Data Analyst (Search Signal)
Data Analyst (Search Signal)
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 (Search Signal)는 Data Analysis Chapter에 소속되면서 동시에 커머스 도메인(사업부)의 CSI(Commerce Signal Intelligence) 팀에서 일하게 돼요. -CSI 팀은 상품, 셀러, 유저, 리뷰, 이미지처럼 다양한 커머스 데이터에서 의미 있는 신호(Signal)를 발굴해, 추천, 검색, 광고 모델에 공급해요. 이 포지션은 그중 검색을 전담하며, 검색 모델이 더 정확하게 예측하도록 만드는 신호를 책임져요. -검색 모델이 왜 그렇게 판단했는지 진단하고, 모델이 학습하고 추론할 신호, 라벨, 피처를 직접 설계해 검증하면서, 모델의 품질을 판단하고 끌어올려요. 검색 현황을 분석하고 리포트로 정리하는 데서 한발 더 들어가는 역할이에요. -커머스 도메인은 Discovery Tribe, Search & Recommendation Tribe, Foundation Tribe 등 여러 Tribe로 나뉘고, 각 Tribe는 여러 사일로/팀으로 구성돼요. 각 사일로/팀은 PO, Server Developer, ML Engineer, Data Analyst 등 다양한 직군이 모여 작은 스타트업처럼 자율성을 갖고 일해요.
합류하면 함께할 업무예요
- 신호 발굴부터 피처 선택, 실험, 모델 반영까지 한 흐름의 오너십을 갖고, 그 신호가 실제 검색 품질과 전환을 끌어올리는지 끝까지 확인해요.
- 검색 의도 이해 : 유저가 정확한 상품을 찾는지, 카테고리를 둘러보는지, 특정 속성, 조건을 따지는지, 브랜드를 콕 집는지에 따라 같은 검색도 의도가 달라져요. 이런 검색 의도를 분류하고, 급상승 키워드와 시즈널한 흐름까지 읽어내 검색 모델이 활용할 신호로 만들어요.
- 신호 관점의 모델 진단 : 검색 모델이 어떤 신호를 충분히 활용하지 못하는지, 어떤 쿼리, 상품군, 상황에서 새로운 신호가 필요한지를 데이터로 짚어내 개선 우선순위를 정해요.
- 신호, 피처, 라벨 설계와 검증 : 연관도, 쿼리-상품 매칭 같은 신호와 노출 대비 무반응을 뜻하는 네거티브 라벨을 직접 정의하고, AUC, nDCG를 비롯한 다각도의 지표로 온, 오프라인 효과와 성능을 검증해요.
- 실험을 통한 모델 반영 : 가설 수립부터 A/B 테스트 설계, 결과 분석까지 직접 주도해 검증된 신호를 검색 ML Engineer와 함께 모델에 녹이고, 반영 이후의 지표 변화까지 함께 책임져요.
이런 분과 함께하고 싶어요
- SQL을 활용해 자유롭게 원하는 데이터를 추출하고 분석까지 진행 가능하신 분
- 추천, 검색, 타겟팅 등 Machine Learning 모델의 평가방법을 이해하고, 모델 관점에서 성능이 어디서 왜 저하되는지 진단해보신 분
- 분석에서 멈추지 않고, 모델이 학습하고 추론할 신호, 피처, 라벨을 직접 설계하고 검증해본 경험이 있으신 분
- 검색 쿼리와 유저 의도를 깊이 들여다보고 분석해본 경험이 있으신 분
- 가설을 세워 A/B 테스트를 설계하고 검증하며 지속해서 개선해 나간 경험이 있으신 분
이런 경험이 있다면 더 좋아요
- Candidate Generation 과 Ranking 으로 구성된 Multi-Stage 추천, 검색 모델 구조에 대한 이해
- 오프라인 모델 지표와 온라인 실험 지표를 연결해본 경험
- Feature Importance 분석, 편향 보정, 불확실성 처리 방법론을 활용해본 경험
- 한국어 커머스 검색 쿼리의 특성(동의어, 오타, 브랜드명, 속성 표현 등)에 대한 이해
이력서는 이렇게 작성하시는 걸 추천해요
- 그동안 해오신 업무 중 임팩트 있었던 프로젝트를 구체적으로 적어주세요.
- 진행했던 프로젝트의 문제정의-가설설정-실험설계-검증-결과의 과정이 드러나면 좋아요.
데이터 분석이 모델 개선(신호, 피처, 라벨)으로 연결된 경험이 있다면 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
"검색 모델이 더 좋은 답을 찾도록, 데이터로 길을 내는 사람이 될 수 있어요."
- 토스에서 가장 빠르게 성장하는 커머스 검색 도메인에서, 검색 품질을 높이는 신호와 피처를 직접 설계하게 돼요.
- 내가 세운 가설이 실험을 거쳐 검증되고, 검색 품질의 변화로 이어지는 과정을 ML Engineer를 비롯한 제품팀 모두와 함께 끝까지 만들어가요.
- 분석 리포트에서 멈추지 않고, 모델이 더 잘 판단하도록 이끄는 변화까지 직접 만들어가게 돼요.
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 (Search Signal)는 Data Analysis Chapter에 소속되면서 동시에 커머스 도메인(사업부)의 CSI(Commerce Signal Intelligence) 팀에서 일하게 돼요. -CSI 팀은 상품, 셀러, 유저, 리뷰, 이미지처럼 다양한 커머스 데이터에서 의미 있는 신호(Signal)를 발굴해, 추천, 검색, 광고 모델에 공급해요. 이 포지션은 그중 검색을 전담하며, 검색 모델이 더 정확하게 예측하도록 만드는 신호를 책임져요. -검색 모델이 왜 그렇게 판단했는지 진단하고, 모델이 학습하고 추론할 신호, 라벨, 피처를 직접 설계해 검증하면서, 모델의 품질을 판단하고 끌어올려요. 검색 현황을 분석하고 리포트로 정리하는 데서 한발 더 들어가는 역할이에요. -커머스 도메인은 Discovery Tribe, Search & Recommendation Tribe, Foundation Tribe 등 여러 Tribe로 나뉘고, 각 Tribe는 여러 사일로/팀으로 구성돼요. 각 사일로/팀은 PO, Server Developer, ML Engineer, Data Analyst 등 다양한 직군이 모여 작은 스타트업처럼 자율성을 갖고 일해요.
합류하면 함께할 업무예요
- 신호 발굴부터 피처 선택, 실험, 모델 반영까지 한 흐름의 오너십을 갖고, 그 신호가 실제 검색 품질과 전환을 끌어올리는지 끝까지 확인해요.
- 검색 의도 이해 : 유저가 정확한 상품을 찾는지, 카테고리를 둘러보는지, 특정 속성, 조건을 따지는지, 브랜드를 콕 집는지에 따라 같은 검색도 의도가 달라져요. 이런 검색 의도를 분류하고, 급상승 키워드와 시즈널한 흐름까지 읽어내 검색 모델이 활용할 신호로 만들어요.
- 신호 관점의 모델 진단 : 검색 모델이 어떤 신호를 충분히 활용하지 못하는지, 어떤 쿼리, 상품군, 상황에서 새로운 신호가 필요한지를 데이터로 짚어내 개선 우선순위를 정해요.
- 신호, 피처, 라벨 설계와 검증 : 연관도, 쿼리-상품 매칭 같은 신호와 노출 대비 무반응을 뜻하는 네거티브 라벨을 직접 정의하고, AUC, nDCG를 비롯한 다각도의 지표로 온, 오프라인 효과와 성능을 검증해요.
- 실험을 통한 모델 반영 : 가설 수립부터 A/B 테스트 설계, 결과 분석까지 직접 주도해 검증된 신호를 검색 ML Engineer와 함께 모델에 녹이고, 반영 이후의 지표 변화까지 함께 책임져요.
이런 분과 함께하고 싶어요
- SQL을 활용해 자유롭게 원하는 데이터를 추출하고 분석까지 진행 가능하신 분
- 추천, 검색, 타겟팅 등 Machine Learning 모델의 평가방법을 이해하고, 모델 관점에서 성능이 어디서 왜 저하되는지 진단해보신 분
- 분석에서 멈추지 않고, 모델이 학습하고 추론할 신호, 피처, 라벨을 직접 설계하고 검증해본 경험이 있으신 분
- 검색 쿼리와 유저 의도를 깊이 들여다보고 분석해본 경험이 있으신 분
- 가설을 세워 A/B 테스트를 설계하고 검증하며 지속해서 개선해 나간 경험이 있으신 분
이런 경험이 있다면 더 좋아요
- Candidate Generation 과 Ranking 으로 구성된 Multi-Stage 추천, 검색 모델 구조에 대한 이해
- 오프라인 모델 지표와 온라인 실험 지표를 연결해본 경험
- Feature Importance 분석, 편향 보정, 불확실성 처리 방법론을 활용해본 경험
- 한국어 커머스 검색 쿼리의 특성(동의어, 오타, 브랜드명, 속성 표현 등)에 대한 이해
이력서는 이렇게 작성하시는 걸 추천해요
- 그동안 해오신 업무 중 임팩트 있었던 프로젝트를 구체적으로 적어주세요.
- 진행했던 프로젝트의 문제정의-가설설정-실험설계-검증-결과의 과정이 드러나면 좋아요.
데이터 분석이 모델 개선(신호, 피처, 라벨)으로 연결된 경험이 있다면 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
"검색 모델이 더 좋은 답을 찾도록, 데이터로 길을 내는 사람이 될 수 있어요."
- 토스에서 가장 빠르게 성장하는 커머스 검색 도메인에서, 검색 품질을 높이는 신호와 피처를 직접 설계하게 돼요.
- 내가 세운 가설이 실험을 거쳐 검증되고, 검색 품질의 변화로 이어지는 과정을 ML Engineer를 비롯한 제품팀 모두와 함께 끝까지 만들어가요.
- 분석 리포트에서 멈추지 않고, 모델이 더 잘 판단하도록 이끄는 변화까지 직접 만들어가게 돼요.
