KO

Data Scientist

AI / Engineering 정규직 NAVER 1784 - D2SF / 분당 정자동 ~ 2026-09-30 마감

주요 업무

1) 데이터 구조 분석 및 모델링

PostgreSQL, MySQL, Aurora, RDS, Redshift 등 고객 데이터 소스를 분석 후 AI 활용이 가능한 구조로 설계
대용량 SQL 데이터를 row/table 중심에서 object/document/feature/metadata 중심 구조로 변환하는 데이터 모델링

2) 데이터 수집 및 저장 전략

Snapshot, CDC, batch 등 수집 방식 요구사항 정의 및 데이터 정합성 검증 로직 설계
Parquet, Iceberg, object storage 기반 저장 구조 및 partitioning 전략 수립

3) 데이터 신뢰성 및 품질 관리

원본 데이터의 PK, FK, schema, lineage, provenance, timestamp, operation log 등을 활용해서 추적 가능한 데이터 구조 설계
AI-ready dataset 생성을 위한 정제, 스키마 매핑, semantic enrichment, entity relationship 보존 전략 수립
품질 검증, reconciliation, duplicate detection, null/type/timezone/schema drift 검증 기준 정의

4) 협업 및 프로젝트 수행

백엔드, 데이터 엔지니어, AI 엔지니어와 협업하여 SynTitan ingestion pipeline 및 AI-ready data layer 고도화
PoC/Demo/실제 구축 프로젝트에서 데이터 변환 전략 수립 및 검증 리포트 작성

자격 요건

데이터 사이언스/엔지니어링/백엔드 데이터 처리 경력 3년 이상
SQL 및 관계형 데이터베이스 구조에 대한 깊은 이해
PostgreSQL, MySQL 등 RDBMS의 table, schema, index, PK/FK, join 구조 분석 가능한 분
Python 기반 데이터 처리, 변환, 검증 자동화 경험
Pandas, PySpark, SQLAlchemy, dbt, Airflow 중 1개 이상 활용 경험
대용량 데이터 처리시 발생하는 성능, 정합성, 중복, schema drift 문제에 대한 이해
정형 데이터를 AI/LLM/RAG/Agent 활용 가능 형태로의 전환에 관심도, 이해도 높은 분
데이터 품질, 재현성, 감사 추적성, lineage 관리의 중요성을 이해하는 분
백엔드/AI/인프라 팀과 협업해 요구사항을 구조화, 문서화하는 역량 보유

우대 사항

1) 데이터 인프라 및 아키텍처 경험

CDC, Debezium, Kafka, AWS DMS, logical replication 등 변경 데이터 수집 구조 이해·경험
Parquet, Iceberg, Delta Lake 등 데이터레이크 설계 또는 운영 경험
Lineage, metadata catalog, schema registry, data quality framework 구축 경험

2) 대용량 데이터 처리 경험

Spark, PySpark, Trino, DuckDB 등을 활용한 대용량 데이터 처리 경험
AWS 환경(S3, RDS, Aurora, Redshift, Glue, Athena, EMR) 활용 경험

3) 데이터 변환 및 AI 활용 경험

RDB 데이터를 JSON, document, key-value, feature store, vector DB 등으로 변환한 경험
LLM/RAG/Agent 서비스용 데이터 전처리, chunking, metadata 설계 경험
개인정보·민감정보 비식별화, synthetic data, differential privacy 관련 경험

4) 유관 실무 경험

고객사 데이터 구조 분석 및 PoC/구축 프로젝트 수행 경험
Claude Code, Cursor 등 AI 코딩 도구로 데이터 처리 코드 생산성을 높인 경험

5) 이런 분을 찾고 있어요

모델 학습보다 기업 데이터를 AI가 쓸 수 있는 구조로 바꾸는 일에 관심있는 분
"데이터가 있다" 와 "AI가 사용할 수 있는 데이터다" 의 차이를 이해하는 분
SQL table, schema, business context, metadata, lineage를 연결해 사고할 수 있는 분
데이터 정합성, 재현성, 감사 추적성을 중요하게 생각하는 분
고객마다 다른 데이터 구조를 공통 프레임워크로 흡수하는 문제에 흥미를 느끼는 분
연구형보다 제품형, 분석형보다 플랫폼형 문제 해결에 강점이 있는 분