넥토리얼 3기 채용의 나라, 데이터 분석가 직군 후기
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.