[채널코퍼레이션] Data Analyst (Product) 공고 분석

이 자리가 왜 생겼을까요

1하게 될 업무

• AI 에이전트인 CoS의 실험 및 평가 체계를 구축하고, 더 빠르게 이터레이션을 돌리고 정확하게 검증할 수 있는 환경을 제공합니다.

  이렇게 볼 수 있어요

  CoS는 회사가 2026년 7월 베타로 낸 AI 비서실장으로, 기업 곳곳에 흩어진 내부 데이터를 분석해 자연어 질문에 답하는 제품입니다. 그 답이 정확한지, 개선됐는지를 재는 기준은 정답이 하나로 정해지지 않아 먼저 정해야 합니다. Applied AI Engineer 공고의 업무에는 AI 상담 평가·개선 자동화와 벤치마크 구축이 있는데, 그 대상은 ALF의 상담입니다. LLM 응답의 평가 기준이나 실험 프레임워크를 만든 경험은 기준을 어떻게 정했고 무엇이 달라졌는지까지 말해야 합니다.

• 제품 개선이 실제 비즈니스 임팩트로 이어질 수 있도록 데이터에 기반한 방향성을 제시합니다.

  이렇게 볼 수 있어요

  팀 소개에는 이 팀이 항상 던진다는 질문 '이 일이 채널톡의 기업가치에 어떻게 기여하는가?'가 있습니다. 이 포지션은 제품 지표가 움직였다는 보고에서 끝나지 않고 매출·유지 같은 비즈니스 지표와의 연결까지 맡습니다. 회사는 2026년 10월 ARR 500억 원을 발표했습니다. 제품 지표와 ARR 사이의 중간 지표(활성 사용, 도입 고객 수 등)를 이어 본 경험이 있다면 그 연결 방식을 면접에서 가장 먼저 꺼낼 만합니다.

• 기능 배포나 모델 변경 등이 핵심 지표에 미친 인과 효과와 통계적 유의성을 엄밀하게 검증해, 확신을 가지고 의사결정할 수 있는 환경을 제공합니다.

  이렇게 볼 수 있어요

  AI 제품은 같은 입력에도 응답이 달라질 수 있어 배포 전후 지표를 단순 비교하면 효과와 우연이 섞입니다. 검증 대상에는 기능 배포와 함께 모델 변경이 나란히 있어, 모델을 바꾼 효과를 우연과 구분해 보여 주는 일도 맡게 됩니다. 대조군이 있는 실험이나 차이의 차이(DiD) 같은 방법으로 효과를 분리해 본 경험은 표본 크기와 신뢰구간이 붙으면 설득력이 생깁니다.

• 제품팀과 밀착하여 일하며 주도적으로 제품의 개선점을 발굴하고, 정량적 모델링 및 분석을 통해 솔루션을 도출합니다.

  이렇게 볼 수 있어요

  업무가 CoS를 직접 지목해, 밀착하는 제품팀은 CoS 쪽으로 짐작할 수 있습니다. Lead Product Manager 공고의 목적조직 목록에는 'CoS / Analytics'가 사내 AI 툴 CoS와 분석 도구 노트북을 만드는 팀으로 나옵니다. 발굴한 개선점이 실제 변경으로 이어진 경험은 모델링에 쓴 변수와 변경 뒤 지표를 함께 말해야 구체적인 사례가 됩니다.

2자격 요건

• 정량적 영역(DA, DS, ML 등)에서 문제 해결 경험이 3년 이상이어야 합니다.

  이렇게 볼 수 있어요

  DA·DS·ML을 나란히 적어 분석가 경력에 한정하지 않았습니다. 데이터 분석 실무 1년~5년 이상을 요구하는 Data Analyst 공고와 데이터 분석 또는 비즈니스 분석 3년 이상을 요구하는 Sales Operations Analyst 공고에 비해, 이 공고는 정량 영역의 문제 해결 3년 이상입니다. DS나 ML 경력은 풀었던 문제와 쓴 방법을 붙여 이 조건에 함께 적을 수 있습니다.

• SQL과 Python을 능숙하게 다루며 대용량 데이터를 빠르고 정확하게 분석할 수 있어야 합니다.

  이렇게 볼 수 있어요

  Sales Operations Analyst 공고는 SQL·Python 기반 처리·분석을 요건으로 두었고, Data Analyst 공고는 SQL만 자격 요건이고 Python은 우대였습니다. 이 공고는 둘 다 요건이고 대용량이라는 조건이 붙습니다. AI 제품의 상담·응답 로그처럼 행 수가 많은 데이터를 다룬 경험은 처리한 데이터 규모와 쿼리 시간을 줄인 방법이 함께 나와야 합니다.

• 제품의 배포나 각종 액션들의 인과를 검증하기 위해 A/B 테스트 설계, 통계적 가설 검정, 인과추론 등의 기법을 능숙하게 사용할 수 있어야 합니다.

  이렇게 볼 수 있어요

  세 기법은 업무의 인과 효과·통계적 유의성 검증을 실제로 수행하는 방법입니다. 실험을 설계한 경험은 가설, 표본 크기를 정한 방법, 유의 수준, 결과 해석이 필요합니다. 실험이 불가능해 관찰 데이터로 인과를 추정한 경험은 쓴 방법(매칭, 차이의 차이 등)과 그 방법의 한계를 말할 수 있어야 합니다.

• 복잡하게 얽힌 비즈니스 및 프로덕트 문제를 정량적 지표로 구조화하고, 주도적으로 액션 아이템을 도출할 수 있어야 합니다.

  이렇게 볼 수 있어요

  공고는 이 분석가를 제품에서 문제 해결이 필요한 곳을 가장 먼저 발견하는 사람으로 소개합니다. 요청이 오기 전에 지표를 분해해 문제를 먼저 찾은 경험은 어떤 분해로 찾았고 그 뒤 어떤 액션 아이템이 나왔는지를 순서대로 말해야 후속 질문에도 답이 막히지 않습니다. 지표로 선행 레버를 찾는 일은 Data Analyst 공고의 업무에도 있습니다.

• 다양한 직군과 원활하게 소통하고, 데이터를 이용해 논리적이고 합리적인 설득을 해내는 커뮤니케이션 역량이 있어야 합니다.

  이렇게 볼 수 있어요

  팀 소개는 DI팀을 어디에 리소스를 더 쓰고 무엇에 집중할지 '전반적인 방향을 제시하는 팀'이라 하고, 이 포지션을 '비즈니스 임팩트와 제품의 성장을 데이터로 빈틈없이 연결'하는 역할로 소개합니다. 방향 제시는 분석을 받은 쪽이 실제로 방향을 바꿀 때 끝납니다. 통계 용어를 모르는 제품 담당자에게는 효과 크기와 불확실성을 출시와 보류의 말로 바꿔 전하는 일이 설득의 실제 모습입니다. 분석 결과를 설명해 기능의 우선순위나 출시 여부를 바꾼 사례는 결정이 바뀐 사실과 그 근거 숫자가 함께 있을 때 설득의 경험이 됩니다.

3우대 사항

• LLM을 활용한 AI 프로덕트의 성능 평가 지표를 설계하고 검증해 본 경험을 우대합니다.

  이렇게 볼 수 있어요

  이 우대는 첫 업무인 CoS 실험·평가 체계와 같은 방향입니다. 평가 지표 설계는 무엇이 좋은 답변인지를 수치로 정하는 일입니다. LLM judge 방식이나 사람이 채점한 표본과의 일치도를 쓴 경험은 방식과 검증 결과를 나란히 써야 이 우대에 맞는 사례가 됩니다. LLM judge 기반 정량 평가로 데이터 카탈로그의 신뢰도를 재는 일이 Data Analyst 공고의 업무에 있습니다.

• B2B SaaS 비즈니스에 대한 이해나 관심이 있는 분을 우대합니다.

  이렇게 볼 수 있어요

  B2B SaaS 이해는 Data Analyst 공고의 우대 사항에도 있습니다. 이 공고의 업무는 제품 지표를 비즈니스 임팩트와 잇는 일이라, 구독 매출 지표(MRR, 이탈률)를 알고 있으면 제품 지표가 어느 숫자로 이어지는지 정하는 기준이 생깁니다.

• 수학, 통계학, 컴퓨터공학, 경제학 등 관련 전공 석사 이상의 학위를 우대합니다.

  이렇게 볼 수 있어요

  열거된 수학, 통계학, 컴퓨터공학, 경제학은 자격 요건의 통계적 가설 검정과 인과추론이 쓰이는 분야입니다. 특히 경제학 대학원은 계량경제학 과목에서 차이의 차이나 도구변수처럼 관찰 데이터로 인과를 추정하는 방법을 다루는 곳이 많습니다. 통계학 대학원도 인과추론 과목을 따로 두는 곳이 있습니다. 학위 논문이나 연구에서 인과추론이나 실험 설계를 쓴 적이 있다면 연구 주제와 쓴 방법을 한 줄로 밝혀 학위 이력을 요건과 연결합니다.

• 상담 및 고객 서비스 도메인 데이터를 다뤄 본 경험을 우대합니다.

  이렇게 볼 수 있어요

  회사는 2026년 10월 가장 많은 고객의 목소리가 이미 채널톡 위에 있다고 밝혔고, 한국과 일본에서 24만 개 채널이 쓰고 매달 1,000만 건이 넘는 상담이 오간다고 소개했습니다. 상담 로그나 CS 티켓을 분석한 경험이 있다면 다룬 건수, 분류 방식, 그 분석이 바꾼 상담 운영을 함께 보여 줄 수 있습니다.

4기타 사항

• 게시일 : 2026년 11월 3일
• 고용형태 : 정규직
• 근무지 : 서울특별시 강남구 논현로 508, 8층(역삼동, GS타워) (추정)
• 경력 조건 : 경력 3년 이상
• 학력 조건 : 해당 내용은 원본 공고에서 확인되지 않습니다.

쓰는 기술

공고 본문에 적힌 기술만 모은 목록입니다.

• SQL
• Python

전형과 지원

분석 시점 한국 공고의 전형은 서류전형, 1차 면접, 2차 면접, 최종 합격 네 단계가 가장 많았고, 직군에 따라 3차 면접이나 과제 전형, 일부 개발 공고의 온라인 사전 기술 인터뷰, Data Analyst와 Japan Product Specialist 공고의 콜 인터뷰가 더 있었습니다. 45건 가운데 40건이 전형 설명에 컬처핏이나 채널팀 문화와의 적합성 확인을 적었습니다.

지원 전 준비할 것

1. 1

   과제 전형 대비

   서류 합격자에게 3일 기한의 과제가 나옵니다. 업무에 인과 효과 검증과 통계적 유의성이 있으니, 최근 한 분석의 가설, 표본 크기, 검정 방법, 결과의 한계를 한 문서로 정리하고 과제도 같은 구조로 씁니다.

2. 2

   프로젝트 한 건을 깊게

   1차 인터뷰는 사전 과제 리뷰와 함께 지금까지 수행한 프로젝트와 문제 해결 경험을 깊이 이야기합니다. 실험이나 인과 분석 프로젝트 하나를 골라 문제 정의, 방법을 고른 이유, 의사결정에 미친 영향을 말할 수 있게 연습하세요.

3. 3

   CoS 평가 기준 초안

   채널톡 뉴스룸의 2026-07-08 발표문에서 CoS가 자연어 질문으로 데이터 분석 결과를 내는 제품임을 읽고, 그 결과를 정확성과 재현성 같은 기준으로 채점하는 평가표 초안을 만듭니다.