정리하며 삽시다

글을 쓰기 전 잠깐 다른 이야기를 적어본다.

'국민권익위원회'에서 진행하는 '민원 데이터 분석 경진대회' 글도 지금 7일차까지 작성했다.

날짜상으로는 10/27(금)까지 보고서 제출이기 때문에, 바쁠 예정이다.

그리고 오늘(2023/10/19) 기준으로 넥토리얼 서류 접수 메일이 날아왔다.

내가 지원한 직군은 '[넥토리얼] 데이터 분석가'로, 10/27(금)부터 과제 테스트를 진행한다고 한다.

민원 데이터 분석 경진대회가 끝나는 시점부터, 넥토리얼 과제 테스트를 진행한다?

하던 것을 이어하는 가속을 받아 수월하게 진행할 수 있을 것 같다는 생각이 들었다.

그러니까 하고 싶은 말은, 너무 바빠서 내 정리 글을 못 썼다는 것이다.

변명이라는 걸 안다. 부정하지 않는다.

하지만 그럼에도 자기소개서도 작성하고, 기업에 서류도 제출하고, 포트폴리오도 열심히 수정하고 있다.

운동도 하고 있고, 매일 알고리즘 공부도 하고, 글도 열심히 쓰고 있다.

현재(2023/10/19, P.M. 4:22)를 기준으로 '비공개 글'이 20개나 된다.

기록을 남기지 않은 게 아니다. 단지 이곳은 내가 정말 개인적으로 공부한 흔적을 남기는 공간이고,

내가 열심히 공부해서 정리를 끝낸 뒤에, 나중에 다시 보기 좋게끔 하고 싶다.

그래서 미완성 글은 비공개로 분류해서 쉽게 알아볼 수 있게 해놓는 거다.

내가 어떤 개발자가 되길 원하는가에 대해서 정말 많은 생각을 하고 있다.

그리고 이제 방향이 잡혔다.

앞으로 더 바쁠 거다.

그래서 나에게 다짐을 보낸다.

"굳이 힘들게 글을 기록하는 것에 집착하지 않아도 돼."

글을 쓰지 말라는 이야기도 아니고, 놓아버리라는 이야기는 더더욱 아니다.

내 커리어가 유지되는 한 이 블로그는 평생 작성할 것이다.

단지 눈앞에 '취업'이라는 목표 때문에 글을 쓰지 말자는 거다.

그렇게 투쟁하듯이, 글을 써야만 한다는 강박에 사로잡혀서는 오래 갈 수 없다. 

이곳은 정말로 단지 내가 공부하는 공간이다.

남들이 알아봐주지 않아도 내가 공부를 열심히하고 있다고 내가 알고 있다.

바빠서 글을 쓰지 못해도 괜찮다.

경험한 모든 것은 내 안에 쌓여가고 있다. 그것까지 비로소 나이니까.

그러니 여유를 가지고 쓸 수 있을 때 열심히 쓰자고.

지금은 지금 하는 것에 몰입할 때라고 생각한다.

그러니 당분간 비공개 글을 더 쓰더라도, 너무 자책하지는 말자. 

넥토리얼 채용의 나라 후기

직무 그룹 QnA: 엔지니어

직무 그룹 QnA: 분석가

넥토리얼 채용의 나라 후기

친구의 소개? 정보 제공?으로 넥슨 채용의 나라 소식을 접했었다.

집과 거리가 너무 멀어서 판교는 처음 왔는데, 건물 하나를 통째로 쓰는 기업들의 사이즈를 실감할 수 있었다.

행사 시간표와 가는 길에 대한 정보는 위와 같다.

내 성격상 이런 일은 무조건 시작할 때부터 끝까지 있어야만 한다.

중간에 어떤 정보가 있을지 모르기 때문이다.

그래서 내가 원하는 '분석가' 직군이 맨 마지막에 있었음에도 9시 반부터 5시까지 판교에 있었다.

기다리면서 겸사겸사 '엔지니어' 직군에 가서, 질문을 하는 형태를 보고 배울 수 있다고 생각했다.

그리고 엔지니어에서는 'DB 엔지니어' 현직자 분이 나오셔서 정말 도움이 됐다

시간이 생각보다 너무너무 빠듯했다.

HR 상담을 위해서 줄을 서다보면, 강연 시간이 다가와서 초조해진다.

강연 시간이 아니더라도 먼저 가서 줄을 서지 않으면 편하게 듣기 힘들었다.

그래서 HR 상담을 받기 위해 줄을 서고 간단하게 질문 몇 개 던지고, 강연이 끝난 다음에 다시 이를 반복했다.

원래는 중간에 올까 고민하기도 했지만, 피곤한 내 성격상 그럴 수는 없는 노릇이다.

덕분에 시간이 꽤 많이 있었고, 남들에 비해서 여유롭게 시간을 조정할 수 있었다.

역시 이런 일은 언제나 처음부터 끝까지 다 겪는 게 정답인 것 같다.

QnA에 대해서는 정말 만족스러운 경험이었다.

내가 궁금한 점을 물어볼 수도 있었고(물론 누군가는 시간 관계상 물어보지 못했다),

내가 아닌 다른 사람들의 시야에서, '이 사람은 어떤 생각을 하는구나'를 느낄 수 있었다.

하지만 HR과 사람 유도 측면에서는 아쉬운 부분이 많았다.

분명 공지를 할 때, 사람이 많아서 입장이 제한될 수 있다는 식의 이야기도 해줬다.

그리고 직접 가서 강연을 들을 때, 설문을 2번한 이유에 대해서도 이야기 해줬다.

사람이 너무 많아서 언제 오는지 확인하고, 인원수를 조절? 분배?하기 위함이었다고 했다.

첫 번째 "2023 넥토리얼 시작하기" 강연을 듣고 나서, 진행자분께 가서 두 가지 질문을 했다.

Q1. QnA 교실은 한 교실에 몇 명이 수용이 가능한지 Q2. 수용 인원을 초과하면 어떻게 하는지

한 교실에는 50~80명의 인원이 수용 가능하고, 이정도 인원이 꽉 차지는 않아서 괜찮을 거라고 생각한다고 하셨다.

어라...? 사람이 많이 왔을 때를 대비해야 하는 거 아닌가?

오픈런을 했기 때문에 나는 상대적 사람이 없을 때부터 넥슨 사옥을 돌아다녔다.

시간이 지날수록 사람이 줄어들지 않을까?라는 기대와는 다르게 사람이 점점 많아졌다.

오전에 와서 나처럼 기다리는 사람들과, 오후에 오는 사람들이 더해진 것이다.

그리고 아까 들은 답변에 계속 의문이 들었다. 과연?

예상은 적중했다.

앉을 수 있는 인원이 한정되어, 거의 50명 정도 되는 사람들은 뒤에 서서 1시간을 보내야 했다.

그리고 HR 상담 등의 이유로 어쩔 수 없이 늦는다면 이마저도 들을 수 없었다.

입구에서부터 사람에 막혀 들어갈 수도 없고, 소리도 잘 안 들렸다고 한다.

다행히도 나는 전날에 분 단위로 계획을 세워서, 모든 계획을 실행할 수 있었다.

그러니 혹시라도 이런 상담회에 갈 일이 있다면, 무조건 계획을 세워야 한다.

HR 상담을 받기 위해 줄을 기다리다보면, 강연과 HR 상담이 분명히 겹치게 된다.

그럼 강연을 포기하든가, HR을 포기하고 나중에 줄을 다시 서야 한다...

이러지 않도록, 가능하다면 퐁당퐁당 식으로 건너뛰면서 강연 계획을 잡고, 그 사이에 HR 상담을 받자.

그리고 "2023 넥토리얼 시작하기"에서도 조금 아쉬움이 남았다.

자세한 회사 소개와 하는 일, 부서 소개 등은 구체적으로 13~17시 강연 때 하는 게 맞다.

전체적인 개요와 회사 연혁, 그리고 복지 소개는 처음 OT 때 하는 게 맞다.

하지만 그래도 첫 회사 소개 강연에서도 복지보다는 회사의 이념에 초점을 맞추는 게 좋지 않을까? 싶었다.

"2023 넥토리얼 시작하기"는 너무 복지에 초점을 맞춘 강연이라는 느낌을 받았다.

넥슨은 들어오면 이런 복지가 있어요, 이런 후원을 해줘요, 이런 지원을 해줘요.

많은 이들이 자기소개서에 꿈과 기업의 신념 방향성을 제시하며 자신을 포장한다.

그래도 역시 결국 '돈' 때문이다. 많은 사람이 그렇고, 나 또한 어느정도 인정하다.

하지만, 나는 돈이 꿈 위에 있으면 안 된다고 생각한다.

돈을 바라보고 꿈을 정하면, 결국 돈도 꿈도 잡을 수 없다고 생각한다.

아직 사회 생활을 해보지 않은 어린 아이의 말이라고 치부해도 괜찮다. 그렇기에 꿈이니까.

그래서 넥슨 정도의 기업이라면, 돈과 복지보다는 우리 회사가 가진 신념, 앞으로의 방향성을 조금 더 말해줬으면 했다.

적어도 나에게 있어서는 말이다.

모든 사람에게 모든 것을 만족시킬 수 없다. 하지만 아쉬움이 남는 것은 어쩔 수 없다. 

그래서 불만족했냐고?

전혀. 매우 만족스러운 경험이었다. 

HR 담당자분들께 포트폴리오와 방향성에 조언을 들을 수 있는 시간이 있었고,

현직자분들의 현업 고민과 용어를 들을 수 있는 시간이 있었고,

판교라는 한국의 실리콘 밸리를 직접 눈에 담을 수 있는 시간이 있었다.

하루 전부를 투자한 게 전혀 아깝지 않았다.

위 사진은 엔지니어 직군에서 발표를 해주신 '임현수님'의 신입 엔지니어 역량이다.

이걸 여기서말고 다른 데서 어떻게 볼 수 있을까.

아래에는 참석한 엔지니어 QnA, 분석가 QnA에 나온 질문을 정리했다.

실제 발표를 진행하고 QnA를 진행할 때 많은 PPT를 보여주시긴 했지만, 너무 많아 첨부하지는 않는다.

내가 데이터 분석 직군에 지원을 하고, 어떤 관점으로 바라봐야 할지 정말 막막했다.

1기와 2기에 대한 정보가 전무했기 때문이다.

그래서 이렇게나마 정리를 하면서 내 방향성을 찾음과 동시에, 누군가에게는 유용할 수 있지 않을까 기록을 남긴다.

질문과 답변들이 길어 최대한 요약했다. 동시에 본래의 의도에서 변질되지 않게 신경썼다.

아, 나는 아니지만 엔지니어를 준비하는 누군가에게 도움이 되도록 사진을 남긴다.

나 또한 데이터 분석을 준비하면서 데이터 엔지니어, 데이터 분석가, 데이터 사이언티스트의 경계가 모호했다.

그리고 그건 엔지니어 직군이 아마 조금 더 클 것이라고 생각한다.

'엔지니어...? 하는 일을 뭐라고 규정할 수 있지? 인프라? 네트워크? 뭐가 다르지?'처럼 말이다.

실제로 엔지니어 팀 분류를 보니까 엔지니어 직군에서 이렇게나 많은 팀이 있을 줄 몰랐다.

저 정도까지는 아니더라도, 자신의 커리어와 로드맵의 방향을 명확히 하는 데는 도움이 되리라 생각한다.

혹시라도 엔지니어를 준비하는 사람이 이 글을 보게 된다면, 힘내시길.

모바일 환경보다는 PC 환경에서 보기에 적합한 형태로 작성했습니다.

이 부분 참고하여 QnA 정리를 읽어주시길 바랍니다.

직무 그룹 QnA: 엔지니어

Q01. 넥슨 SW 엔지니어들이 사용하는 기술 스택과 개발 환경은 무엇인가요?

A01. 서비스에 맞춰 기술을 선택하는 상황이다. 목표를 달성하기 위한 하나의 수단에 불과하다. 

A01. 그래도 뽑아보자면 오래된 서비스는 .NET 프레임워크, 요즘 서비스는 Java, 클라우드는 PaaS, AWS lambda를 쓴다.

Q02. 지금 넥슨에서 어떤 일을 하고 계신가요?

A02. 플랫폼인프라실에는 플랫폼 엔지니어와 플랫폼 DB팀이 있다. 플랫폼에서 만들어지는 품질을 책임지고 있다

A02. 서버를 어디에 설치해야 해외 유저분들이 원활하게 사용하는지, DB 운영은 어떻게 효율적으로 하는지 고민한다.

Q03. 엔지니어를 하면서 제일 중요하게 생각하는 프로그래밍 언어가 있나요? 

A03. 언어 자체보다는 기반에 대한 지식이 중요하다. 특정한 언어에 국한하지 않는 게 좋다.

A03. 경력직 채용을 보면 알고리즘 같은 부분을 중요하게 본다.

A03. 굳이 고르자면, 가볍게 접근한다면 Python, 평균적으로 사용한다면 Java를 많이 본다.

Q04. 포트폴리오 프로젝트를 몇 개를 써야 할까요? 내용은 어떤 부분을 중점적으로 써야 할까요?

A04. (HR) 실무 경험이 아니더라도, 학교 경험이나 사이드 프로젝트를 기재해도 무방하다.

A04. 얼마만큼의 고민과 경험 그리고 어떤 실패를 했는지를 보는 것이다.

A04. 본인의 경험을 잘 전달할 수 있는 방식이면 무엇이든 괜찮다.

Q05. 말씀주신 역량(성장 가능성)을 회사에서는 어떻게 판단하나요?

A05. 성장 가능성을 본다는 것은 '이 일이 정말 흥미로운가?' 혹은 '이 일에 정말 관심이 있는가?'를 살펴본다.

A05. 말 뿐이 아니라 행동으로써 어떻게 관심을 표현해 왔는가 확인한다.

Q06. 안정성과 최신 기술 중에 어디에 중점을 두시나요? 최신 기술을 사용한다면 필요 조건은 무엇일까요?

A06. 반드시 최신 기술을 사용하는 것은 아니다. 현재 상황에서 무엇이 더 좋은 품질을 낼 수 있는 생각한다.

A06. 시스템과 품질, AB 테스트, 변환 과정, 최신 기술 도입 등을 잘게 쪼개서 하는지 전부 확인한다.

A06. 고민의 결론이 최신 기술이라면 그제서야 사용한다.

Q07. 기술 본부와 인텔리전스랩스의 차이는 뭔가요? 기술 본부 정보를 잘 찾을 수 없어서 질문드립니다.

A07. 기술 본부는 시스템 엔지니어, DB 엔지니어, QA, 품질 관리 직군 사람들이 많이 있다.

A07. 네트워크 환경, 클라우드 환경 제공, 데브옵스 툴 제공 등의 일들을 한다.

A07. 인텔리전스랩스는 소프트웨어 엔지니어, 기획, 분석 직군 사람들이 많이 있다.

A07. 넥슨 닷컴이나 넥슨 런처를 개발하거나, 분석하여 인사이트 획득 등의 일들을 한다.

Q08. 코딩테스트 난이도는 어떻게 나오나요?

A08. (HR) 플랫폼은 해커랭크, 난이도와 문제 수는 작년과 비슷하게 내려고 노력 중이다.

Q09. 성장 가능성이 높은 사람과, 이미 완성된 사람이 있다면 누구를 더 선호하나요?

A09. 넥토리얼 관점이라면 당연히 포텐이 있는 사람을 선호한다.

A09. 경력직 채용의 경우는 다른데, 상황에 따라 다르다. 정말 급한 상황이라면 후자를 선호한다.

A09. 시림은 좋아하는 일을 해야 행복을 느낀다. '본인이 정말 관심있는 분야인가'를 확인한다.

(내 질문)

Q10. 큰 그림을 그리는 것도 물론 중요하지만, 내가 일을 잘하고 있나? 어디까지 왔나? 확인하는 것도 중요합니다.

Q10. 옳은 방향으로 가는가에 대한 성과 지표 측정은 어떻게 하나요? 그리고 무엇을 중점으로 측정을 하나요?

A10. Output과 Outcome이 있다. Output은 '내가 뭘 했다'고, Outcome은 '어떤 가치를 창출했다'이다.

A10. Outcome에 집중적으로 일을 해야 한다. 언제나 '가치 창출'을 기반하여 '결과'를 생각해야 한다.

Q11. 소통을 잘할 수 있는 노하우가 있을까요?

A11. 진솔하고 구체적으로 이야기 해야 한다. 그리고 내 기준으로 남을 재단하지 않아야 한다.

A11. 팀원은 나와 같은 목표를 이루고 싶은 동료다.

Q12. 프로젝트 초기 빌딩 시 OKR과 KPI를 어떤 기준으로 빌딩하나요?

A12. 기획자가 개발팀과 상의하고, 그 뒤에 DB 엔지니어와 시스템 엔지니어와 상의하는 형태로 진행한다.

A12. 이미 계획이 다 짜여진 상태로 오기 때문에, 게획 설정에 대해서는 해줄 수 있는 말이 없다.

A12. 하지만 개인적으로는 품질 유지에 힘을 쏟고, 위험 부담을 줄인다는 꿈이 있다.

Q13. 엔지니어로 지원할 때 DB나 인프라에 대해서 어필하는 게 좋을까요?

Q13. 아니면 프론트엔드나 백엔드에 대해서 어필하는 게 좋을까요? 무엇이 더 매력적일까요?

A13. 본인이 어디에 맞는지 고민하는 게 맞다. 본인이 진정으로 흥미가 있는 것에서 시작해라.

A13. 무엇을 어필할지 고민하기보다, 여러 가지 경험을 하면서 확장해 나가는 게 맞다.

Q14. 넥슨 내에서 직무를 바꿀 기회가 있나요?

A14. (HR) 사내 채용 시스템이 활발하다. 각 팀에서 니즈가 있을 경우 현업을 뽑는 것처럼 전환이 가능하다.

Q15. 이번 웹 애플리케이션 엔지니어 JD에서 프론트엔드와 백엔드를 같이 지원받습니다.

Q15. 따로 뽑지 않는 이유는 무엇이고, 무엇을 중점으로 보나요?

A15. 불과 몇 년전까지만 해도 프론트엔드와 백엔드를 나누지 않았다.

A15. 지금은 트랜드에 따라서 나눠졌지만, 기술과 본질은 비슷하다.

A15. 본질에 집중해서, 본인이 무엇에 더 관심있는지 성향을 파악하는 게 중요하다.

A15. 나의 경우에는 대량 데이터를 빠른 시간 내에 처리한다거나, 고민을 하면서 쿼리를 튜닝하는 백엔드가 재미있다.

Q16. 다양한 기술을 배우기 위한 넥슨의 지원 제도가 무엇이 있나요?

A16. (HR) 원하는 사람들끼리 모여 별도의 스터디를 하기도 하고, 기업과 연계하여 교육을 진행하기도 한다.

A16. 의지만 있다면 다양하게 회사에서 지원하고 있다. 

Q17. 관련 경험 없어서 걱정이 됩니다. SW 엔지니어는 회사에 들어가면 어떤 일을 하게 되나요?

A17. 플랫폼인프라실 기준으로 설명드린다. 본부 전체 교육을 3달 받고, 팀 배정 후 6~8달 추가 교육을 받는다.

A17. 그런 다음 상황에 맞춰서, 실제 개발 환경 > 테스트 환경 > 라이브 환경 > 프리 환경의 과정을 거친다.

A17. 이건 상황과 부서마다 달라서 정확하게 정의하기에는 어렵다.

Q18. 엔지니어는 기술적으로 뭘 알아야 할까요? 알고리즘보다 개념을 더 중요시 해야 하나요?

A18. 기술적인 부분은 와서 배워도 된다고 생각한다. 중요한 것은 제반 사항, 기본기다.

A18. DB 엔지니어라면 DB를 직접 사용해보고, 쿼리를 작성해보고, 학교 수업 때 배우는 것들이 나중에 보니 중요하다.

A18. 새로운 것에 집중하기 보다는 기본기를 소화하는 게 더 중요하다고 생각한다.

A18. 그리고 알고리즘도 개념에 속한다고 생각한다.

A18. 경력직에게 물어보는 질문이긴 한데,  "인덱스는 어떤 알고리즘으로 만들어져 있죠?"를 묻는다.

A18. RDB 기준, B-tree를 기반으로 index를 구성한다. "그럼 왜 B-tree로 만들어져 있죠?"를 또 묻는다.

A18. 개념이나 원리, 아키텍쳐가 왜 이렇게 만들어질 수밖에 없었는가 물어본다.

A18. 물론 신입에게 바라지는 않지만, 그만큼 기본이 중요하다.

(내 질문)

Q19. 데이터 분석 직군을 희망하는데, 데이터 분석이든 DB 엔지니어든 대량의 데이터를 처리한다는 공통점이 있습니다.

Q19. 아까 대량 데이터를 빠른 시간 내에 처리한다거나, 고민을 하는 것을 좋아한다고 말씀 주셨습니다. 

Q19. 대량의 데이터를 처리할 때, 어떤 식으로 속도 개선을 하고, 어떤 식의 쿼리를 짜고, 무엇을 중점으로 생각하나요?

A19. 직군에 따라서 접근법이 약간 다르다.

A19. DB 엔지니어 입장에서 대용량 서비스를 하는 OLTP의 경우, 튜닝 포인트(최적화 방향)는 마이크로 튜닝이다.

A19. 회원 로그인을 할 때 주어진 시간은 10ms, Worst case는 100ms이다.

A19. 페이지를 하나라도 더 읽으려면 UNIQUE로 잡아서 읽으려는 노력을 한다.

A19. 10억, 100억 개의 테이블에서 실제로 요청이 들어오고 쿼리가 동작할 때, index가 몹시 중요하다.

A19. 최대한 짧은 범위를 탐색하려고 한다. 양은 비교적 중요하지 않다.

A19. 논리적으로 필요한 부분만 딱 접근하는 게 키 포인트다.

A19. 분석 쪽은 오랜 시간을 봐야 한다. 예를 들면, "1년동안 매출이 어떻게 변했는지 날짜별로 분석해서 가져와!"

A19. OLAP는 쿼리를 걸어두고 시간이 지났을 때, "아직도 결과가 없어? 아 답답하네 튜닝 한 번 해볼까?"하기도 한다.

A19. 상대적으로 시간이 중요하진 않지만, 그래도 튜닝은 많이 필요하다.

A19. 데이터 분석은 요즘 장비가 정말 많이 좋아졌다.

A19. 솔루션도 물리적인 부분에 신경을 안 써도 될 정도로 많이 좋아졌다.

A19. 스노우 플레이크나 데이터 브릿 같이 대용량 처리를 하는데, 필요한 부분에 맞춰서 솔루션을 선택할 수 있다.

A19. 옛날에는 column stored index를 사용해서 RDB로 저장하는 최적화를 많이 했는데,

A19. 요새는 데이터 레이크라는 개념이 생겼고, 적합한 솔루션이 많이 나왔다. 필요에 맞게 쓰자.

Q20. 엔지니어 직군 채용 과정과 인원이 어떻게 되나요? 석사 학위에 대한 메리트가 있을까요?

A20. (HR) 전형에서 추가 과제는 없고, 공통적인 코딩 테스트를 진행한다.

A20. 자세한 기술 지식은 면접에서 본다. 기본적인 도메인, 기술 관련 내용을 여기서 물어볼 수도 있다.

A20. 넥토리얼은 모두 같은 기준에서 바라보고 채용하기에, 석사 학위가 전형에 유불리가 있지는 않다.

A20. 만약에 넥토리얼 합격 후 인턴에서 정규직 전환 과정에서 석사 학위를 취득하면 인정은 해준다. 참고만 하자.

직무 그룹 QnA: 분석가

Q01. 인텔리전스랩스를 사내에서 줄여부르는 말이 있나요?

A01. '인랩'이라고 부른다.

Q02. 중고 신입으로 지원하려는데, 어떤 것을 기대하고 계시나요?

A02. 워낙 다양한 사람이 있어서, 동일 선상에서 보기에는 어려움이 있다.

A02. 직군 변경이냐, 첫 직군으로 오는 것이냐에 따라서 달라서 특정하기는 어렵다. 

A02. 경험했던 전 직장에서 좋았던 점을 어필한다면 좋게 볼 것 같다.

Q03. 파이프라인 구축과 데이터셋 구축은 데이터 엔지니어와 데이터 분석가 중 어디서 담당하나요?

A03. 조직마다 다르다. 탐지솔루션실에서는 개발자(데이터 엔지니어) 쪽에서 한다.

A03. 데이터 분석가도 할 수는 있지만, 가능한 직군 별로 업무를 전담해서 한다.

Q04. 분석을 할 때 특정 게임을 담당해서 하나요? 아니면 필요할 때 그때그때 분석을 하나요? 

A04. 프로젝트 우선순위에 따라 다르지만, 두 가지 다 한다. 

Q05. 데이터 분석을 할 때, 팀 단위로 하나요? 아니면 분석가 개인으로 진행하나요?

A05. 마찬가지다. 프로젝트에 따라 다르고, 두 가지 다 한다.

Q06. 주로 분석하는 게임 분야가 콘솔 게임인가요? 온라인 게임인가요?

A06. 넥슨 게임을 보면 안다. 온라인 게임이 대부분이다.

A06. 최근에는 콘솔 게임도 시장을 넓혀나가고 있어서, 특정 장르만 분석하는 식의 최적화되어있는 상태는 아니다.

(내 질문)

Q07. 사전 조사를 해보니 넥슨 직원이 언급하는 핵심 역량은 '리서치, 프로토타이핑, 커뮤니케이션, 창의성'이 있습니다.

Q07. 데이터 분석가로서 생각하시는 중요한 역량이 무엇인가요?

A07. 매년 트랜드가 바뀌면서 핵심 역량이라는 것이 계속 바뀌는 느낌이다.

A07. 지금 생각하기에는 '많이 알고 있는 지식'은 별로 중요한 것 같지 않다.

A07. 기술이 새로 나오다보니 '비즈니스와 도메인 지식을 연결하는 아이디어'들이 중요한 것 같다.

A07. 결국 기반이 되는 것은 분석적인 마인드, 활용할 수 있는 기술 역량도 필요하다.

A07. 동시에 점점 더 커뮤니케이션에 대한 역량이 더 많이 요구받고 있다.

A07. 전에는 경영진들에게 리포트만 작성하여 전달만 했는데, 더 유기적으로 일하는 방향으로 나가고 있다.

(내 질문)

Q08. 데이터 분석을 진행하는데 문제가 추상적이라는 생각이 많이 듭니다.

Q08. 무엇을 기준으로 정의를 내리고, 가설을 설정해서 어떻게 접근해 나가나요?

Q08. 그리고 방금 말씀 주신 역량이 이때 어떻게 빛을 발하는지 궁금합니다.

A08. 사람들에게 어떤 가치를 제공할 수 있는지, 사람들이 불편을 느끼는 부분은 어디에 있는지 찾아야 한다.

A08. 가설을 쭉 수립하고, 이걸 어떻게 데이터로 말할 수 있을지 고민하는 게 필요하다.

A08. 결국 이것을 통해 '어떤 수치적인 성과가 보여지느냐?'라는 것을 최대한 정의해야 한다.

A08. 예를 들어, 먼저 매출 증가나 사용자 유입량 증가폭에 대해서 정의를 한다.

A08. 설정한 정의와 가설에 따라서 진행하다보면 점점 더 구체화가 된다.

(내 질문)

Q09. 옳은 방향으로 가는가에 대한 성과 지표 측정은 어떻게 하나요? 그리고 무엇을 중점으로 측정을 하나요?

A09. 조직마다 다르다. 탐지솔루션실 기준으로 적용하는 실제 KPI는 이런 게 있다.

A09. 1년동안 얼마나 많은 탐지건을 발견했는가. 작업장 제재를 해서 우리가 얼마나 많은 재화를 동결시켰는가.

A09. 이런 식으로 정량적으로 측정하는 부분이 있다.

A09. 정성적으로 성과 측정하는 방법은 새로운 모델을 만들었는가. 이 모델이 얼마나 많이 기여했는가.

A09. 기여했다면 탐지를 얼마나 했는가. 기존의 룰 베이스 모델을 얼마나 최적화했는가 등이 있다.

Q10. 자소서 2번 문항이 '구체적으로 준비한 경험'인데, 정확히 어떤 이야기를 해야 하는 건가요?

Q10. 공부를 했을 수도 있고, 프로젝트의 딥한 경험일 수도 있는데, 무엇을 물어보는지 궁금합니다.

A10. (HR) 다른 모든 직군의 공통 질문이다. 엄청난 경험이나 output을 기대하지 않는다.

A10. 소소하지만 어떤 고민이나 배운 점이 있었는지, 양식에 구애받지 않고 작성하면 된다.

Q11. 활용가능한 툴과 외국어 수준을 물어 보든데 어떤 식으로 적어야 하는지 예시를 들어주실 수 있나요?

A11. (HR) 특정 툴이나 능숙도를 확인하는 게 아니다. 그런 건 과제나 인터뷰로 추가 확인하고 있다.

A11. 지원자가 판단하는 중요한 점을 기재하면 된다. 단순하게 상중하로 기재하기 보다는,

A11. 어떤 고민이나 공부나 학습이나 프로젝트나 경험이 있었는지 적어주면 가늠하기 쉬울 것 같다.

Q12. 인공지능 모델의 로직을 구현하는 데 초점을 두고 있나요? 아니면 모델 성능 개선에 초점을 두고 있나요?

Q12. 그리고 인공지능 활용한다면, 문제 해결에 초점을 두고 있나요? 선행연구에 초점을 두고 있나요?

A12. 서비스마다 특별한 목적이 있다. 예를 들면, 길드에 들어가서 적응을 잘 하는지, 성과에 맞는지 등.

A12. 다양한 목적에 따라서, 여러 방면에서 개선해 나가고 있다. 

A12. 또한, 한 군데에 초점을 맞추는 게 아니라, 비즈니스 측면에서 다양하게 사용할 수 있는 기회가 많다.

Q13. 분석가 직군 직무 면접에서는 무엇을 중점으로 질문하나요?  

A13. 조직별로 다르다. 공통적으로는 분석 기술 역량을 질문을 한다.

A13. 지원자가 자신있다고 말한다면, 코드에 대한(파이썬 코드에 대한 자료구조 등) 질문을 할 수는 있다. 

A13. 지원자의 상황에 따라서 질문이 달라진다.

A13. 기본적으로 제출한 코드를 보면서 분석 과제를 어떻게 풀어나갔는지 질문한다. 

Q14. 시니어분들이 가지신 분석가의 커리어 목표는 무엇인가요?

A14. 인공지능, 모델링, LLM 기술적 역량과 도메인, 비즈니스 부분은 들어오고 나서 이해하게 된다.

A14. 1~3년차까지는 본인의 팀이 어떤 비즈니스를 창출하는지, 어떤 역량이 필요한지 찾아나갈 듯하다.

A14. 나아가서 꼭 특정 서비스에 국한하기 보다는, 어떻게 비즈니스에 연결할 수 있을지 고민해야 한다.

A14. 그게 아니라면 계속 기술에 사로잡혀 반드시 한계가 온다.

Q15. 내가 원하는 데이터를 정확하게 얻기 위해서, 어떤 식으로 접근하나요?

A15. 데이터를 사용할 수 있게끔 가공하는 부서나, 이탈방지, Engagement팀처럼 전문으로 하는 팀이 따로 있을 거다.

A15. 현재 팀에서 하고 있는 분야와 다르기에, 영향 요소 선별에 대해 답변을 주기는 어렵다.

A15. 만약 진행한다면, 목표를 일반화 할 수 있는 지표를 정하고, 얼마나 발생하는지 찾을 것 같다.

A15. 영향을 많이 받는 눈에 띄는 feature나 유저 보이스를 최대한 습득해, 와이지표를 만들고 분석할 듯하다.

Q16. 면접과 채용 과정에서 어떤 능력을 중요하게 생각하나요?

A16. 능력에 따른 호불호는 없다.

A16. 한 쪽에 특출난 사람이 있을 수도 있고, 능력이 육각형인 사람이 있을 수도 있다.

A16. 자신의 능력에 대해서 어필을 잘 한다면, 그것을 많이 참고한다.

A16. 실제로 메치메이킹 서비스 제작 중에, 과거 경험으로 메치메이킹에 대한 연구를 어필한 사람이 있었다.

A16. 현업에서 풀려고 하는 문제를 얼마나 같이 잘 참여할 수 있을지,

A16. 새로운 관점을 제시해주거나, 문제 정의를 잘 해주거나, 조직과 잘 맞는지도 본다.

Q17. JD에 적혀있는 모든 역량이 다 필요한 건가요?

A17. 아니다. 데이터 분석가라면 데이터를 보면서 서비스와 같이 갈 수 있는지, 게임에 어떤 영향을 끼치는지 

A17. 어떤 데이터가 필요할지, 모델을 서빙하기 위해 백엔드 개발자와 협업한다든지,

A17. 데이터의 필요를 찾고, 성과를 평가하고, 로직을 고도화할 수 있는 다양한 역량이 필요하다.

A17. 정리하자면, 데이터 분석가로서 본인을 잘 나타낼 수 있는 것을 알려주면 된다. 

Q18. 추천 모델은 다양한 모델 중에 어느 정도 수준의 모델을 사용하나요? 고수준의 모델을 많이 사용하나요?

A18. 어떤 모델을 사용하냐는 중요하지 않다. 데이터에 맞게끔 필요에 따라 사용하는 것이 중요하다. 

Q19. 현재 넥슨 데이터 분석가들 중 몇 %가 빅데이터 관련 수상이 있나요? 그리고 이번은 몇 명정도 채용하나요?

A19. (HR) 해당 경험을 수치화해서 저장하지 않아서 모른다. 수상에 대해 어필할 게 있다면 작성해도 무방하다.

A19. 두 자릿수를 목표를 하고 있다. 하지만 좋은 사람이라면 TO가 구분받지 않고 최대한 뽑으려고 한다.

Q20. 완전히 같은 직군이더라도 넥토리얼과 수시 채용에서의 JD가 다른데, 어떤 차이가 있는 건가요?

A20. 같은 직군이라도 다를 수 있다. 넥토리얼과 수시 채용에서의 보고자 하는 기준이 다를 수 있다.

Q21. 포트폴리오를 볼 때, 인사이트 활용을 더 중점으로 보나요? 모델의 정확한 활용과 지식 수준을 중점으로 보나요?

A21. 본인의 강점을 잘 녹이면 무엇이든 상관없다.

Q22. (유저로서) 현금 거래가 문제가 된다고 생각하는데, 이것에 대해서 분석팀은 어떻게 생각하나요?

A22. 꾸준히 작업장과 어뷰징에 대해서 추적 관리를 하고 있다. 자세한 부분은 게임 운영팀이나 유료화팀의 영역이다.

A22. 분석팀은 변화가 있다거나, 어떤 요소가 게임에 영향을 미친다거나를 조사하여, 게임 디렉터 의사결정 돕는 것이다. 

Q23. 추천서비스팀과 탐지솔루션팀에서 최근 겪는 어려움은 무엇이고, 어떤 방향으로 가려고 하나요?

A23. (추천) 요즘 LLM에 대해서 많은 이야기가 나오는데, 결국 새로운 기술을 어떻게 이용할 수 있을까? 고민한다.

A23. 기존의 서비스를 어떻게 바꿔야 할지, 외부 업체와 내부 테스트도 하면서 어떻게 제공할지 고민하고 있다.

A23. (탐지) 보이스피싱이 점점 고도화되어 유행하는 것처럼, 핵과 작업장도 점점 똑똑해지고 있다.

A23. 어떻게 해야 먼저 잡아낼 수 있을지? 기술이 될 수도 있고 정책이 될수도 있고 많이 고민하고 있다.

Q24. 실제 게임 내부 데이터에 접근하는 게 어려운데, 외적으로 어떤 데이터를 활용할 수 있나요?

A24. 제한 사항은 크게 없다. 필요에 따라서 업체와 협력을 맺고 데이터를 가져오든, 공공 데이터를 활용하든 선택한다.

A24. 어떤 외부 데이터를 사용하는지 공개할 수는 없지만, 게임 데이터로 과제 열심히 만들었으니 잘 즐겨주길 바란다.

Q25. 포트폴리오를 만들 때, 게임 내용 프로젝트를 중점으로 해야 하나요? 다른 도메인 분석으로도 충분한가요?

A25. 전혀 상관없다. 분석한 것에 대한 인사이트, 과정, 가설 설립, 그리고 어떻게 시각화했는지를 중점으로 본다.

Q26. 지표 설정을 할 때 이론적인 근거에 기반하나요? 경험적 근거에 기반하나요?

A26. 둘 다 있을 수 있다. 한 분야나 게임에서 오래 있던 사람의 직관에 의한 경험은 꽤나 의미가 있다.

A26. 사후 분석을 하거나, 데이터의 관계를 분석하다보면 더 좋은 결과가 나올 수도 있다.

Q27. 현재 회사에서 사용하는 클라우드 서비스와 기술 스택은 무엇이 있나요?

Q27. 배포나 CI/CD는 Bitbucket이나 Gitlab 파이프라인을 이용하시나요?

A27. 다양한 기술은 쓰고 있기도 하고, 현직으로 개발하는 개발자가 아니라서 기술적인 부분은 자세하게 모른다.

Q28. AI 엔지니어로 지원하려는데 JD에 MLOps 역량을 요구하고 있습니다. 구체적으로 어떤 역량을 요구하나요?

Q28. 예를 들어 MLflow라든지, AWS SageMaker를 활용한 End-point pipeline 구축이라든지.

A28. 서비스마다 다르지만 말해준 것들 전부 사용하고 있다. 내가 이런 걸 사용해 봤다는 경험을 잘 녹여주면 좋을 것 같다.

Q29. 포트폴리오를 작성할 때, 자세한 한두 개의 프로젝트를 선호하나요? 다수의 프로젝트 경험을 선호하나요?

A29. 엄청많다면 그걸로도 어필이 가능하고, 하나에서 모든 걸 불태워서 딥하게 했다면 그것도 좋다.

A29. 어떤 것을 더 선호한다는 없고, 강점에 따라 어필해준다면 좋겠다.

Q30. 데이터 분석가라고 한다면, 통계를 기반으로 인사이트를 얻는 것을 생각하고 있습니다.

Q30. 여러 JD를 보면 ML이나 AI를 사용하고 있는데, AI 비중은 얼마나 되나요? 그리고 어떤 식으로 업무를 수행하나요?

A30. 어뷰징 이슈가 터졌는데, 그제서야 AI 모델링을 구축하지는 않는다.

A30. Sprint나 Kanban처럼 장기적으로 일을 하는 경우도 있고, 그때그때 이슈를 처리하는 일도 있다.

A30. 예를 들자면 '클릭 패턴'이라고 화면 상에서 유저가 어떻게 플레이하는지 화면을 이미지화해서 분석하는 게 있다.

A30. 일반 유저와 핵 유저의 클릭 패턴에는 확연히 차이가 나는데, 이걸 AI로 판단하기도 한다.

A30. 인공지능이라는 것을 어떤 조직과 어떤 서비스에서만 사용한다고 딱 분류할 수는 없다.

A30. 필요에 따라서 인공지능을 사용하고 있다.

마무리하며

본가에서부터 판교까지 거리가 멀어, 2시간 반의 길을 가야 했다.

넥슨 사옥 입장은 10시, 첫 셔틀버스 운행은 9시 30분.

여기에 중간에 사람이 많으면 입장이 지연될 수 있다고 하니, 내 성격까지 더해져 무조건 첫 차를 노렸다.

검색해보니 판교역에서 넥슨 사옥까지 거리가 멀지 않아, 일찍 가서 걸어갈 생각도 했다.

그래서 전날까지 질문 리스트업을 작성하고 2시에 잠이 들어, 6시에 일어나 준비를 마쳤다.

판교에 도착하니 9시 13분. 그리고 모든 일정이 끝나고 시계를 보니 오후 5시를 넘긴 시각이었다.

기다림과 질문 사이에서 배고픔을 느낄 새도 없었다. 오늘 하루 몰입했다는 증거다.

12시간이라는 활동에서 아쉬움도 있었지만, 얻어가는 게 훨씬 큰 하루였다.

결국 넥슨이라는 회사는 '성장 가능성'에 대해 초점을 맞췄다고 요약할 수 있다.

지원자가 자신에 대해서 알고, 다양한 경험을 하며, 이것에 대해 깊은 고민을 가지는 걸 좋게 보는 듯하다.

집에 가는 길목이 예뻐 사진을 찍지 않을 수 없었다.

이 길이 곧 나의 퇴근길이 되길 희망한다.

방향성

[ 인사 담당자 ]
ㆍ 내가 이 회사에 얼마나 관심을 가지고 있는가
 
[ 현직자 ]
ㆍ 내가 이 업무(직군)에 얼마나 관심을 가지고 있는가
 

질문 리스트업

[ 질문하기 전에 ]
ㆍ 회사에 대한 관심도를 나타낼 수 있는 질문들로, 진심으로 다가가자.
ㆍ 내가 이만큼 생각해봤고, 여기까지 알아봤다는 것을 전할 수 있는 질문을 생각하자.
ㆍ 당연하지만 중요하다고 생각하는 질문들을 먼저 물어보자.
ㆍ 배우러 오는 자리이기도 하지만, 동시에 나를 어필하러 온 자리임을 명심하자.
ㆍ 물 흐르듯 자연스럽게 질문을 연계하자.
ㆍ 평소처럼 많은 질문을 던지자.
ㆍ 기록하는 자리가 아니라 듣는 자리임을 명심하자.
 
 
[ 인사 담당자 ]
Q1. 데이터 분석가 직군 채용에서 역할군이 6개로 나누어 자세하게 설명해주신 점 감사했습니다.
       제 나름대로 정리를 해봤지만, (마치 대학 학과처럼) 너무 세세하게 나뉘어져 오히려 복잡한 감이 있습니다.
       가능하다면 각 역할군이 어떤 부서에서 근무하는지 알 수 있을까요?
       (>> 시작부터 딱딱하면 안 됨. 아이스 브레이킹의 가벼운 질문)
 
Q2. 데이터 분석가는 주로 어떤 부서나 팀과 협력하나요? 업무 협업은 어떻게 이루어지나요?
       (>> 아이스 브레이킹 연계 질문)
 
Q3. 넥슨 코리아의 인재상은 3가지가 나와있는데, 신입 사원에게 가장 바라는 인재상은 무엇일까요?
       특히 근무 부서와 업무 협업을 고려했을 때, 데이터 분석가에게 필요한 인재상은 무엇이라고 생각하시나요?

       (넥슨 인재상: 창의적인 사람, 도전하는 사람, 다양한 문화를 경험하는 사람)
       (넥슨 게임즈 인재상: 유저 중심, 용기, 효율성, 권한과 책임, 주인 의식(오너쉽), 솔직함, 커뮤니케이션(명확성))
 
Q4. 넥슨과 다른 게임사들의 기사를 분석해봤습니다. 최근 넥슨에서는 싱가포르 TOKEN 2049에 참여하여

        NFT 중심 생태계 프로젝트인 '메이플스토리 유니버스'를 설명했습니다.

       페타픽셀에서 최근 9월에 NFT 시장은 붕괴하였으며, 95%의 가치를 잃었다는 보고서가 올라왔습니다.

       게임 회사가 아니지만, Meta는 3월부터 Facebook과 Instagram의 NFT 운영을 중단했다는 발표를 했습니다.

       다른 회사와 대비해서 넥슨만의 경쟁 우위를 선점하고 있는 것이 있을까요?

       아니면 NFT 시장에 대해서 준비하고 계신 것이 있을까요? 예비 데이터 분석가로서 기업의 분석을 알고 싶습니다.

       (>> 필살기 질문으로 들어가기. 나, 이만큼 조사해왔다)
 
Q5. 넥슨 IR을 살펴보니, 특별히 생각하고 있는 동종업계 경쟁사는 없다고 나와있습니다.
       대신 신규 플랫폼에 대해서 관심이 있다고 나와있는데요,
       최신 뉴스 동향을 보면 블록체인 기반의 메이플스토리 유니버스 관점에서,

       NFT 기반의 P2E 시장을 노리는 '펄어비스'와, 블록체인 인재를 모집하는 '컴투스'가 경쟁사라고 생각합니다.
       현재 상황과 데이터 분석가 측면에서 경쟁사는 어디라고 생각하시나요?
       (>> 필살기 질문으로 들어가기. 기업/산업/직무 현황 파악하여 관련 질문기)
 
Q6.  방금 대화한 내용 외에 현재 회사에서 가장 신경 쓰고 있는 것은 무엇인가요?
       (>> 회사의 전략 방향, 현재 중점적으로 신경쓰는 사업, 밀고 있는 상품 측면에서 질문)
 
Q7. 인재상과 넥슨 코리아의 방향을 생각해서, 포트폴리오에서 특히 중점으로 보시는 내용이 있을까요?
       개발자 직군이다보니 포트폴리오에 기술적인 얘기가 들어가야 한다고 생각합니다.
       하지만, 포트폴리오는 인사담당자분들께서 보시는데 어디에 초점을 맞추는 것이 좋을지 궁금합니다.
 
Q8. 현재 데이터 분석 직군과 관련하여 진행하고 있는 프로젝트가 있습니다.
       현재 진행형이라 아직 끝나지 않았는데, 포트폴리오에 기입하는 것에 대해 어떻게 생각하시나요?
 
Q9. 신입 사원이 입사 후에 어떤 성장을 할 수 있을까요?
       인사팀에서 지원하는 프로그램이 있을까요?
 
Q10. 데이터 분석가로서 커리어 발전에 어떤 기회가 있을까요?
         넥슨 코리아는 데이터 분석가가 회사에서 어떤 인재로 성장하길 바라시나요? 
 
Q11. 조금 특이한 질문인데, 보시다시피 제가 머리가 긴 편에 속합니다. 직군과 관련한 나름의 이유가 있습니다.
         (데이터 분석 시 중요한 것은 문제 정의와 가설 설정이라 생각. 머리가 길면 추위에 강할까? 라는 의문에서 시작했다.)
         (그리고 현재는 머리 길이에 따른 데이터 수집용으로 머리를 직접 기르고 있다.)
         (수집 중인 데이터: 생활 불편도(말리는 시간, 머리 빠짐 정도, 거슬리는 정도) 등)
         설명이 가능함에도 인사담당자님들이 보시기에 이미지에 부정적인 영향이 있을까요? 어떻게 생각하시나요?
         (>> 끝내기 전, 환기용 가벼운 질문)
 
Q12. 마지막으로 예비 신입 사원에게 말해주고 싶으신 팁이 있을까요?
         (>> '예비 신입 사원 '라는 단어로 은근슬쩍 주인 의식 어필하기)
 
 
[ 현직자 ]
Q1. 해당 직무에서 중요시 하는 역량 무엇이라고 생각하시나요?
       (>> 사이트 참고: 문재훈 분석가님(개인화콘텐츠팀), 리서치 역량과 프로토타이핑 역량)
       (>> 사이트 참고: 김지훈 분석가님(마케팅컨텐츠개발팀), 커뮤니케이션, 데이터 분석, 창의성)
 
Q2. 데이터 분석 시 추상적인 문제와 상황에 대해, 본인이 정의를 내리고 진행을 해야 하는데 어려움이 있습니다.

       예를 들어서 기업은 '올해 사용자 수치를 줄테니, 기업에 어떤 영향이 있었는지 조사해봐'라든지

       국민권익위원회에서는 '민원 데이터 위치 정보만 줄테니, 어떤 인사이트가 있었는지 알아봐' 같은 상황입니다.
       문제 정의는 어떤 방법으로 설정하시나요? OKR 같은 프로세스를 실제 활용하시나요?
       무엇을 기준으로 정의를 내리고, 가설을 설정하시나요?

       추상적인 문제를 어떤 방식으로 접근하여 정량화하시나요?
       위에서 말씀주신 역량이 문제 정의와 가설 설정에서 어떻게 빛을 발휘한다고 생각하시나요?
       (>> 노하우를 물어보는 질문)
 
Q3. 데이터 분석을 함으로써 결과가 회사에 어떤 직접적인 영향을 끼치나요?
       데이터 분석 결과를 회사가 어떻게 활용하나요? 성과나 결과가 직접적인 영향이 있나요?
 
Q3_1. (연계 질문) 하고 계신 일에 대한 성과 지표 측정은 어떻게 하시나요?
           (쉽게 표현하면) 내가 일을 잘하고 있다고 어떻게 확인하시나요?
           (연계 질문) 어떤 지표를 중점을 두고 관리해 나가시나요?
           (>> 반기별 보고에 대한 의미를 숨긴 질문)
 
Q4. 신입 사원이 입사 후에 어떤 프로젝트에 참여할 수 있을까요? 현직자 관점에서 생각하는 프로젝트가 있을까요?
       다양한 프로젝트 기회가 존재하나요? 있다면 보통 프로젝트 주기는 얼마나 되나요?
 
Q5. 모집 요건에 다양한 툴이 있는데, 현직 프로젝트에서 주로 사용하는 툴은 무엇일까요?
       사용하시는 툴의 어떤 이점 때문에 사용하시나요?
       (>> 현직 용어를 들을 수 있음)
 
Q6. 실례가 안 된다면 하루 업무 싸이클을 알 수 있을까요?
       주 단위나 월 단위로 마무리해야 하는 특정 업무가 있을까요?
       (>> 회사에서 하는 일, 업무 형태, 처리 방식, 역량 파악 가능)
 
Q7. 게임 업계 동향에 대한 이해를 높이기 위해, 따로 기울이는 노력이 있으신가요?
       데이터 분석을 위해서 특별하게 신경써야 하는 역량은 무엇이라고 생각하시나요?
 
Q8. 데이터 분석가로서 참여할 수 있는 회사의 교육 프로그램이 있을까요?
       교육 프로그램이 존재한다면 어떤 방식으로 진행되나요?
 
Q9. 커리어 성장을 위한 기회는 어떻게 제공되나요?
 
Q10. 입사 이후 데이터 분석가의 로드맵은 무엇이라고 생각하나요?
         현재 한 명의 데이터 분석가로서 목표로 하는 것이 있으신가요?
 
Q11. 마지막으로 예비 후배에게 건네주고 싶으신 말이 있을까요?
 

그 밖에

4학년 2학기, 졸업반이라는 상황에 놓여있다.

지원서를 낼수록 돌아오는 답변은 없고, 상황과 일정은 엉켜만 간다.

스트레스 받고 답답하다. 모든 것이 귀찮고 하기 싫다.

아침에 일어나서 운동을 가고, 다녀와서 공부를 하고, 공부한 내용을 정리한다.

그리고 새로운 공부를 하고, 문제를 풀고, 자기소개서를 작성한다.

공고가 나온 기업을 탐색하고, 자기소개서를 내기 위해 기업 분석을 한다.

그리고 새롭지만 같은 하루는 다시 시작된다.

나는 나를 잘 안다.

한 번 시작한 것은 포기하지 않는다.

나는 해낼 수 있을 거라는 것을 알고 있다. 마음 속 깊이 믿고 있다.

내가 이해하지 못한 것은 그냥 넘어가는 법이 없다. 될 때까지 한다.

그렇기에 지금 상황도 내가 헤쳐나갈 수 있다는 확신이 있다.

그럼에도 '정해지지 않은 미래'라는 것은 가슴을 먹먹하게 한다.

나는 참 다양한 것을 좋아한다.

생각하고 고민하는 것을 좋아한다.

이것이 왜 이럴까 근본적으로 고민하는 걸 좋아한다.

이전에 겪어보지 못한 새로운 것을 경험하기 좋아한다.

깔끔하게 정리하는 것을 좋아한다.

다양한 지식을 배우는 걸 좋아한다.

새로운 만남을 좋아한다. 

내가 알고 있는 것을 사람들에게 알려주는 걸 좋아한다.

미쳤다고 할지 모르겠지만, 공부도 재밌는 편이다. 내가 모르는 지식이 세상에 넘치지 않는가. 

그리고 말하는 것을 좋아한다.

이야기하는 것을 좋아하는 답답한 나는,

오늘도 결국 친구와 말하는 것만으로도 기분이 풀려간다.

오늘도 같이 취업 준비를 하는 친구와 이야기를 나눈다.

같이 할 수 있다는 존재는 힘이 된다.

친구와 이야기하고, 계속해서 생각을 하다보니 드는 생각이다.

결국 나는 회사에서 일을 하고 싶다. 그러기 위해서는 회사에 들어가야 한다.

나는 왜 일을 하고 싶어할까?

회사에 들어가기 위해서는 무엇을 해야할까?

나는 왜 일하고 싶어하는가. 

위의 한 줄은 내 고등학교 생활기록부에 적혀있는 무수한 문장 중 한 줄이다.

처음으로 내 생활기록부를 봤을 때, 가슴이 울컥했다.

성실하다, 설득력있다, 논리적이다, 적극적이다, 꼼꼼하다, 예리하다.

초등학교 때부터 정말 많은 사람들에게서 들은 말이다.

생활기록부에 저런 말이 적히지 않은 사람이 어디있을까. 나는 엄청난 존재가 아니다.

하지만, 많은 선생님들 가운데 저 선생님만큼은 '나'를 정말 '나'로 바라봐주고 계셨구나.

저 선생님께서는 내가 하는 생각을 정말 진심으로 깊이, 생각해보고 계셨구나하고 느꼈다.

내가 가진 것을 공유한다는 건 정말 즐겁다.

나는 독학하는 것도 좋아한다.

혼자서 맨땅에 부딪히면서, 머릿속에 나만의 방정식을 구축해나간다.

영어, 일본어, 수학, 컴퓨터 개론, 음악, 운동, 마술, 책 출판, 그림, 영상 편집, 독서, 목공, 잡지식, 생물학, 경제.

모든 지식을 흡수하고, '지혜'를 구축해나간다.

모든 것들은 유기적으로 이어져있다. 말 그대로 모든 것들은.

이렇게 얻은 지식들이 하나씩 이어질수록 방정식은 지수 함수 형태로 의미를 창출한다.

직접 시간과 돈을 투자하면서, 정말 어렵게 얻은 소중한 지식이다.

이 지식은 금고에 꼭꼭 숨겨둘 때가 아니라, 많은 사람에게 나눠줄 때 의미가 생긴다..

돈은 중요하지 않다.

하지만, 돈보다 중요한 건 시간이다.

돈주고도 살 수 없는 나의 경험을, 정말 필요로 하는 사람에게 심어준다.

그렇게 그 사람의 시간을 아낄 수 있다.

그리고 나와 같이 해냈다는 성취감을 같이 느낀다.

그렇기에 나는 일을 하고 싶다.

초중고 입장에서 수능은 엄청나게 큰 벽이다.

그리고 대학은 기존에 배우던 방식과는 엄청나게 다르다. 

대학 입장에서도 취업은 엄청나게 큰 벽이다.

마찬가지로 회사는 기존에 배우던 방식과는 엄청나게 다르다고 생각한다.

아직 내가 있는 곳은 우물이오, 더 넓은 곳으로 나아갈 수 있다.

아직 배우지 못한 새로운 길이 한가득 널려있다. 어서 배우고 싶다.

배우고 익혀서 나만의 방정식에 값들을 늘려간다.

새로운 지식을 쌓고, 지혜를 늘려, 가치를 창출한다.

내가 사회의 일원으로서 노력하고, 실질적인 제품에 기여한다.

나 혼자서 다른 사람을 도울 때보다, 그 규모는 비교할 수 없을 정도로 커질 것이다.

나는 내가 아는 것을 공유하고 싶다.

하지만 위에서 말한 내 인생의 가치관을,

옳다고 생각하는 나의 신념을,

누군가를 돕고자 하는 나의 마음을,

새로운 것을 배우고자 하는 나의 열정을,

중요한 것은 돈이 아니라 경험이라는 나의 관념을,

나로 하여금 많은 이들에게 도움이 되고자 하는 나의 목표를,

나의 자세를, 나의 시선을, 나의 진심을, 이 모든 것들은.

서류와 면접이라는 짧은 시간 안에 표현해야 한다.

말하는 것을 원체 좋아하는 나에게 있어서, 설명하는 것은 문제가 안 된다.

30분이고, 1시간이고, 하루고, 일주일이고, 들어만 준다고 하면 얼마든지 말해줄 수 있다.

하지만 그럴 수 없기에 나는, 우리는 생각해야 한다.

어떻게 취업해야 하는가.

많은 영상을 보고, 많은 조언을 받고, 많은 경험을 겪고, 많은 생각을 했다.

나는 늘 기업의 목적은 두 가지라고 말한다.

하나, 고객 유치. 둘, 이익 창출.

즉, 고객의 입장에서 바라볼 수 있는 사람이 필요하다.

동시에 그 사람은 기업에 들어와서 회사에 이익이 되어야만 한다.

그래야 회사는 굴러가고, 사람을 뽑을 수 있다.

그렇다면 자기소개서와 포트폴리오는 어떻게 작성해야 할까.

지원 동기 입장에서 생각해보자. 

만약에 팀프로젝트를 하는데 2명의 사람이 당신에게 팀을 하자고 한다.

한 명은 "아~ 니가 학점이 높으니까 너 나랑 같이 팀하자!"라고 말하고 있다.

다른 한 명은 "내가 너를 보니까, 넌 생각이 참 많은 거 같아. 다양한 경우의 수를 염두하고 있어. 근데 그러다보면 시간이 오래 걸릴 거 같아. 내가 선택하는 건 정말 잘해! 너의 많은 생각을 내가 옆에서 보조해줄게"라고 한다.

내가 누구에게 더 이끌리는지는 불보듯 뻔하다.

자 이제 내가 기업이 되고, 2명의 사람에 내가 들어간다.

한 명의 내가 이렇게 말한다. "와! 대기업! 안전한 직장! 높은 월급! 당신 회사에 들어가고 싶습니다!"

또 다른 나는 이렇게 말한다. "제가 이 기업을 분석해보니까 이런 부분에서 강점이 있습니다. 하지만, 경쟁사에 비해 이런 부분이 부족합니다. 저에게 이런 경험이 있는데요, 부족한 부분을 제가 채울 수 있습니다. 함께 하시죠!"

기업은 어떤 나를 뽑겠는가?

이게 기업 분석이 필요한 이유이다.

채용 프로세스 부분에서 생각해보자.

제출한 서류와 포트폴리오는 누가 볼까? '인사담당자'가 본다.

데이터 분석이라는 IT 산업은 코드와 프로젝트가 중요하다.

그럼에도 기술 면접으로 넘어가지 않는 한, '인사담당자'가 서류를 읽는다.

인사담당자가 Back propagation이라는 용어를 알까?

Linear regression은? REST API는? Datalake는? Stable sort는? Immutable은?

알 수가 없다. 인사담당자가 이것도 모르냐!라고 하는 게 아니라, 지원자가 잘못했다고 말하고 싶다.

아무리 전문용어를 써서 내 노력과 위대함을 전달할 수 없다.

따라서 용어를 쉽게 바꾸고, 수치화해서 표현해야 한다고 생각한다.

여기서 생각하는 게 있다. 궁금증을 품게 만드는 것이다.

얘는 어떻게 이걸 이렇게 했지? 왜 그렇게 생각했지?라는 의문이 들게 만들어야 한다.

서류를 보고 이 사람에 대한 궁금증을 불러일으켰다면, 면접으로 부를 것이다.

당당하게 행동해야 한다. 앞서 말했듯, 나는 당신 회사에게 도움을 줄 수 있습니다. 궁금하다면 면접으로 부르세요.

이런 마인드셋을 가지고 행동해야 한다고 생각한다.

하지만 그렇다고 부풀리거나 거짓말을 하라는 게 아니다.

교수가 대학원생 보듯, 어차피 그들은 나보다 현직에서 오래 구른 전문가다. 척보면 척이다.

예를 들어보자. '업무 보고 프로세스 시간 40% 단축'

??? 어떻게 했지라는 생각이 절로 들 것이다. 소제목을 쓰는 이유라고 생각한다.

이목을 끌고 궁금증을 유발한다. 나로 하여금, 얘는 누구일지 궁금하게 만드는 것이다.

40%가 우습게 보인다면, 아직도 수치화를 해보지 않거나, 비율에 대한 감각이 없는 거다.

대학에서 겪은 사소한 단위로 재지 말자.

기업은 천만, 억 단위로 행동하고, 시간도 몇 달, 몇 년 단위로 행동한다.

무엇이든 저런 크기에서 40%를 단축시켰다고 해보자. 엄청난 이익을 가져오는 것이다.

나에 대해서 진솔하게 말하되, 최대한 구체적으로 간결하게 적어야 한다.

미사여구와 수식어를 전부 제외하고, 최대한 담백하게.

그래서 인사담당자와 현직자로 하여금 궁금증을 품게 해야 한다.

얘는 어떻게 이걸 했지? 왜 이걸 이렇게 생각했지? 어떻게 이 결과가 나올 수 있었지?

그제야 비로소 내 인생의 가치관과 내 신념을 전달할 수 있다. 그러지 않으면 읽지도 않는다. 

이런 생각으로 자기소개서와 포트폴리오를 작성해야 한다고 생각한다.

나는 무엇을 하고 싶은가.

가장 먼저 생각나는 것은 교육이다.

최근에 학교에서 취업 상담을 받을 일이 있었다.

평점도 나름 좋은 편이고, 자기소개서를 쓸 때 기업 분석도 열심히 하고 있다.

내가 하고 싶어하고 잘하는 것이 무엇인지 분명하게 알고 있고, 내 직군도 좁혀졌다.

다양한 것을 해버릇해서 그런지 나의 시시비비를 금방 견적낼 수 있게 되었다.

지금 내 문제점이 무엇인지 알고 있고, 잘하는 점이 무엇인지도 알고 있다.

내 생각을 분명하게 표현할 줄도 알고, 적재적소에 단어를 사용할 줄도 안다.

덕분일까, "잘 준비하고 있네요, 혹시라도 취업하면 학과 후배에게 특강할 생각 없어요?" 라는 말을 들었다.

나는 내가 속한 학과에 2번째 기수다. 위에서 받은 것도 별로 없고, 교류도 크게 없었다.

그러다보니 친한 몇 애들만 신경쓰고 후배는 별로 생각이 없었다.

'이게 당연한 거지'라는 합리화를 하면서 4년을 다녔다.

이제와서 보니까 이것만큼 아쉽고 멍청한 행동이 없었다.

졸업을 앞둔 상황에 닥치니까 그제서야 나의 도움이 필요한 사람들이 생각났다.

나도 이렇게 전전긍긍하고 있는데, 다른 사람들은 어떨까.

4학년이 될 때까지 직군도 정하지 못하고, B2B는 뭐고 HR은 뭐고, 용어는 하나도 몰랐다.

내가 먼저 시행착오를 겪은 사람으로서, 이야기는 해줄 수 있지 않을까?

후배애게, 내 주변 사람들에게 해줄 수 있는 일이 뭐가 있지?

매번 아쉬움이 남았다.

상담 선생님의 말대로 하루 빨리 취업에 성공해서 후배들에게 하나라도 알려주고 싶다.

'나는 할 수 있다'는 것을 안다.

생각을 정리하고 나니 개운해졌다. 다시 힘내서 나아가자.

조금씩이라도 앞으로 나아가다보면 된다.

나는 안다. 오늘의 조금이 결코 헛되지 않음을. 

OKR

약어: Objectives and Key Results

의미: 비즈니스나 캠페인 등의 특정 기간의 최종 목표(핵심 결과)

예시: 집에서 학교를 가는 동안의 목표, 대한민국에서 리비아를 가는 동안의 목표

KPI

약어: Key Performance Indicator

의미: 설정한 OKR을 제대로 달성했는지 측정하는 핵심 성과 지표(수치화 가능해야 함)

예시: 학교에 얼마나 빨리 도착했는지 소요 시간, 리비아에 갈 수 있는 다양한 이동 경로

예를 들어서 집에서 학교를 간다고 할 때 OKR과 KPI를 알아보자.

집에서 학교까지 가는 동안, 안전을 중요하게 생각해 OKR을 '안전'으로 설정했다고 가정해보자.

KPI(안전을 평가할 수 있는 지표)는 무엇이 있을까?

얼마나 여유있게 집에서 출발했는지 여유 시간을 측정할 수도 있고,

사람과 부딪힌 횟수나 신호를 올바르게 지킨 횟수를 측정할 수도 있다.

다른 OKR을 설정하여 KPI를 생각해보자.

만약 '학교에 최대한 빨리 도착하는 것'으로 OKR을 설정했다고 해보자.

그럼 가장 단순하게 KPI는 '학교까지 걸리는 시간'일 수 있다.

아니면 열차 지연율을 알아볼 수도 있고, 이용한 교통수단의 평균 혼잡도와 속도일 수도 있다.

극단적으로 내가 마신 물 용량이나 몸에서 분비된 아드레날린 수치일 수도 있다.

이처럼 KPI는 목표를 제대로 달성했는지 확인하기 위한 수치 값이다.

OKR과 KPI에 대해서 조금 더 구체적으로 살펴보자.

리비아에서 대홍수가 발생해 심각한 피해가 일어나, 대한민국에서 도움을 주려는 상황이다.

이때 OKR은 어떻게 설정할 수 있을까? 아래처럼 다양한 관점에서 목표 설정이 가능하다.

(리비아 피해 복구 완료 기간 동안) 인명 구조와 시민들의 안전 보장,

(리비아까지 비행기로 이동하는 동안) 식량과 의약품을 안전하게 이동 및 보관,

(실제 피해를 복구하는 동안) 인프라 및 수자원 시설 전면 정상화.

'목표'라는 것은 어떤 관점으로, 해결하려는 우선순위에 따라 다양하게 설정할 수 있다.

조금 더 자세하게 들어가면 OKR에서 O(objectives; 목표)에 해당하는 것이다.

접근 방향을 명확하게 하고 집중시키기 위해, 목표(O)의 하위로 KR을 추가로 구성한다.

KR은 Key Result로 목표 달성을 위한 '구체적인 결과' 혹은 '달성하기 위한 핵심'이다.

이때 보통 Key Result로 2~5개 정도의 구체적인 상황, 핵심 결과를 설정한다.

위의 3가지 OKR을 가지고 세부 목표를 예를 들어보자.

Objective - Key Result

인명 구조와 안전 보장 - 1. 인명 구조 현황 실시간 집계 2. 구역마다 임시 주거소 설치

식료품 및 의약품 보관 - 1. 변질 방지를 위한 품질 평가 2. 거래처 위치와 소요 시간 확인

인프라 및 수자원 복구 - 1. 전력과 수도 공급 시설 복구 2. 예산 분배와 추가 자금 조달

물론 저런 추상적인 '핵심 결과'보다는 구체적인 '핵심 결과'가 좋다.

가령, 구역마다 임시 주거소 5개 설치라든가, 변질 비율 3% 이하 유지라든가 말이다.

이런 OKR을 구체적으로 선언한 다음 KPI로 확인을 한다.

처음에 말했듯 KPI는 "설정한 OKR을 제대로 달성했는지 측정"하는 값이다.

어떤 KPI를 가지고 OKR을 평가할 수 있을지, 수치화가 가능한 데이터들의 예시를 알아보자.

[ 인명 구조와 안전 보장 ]

1. 인명 구조 현황 실시간 집계 - 인명 구조 성공 빈도, 지역 및 구역별 구조 인원 분포, 집계판 동기화 속도

2. 구역마다 임시 주거소 설치 - 주거소 수용 가능 인원, 주거소 설치 시간, 지반 약화로 인한 주거소 재붕괴율

[ 식료품 및 의약품 보관 ]

1. 변질 방지를 위한 품질 평가 - 변질(손상) 비율, 식중독 환자 발생 비율, 의약품 사고 발생 비율

2. 거래처 위치와 소요 시간 확인 - 소모한 조리 기구 개수, 이동 시 발생한 기름 소모량

[ 인프라 및 수자원 복구 ]

1. 전력과 수도 공급 시설 복구 - 피해민들의 청결도, 질병 발생 비율, 소모한 전력량과 수도량

2. 예산 분배와 추가 자금 조달 - 지역별 피해민 만족도, 부족한 자금 액수, 거래간 평균 이체 속도

나는 데이터 분석가를 목표로 하고 있다. 이를 위한 OKR과 KPI를 세워보자.

[ 데이터 분석가 ]

Objective 1: 데이터 정확성 향상

Key Result 1: 데이터 오류율 월별 5% 미만 유지

    KPI: 월별 데이터 오류율(오류 데이터 수 / 전체 데이터 수)를 계산하고, 매월 모니터링

Key Result 2: 데이터 잡음(Noise) 월별 3% 미만 유지

    KPI: 월별 실행한 조치 행동과 문제 해결률 추적, 발생한 원인과 효율성 측정

Objective 2: 비즈니스와 인사이트 최대화

Key Result 1: 데이터 분석을 기반으로 의사 결정을 위한 가이드라인 및 도구 개발

    KPI: 사용자 만족도와 기업의 성과 모니터링, 의사 결정 프로세스 총 소모 시간 측정, 재사용률 측정

Key Result 2: 시각화를 사용하여 새로운 인사이트 조합

    KPI: 시각화한 정보에 접근한 분포와 빈도수 추적, 시각화 품질 개선도 측정

밥을 먹다가 문득 든 생각이다.

몸이 아파 생각이 많아지던 도중 '아프지 않았으면...'이라는 생각이 스쳐갔다.

어, 부정하다, 반대라는 개념은 뭘까?

사람들은 복수의 반대는 용서라고 통용하곤 한다.

"할 수 있는 최고의 복수는 용서"라고 하는 말이 있을 정도이니.

여기서 생각이 들었다.

'용서는 정말 복수의 반대일까?'

과학자들은 정의하기를 좋아한다.

과학자가 아니더라도 우리는 어떤 상황에 직면했을 때 그 상황을 오롯이 봐야 한다.

그리고 그것은 상황을 정확하게 정의하는 것이다.

그렇다면 '반대'라는 것의 정의는 뭘까?

내가 생각하기에는 '부정이 가능하다'면 그것은 반대 개념이다.

그렇기에 형용사와 동사는 반대가 성립한다.

예를 들어보자.

밥을 먹다. 부정한다면 이는 밥을 먹지 않는다이다.

예쁘다. 부정한다면 이는 예쁘지 않다이다.

동사와 형용사는 반대라는 개념이 성립한다.

이를 명사로 취했을 때 식사와 금식, 미인과 추인은 서로 반대되는 개념을 가질 뿐이다.

생각을 조금 더 확장해보자.

해와 달은 반대일까?

반대라고 할 수 없다.

해로 인해 낮과 밤이 생기는데 이를 반대라고 볼 수 있지, 해와 달은 반대가 아니다.

해가 있기 때문에 생기는 것이 낮이고, 해가 없기 때문에 생기는 것이 밤이기 때문이다.

달은 햇빛에 의해 보이지 않을 뿐이지 낮에도 존재한다.

남자와 여자는 반대일까?

남자와 여자라는 성을 구분 짓는 기준은 무엇일까?

성염색체이다.

남자의 성염색체는 XY이고, 여자의 성염색체는 XX이다.

그렇다고 X 염색체와 Y 염색체는 반대되는 염색체인가?

양극과 음극은 반대일까?

양성자와 전자는 반대일까?

다른 극끼리 있으면 인력을 띄고, 같은 극끼리 있으면 척력을 띈다. 

우리는 이러한 관계를 반대 개념이라고 합의했을 뿐이지, 이것이 정말 반대인가?

오히려 같은 극끼리 반대 방향으로 밀어낸다.

그렇다면 양극의 반대는 양극이 되어야 하지 않을까?

마치 동음반의어처럼 말이다.

위에서 언급했던 것처럼 미인과 추인이라는 명사가 반대가 성립하는 것은 간단하다.

이는 문장으로 풀 수 있다.

미인은 아름다운 사람이고, 추인은 아름답지 않은 사람이다.

사람이라는 개념이 같기 때문에 아름답다와 아름답지 않다. 결국 부정이 가능한 형태로 귀결한다.

이렇게 문장으로 풀 수 있는, 혹은 문장을 명사로 바꿀 수 있는 것이 아니라면,

그러한 명사에는 부정(반대) 형태가 있을까?

이런 내 생각을 받아줄 수 있는 친구는 한 명이라 그 친구에게 물어보았다.

그랬더니 웬걸 재미난 의견을 던져주었다.

"chatGPT에게 물어봐라."

그래서 물어보았다.

본 글의 제목이기도 하고, 처음 물어본 질문이다.

명사의 부정은 당연히 없다.

하지만 생각한 내용을 요약하다보니 이러한 질문의 형태로 바뀌었다.

해와 달은 반대가 아님을 이 친구도 알고 있다.

내가 생각한 것과 동일하다.

관례상, 우리는 해의 반대를 달이라고 합의하고 있을 뿐이다.

이도 동일하다.

해와 달은 반대가 될 수는 없지만, 낮과 밤은 반대가 될 수 있다.

이는 곧 '해가 떠있다'와 '해가 떠있지 않다'로 부정할 수 있고,

떠있다와 떠있지 않다로 귀결한다.

내 생각의 도착지이자, 의문의 근원이다.

그렇다면 결국, 왜.

사람들은 특정한 상황이나 개념에 대해 반대되는 것을 생각할까?

우문현답이었다.

나는 알고 있었을 뿐 내 생각에 갇혀 생각하지 못했다.

그것을 인공지능이 활로를 열어주었다.

역시 이 친구는 생각의 폭을 넓혀주는 참고용으로 쓰기에 딱 알맞은 것 같다.

나를 잘 이해하기 위해서는 너를 잘 이해해야 한다.

이런 생각이 종종 든다.

물론 이 반대도 그렇고.

참 다양한 시각으로 사람들과 상황을 보는 게 중요하다는 생각이 다시금 든다.

오늘 감기 기운으로 일을 하지 못 하고 누워서 많은 시간을 보냈다.

몸이 약해 이런 상황이 꽤나 자주 발생하는데, 확실히 아플 때마다 생각이 넓어지는 느낌이다.

오히려 아파도 괜찮을지도?