[AI 웨비나] Data Engineer/Data Analytics Engineer
[AI 웨비나] Data Engineer/Data Analytics Engineer
토스 소속
정규직
🔥 AI 웨비나 | 토스 Data Engineer&Data Analytics Engineer 프라이빗 전형 오픈!
📢 웨비나 신청자 분들께만 드리는 혜택!
서류 합격 시, 직무 인터뷰와 문화적합성 인터뷰를 하루에 진행하는 원데이 인터뷰를 진행합니다. 직무 인터뷰 결과는 당일 휴식 시간에 즉시 안내 드리고, 합격 시 그 자리에서 바로 문화적합성 인터뷰까지 이어집니다. (지원 기간: 5/26(화) 자정까지)
어떤 도메인으로 합류할 수 있나요?
DAE(Product) — 토스의 각 도메인(Foundation·Ads·Pay·Growth·Business)에 합류해 도메인 데이터의 오너십을 가져요. Single Source of Truth인 표준화된 마트를 데이터 소비자들에게 제공하고, LLM/AI가 이해할 수 있는 수준의 도메인별 Semantic Layer를 구축해요. 매출·비용·자산을 통합하는 FinOps 영역, 전사 ML Feature Store 표준화 등 신뢰할 수 있는 데이터 자산을 만드는 다양한 도메인으로 합류할 수 있어요.
DAE(Platform) — 전사 Data Warehouse 표준을 책임지는 팀. 데이터 사일로화를 방지하고, DQ Rule 고도화·Data Maturity 측정·전사 통합 마트 개발로 토스 데이터 신뢰성의 기준을 만들어가요. 더불어 전사 단위 마트를 관리하고, 특정 도메인에 속하지 않는 공통 데이터에 대한 오너십을 가져요.
DE(AI Platform) — Data Warehouse Team 소속으로 온톨로지 플랫폼을 0부터 구축해요. 전사 내부망에 있는 데이터를 지식화하고, 그 위에서 에이전트들을 생성할 수 있는 플랫폼을 만들어요.
DE 광고(Ads DMP) — 광고 데이터의 수집→정제→가공→저장→활용 전 주기 파이프라인을 설계·운영. 노출·클릭·전환 행동 로그를 실시간 스트리밍으로 처리해 입찰(RTB)·타겟팅·추천 시스템에 직접 연결해요.
구체적으로 어떤 일을 하나요?
※ 아래는 4개 팀의 업무를 모아둔 리스트입니다. 모든 항목에 부합하지 않아도 괜찮아요. 한두 가지만 맞아도 지원해주세요. 직무·도메인·팀에 맞추어 토스가 매칭해드려요.
- 신뢰할 수 있는 데이터를 "설계"해요. DW 표준을 정의하고, 도메인별 Semantic Layer를 만들고, 데이터 거버넌스(품질·SLA·컴플라이언스)를 시스템으로 정착시켜요.
- AI 시대에 맞는 데이터 인프라를 직접 만들어요. GraphRAG 파이프라인, 멀티에이전트 인프라, 데이터 품질 플랫폼 — 시장에 정답이 없는 영역을 0부터 설계·구축해요.
- 대용량 실시간 파이프라인을 운영해요. 광고 노출·클릭·전환 같은 행동 로그를 스트리밍으로 처리해, 입찰·타겟팅·추천에 바로 연결되는 데이터 흐름을 책임져요.
- 기존 Hadoop 단의 영향도 시스템을 개발단 코드부터 Hadoop, 그리고 분석·ML 서빙까지 더 넓게 확장해, 데이터·피처·모델의 계보를 메타화하고 추적합니다.
이런 분과 함께하고 싶어요
※ 마찬가지로 4개 팀 요구사항을 모아둔 리스트입니다. 한두 가지만 부합되어도 좋으니 부담 없이 지원해주세요.
- DB 정규화와 DW 4특성을 이해하고, 표준 영역과 소비 영역 마트의 차이를 설명할 수 있는 분
- Hadoop·Spark·Flink·Kafka 등 분산 시스템 기반의 대용량 파이프라인을 직접 설계·운영해본 분
- 추천·광고·ML 서비스에서 데이터로 직접 임팩트를 만들어본 경험이 있다면 더 좋아요
- 데이터 품질·거버넌스·리니지처럼 "보이지 않는 가치"를 시스템으로 만들어내는 데 흥미가 있는 분
- 스스로 우선순위를 정하고 실행하는, 자기주도성이 높은 분
이력서는 이렇게 작성하시는 걸 추천해요
- 단순 도구·경험 나열보다 과제와 해결 과정, 임팩트, 러닝 포인트를 함께 기술해주세요.
- DW 구축, Data Maturity 개선, DQ 문제 해결, Feature Store 설계 같은 프로젝트 경험은 구체적인 수치와 함께 적어주시면 좋아요.
- 치명적 장애 해결·성능/리소스 최적화·오픈소스 버그·이슈 해결 경험도 환영해요.
토스가 사용하는 기술
Data Analytics Engineer
- 데이터 처리: Hadoop, Airflow, Impala 기반 SQL 중심 환경
- 보조 도구: Python, PySpark
Data Engineer
- 분산 처리: Hadoop, HBase, Kafka, Spark, Flink, Hive, Impala
- 언어: JVM 계열(Kotlin/Java), Python
- 워크플로우·DW: Airflow, DW/Mart 설계
- AI Platform 영역: FastAPI, Kubernetes, Elasticsearch + GraphRAG, LLM API 등
토스로의 합류 여정
- 서류접수 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우협의 > 최종합격 및 입사
- 본 전형은 웨비나 신청자에 한해 직무 인터뷰 합격 시 문화적합성 인터뷰를 이어서 보는 원데이 인터뷰로 운영해요.
토스 소속
정규직
🔥 AI 웨비나 | 토스 Data Engineer&Data Analytics Engineer 프라이빗 전형 오픈!
📢 웨비나 신청자 분들께만 드리는 혜택!
서류 합격 시, 직무 인터뷰와 문화적합성 인터뷰를 하루에 진행하는 원데이 인터뷰를 진행합니다. 직무 인터뷰 결과는 당일 휴식 시간에 즉시 안내 드리고, 합격 시 그 자리에서 바로 문화적합성 인터뷰까지 이어집니다. (지원 기간: 5/26(화) 자정까지)
어떤 도메인으로 합류할 수 있나요?
DAE(Product) — 토스의 각 도메인(Foundation·Ads·Pay·Growth·Business)에 합류해 도메인 데이터의 오너십을 가져요. Single Source of Truth인 표준화된 마트를 데이터 소비자들에게 제공하고, LLM/AI가 이해할 수 있는 수준의 도메인별 Semantic Layer를 구축해요. 매출·비용·자산을 통합하는 FinOps 영역, 전사 ML Feature Store 표준화 등 신뢰할 수 있는 데이터 자산을 만드는 다양한 도메인으로 합류할 수 있어요.
DAE(Platform) — 전사 Data Warehouse 표준을 책임지는 팀. 데이터 사일로화를 방지하고, DQ Rule 고도화·Data Maturity 측정·전사 통합 마트 개발로 토스 데이터 신뢰성의 기준을 만들어가요. 더불어 전사 단위 마트를 관리하고, 특정 도메인에 속하지 않는 공통 데이터에 대한 오너십을 가져요.
DE(AI Platform) — Data Warehouse Team 소속으로 온톨로지 플랫폼을 0부터 구축해요. 전사 내부망에 있는 데이터를 지식화하고, 그 위에서 에이전트들을 생성할 수 있는 플랫폼을 만들어요.
DE 광고(Ads DMP) — 광고 데이터의 수집→정제→가공→저장→활용 전 주기 파이프라인을 설계·운영. 노출·클릭·전환 행동 로그를 실시간 스트리밍으로 처리해 입찰(RTB)·타겟팅·추천 시스템에 직접 연결해요.
구체적으로 어떤 일을 하나요?
※ 아래는 4개 팀의 업무를 모아둔 리스트입니다. 모든 항목에 부합하지 않아도 괜찮아요. 한두 가지만 맞아도 지원해주세요. 직무·도메인·팀에 맞추어 토스가 매칭해드려요.
- 신뢰할 수 있는 데이터를 "설계"해요. DW 표준을 정의하고, 도메인별 Semantic Layer를 만들고, 데이터 거버넌스(품질·SLA·컴플라이언스)를 시스템으로 정착시켜요.
- AI 시대에 맞는 데이터 인프라를 직접 만들어요. GraphRAG 파이프라인, 멀티에이전트 인프라, 데이터 품질 플랫폼 — 시장에 정답이 없는 영역을 0부터 설계·구축해요.
- 대용량 실시간 파이프라인을 운영해요. 광고 노출·클릭·전환 같은 행동 로그를 스트리밍으로 처리해, 입찰·타겟팅·추천에 바로 연결되는 데이터 흐름을 책임져요.
- 기존 Hadoop 단의 영향도 시스템을 개발단 코드부터 Hadoop, 그리고 분석·ML 서빙까지 더 넓게 확장해, 데이터·피처·모델의 계보를 메타화하고 추적합니다.
이런 분과 함께하고 싶어요
※ 마찬가지로 4개 팀 요구사항을 모아둔 리스트입니다. 한두 가지만 부합되어도 좋으니 부담 없이 지원해주세요.
- DB 정규화와 DW 4특성을 이해하고, 표준 영역과 소비 영역 마트의 차이를 설명할 수 있는 분
- Hadoop·Spark·Flink·Kafka 등 분산 시스템 기반의 대용량 파이프라인을 직접 설계·운영해본 분
- 추천·광고·ML 서비스에서 데이터로 직접 임팩트를 만들어본 경험이 있다면 더 좋아요
- 데이터 품질·거버넌스·리니지처럼 "보이지 않는 가치"를 시스템으로 만들어내는 데 흥미가 있는 분
- 스스로 우선순위를 정하고 실행하는, 자기주도성이 높은 분
이력서는 이렇게 작성하시는 걸 추천해요
- 단순 도구·경험 나열보다 과제와 해결 과정, 임팩트, 러닝 포인트를 함께 기술해주세요.
- DW 구축, Data Maturity 개선, DQ 문제 해결, Feature Store 설계 같은 프로젝트 경험은 구체적인 수치와 함께 적어주시면 좋아요.
- 치명적 장애 해결·성능/리소스 최적화·오픈소스 버그·이슈 해결 경험도 환영해요.
토스가 사용하는 기술
Data Analytics Engineer
- 데이터 처리: Hadoop, Airflow, Impala 기반 SQL 중심 환경
- 보조 도구: Python, PySpark
Data Engineer
- 분산 처리: Hadoop, HBase, Kafka, Spark, Flink, Hive, Impala
- 언어: JVM 계열(Kotlin/Java), Python
- 워크플로우·DW: Airflow, DW/Mart 설계
- AI Platform 영역: FastAPI, Kubernetes, Elasticsearch + GraphRAG, LLM API 등
토스로의 합류 여정
- 서류접수 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우협의 > 최종합격 및 입사
- 본 전형은 웨비나 신청자에 한해 직무 인터뷰 합격 시 문화적합성 인터뷰를 이어서 보는 원데이 인터뷰로 운영해요.
