합류하게 될 팀에 대해 알려드려요

• 토스증권 Data Engineer(금융데이터/DRE)는 AI Info & Data Silo 소속이에요. AI Info & Data Silo는 뉴스, 공시, 실적, 시세 등 증권 도메인의 방대한 데이터를 모으고 다듬어, 투자자에게 필요한 정보를 제공하는 AI 기반 데이터 서비스를 만드는 팀이에요. 이를 위해 LLM 기반 기술과 자체 데이터 플랫폼을 활용하고 있어요.
• 이 팀이 만드는 데이터는 고객이 투자 판단에 쓰는 정보라, 데이터가 얼마나 정확하고 일관된지가 서비스의 신뢰도를 결정해요. DRE는 이 데이터 신뢰성을 엔지니어링으로 보장하고, 검증·모니터링 시스템을 직접 만들고 개선해요.
• 담당 데이터 도메인의 신뢰성에 대해, 데이터 라이프사이클 전반에 걸친 ownership을 가져요.

합류하면 함께 할 업무예요

• 주식 공시, 실적, 시세, 뉴스 등 담당 데이터 도메인의 원천과 유입 경로를 이해하고, 데이터 입수부터 가공·검증·제공까지 전체 파이프라인을 설계하고 운영해요.
• 담당 도메인의 데이터 품질 기준과 정합성 검증 체계를 데이터 거버넌스 규칙으로 정의하고, 문제가 발생했을 때 원천부터 고객 노출 지점까지 추적해 원인을 해결하고 재발을 방지해요.
• 선언형 데이터 계약(Data Contract)으로 품질 기준을 정의하고 자동으로 검증·관측하는 데이터 품질 플랫폼을 함께 개발하고 운영해요.
• 고객에게 노출되는 서비스 지면에서 원천까지 데이터 계보(lineage)를 추적해 검증 공백을 찾고, 외부 벤더 데이터와 사내 원천 데이터를 교차 검증하는 체계를 만들어가요.
• Airflow·Kubernetes 기반 데이터 파이프라인의 관측 가능성을 높이고, 데이터 장애 수집·원인 추적 같은 반복 운영 업무를 AI 에이전트로 자동화해 나가요.

이런 분과 함께하고 싶어요

• 3년 이상의 Data Engineering 또는 데이터 플랫폼 개발·운영 경험이 필요해요.
• Python과 SQL로 데이터 검증·처리 로직을 프로덕션 수준으로 구현하고 테스트할 수 있어야 해요.
• Airflow, Kubernetes 기반 데이터 파이프라인을 구축하고 운영한 경험이 필요해요.
• RDBMS와 분산 쿼리 엔진(Impala, Spark, ClickHouse 등)을 활용하여 데이터 정합성·품질을 검증하는 로직을 설계하고 운영한 경험이 필요해요.
• 데이터 장애를 탐지부터 복구, 재발 방지까지 끝까지 책임진 경험이 필요해요. 드러난 현상 뒤에 숨은 근본 원인을 끝까지 파고드는 일을 좋아하는 분이면 더 잘 맞아요.
• 제품을 만드는 과정에서 다양한 포지션의 팀원들과 협업 및 커뮤니케이션할 수 있는 능력이 필요해요.(Product Owner, SW Engineer, Machine Learning Engineer 등)
• 요구사항과 문제를 스스로 명확히 정의하고, AI 도구를 활용해 검증 엔진부터 어드민 화면까지 플랫폼 전체를 직접 만들고 운영할 수 있는 분을 찾아요.
• Data Reliability Engineer라는 이름으로 일한 경험이 없어도 괜찮아요. 데이터 엔지니어링 기초가 탄탄하고, 데이터가 틀리는 문제를 시스템으로 풀어본 분을 찾고 있어요.

이런 경험이 있다면 더 좋아요

• 데이터 계약(ODCS, dbt test, Great Expectations, Soda 등) 기반 품질 검증 도구를 도입하거나 운영한 경험이 있으면 좋아요.
• SRE 관점의 SLI/SLO, 에러 버짓, 인시던트 관리 체계를 설계하거나 운영한 경험이 있으면 좋아요.
• 대용량 데이터 플랫폼 및 분산 처리에 대한 이해와 경험(Iceberg/Clickhouse/ES 등)이 있으면 좋아요.
• Claude Code, Codex 같은 AI 코딩 도구를 설계·구현·검증 과정에 활용하고, 그 산출물을 스스로 검증할 수 있는 분이면 좋아요.
• 증권 도메인과 제품에 대해 관심이 많고, 투자 경험과 기준이 있는 분이면 좋아요.

토스증권에서 사용하는 기술

• Python, SQL
• Airflow, DBT
• Impala, Spark, Iceberg, ElasticSearch, Neo4j
• Kafka, Flink, Clickhouse
• Kibana, Grafana, Prometheus
• Github, Kubernetes, ArgoCD

이력서는 이렇게 작성하시는 걸 추천해요

• 데이터 정합성·품질 문제를 어떻게 정의하고, 어떤 검증 체계나 시스템으로 해결했는지 작성해주세요.
• 데이터 장애를 탐지·분석·복구하고 재발을 막기까지, 문제 상황 → 접근 방식 → 구현·운영 → 결과와 학습의 흐름이 보이도록 작성해주세요.
• 대규모 데이터 파이프라인이나 데이터 서비스를 운영하며 모니터링·알림·런북 같은 운영 체계를 도입한 경험이 있다면 자세히 작성해주세요.
• 사용한 기술 스택보다, 왜 그 접근을 선택했고 어떤 트레이드오프를 고려했는지를 함께 적어주시면 좋아요.
• AI 코딩 도구를 활용해 개발·검증 방식을 바꾼 경험이 있으면 작성해주세요.

토스증권으로의 합류여정

• 서류 접수 > 직무 인터뷰 > 문화적합성 인터뷰 > 레퍼런스 체크 > 처우 협의 > 최종합격 및 입사

꼭 확인해 주세요

• 이력서 및 제출 서류에 허위 사실이 발견되거나 근무 이력 중 징계사항이 확인될 경우, 채용이 취소될 수 있어요.
• 토스증권 내규에 따라 채용 금지자 또는 결격사유 해당자는 채용이 취소될 수 있어요.
• 장애인 및 국가보훈대상자는 지원 시 관련 법에 따라 우대하고 있어요.

함께할 동료를 위한 한마디

"잘못된 데이터를 고객보다 먼저 찾아내는 시스템을 함께 만들고 있어요."

• 데이터 품질은 원천에서만 관리할 문제가 아니라, 고객이 실제로 보는 지면에서 확인해야 하는 문제라고 믿어요. 그래서 데이터 계약으로 기준을 선언하고, 고객 노출 지점의 신뢰성을 숫자로 재고, 장애가 나면 재발 방지까지 끝까지 따라가는 체계를 만들어 왔어요.
• 실패를 두려워하는 대신 관리하는 방식으로, 데이터 신뢰성을 엔지니어링 문제로 함께 풀어갈 동료를 기다려요.