이 자리가 왜 생겼을까요
인벤 글로벌 보도에 따르면 크래프톤의 AI Transformation 책임자는 2026년 6월 NDC 2026 세션에서 데이터 리터러시를 위해 'Data Foundation'을 만들었다고 설명했습니다. 같은 보도는 크래프톤이 게임 제작 자산과 비제작 자산을 나눠 'Data Foundation' 카탈로그를 만들고, 지역마다 다른 AI 규제를 고려해 제작과 퍼블리싱 단계를 나눈 거버넌스를 세웠다고 전했습니다. 공고에 따르면 Data Foundation 팀은 파편화된 전사 데이터를 통합해 AI가 이해하고 활용할 수 있는 데이터 구조(Ontology)와 아키텍처를 설계하고, 이 공고는 그 일을 도메인 단위로 맡아 용어와 지표, 거버넌스 기준까지 정합니다. 한 도메인의 데이터를 정의하고 그 기준을 문서로 남겨 현업이 쓰게 만든 경험이 이 공고의 업무와 가장 가깝습니다.
- Beyond Efficiency: A Journey to Find the Essence of Work (Inven Global, 2026-06-18)
- 크래프톤 Sr. Data Analytics Specialist 공고
크래프톤이 지금 어떤 사업에 집중하고 있는지는 크래프톤 채용 분석에서 이어서 볼 수 있습니다.
1하게 될 업무
담당 도메인의 데이터 관리·활용 체계를 직접 기획·설계하고, Ontology 설계서와 데이터 모델, 거버넌스 기준 문서 같은 설계 산출물을 주도적으로 작성·관리합니다.
이렇게 볼 수 있어요
미션 소개가 산출물을 문서 이름으로 들었습니다. 분석 리포트보다 설계 문서를 남기는 일이 중심이라, 직접 쓴 데이터 정의서나 모델 설계 문서가 있다면 문서의 종류와 그 문서를 쓰는 조직을 경력기술서에 밝혀 둘 만합니다.
도메인의 원천 데이터와 업무 프로세스를 분석해 AI(LLM, AI Agent)가 활용할 수 있는 Ontology(개체·관계·속성 정의) 구조를 주도적으로 설계하고, Ontology 설계서를 작성·관리합니다.
이렇게 볼 수 있어요
Ontology는 필수요건에서는 빠르게 배울 새로운 개념으로, 우대요건에서는 실제 프로젝트에 적용해 본 경험으로 나옵니다. 써 본 적이 없더라도 개체와 관계를 정의한 ERD나 데이터 사전 작업은 이 업무와 같은 종류의 일입니다.
도메인별 핵심 용어(Glossary)와 지표 정의, 데이터 오너십·접근 권한 기준을 현업과 협의해 수립하고 거버넌스 기준 문서로 정립합니다.
이렇게 볼 수 있어요
기준을 혼자 정하지 않고 현업과 협의해 정한다고 적혀 있습니다. 부서마다 다르게 쓰던 지표 정의를 하나로 맞춘 경험이라면 어느 부서와 어떤 정의를 놓고 조율했는지까지 설명할 수 있어야 합니다.
원천 데이터의 정합성, 완결성, 중복 여부를 분석하고 개선 방안을 직접 도출해 Ontology 설계와 데이터 구축에 반영합니다.
이렇게 볼 수 있어요
품질 분석의 결과가 설계로 이어집니다. 데이터 품질 문제를 찾아 원천 시스템이나 적재 규칙을 고치게 한 경험이 있다면 찾은 문제의 종류와 고친 뒤의 변화를 나눠 쓸 수 있습니다.
담당 조직의 실무자를 인터뷰하고 업무 데이터를 분석해 실제 질의·분석 시나리오에 맞는 데이터 모델(테이블 구조, 관계, 계층)을 설계·구축하고 지속적으로 개선합니다.
이렇게 볼 수 있어요
모델을 설계하는 기준이 실무자가 실제로 던지는 질문입니다. 현업 인터뷰에서 요구사항을 뽑아 테이블 구조로 옮긴 프로젝트가 있다면 인터뷰 대상부터 완성된 모델까지 한 흐름으로 설명하면 됩니다.
2자격 요건
데이터 분석, BI, 또는 데이터 모델링 관련 분야 7년 이상의 경력이 필요하고, 데이터 엔지니어링뿐 아니라 데이터 분석가 경력도 포함한다고 적었습니다.
이렇게 볼 수 있어요
괄호 안에 분석가 경력도 포함한다고 따로 밝혔습니다. 분석가로 일해 온 기간이 길다면 그 기간에 맡았던 데이터 모델링이나 지표 설계 업무를 분석 업무와 나눠 보여 주는 편이 좋습니다.
SQL을 능숙하게 다루고, 원천 데이터를 스스로 탐색·분석해 구조를 파악할 수 있어야 합니다.
이렇게 볼 수 있어요
가공된 마트가 아니라 원천 데이터를 직접 들여다본 경험을 묻습니다. 문서가 없는 테이블을 쿼리로 탐색해 구조를 파악한 사례가 있다면 면접에서 순서대로 설명할 수 있게 준비해 둘 필요가 있습니다.
특정 업무 도메인의 데이터와 프로세스를 깊이 이해하고, 현업과 커뮤니케이션하며 요구사항을 구조화해 데이터 모델·지표 체계로 설계해 온 경험이 필요합니다.
이렇게 볼 수 있어요
'특정 업무 도메인'을 깊이 이해한 경험을 묻습니다. 재무나 HR처럼 한 도메인에서 오래 일했다면 그 도메인에서 만든 지표 체계를 대표 경험으로 내세울 수 있습니다.
데이터 모델링(테이블 설계, 정규화, 관계 정의 등)을 직접 기획·수행해 본 경험이 필요합니다.
이렇게 볼 수 있어요
모델링을 '직접 기획·수행'했는지를 묻습니다. 설계한 테이블 수나 정규화 수준을 정한 이유처럼 본인이 내린 결정이 무엇이었는지가 경력기술서에 나와 있어야 합니다.
Ontology, Semantic Layer 같은 새로운 개념을 빠르게 학습하고 실무에 적용하려는 의지가 강해야 합니다.
이렇게 볼 수 있어요
필수요건이 요구하는 것은 이 개념들을 써 본 경험이 아니라 배우려는 의지이고, 실제 적용 경험은 우대요건에 따로 있습니다. 써 본 적이 없다면 최근에 새로 익혀 업무에 쓴 도구나 개념 하나를 예로 들 수 있습니다.
해외 출장에 결격 사유가 없어야 합니다.
이렇게 볼 수 있어요
크래프톤 본사 공고 대부분에 붙는 요건입니다. 여권이나 출국에 제약이 있다면 지원 전에 해소할 수 있는지부터 확인해야 합니다.
3우대 사항
Ontology, Knowledge Graph, Semantic Layer 등의 개념을 실제 프로젝트에 적용해 본 경험을 우대합니다.
이렇게 볼 수 있어요
필수요건의 학습 의지에서 한 걸음 더 나아가 실제 적용을 묻는 항목입니다. 지식 그래프를 구축했거나 BI 도구에 Semantic Layer를 정의해 본 프로젝트가 있다면 개념 이름과 적용한 범위를 함께 밝혀 두면 좋습니다.
Databricks 데이터 카탈로그/온톨로지/거버넌스 플랫폼을 사용해 본 경험을 우대합니다.
이렇게 볼 수 있어요
플랫폼 이름이 Databricks로 적혀 있습니다. 다른 카탈로그 도구를 써 왔다면 도구 이름과 그 도구로 관리한 메타데이터의 범위를 나란히 정리해 두면 비교가 쉬워집니다.
재무, HR, 마케팅 등 특정 도메인에서 데이터 분석가/기획자로 근무하며 해당 도메인의 데이터 구조를 잘 이해하는 사람을 우대합니다.
이렇게 볼 수 있어요
필수요건의 도메인 이해를 직무 이력으로 다시 묻습니다. 업무가 '담당 도메인' 단위로 나뉘어 있어, 경력 가운데 데이터 구조를 가장 잘 아는 도메인 하나를 자세히 적으면 맡을 도메인과 연결하기 쉽습니다.
데이터 거버넌스, 메타데이터 관리, 용어 표준화(Glossary) 작업을 해 본 경험을 우대합니다.
이렇게 볼 수 있어요
업무의 용어·지표 정의와 거버넌스 기준 수립을 경험으로 다시 묻는 항목입니다. 표준 용어 사전을 만들었거나 메타데이터 관리 체계를 운영했다면 정의한 용어 수와 그 사전을 쓴 조직의 범위를 숫자로 적는 편이 정확합니다.
LLM, RAG, AI Agent가 데이터를 어떻게 활용하는지에 대한 이해와 관심이 높은 사람을 우대합니다.
이렇게 볼 수 있어요
설계한 데이터 구조를 최종적으로 쓰는 쪽이 AI입니다. RAG나 에이전트에 사내 데이터를 연결해 본 경험은 개인 프로젝트라도 어떤 데이터를 어떤 형태로 넘겼는지가 설명할 거리가 됩니다.
4기타 사항
- 게시일 : 2026년 10월 12일
- 고용형태 : 전문계약직(수습 5개월)
- 근무지 : 역삼 센터필드
- 경력 조건 : 경력 7년 이상
- 학력 조건 : 해당 내용은 원본 공고에서 확인되지 않습니다.
쓰는 기술
공고 본문에 적힌 기술만 모은 목록입니다.
- SQL
- Databricks
전형과 지원
크래프톤 공고는 고용형태가 네 갈래로 나뉘는데 제목만 봐서는 구분되지 않습니다. 지원 전에 공고 본문에서 먼저 확인할 것이 그것입니다.
고용형태 네 갈래
분석 시점 본사 보드 63건을 전수로 보면 정규직 12건, 전문계약직 19건, 계약직 27건, 인턴 5건입니다. 전문계약직 19건 가운데 17건은 7년 이상이나 10년 이상, 15년 이상을 요구하고, 법무 2건은 5~10년과 2~10년입니다. 19건 가운데 7건이 AI 조직, 3건이 재무·법무, 3건이 스튜디오 지원 조직 공고였습니다. 계약직 공고에는 "정규직 전환 비대상" 단서가 붙는 경우가 많습니다.
이렇게 볼 수 있어요
제목에는 표시가 없으므로 공고 본문의 고용형태 항목을 반드시 확인해야 합니다. 같은 직무명으로 보이는 두 공고가 실제로는 정규직과 계약직으로 나뉘는 경우가 있습니다.
전형 다섯 단계
공고 본문이 전형을 "서류 전형 > *과제 전형 > 인성검사(Personality Assessment) > 직무면접(Technical Fit Interview) > 종합면접(2-3회)(Culture Fit Interview) > 합격 및 입사"로 적었습니다. 직무에 따라 과제 대신, 또는 과제와 함께 전화 인터뷰(사전 인터뷰)가 들어가는 공고도 있습니다.
이렇게 볼 수 있어요
면접이 직무와 문화로 나뉘어 있고 문화 쪽은 2~3회입니다. 마지막 단계가 가장 길다는 뜻이므로 인재상 다섯 가지와 일하는 방식 9원칙에 각각 맞는 사례를 준비하는 것이 직접적인 대비가 됩니다. 인성검사가 면접 앞에 있는 점도 일정에 넣어 두어야 합니다.
수습 5개월
공고 본문이 "5개월의 수습기간을 적용합니다. 회사는 수습기간에 대한 평가 결과에 따라 본채용을 거부할 수 있으며 ... 수습기간 내 고용형태 및 급여 조정은 없습니다"라고 적었습니다.
이렇게 볼 수 있어요
국내 기업에서 흔한 3개월보다 깁니다. 급여와 고용형태는 그대로라고 밝혀 두었으므로 조건 자체보다 평가 기간이 길다는 점을 이직 일정에 감안하면 됩니다.
이 공고만 다른 점
전형이 '서류 전형 > 사전 인터뷰 (Phone Interview) > *과제 전형 > 인성검사 (Personality Assessment) > 직무면접 (Technical Fit Interview) > 종합면접 (2-3회) (Culture Fit Interview) > 합격 및 입사'입니다.
회사 공통 흐름에 서류 전형 다음 사전 인터뷰가 한 단계 더 들어 있습니다. 과제 전형에 붙은 별표는 절차가 포지션과 후보자에 따라 달라질 수 있다는 표시입니다. 필요하면 인터뷰와 직무 테스트가 추가될 수 있다는 안내도 있습니다.
필요 서류에 '입사지원서 (자유 양식), 자기소개서, 경력기술서, 포트폴리오'가 적혀 있습니다.
필요 서류 목록에 포트폴리오가 단서 없이 들어 있고, 지원서 양식의 포트폴리오 칸은 필수 표시가 없습니다. 공동 작업물이면 본인이 맡은 부분을 밝혀야 합니다. 경력자에게는 경력기술서를 중심으로 쓰라고 안내합니다.
지원 전 준비할 것
- 1
설계 문서 하나를 공개 가능한 범위로 다듬기
필요 서류에 포트폴리오가 들어 있고, 업무는 Ontology 설계서와 데이터 모델, 거버넌스 기준 문서 같은 산출물로 정의돼 있습니다. 직접 쓴 데이터 정의서나 모델 설계 문서에서 회사 정보를 지운 버전을 만들어 두면 포트폴리오로 낼 수 있습니다. 공고는 비공개 작업물을 낼 수 없다고 적었습니다.
- 2
가장 깊이 아는 도메인 하나 정하기
업무가 '담당 도메인' 단위로 나뉘고 우대요건은 재무, HR, 마케팅 같은 도메인을 예로 들었습니다. 경력 가운데 데이터 구조를 가장 깊이 아는 도메인을 정하고, 그 도메인의 지표와 용어를 어떻게 정의했는지 정리합니다.
- 3
기존 데이터 모델을 Ontology 말로 다시 설명해 보기
필수요건은 Ontology와 Semantic Layer 같은 개념을 빠르게 익혀 적용하려는 의지를 요구합니다. 지금까지 만든 데이터 모델 하나를 개체, 관계, 속성으로 다시 설명해 보면 사전 인터뷰와 직무면접에서 쓸 수 있는 답이 생깁니다.
- 4
전문계약직 조건 확인하기
고용형태가 전문계약직이고 5개월 수습이 적용됩니다. 계약 기간과 갱신 조건은 공고에 적혀 있지 않으므로 사전 인터뷰 단계에서 물어 두는 것이 좋습니다.