2025년 12월 뉴스레터 🎄
안녕하세요 구독자님, 데이터리안 혜정입니다.
벌써 2025년의 마지막 뉴스레터로 인사드리게 되었네요. 연말은 잘 보내고 계신가요?
오늘 뉴스레터는 새해 목표로 직무 전환을 준비하는 분들을 위한 팁과 실무자 인터뷰, 데이터 개발자 분들을 위한 스노우플레이크의 무료 컨퍼런스, 그리고 토스의 A/B 테스트 사례까지 다양하게 준비했습니다. 이번 뉴스레터에는 스노우플레이크의 유료 광고가 포함되어 있어요.
30일 뒤면 또 새로운 한 해가 시작됩니다. 남은 2025년도 즐겁고 건강하게 마무리하시길 바랄게요. 저는 내년에 또 새로운 소식으로 찾아뵙겠습니다. 따뜻한 연말 보내세요! |
|
|
1. 인터뷰 | 운영에서 비즈니스 분석가로, 숫자를 속이지 않는 분석가 되고 싶어요
2. 블로그 | 직무 전환을 꿈꾸는 당신에게: 데이터 분석가가 되기 전 알아야 할 세 가지
3. 세미나 | (광고) 무료 AI 데이터 개발자 컨퍼런스 [Snowflake BUILD KOREA]
4. 블로그 | 진짜 A/B 테스트: 토스의 푸시 생태계를 데이터로 재설계한 방법 |
|
|
🏃♂️
운영에서 비즈니스 분석가로,
숫자를 속이지 않는 분석가 되고 싶어요
|
|
|
안녕하세요, 콘텐츠 마케터 서윤입니다. 오늘 뉴스레터의 첫 글로, 운영 직무에서 데이터 분석가로 커리어를 전환한 '우아한청년들'의 비즈니스 분석가 이진수님의 이야기를 준비했습니다. 어떤 과정을 거쳐 운영에서 비즈니스 분석가로 커리어를 전환하였는지, 진수님의 이야기를 소개할게요.
⋯⋯⋯
Q. 안녕하세요, 진수님! 자기 소개 부탁드립니다.
안녕하세요. '우아한청년들’에서 비즈니스 분석가(BA)로 일하고 있는 이진수입니다.
우아한청년들에 입사하기 전, 게임 회사 운영팀에서 약 6개월간 인턴으로 근무했어요. 당시 데이터리안 캠프를 수료한 직후였고, 두세 개 정도의 데이터 프로젝트도 완료한 상태였기 때문에, 이를 잘 정리해 포트폴리오로 만들어 적극적으로 어필했습니다. 이후에는 우아한청년들 운영팀의 신입사원으로 입사해, 배달 환경이나 인프라 관련 데이터를 모니터링하면서 어떤 액션이 필요한지 도출하고, 개선점을 제안하는 역할을 맡게 되었어요. 이 과정에서 데이터를 활용하는 점을 좋게 봐주셔서, 작년(24년) 10월부터는 비즈니스 분석가로 직무 전환하여 일하고 있습니다.
Q. 데이터를 많이 보다가, 결국 데이터를 보는 직무로 전환하셨네요. 원래도 데이터 분석가를 희망하셨나요?
처음에는 마케팅 쪽 데이터 분석을 하고 싶었어요. 제 전공은 정치외교학인데요. 3학년 때부터 경영학을 복수 전공했습니다. 마케팅 수업을 듣다 보니, 마케팅 전략을 숫자로 해석하고 결과를 개선하는 과정이 매력적으로 느껴졌어요. 그런데 마케터 취업 시장에서 신입으로는 진입 장벽이 높더라고요. 경력직을 선호하는 분위기도 있었고요. 그래서 ‘일단 데이터를 가까이서 다뤄보자’라는 마음으로 운영 직무를 선택했어요. 지표를 보면서 문제를 파악하고 개선점을 제시하는 일이라, 제가 원하던 데이터 기반 의사결정과도 맞닿아 있더라고요.
Q. 운영과 분석, 두 직무에서 데이터를 다루는 방식에는 어떤 차이가 있을까요?
운영 직무와 분석 직무는 데이터를 바라보는 깊이(Depth)가 다르다고 생각해요. 운영 직무에서는 가입자 수나 방문자 수 같은 기본적인 지표를 통해 전반적인 흐름을 파악하는 데 초점을 맞췄다면, 분석가는 단순한 수치 확인을 넘어서, 지표 너머의 맥락과 원인을 파악하는 것이 훨씬 더 중요하다고 느껴요.
예를 들어 데이터 분석가라면 "가입률이 떨어졌다"는 결과만 보고 끝나는 것이 아니라, “어느 구간에서 이탈이 많았는지”, “특정 페이지에 문제가 있었는지”, “유입 채널에 이상은 없었는지” 등 숫자 뒤에 숨은 구조적인 원인을 더 깊이 있게 들여다봐야 하죠. 그리고 “이러한 요인들로 인해 수치가 하락했으며, 이를 개선하기 위해선 어떤 조치가 필요하다”는 구체적인 인사이트와 실행 가능한 제안으로 이어져야 한다고 생각해요. 이런 사고의 흐름이 운영과 분석 직무의 가장 큰 차이점인 것 같습니다.
현재는 비즈니스 분석가로 일하며, 배달 수요에 맞춰 라이더가 적절하게 배치되고 있는지 세부 지역으로 나누어 분석을 하고 있다고 말씀해 주셨는데요. 진수님의 더 다양한 실무 이야기와 커리어 전환 이야기가 궁금하다면 아래 블로그 글을 확인해 주세요.
|
|
|
💭
직무 전환을 꿈꾸는 당신에게:
데이터 분석가가 되기 전
알아야 할 세 가지 |
|
|
지난 9월, 데이터리안으로 반가운 연락이 하나 도착했습니다. 데이터리안 SQL 캠프 입문, 실전, 마스터 과정을 모두 수강한 수강생 재덕님께서 데이터 분석가로 첫 출근했다는 소식이었는데요. 마케터로 근무한 5년의 시간을 뒤로 하고, 11개월간의 긴 준비 끝에 데이터 분석가로 전향에 성공하셨다고 합니다.
이전 글에서 소개해 드린 진수님, 그리고 재덕님의 이야기를 듣다 보니 비전공자, 그중에서도 다른 직무에서 일을 하다가 데이터 분석가로 전환하려는 분들이 취업 시장에서 더욱 막막함을 느끼시는 것 같다는 생각이 들었습니다. 그래서 이번 글에서는 데이터 분석가로 직무 전환을 꿈꾸고 있는 분들이 어떤 방향으로 준비해야 할지 서류부터 코테까지 정리해 봤어요. 같이 살펴볼까요?
⋯⋯⋯
직무 전환 포트폴리오, 이렇게 시작해 보자
경력자를 선호하는 데이터 분석가 취업 시장에서 포트폴리오에 기존 경력을 살려야 할지, 어떤 내용으로 포폴을 채워야 하는지 고민이 이만저만이 아닙니다. 그래서 서류를 작성할 때 주로 하는 고민들을 바탕으로 이야기를 해볼까 해요.
🤷🏻♀️ 기존에 일하던 직무 이력을 살려야 할까요?
- 현재 하는 일 속에서 데이터를 활용해 의사결정의 근거를 찾거나, 데이터 기반으로 서비스를 개선했던 경험을 포트폴리오에 정리해 보세요. 작은 시도라도 ‘데이터로 문제를 정의하고, 개선안을 실행해 본 경험’이 있다면 충분히 매력적으로 다가올 수 있습니다.
👩🏻💻 그래도 포폴에 넣을 내용이 없다면?
- 만약 직무에서 관련 경험이 없다면, 직접 데이터를 수집하고 분석하는 프로젝트를 진행해 보는 것도 좋습니다.
🙆🏻♀️ 프로젝트에 도메인 지식을 녹여서 어필하세요!
- 우리에게는 아주 큰 장점이 있습니다. 바로 짬에서 나오는 바이브인데요. 경력이 있으니, 그 경험을 최대한 살려 어필하는 것도 좋은 방법입니다. 데이터 분석 직무는 도메인 지식이 굉장히 중요한 분야입니다. 따라서 현재 근무하고 있는 도메인의 분석 직무를 타겟으로 준비한다면 충분히 경쟁력을 갖출 수 있습니다.
코딩 테스트는 미리미리 준비하자
어찌저찌 포트폴리오를 작성해서 제출하고 나면, 그다음에 더 큰 산이 기다리고 있죠. 바로 SQL 코딩테스트입니다. SQL 코딩테스트를 겪어보셨다면 아시겠지만, 이는 단순히 이론만 공부해서는 대비할 수 없습니다. 연습 문제를 많이 풀어보면서 익숙해지는 것이 매우 중요한데요. 아래는 데이터리안의 데이터 분석 캠프에서도 활용하는 문제 풀이 플랫폼입니다. 꾸준히 문제를 풀어보면서 SQL 실력을 점검해 보실 수 있어요.
|
|
|
SQL 문제 풀이 사이트, solvesql
그리고 이런 플랫폼의 또 하나의 장점은 자격증도 함께 제공한다는 점입니다. 텅 비어 있는 이력서보다는 문제 풀이 플랫폼에서 문제도 풀고 실력도 키우고 자격증도 딴다면 꾸준히 학습하고 성장하는 사람이라는 인상을 남길 수 있을 거예요.
⋯⋯⋯
자세한 포트폴리오 사례, 그리고 서류 전형 이후에 진행되는 코딩테스트 준비 방법까지! 더 자세한 준비 방법과 팁은 아래 글에서 확인하실 수 있어요. 직무 전환을 준비하고 계신 분들께 도움이 되길 바랍니다 :)
🎄 12월 1일부터는 solvesql 에서 Advent of SQL 2025가 진행 중입니다. 매일 하나의 SQL 문제가 출제되는데요. 모든 문제를 풀고 나면 자격증은 물론, 데이터리안 할인 쿠폰도 제공될 예정입니다. 실력도 유지하고, 성취감과 혜택까지 모두 챙겨보세요!
|
|
|
❄️
(광고)
무료 AI 데이터 개발자 컨퍼런스
[Snowflake BUILD KOREA]
|
|
|
안녕하세요, 데이터 분석가 혜정입니다. 이번 글에서는 무료 AI 데이터 개발자 컨퍼런스, Snowflake BUILD KOREA 소식을 준비했습니다. 조직 내 다양한 데이터를 안전하게 통합하고, 생산성을 높이기 위한 전략을 고민하고 계신다면 이번 행사가 특히 도움이 될 거예요. 행사는 온라인 라이브 스트리밍으로 진행되어, 어디서든 편하게 참여하실 수 있습니다.
⋯⋯⋯
AI 데이터 클라우드 플랫폼, 스노우플레이크
스노우플레이크는 전 세계에 고객을 확보한 AI 데이터 클라우드 플랫폼으로, 간편하고 신뢰할 수 있는 엔터프라이즈 AI를 제공합니다. 기업은 스노우플레이크를 통해 데이터·애플리케이션·AI를 단일 환경에서 구축하고 운영할 수 있습니다.
|
|
|
🗓️ Snowflake BUILD KOREA | 12월 9일(화)
AI가 조직의 경쟁력을 좌우하는 지금, 많은 기업들이 복잡하게 흩어진 데이터와 비효율적인 개발 환경 때문에 속도·생산성·품질 모든 부분에서 어려움을 겪고 있습니다.
이번 BUILD에서는 이 모든 문제를 해결하고, 데이터 수집부터 변환, 최신 앱 개발 방법론까지 아우르는 효율적인 에이전트 AI 개발 여정을 알려준다고 해요.
📢 행사는 이렇게 진행돼요
⏰ 2025년 12월 9일(화) 14:00 - 16:30
💡 온라인 라이브 스트리밍
(무료, 웨비나 신청 링크는 신청자 대상으로 메일로 공유 드립니다)
📢 행사 핵심 내용을 소개합니다
✅ 엔터프라이즈 AI를 위한 관리형 MCP 서버 기반 데이터 전략
✅ Snowflake Cortex AI Functions로 멀티모달 데이터에서 인사이트 발굴법
✅ 엔드투엔드 머신러닝 프로젝트 구축 가이드
⋯⋯⋯
이번 행사는 무료로 진행되는 온라인 웨비나입니다. 행사 등록한 모든 분들에게는 당일 세션 외에도 글로벌 BUILD 세션 중 8개의 하이라이트 영상까지 제공된다고 하니, 보다 효율적으로 AI를 활용하고 싶은 개발자분들이라면 모두 이번 BUILD 놓치지 마세요!
아래 버튼을 클릭해 바로 신청할 수 있습니다 :)
|
|
|
😎
진짜 A/B 테스트:
토스의 푸시 생태계를
데이터로 재설계한 방법 |
|
|
오늘의 마지막 글로 '토스'의 실무 사례를 준비했어요. 토스에서 푸시 효율을 높이기 위해 데이터를 어떻게 활용했는지, 그리고 그 과정이 어떤 단계로 진행되는지를 잘 보여주는 글입니다. ‘푸시 발송량이 늘었고 CTR이 감소했다’라는 문제 인식에서 출발해 데이터를 통해 원인을 탐색하고, 개선의 방향을 찾아가는 과정이 인상적이었는데요. 토스가 데이터를 바탕으로 의사결정을 내리는 과정에서, 데이터 분석가는 어떤 역할을 할까요?
* 이 글의 원문은 토스 기술 블로그에 업로드된 “진짜 A/B 테스트: 토스의 푸시 생태계를 데이터로 재설계한 방법”입니다.
⋯⋯⋯
토스의 성장과 함께 낮아진 푸시 효율성
토스의 제품 사일로는 PO, 디자이너, 개발자, 데이터 분석가 각자가 고유한 DRI(Directly Responsible Individual)를 갖고 서비스 운영과 성장을 위해 푸시를 적극적으로 활용하고 있습니다. 푸시는 별도 비용이 거의 들지 않고, 사용자와 즉시 소통할 수 있는 효과적인 채널이죠. 특히 2,900만 가입자 기반을 보유한 토스는 푸시를 보다 잘 활용할 수 있는 좋은 환경을 갖추고 있어요.
|
|
|
그러나 슈퍼앱으로 확장하면서 운영 중인 서비스가 100개를 넘어섰고, 그 과정에서 푸시 효율이 점차 떨어지는 문제가 나타났어요. 서비스가 늘어나며 푸시 발송량이 급격히 증가했고, 그 결과 사용자의 푸시 반응 역치가 높아질 수밖에 없었습니다. 전사 푸시 CTR*은 점진적으로 하락하는 추세였고, 개별 팀의 카피·템플릿·타이밍 개선 노력에도 불구하고 근본적(시스템적) 해법 없이는 방어가 어렵다는 공감대가 형성되었어요.
* CTR(Click-Through Rate): 클릭률(노출된 횟수 대비 클릭 된 횟수의 비율) |
|
|
‘지속적 무반응’을 신호로 보는 De-Targeting
실용적이고 전사적으로 적용 가능한 새로운 규칙이 필요했습니다. ‘원하는 푸시만 발송한다’라는 것은 곧 ‘원하지 않는 푸시는 줄인다’라는 의미와 같습니다. 그렇다면 “최근 N일 동안 동일 혹은 유사 목적의 푸시에 N회 연속 반응하지 않은 사용자는, 해당 카테고리 푸시를 불필요하다고 여긴다”고 정의할 수 있어요. 이 기준에 따라 해당 유저를 일정 기간 푸시 대상에서 제외(쿨다운)하는 디타게팅 룰을 설계했습니다.
핵심은 최적의 n값 설정이었습니다. 불필요한 푸시를 최대한 줄이면서도 필요한 푸시를 놓치지 않기 위한 균형점을 찾기 위해 다양한 시뮬레이션을 수행했고, 리스크를 관리하면서도 의미 있는 CTR 개선이 가능한 후보군을 도출했어요.
AB가 아닌 ABC 테스트
이번 실험은 전사 임팩트가 크고 장기적 습관 형성과도 연결될 수 있어 2개월이라는 장기 실험으로 진행해 보았어요. 표본은 전체 유저 중 6%를 무작위 추출했으며, 실험군 간 랜덤화와 독립성을 보장했습니다.
- 설계: Control(현행) vs Variant 1(진보적 N) vs Variant 2(보수적 N)의 ABC 테스트
- 보호 지표: 앱 오픈 AU, 서비스별 AU, 매출 등 핵심 지표 저하 방지
- 트레이드오프: n값을 크게 잡으면 CTR은 오르지만, 도달·리텐션·매출에 부정적 영향을 줄 수 있음
또한, 전사 공감대 형성을 중요한 절차로 삼았습니다. 디타게팅은 각 서비스의 도달 범위를 줄일 수 있는 민감한 주제였기에, 실험 목적·가설·보호 지표·리스크 관리 방안을 투명하게 공유하고 각 제품 담당자의 의견을 수렴했습니다. 이 합의가 이후 확장과 배포 결정에 큰 힘이 되었죠.
⋯⋯⋯
데이터 기반 의사결정은 거창하게 느껴지지만, 사실 작은 관찰에서부터 시작됩니다. ‘우리 서비스의 이용자는 어떤 행동 패턴을 보이고 있을까?’, ‘이전과 비교했을 때 무엇이 달라졌을까?’를 데이터로 확인하고, 그 안에서 개선의 실마리를 찾는 것이죠. 이렇게 하나씩 데이터를 활용해 나가면, 자연스럽게 데이터 중심의 의사결정이 시작될 거예요.
그럼 토스의 A/B 테스트 결과는 어땠을까요? 자세한 테스트 과정 및 결과는 아래 글에서 확인하실 수 있습니다.
|
|
|
✨ 구독자님! 데이터리안 콘텐츠와 함께 데이터 분석 능력을 업그레이드 해봐요
|
|
|
데이터리안
데이터 분석, 데이터리안과 시작하세요
contact@datarian.io
|
|
|
|
|
