Data Analyst (Knowledge Graph)

Data Analyst (Knowledge Graph)

토스 소속
정규직

참고해주세요

  • 바로 지원하기가 부담스럽다면, Data Analyst 현업과의 상시 커피챗 을 신청해보세요!
  • 토스 데이터 조직에 대해 더 알아보고 싶다면? 토스 Data Division 위키

합류하게 될 팀에 대해 알려드려요

  • Data Analyst (Knowledge Graph)는 Data Analysis Chapter에 소속되면서 동시에 커머스 도메인의 Data Graph Team에 배정되어요.
  • Commerce Data Graph Team은 상품의 속성 정보와 상품 사이의 관계를 정의해서, 검색·추천·광고가 함께 사용하는 공통 데이터로 만드는 팀이에요.
  • 토스 커머스의 머신러닝 모델이 다음 단계로 도약하기 위해 필요한 상품 이해 체계를 만들어가요. 카테고리와 유저 행동 데이터 위에 상품의 의미와 관계 정보를 더해, 신규 상품과 거래량이 적은 상품까지 정교하게 다룰 수 있는 기반을 설계해요.
  • 팀은 머신러닝 엔지니어, 프로덕트 오너, 데이터 분석가로 구성되어 있고, 검색·추천팀의 고정 협업 담당자와 주간 회의로 호흡을 맞추며 작은 스타트업처럼 자율성을 갖고 일하고 있어요.

합류하면 함께할 업무예요

  • 상품 속성 체계 설계와 기준 정의 : 소비 유형, 가격대, 시즌성, 대체·보완 관계 등 상품을 분류하는 축과 기준선을 데이터로 정의해요. 어떤 변수와 임계값으로 상품을 나눌 때 모델이 가장 잘 활용할 수 있는지 분석으로 결정해요.
  • 속성 유효성 검증 사이클 운영 : 정의한 속성이 클릭률 예측, 전환율 예측, 랭킹 모델 등에서 실제로 예측력을 가지는지 반복적으로 검증하고, 결과를 바탕으로 속성을 다듬어가요. 새로운 속성이 추가될 때마다 이 사이클이 반복돼요.
  • 상품 간 관계 데이터 구축 : 함께 구매되는 패턴, 같은 검색에서 함께 클릭되는 패턴, 속성 유사도 등에서 대체재·보완재·변형 관계를 찾아내고, 각 관계의 신뢰도와 근거를 함께 정리해요.
  • 실험 설계와 모델 관점의 해석 : 단계별 산출물의 임팩트를 검색·추천 A/B 테스트로 측정할 수 있도록 설계하고, 결과를 모델 관점에서 해석해 다음 작업의 우선순위에 반영해요.
  • 검색·추천팀과의 협업 : 양팀 협업 담당자와 주간 회의에서 요구사항, 산출물 형태, 실험 결과를 맞춰가고, 우리 산출물이 실제 모델에 어떻게 쓰이는지까지 책임감 있게 살펴봐요.

이런 분과 함께하고 싶어요

  • SQL을 활용해 대규모 행동 로그에서 원하는 데이터를 자유롭게 추출하고 분석할 수 있는 분이 필요해요.
  • 가설을 세워 A/B 테스트를 설계·검증하고, 결과를 다음 의사결정으로 연결한 경험이 있는 분이 필요해요.
  • 추천, 검색, 랭킹, 타겟팅 등 머신러닝 모델의 피처 구조와 평가 방법을 이해하고, 분석 결과를 모델 관점에서 해석할 수 있는 분이면 좋아요.
  • 피처 엔지니어링이나 피처 중요도 분석을 진행해본 경험이 있으면 좋아요.
  • 정답이 정해지지 않은 분류 기준이나 체계를 데이터로 만들어본 경험(세그멘테이션, 군집화, 카테고리 설계 등)이 있으면 좋아요.
  • 분류 체계(taxonomy), 관계 구조(ontology), 지식 그래프와 관련된 경험이나 이해가 있으면 좋아요.
  • 대규모 언어 모델(LLM)이나 자연어 처리(NLP) 출력물의 품질을 평가해본 경험이 있으면 좋아요.
  • 분석 결과를 단순 리포팅에서 끝내지 않고, 모델 피처와 알고리즘, 제품 의사결정에 반영되는 액션으로 연결해본 경험이 있으면 좋아요.
  • 이커머스 도메인에서 상품, 카탈로그, 검색, 추천과 관련된 분석 경험이 있거나, 커머스 비즈니스에 강한 관심이 있는 분이면 좋아요.

이력서는 이렇게 작성하시는 걸 추천해요

  • 그동안 해오신 업무 중 임팩트 있었던 프로젝트를 구체적으로 적어주세요.
  • 진행했던 프로젝트의 문제정의-가설설정-실험설계-검증-결과의 과정이 드러나면 좋아요.
  • 분석 결과가 모델 피처, 알고리즘, 제품 의사결정에 반영된 사례가 있다면 그 연결 과정을 함께 적어주세요.

토스로의 합류 여정 및 일정

  • 서류 접수 > 사전 과제(쿼리 테스트) > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우협의 > 최종합격 및 입사

꼭 확인해주세요!

  • 사전 과제는 약 2시간 정도 소요되는 쿼리 테스트로, 5일 간의 응시 기간을 드리고 있어요.
  • 사전 과제 합격 시 직무 인터뷰가 진행되며, 직무 인터뷰 중 라이브 쿼리 테스트가 진행될 수 있어요.

함께할 동료를 위한 한마디

"커머스 전체가 같은 언어로 상품을 이해하게 만드는 자리예요."

  • 검색, 추천, 광고, 카탈로그를 모두 가로지르는 기반 데이터를 다루기 때문에, 한 도메인에 머무르지 않고 토스 커머스 전반에 영향을 미치는 일을 하게 돼요.
  • 토스 커머스의 다음 단계를 여는 상품 이해 체계를 직접 설계하게 돼요. 글로벌 커머스 플랫폼들이 중앙 전담 조직으로 만들어온 영역을 토스에서 처음 시작하는 자리예요.
  • 모든 산출물이 검색·추천 A/B 테스트로 바로 검증되기 때문에, 분석이 보고서로 끝나지 않고 검색 클릭률, 추천 클릭률, 광고 매출 같은 실제 비즈니스 지표로 임팩트가 연결돼요.
지원하기
토스 소속
정규직

참고해주세요

  • 바로 지원하기가 부담스럽다면, Data Analyst 현업과의 상시 커피챗 을 신청해보세요!
  • 토스 데이터 조직에 대해 더 알아보고 싶다면? 토스 Data Division 위키

합류하게 될 팀에 대해 알려드려요

  • Data Analyst (Knowledge Graph)는 Data Analysis Chapter에 소속되면서 동시에 커머스 도메인의 Data Graph Team에 배정되어요.
  • Commerce Data Graph Team은 상품의 속성 정보와 상품 사이의 관계를 정의해서, 검색·추천·광고가 함께 사용하는 공통 데이터로 만드는 팀이에요.
  • 토스 커머스의 머신러닝 모델이 다음 단계로 도약하기 위해 필요한 상품 이해 체계를 만들어가요. 카테고리와 유저 행동 데이터 위에 상품의 의미와 관계 정보를 더해, 신규 상품과 거래량이 적은 상품까지 정교하게 다룰 수 있는 기반을 설계해요.
  • 팀은 머신러닝 엔지니어, 프로덕트 오너, 데이터 분석가로 구성되어 있고, 검색·추천팀의 고정 협업 담당자와 주간 회의로 호흡을 맞추며 작은 스타트업처럼 자율성을 갖고 일하고 있어요.

합류하면 함께할 업무예요

  • 상품 속성 체계 설계와 기준 정의 : 소비 유형, 가격대, 시즌성, 대체·보완 관계 등 상품을 분류하는 축과 기준선을 데이터로 정의해요. 어떤 변수와 임계값으로 상품을 나눌 때 모델이 가장 잘 활용할 수 있는지 분석으로 결정해요.
  • 속성 유효성 검증 사이클 운영 : 정의한 속성이 클릭률 예측, 전환율 예측, 랭킹 모델 등에서 실제로 예측력을 가지는지 반복적으로 검증하고, 결과를 바탕으로 속성을 다듬어가요. 새로운 속성이 추가될 때마다 이 사이클이 반복돼요.
  • 상품 간 관계 데이터 구축 : 함께 구매되는 패턴, 같은 검색에서 함께 클릭되는 패턴, 속성 유사도 등에서 대체재·보완재·변형 관계를 찾아내고, 각 관계의 신뢰도와 근거를 함께 정리해요.
  • 실험 설계와 모델 관점의 해석 : 단계별 산출물의 임팩트를 검색·추천 A/B 테스트로 측정할 수 있도록 설계하고, 결과를 모델 관점에서 해석해 다음 작업의 우선순위에 반영해요.
  • 검색·추천팀과의 협업 : 양팀 협업 담당자와 주간 회의에서 요구사항, 산출물 형태, 실험 결과를 맞춰가고, 우리 산출물이 실제 모델에 어떻게 쓰이는지까지 책임감 있게 살펴봐요.

이런 분과 함께하고 싶어요

  • SQL을 활용해 대규모 행동 로그에서 원하는 데이터를 자유롭게 추출하고 분석할 수 있는 분이 필요해요.
  • 가설을 세워 A/B 테스트를 설계·검증하고, 결과를 다음 의사결정으로 연결한 경험이 있는 분이 필요해요.
  • 추천, 검색, 랭킹, 타겟팅 등 머신러닝 모델의 피처 구조와 평가 방법을 이해하고, 분석 결과를 모델 관점에서 해석할 수 있는 분이면 좋아요.
  • 피처 엔지니어링이나 피처 중요도 분석을 진행해본 경험이 있으면 좋아요.
  • 정답이 정해지지 않은 분류 기준이나 체계를 데이터로 만들어본 경험(세그멘테이션, 군집화, 카테고리 설계 등)이 있으면 좋아요.
  • 분류 체계(taxonomy), 관계 구조(ontology), 지식 그래프와 관련된 경험이나 이해가 있으면 좋아요.
  • 대규모 언어 모델(LLM)이나 자연어 처리(NLP) 출력물의 품질을 평가해본 경험이 있으면 좋아요.
  • 분석 결과를 단순 리포팅에서 끝내지 않고, 모델 피처와 알고리즘, 제품 의사결정에 반영되는 액션으로 연결해본 경험이 있으면 좋아요.
  • 이커머스 도메인에서 상품, 카탈로그, 검색, 추천과 관련된 분석 경험이 있거나, 커머스 비즈니스에 강한 관심이 있는 분이면 좋아요.

이력서는 이렇게 작성하시는 걸 추천해요

  • 그동안 해오신 업무 중 임팩트 있었던 프로젝트를 구체적으로 적어주세요.
  • 진행했던 프로젝트의 문제정의-가설설정-실험설계-검증-결과의 과정이 드러나면 좋아요.
  • 분석 결과가 모델 피처, 알고리즘, 제품 의사결정에 반영된 사례가 있다면 그 연결 과정을 함께 적어주세요.

토스로의 합류 여정 및 일정

  • 서류 접수 > 사전 과제(쿼리 테스트) > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우협의 > 최종합격 및 입사

꼭 확인해주세요!

  • 사전 과제는 약 2시간 정도 소요되는 쿼리 테스트로, 5일 간의 응시 기간을 드리고 있어요.
  • 사전 과제 합격 시 직무 인터뷰가 진행되며, 직무 인터뷰 중 라이브 쿼리 테스트가 진행될 수 있어요.

함께할 동료를 위한 한마디

"커머스 전체가 같은 언어로 상품을 이해하게 만드는 자리예요."

  • 검색, 추천, 광고, 카탈로그를 모두 가로지르는 기반 데이터를 다루기 때문에, 한 도메인에 머무르지 않고 토스 커머스 전반에 영향을 미치는 일을 하게 돼요.
  • 토스 커머스의 다음 단계를 여는 상품 이해 체계를 직접 설계하게 돼요. 글로벌 커머스 플랫폼들이 중앙 전담 조직으로 만들어온 영역을 토스에서 처음 시작하는 자리예요.
  • 모든 산출물이 검색·추천 A/B 테스트로 바로 검증되기 때문에, 분석이 보고서로 끝나지 않고 검색 클릭률, 추천 클릭률, 광고 매출 같은 실제 비즈니스 지표로 임팩트가 연결돼요.
채용팀에 문의하기