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.
