요한 질문은 이것입니다.
1) Activation은 무엇으로 정의할 것인가?
2) Retention 기준 이벤트와 기간은 어떻게 둘 것인가?
3) Cohort는 무엇 기준으로 나눌 것인가?
이 질문에 답할 수 있어야 “높은 이해도”를 갖추고 있다고 인정받을 겁니다.
(3) A/B 테스트: 설계·운영·해석까지
1) 실험군/대조군 구성
2) 성공 지표 + 가드레일 지표
3) 점진 배포(운영 리스크 관리)
4) 왜곡 요인(시즌성/지역/기기 믹스 등) 고려 및 해석 가능
(4) dbt/Tableau: 분석을 ‘운영’한 경험
1) dbt로 테이블/마트를 구성해 팀이 반복 사용하게 만든 경험
2) Tableau로 공통 KPI를 운영해 실제 회의·의사결정에 쓰이게 만든 경험
(5) 임팩트: “전략 제안 → 실행 → 지표 변화”가 연결돼야 함
공고 속 내용은 아래 흐름을 갖습니다.
가설/지표 정의 → 측정/검증 → 액션 아이템 → 결과(지표 변화)
오프라인에서는 매출 외에도 충분히 강한 임팩트가 됩니다.
1) 오류율/실패율 개선
2) 설치 전환율 개선
3) 운영 리드타임 단축
4) 기능 사용률/활성화 개선
5) 제품 간 전환(Cross Activation) 개선
5. 합격률을 높이는 작성 방식(공고가 말하는 정답을 그대로 적용)
토스플레이스든 어느 회사든 “업무 나열”을 싫어합니다.
이력서/포트폴리오 상에서는 아래 5요소가 확인돼야 합니다.
(1) 문제 정의(왜 중요한가)
(2) 지표 정의(무엇을 어떻게 측정했는가)
(3) 검증(어떤 분석/실험으로 확인했는가)
(4) 액션(무엇을 바꿨는가)
(5) 성과(지표가 어떻게 변했는가)
그리고 핵심:
제품/비즈니스 성장과 일치하는(일치란 단어가 부담스럽다면, 제시하는 내용의 뉘앙스가 토스플레이스의 Data Analysist 담당자로서 부합하는)지표를 써야 합니다.
★위에서 말한 문제해결:
1) 딴 산업/파트에서도 다 필요.
2) 그러나 어떤 산업/파트냐에 따라서 마주하는 문제도,
3) 그 문제를 해결하는 방식도 무한개
4) 나에 대한 리뷰 기반으로 내 문제해결 스킬 중 무엇이 여기에 맞을지 펼쳐보여야 함.
결국, 이 모든 건
나에 대한 리뷰가 답
추가 프로그램 안내
1. 면접 대비까지 함께!
-. 자소서뿐만 아니라 면접도 대비 가능합니다. 자소서는 글로, 면접은 말로 표현하는 것일 뿐, 본질적으로 다르지 않습니다.
-. 면접 준비가 필요하신 분들은 면접 컨설팅 안내 및 관련 브런치 콘텐츠를 참고해주세요.
2. 1년권/될 때까지: 무제한부터 점진적 Upgrade 가능
-. 1년권 및 타깃 기업이 될 때까지(섹터/커리어마스터) 무제한으로 함께하는 프로그램을 운영 중입니다.
-. 신입부터 경력이 쌓여도 해당 기업이 목표라면 끝까지 지원합니다.
3. 전자책 발간
-. 21년부터 다양한 플랫폼에서 판매된 전자책이 오픈놀에서 공식 런칭되었습니다.
-. 관심 있는 분들은 전자책 구매하기에서 확인해주세요!