이 자리가 왜 생겼을까요
메가존클라우드는 스노우플레이크가 국가별로 한 곳을 고르는 한국 '올해의 파트너상'을 2년 연속 받았고, 게임·금융·제조·유통에서 쌓은 데이터 플랫폼 구축 경험을 제약·바이오로 넓히고 있다고 보도됐습니다. 공고는 AIR 부문을 생성형 AI, AI & ML, Data Foundation 영역의 컨설팅과 구축·운영을 맡는 전사 부서라고 소개합니다. 공고의 업무도 금융·제조·리테일/CPG·헬스케어 데이터를 다루는 일로 시작하므로, 특정 산업의 데이터를 다뤄 본 경험이나 Databricks·Snowflake를 공부한 이력이 주니어에게도 차이를 만듭니다.
- 데이터 구축 넘어 제약 품질문서 자동화로…메가존클라우드, 스노우플레이크 파트너상 2년 연속 수상 (벤처스퀘어, 2026-08-28)
- 메가존 [메가존클라우드] Data Engineer Junior 공고
메가존얼라이언스가 지금 어떤 사업에 집중하고 있는지는 메가존얼라이언스 채용 분석에서 이어서 볼 수 있습니다.
1하게 될 업무
금융, 제조, 리테일/CPG, 헬스케어 등 산업별 데이터 구조와 흐름을 이해하고 도메인에 맞는 수집·가공·적재 프로세스를 설계하고 구현합니다.
이렇게 볼 수 있어요
특정 회사의 데이터가 아니라 여러 산업 고객사의 데이터를 다룹니다. 다뤄 본 산업 데이터가 있다면 산업 이름과 데이터 종류를 함께 적어야 합니다.
RDB, API, 로그, 배치·스트리밍 등에서 정형·비정형 데이터를 수집하고 ETL/ELT 파이프라인으로 데이터 플랫폼(데이터레이크, 레이크하우스)과 AI 모델 학습에 맞게 정제합니다.
이렇게 볼 수 있어요
목적지가 분석용 플랫폼과 AI 학습 두 가지입니다. 만든 파이프라인마다 데이터를 어디서 가져와 어디로 보냈는지를 함께 적어야 합니다.
Databricks, Snowflake, AWS Glue, Airflow 등으로 데이터 파이프라인을 개발·테스트·운영하고 성능과 안정성을 개선합니다.
이렇게 볼 수 있어요
도구가 이름으로 적혀 있습니다. 개발과 운영에 더해 성능과 안정성 개선까지 업무에 들어 있어, 처리 시간이나 실패율을 줄여 본 경험이 바로 쓰입니다.
Feature Store, Vector Store, Metadata 등 AI/ML·GenAI용 데이터 파운데이션을 구축하고 LLM, RAG, Agent 기반 서비스의 데이터 요구사항에 맞는 구조를 설계합니다.
이렇게 볼 수 있어요
GenAI 서비스용 데이터 구조가 업무에 들어 있습니다. 벡터 DB에 문서를 적재해 본 경험이 있다면 학습 프로젝트라도 적을 수 있습니다.
데이터 품질 관리와 모니터링 체계를 만들어 결측·중복·불일치 데이터를 정제하고 데이터 거버넌스 정책(보안, 권한, 컴플라이언스)에 따라 운영합니다.
이렇게 볼 수 있어요
데이터 품질 관리와 모니터링, 거버넌스 정책에 따른 운영까지 맡습니다. 결측·중복·불일치처럼 잡아야 할 오류 유형이 적혀 있어, 검증 규칙을 만들어 그런 오류를 잡아 본 경험이 업무와 그대로 이어집니다.
PoC에서 Production으로 이관되는 데이터 파이프라인을 자동화·표준화해 재사용 가능한 템플릿과 모듈을 만듭니다.
이렇게 볼 수 있어요
프로젝트마다 다시 만들지 않도록 템플릿화하는 일입니다. 반복 작업을 모듈로 만든 경험이 이 업무와 맞습니다.
시니어 엔지니어, AI 아키텍트 등과 협업해 스토리지·컴퓨팅·코스트 아키텍처를 제안하고 최신 클라우드·오픈소스 기술을 학습하고 적용합니다.
이렇게 볼 수 있어요
주니어가 시니어와 함께 아키텍처 제안에 참여하는 구조입니다. 비용을 고려해 저장소나 컴퓨팅을 고른 경험이 있다면 근거와 함께 적을 수 있습니다.
2자격 요건
클라우드 환경(AWS, Azure, GCP 등)에서 데이터 수집·정제·적재를 수행한 실무 경험이 있거나 데이터 파이프라인 구축 과정을 이해하고 있어야 합니다.
이렇게 볼 수 있어요
실무 경험 '또는' 이해라고 적혀 있어 신입도 지원할 수 있습니다. 실무 경험이 없다면 직접 만들어 본 파이프라인 프로젝트로 이해를 보여 줘야 합니다.
SQL, Python, 또는 Spark 등 데이터 처리 기술을 활용한 프로젝트 경험이 있어야 합니다.
이렇게 볼 수 있어요
SQL, Python, Spark 가운데 하나만 써 본 프로젝트라도 이 요건은 충족됩니다.
데이터 모델링(Dimensional, ERD 등)이나 데이터 구조 설계의 기본 개념을 이해하고 학습·적용할 수 있어야 합니다.
이렇게 볼 수 있어요
모델링 개념을 기본으로 요구합니다. 설계해 본 스키마가 있다면 테이블 구성과 그렇게 나눈 이유를 설명할 수 있어야 합니다.
금융, 제조, 리테일/CPG, 헬스케어 등 특정 산업의 데이터 특성과 도메인 구조에 관심이 있고 비즈니스 문맥을 데이터 구조로 해석할 수 있어야 합니다.
이렇게 볼 수 있어요
산업 도메인 관심이 요건에 들어 있어, 실무 경험이 없더라도 산업 하나는 데이터 구조까지 이야기할 수 있어야 합니다.
팀 내에서 원활히 커뮤니케이션하며 기술 문제를 논리적으로 설명하고 협업할 수 있어야 합니다.
이렇게 볼 수 있어요
기술 설명 능력을 따로 적었습니다. 팀 프로젝트에서 설계 결정을 설명했던 경험이 이 요건의 사례입니다.
Databricks, Snowflake, Airflow, Glue 등 새로운 데이터 플랫폼 기술을 적극적으로 학습하고 현업에 적용하려는 성장 의지가 있어야 합니다.
이렇게 볼 수 있어요
도구 경험이 아니라 학습 의지를 요건으로 적었습니다. 최근 새로 배운 데이터 도구로 결과물까지 만들어 본 경험이 그 의지를 가장 직접 증명합니다.
3우대 사항
GenAI, LLM, RAG 등 최신 AI 기술과 데이터 파이프라인의 연계 구조를 이해하거나 관련 프로젝트 경험이 있으면 우대합니다.
이렇게 볼 수 있어요
RAG용 데이터를 준비해 본 경험이 있다면 청크를 어떻게 나누고 어떤 방식으로 임베딩했는지 설명할 수 있어야 합니다. 데이터 파운데이션 구축도 업무 목록에 있습니다.
MLOps, LLMOps, 데이터 파이프라인 자동화·모니터링 환경에 대한 관심이나 실습 경험을 우대합니다.
이렇게 볼 수 있어요
관심이나 실습 수준도 우대에 들어갑니다. 학습 프로젝트라도 파이프라인에 자동화나 모니터링을 붙여 본 경험이면 이력서에 넣을 수 있습니다.
Databricks, Snowflake, AWS Glue, Redshift, Airflow 등 클라우드 데이터 플랫폼 활용 경험을 우대합니다.
이렇게 볼 수 있어요
필수 요건에는 학습 의지가 있고, 이 우대 사항은 그보다 한 단계 나아가 클라우드 데이터 플랫폼을 실제로 써 본 경험을 봅니다.
데이터 거버넌스, 보안, 개인정보 보호, 산업 규제 등 데이터 컴플라이언스 개념을 이해하면 우대합니다.
이렇게 볼 수 있어요
금융·헬스케어 고객 데이터를 다루므로 규제 이해가 우대됩니다. 개인정보를 가명처리하거나 권한을 나눠 본 경험이 있다면 빠뜨리지 않습니다.
산업별 비즈니스 문제를 데이터로 해결하거나 AI Use Case 발굴에 기여한 경험, 기술 문서 작성이나 영어 기술 자료 활용 능력을 우대합니다.
이렇게 볼 수 있어요
기술 구현을 넘어 비즈니스 문제와의 연결을 봅니다. 데이터로 해결한 문제 하나를 문제, 데이터, 결과 순서로 정리해 둡니다.
4기타 사항
- 게시일 : 2026년 1월 29일
- 고용형태 : 정규직(정규직 전환을 위한 평가기간 3개월 계약직 운영)
- 근무지 : 메가존산학연센터(과천) (대한민국 경기도 과천시 7길 과천대로 74)
- 경력 조건 : 경력 8년 이하
- 학력 조건 : 해당 내용은 원본 공고에서 확인되지 않습니다.
쓰는 기술
공고 본문에 적힌 기술만 모은 목록입니다.
- Databricks
- Snowflake
- AWS Glue
- Airflow
- Redshift
- SQL
- Python
- Spark
전형과 지원
메가존얼라이언스 채용 담당자가 안내하는 기본 절차는 지원서 제출, 1차 실무면접, 2차 바레이저면접, 3차 최종면접, 입사조건 검토, 최종합격의 6단계입니다. 분석 시점에 열어 본 메가존(주) 공고는 모두 바레이저면접 없이 실무 면접과 최종 면접을 적었고, 코딩 테스트와 기술 면접은 부서와 직무에 따라 붙습니다.
기본 단계
서류는 각 사업부 실무자가 검토하고, 1차 실무면접은 부서장과 Hiring Manager가 직무적합성을 확인합니다. 회사는 Hiring Manager를 '일반적으로 각 부서의 최고 부서장'이라고 설명했습니다. 직무에 따라 기술 면접 같은 추가 면접이 있고, 코딩 테스트를 할지는 부서와 직무에 따라 달라 서류 합격 때 따로 알려 줍니다.
이렇게 볼 수 있어요
첫 면접부터 부서의 최고 책임자가 들어올 수 있습니다. 실무 질문에 대비하면서 그 사업부가 하는 사업도 미리 알아보고 면접에 들어갑니다.
바레이저면접
자주 묻는 질문은 2차 바레이저면접을 '당사의 핵심 가치와 문화 적합성 및 문제 해결 능력 등 종합적으로 검토'하는 단계라고 설명합니다. 채용 담당자 안내는 필요하면 레퍼런스 체크와 인성검사가 더해질 수 있다고 적었고, 3차 최종면접은 경영진과의 면접입니다.
이렇게 볼 수 있어요
직무 면접과 별도로 회사의 가치에 맞는지를 보는 단계가 하나 더 있습니다. 인재상 네 가지와 Trinity Values에 맞는 경험을 미리 골라 두면 이 면접에서 바로 쓸 수 있습니다.
법인과 채용관마다 다른 단계 표기
분석한 메가존클라우드 공고는 모두 '지원서 제출 > 1차 실무면접 > 2차 바레이저면접 > 3차 최종면접 > 입사조건검토 > 최종합격'을 적었고, 메가존(주)의 Physical AI Lab·MZD·화웨이 BD·회계 업무 담당자 공고는 '지원서 제출 > 실무 면접 > 최종 면접 > 입사 조건 검토 > 최종 합격'을 적었습니다. AI 전용 채용관 페이지는 1차 실무면접, 바레이저면접, 2차 실무면접 순으로 단계 이름을 붙였습니다.
이렇게 볼 수 있어요
같은 사이트 안에서도 법인과 페이지마다 단계 이름이 다릅니다. 지원하는 공고 본문 아래쪽 '합류 여정'의 채용과정 줄이 그 공고의 실제 절차입니다.
결과 안내 기간
자주 묻는 질문은 서류 검토를 '가능한 1~2주 안으로' 진행하고 서류 합격자에게만 따로 알린다고 답합니다. 채용 담당자 안내는 서류 검토가 최대 2~3주, 실무면접과 최종면접도 각각 최대 2~3주까지 걸릴 수 있다고 적었습니다. 자주 묻는 질문은 전형 결과에 대한 피드백을 내부 가이드에 따라 공유하지 않는다고 답합니다.
이렇게 볼 수 있어요
서류에서 떨어지면 따로 연락을 받지 못할 수 있습니다. 결과가 궁금하면 언제든 recruit@mz.co.kr이나 나인하이어 카카오톡으로 물어보라고 회사가 안내합니다.
중복 지원과 재지원
여러 포지션과 여러 계열사에 중복으로 지원할 수 있고 불이익도 없다고 안내합니다. 여러 포지션에서 실무면접을 통과하면 최종 면접은 회사가 정한 한 포지션으로만 진행합니다. 다른 포지션에서 불합격해도 다시 지원하는 데 제한이 없다고 적었습니다.
이렇게 볼 수 있어요
관심 있는 사업부가 여럿이면 각각 지원해도 됩니다. 실무면접은 포지션마다 따로 보므로 이력서도 공고마다 따로 맞춥니다.
서류 양식과 포트폴리오
정해진 이력서 양식은 없고 자유양식으로 내면 되며, 이력서·자기소개서·포트폴리오·노션 등 어떤 방법이든 좋다고 안내합니다. 직무에 따라 포트폴리오를 요청할 수 있고, 자주 묻는 질문은 제출 뒤 서류를 보태려면 나인하이어 카카오톡이나 메일로 보내고, 메일로 낼 때는 포지션 명과 이름을 함께 적으라고 안내합니다.
이렇게 볼 수 있어요
양식이 정해져 있지 않으므로 사업부 소개와 공고 요건에 맞춰 경력을 어떻게 정리할지도 지원자가 정합니다. 영상 편집 공고처럼 포트폴리오를 필수로 적은 공고는 첨부를 빠뜨리지 않아야 합니다.
입사 후 3개월 평가 기간
메가존클라우드 공고는 고용형태를 '정규직 (정규직 전환을 위한 평가기간 3개월 계약직 운영)'으로 적습니다. 채용 담당자 안내는 이 3개월이 전 직원에게 공통으로 운영되는 기간이고 근속 기간과 퇴직금 산정에는 모두 포함된다고 설명합니다.
이렇게 볼 수 있어요
첫 3개월은 계약직 형태의 평가 기간입니다. 근속과 퇴직금 계산에서는 빠지지 않는다는 점까지 확인하고 처우 협의에 들어가면 됩니다.
지원 전 준비할 것
- 1
파이프라인 프로젝트 한 장
만든 파이프라인 하나를 원천, 처리 도구, 목적지, 데이터 규모 순서로 그림과 함께 정리합니다.
- 2
산업 하나 고르기
금융, 제조, 리테일/CPG, 헬스케어 가운데 관심 산업 하나를 골라 그 산업의 주요 데이터와 흐름을 설명할 수 있게 준비합니다.
- 3
플랫폼 학습 기록
Databricks, Snowflake, Airflow, Glue 가운데 써 본 것과 공부한 것을 나눠 적고 실습 결과물 링크를 붙입니다.