데이터 사이언스시니어
데이터 사이언스 × 시니어
데이터 사이언스 분야에서 10년 이상의 경력을 보유하고 있으며, 금융 및 이커머스 업계에서 기계학습 모델 설계부터 MLOps 구축까지 리드해 왔습니다. 연간 수억 엔 규모의 매출 향상에 기여한 추천 엔진 개발과 DAU 100만 명 이상 제품의 데이터 기반 정비에 강점을 가지고 있습니다. 비즈니스 과제 정의부터 PoC, 프로덕션 배포, 팀 매니지먼트까지 일관되게 추진하는 능력이 뛰어납니다.
📌 경력 요약
- ▸대형 SIer에서 데이터 웨어하우스 구축 및 BI 도입 컨설팅에 종사하며, 요건 정의부터 데이터 모델링까지 담당했습니다 (3년).
- ▸외국계 테크 기업으로 이직하여 시니어 데이터 사이언티스트로 이커머스 추천 알고리즘 개발과 MLOps 파이프라인 표준화를 리드했습니다 (5년).
- ▸현재는 국내 대형 금융 기관 DX 추진실에서 신용 모델의 AI화 및 데이터 사이언스 팀(8명)의 매니저로 재직 중입니다 (2년).
📌 성과·강점
- ▸이커머스 사이트의 개인화 추천 모델을 개편하여 CVR 14% 향상, 연간 매출 25억 엔 증대에 기여했습니다.
- ▸신용 심사 AI 모델을 도입하여 심사 리드 타임을 평균 3일에서 15분으로 단축하고, 디폴트율을 0.8% 감소시켰습니다.
- ▸MLOps 기반(Kubeflow, MLflow)을 자체 구축하여 모델의 프로덕션 배포까지 리드 타임을 4주에서 3일로 단축했습니다.
📌 기술·스킬
- ▸언어 및 프레임워크: Python, SQL, PyTorch, TensorFlow, Scikit-learn, Spark
- ▸MLOps 및 인프라: Docker, Kubernetes, Kubeflow, MLflow, AWS (SageMaker, Redshift, Glue), GCP (BigQuery, Vertex AI)
- ▸데이터 엔지니어링: dbt, Airflow, Kafka
- ▸비즈니스 및 매니지먼트: 프로젝트 매니지먼트, 팀 빌딩, 이해관계자 협상, 영어(비즈니스 레벨 / TOEIC 920)
📌 자기소개
- ▸저는 '기술을 위한 기술'이 아닌 '비즈니스 임팩트'에 집중하는 데이터 사이언티스트입니다. 전 직장 이커머스 기업에서 당시 최신 딥러닝 모델을 제안했지만, 추론 비용과 지연 시간 문제로 비즈니스 측의 반대에 부딪혔습니다. 이에 경량 XGBoost와 신경망을 앙상블한 하이브리드 모델을 직접 고안하고 구현하여 추론 비용을 60% 절감하면서도 정확도를 유지했고, 결과적으로 연간 25억 엔의 매출 증대를 달성했습니다. 이 경험을 통해 기술적 탐구심과 비즈니스 제약 사이의 균형을 잡고, 이해관계자와 협력하여 최적의 솔루션을 도출하는 능력이 저의 가장 큰 강점임을 확신합니다.
💡 작성 팁
- 💡외국계와 일본계 기업에서 요구하는 '매니지먼트'의 정의가 다르므로, 일본계에는 '조정력·합의 형성'을, 외국계에는 '테크니컬 리드·지표 중심 팀 빌딩'을 강조하도록 이력서를 미세 조정하세요.
- 💡시니어 레벨에서는 '기술 실행'뿐만 아니라 '비즈니스 과제를 특정하고 ROI를 극대화한 방법'이 필수입니다. 면접에서는 PoC로 끝난 프로젝트의 실패 사례와 그로부터 얻은 교훈도 준비하면 평가가 높아집니다.
- 💡MLOps 및 데이터 거버넌스 경험은 현재 시장 가치가 매우 높으므로, 모델 개발뿐만 아니라 '운영·유지보수 비용을 어떻게 절감했는지'에 대한 수치를 적극적으로 어필하세요.
🔗 🔗 다른 레벨
최종 검토: 2026-09-06 · aijobs 편집부