[메가존클라우드] Data & AI Solution, Pre-Sales 공고 분석

이 자리가 왜 생겼을까요

1하게 될 업무

• 영업 담당자와 협업해 Databricks 기반 사업 기회를 발굴하고 기술 검증과 Technical Win을 지원합니다.

  이렇게 볼 수 있어요

  영업과 함께 움직이는 역할이라 기술 검증 결과가 수주로 이어졌는지가 경력의 중심이 됩니다. 딜마다 어떤 항목을 검증했고 결과가 어땠는지 나눠 적습니다.

• 고객 워크로드의 Technical Discovery와 Solution Scoping을 맡고 기술 평가 기준을 세웁니다.

  이렇게 볼 수 있어요

  제안 전에 고객 환경을 조사해 범위를 정하는 단계입니다. 고객의 기존 데이터 환경을 조사하고 무엇을 옮길지 정해 본 경험이 여기에 해당합니다.

• 데이터 엔지니어링, 데이터 웨어하우스, BI, AI/ML, 생성형 AI Use Case에 대한 End-to-End 솔루션을 설계합니다.

  이렇게 볼 수 있어요

  데이터 파이프라인부터 생성형 AI까지 설계 범위가 넓습니다. 다뤄 본 Use Case를 이 다섯 분류로 나눠 보면 어느 쪽 경험이 비어 있는지 알 수 있습니다.

• Databricks Data Intelligence Platform 기반 PoC, Demo, Workshop을 기획·수행하고, PoC 성공 기준과 검증 지표를 정의해 결과를 분석하고 고객 의사결정자에게 발표합니다.

  이렇게 볼 수 있어요

  PoC를 진행하는 데 더해 성공 기준을 정하고 결과를 발표하는 데까지 맡습니다. 직접 정한 성공 기준과 그 수치가 PoC 경험의 깊이를 보여 줍니다.

• 클라우드 아키텍처, 데이터 거버넌스, 보안, 성능, 비용을 고려한 최적화 방안을 제안하고, 경쟁 솔루션이나 기존 데이터 플랫폼과 비교해 기술적·비즈니스적 차별성을 제시합니다.

  이렇게 볼 수 있어요

  우대 사항에 Snowflake, BigQuery, Redshift, Hadoop 구축·마이그레이션 경험이 따로 있습니다. 다른 플랫폼에서 옮겨 온 고객을 맡아 봤다면 그때 쓴 비교 기준과 결론을 적어 두는 게 좋습니다.

• 고객의 기술 의사결정 과정에서 Trusted Advisor 역할을 하고, Databricks와 클라우드 벤더 기술 조직과 협업해 고객 이슈와 기술 요구사항을 해결합니다.

  이렇게 볼 수 있어요

  고객과 벤더 사이에서 기술 문제를 푸는 역할입니다. 벤더 기술 지원과 함께 고객 이슈를 해결해 본 경험이 있다면 누구와 어떤 문제를 풀었는지 밝힙니다.

• Reference Architecture, Demo Asset, Solution Accelerator, Best Practice 등을 재사용 가능한 기술 자산으로 개발하고 내부에 확산합니다.

  이렇게 볼 수 있어요

  한 고객을 위한 산출물을 팀이 다시 쓰는 자산으로 바꾸는 업무입니다. 만든 데모나 아키텍처 문서를 다른 프로젝트에서 다시 쓴 횟수를 셀 수 있습니다.

• 기술 세미나, 고객 워크숍, 컨퍼런스, 파트너 Enablement 세션을 수행합니다.

  이렇게 볼 수 있어요

  발표가 업무 목록 마지막에 따로 있고 우대 사항에도 세미나·컨퍼런스 발표 경험이 있습니다. 발표한 행사 이름과 청중 규모를 남깁니다.

2자격 요건

• 데이터 엔지니어링, 데이터 플랫폼, 분석 또는 AI 관련 5년 이상 경력과 고객 대상 프리세일즈, 솔루션 아키텍처 또는 기술 컨설팅 경험 2년 이상이 필요합니다.

  이렇게 볼 수 있어요

  연차가 두 가지로 적혀 있습니다. 전체 경력 가운데 고객에게 직접 제안하거나 설계한 기간이 2년을 넘는지 따로 세어 둡니다.

• 고객 요구사항을 기술 아키텍처와 실행 가능한 솔루션 범위로 구체화한 경험이 필요합니다.

  이렇게 볼 수 있어요

  Solution Scoping 업무를 해 봤는지 자격 요건에서 다시 묻습니다. 요구사항 문서를 아키텍처 그림과 작업 범위로 바꾼 사례 하나를 준비합니다.

• SQL을 활용한 데이터 분석과 문제 해결 역량, Python, Scala 또는 Java 중 하나 이상의 언어로 개발·디버깅해 본 경험이 필요합니다.

  이렇게 볼 수 있어요

  프리세일즈 공고지만 직접 코드를 다루는 역량을 묻습니다. PoC에서 쿼리를 짜거나 노트북 코드를 고쳐 본 경험이 이 요건과 맞습니다.

• Apache Spark 또는 이에 준하는 분산 데이터 처리 기술에 대한 이해와 실무 경험이 필요합니다.

  이렇게 볼 수 있어요

  공고는 Spark와 함께 '이에 준하는' 분산 데이터 처리 기술도 요건으로 들었습니다. Spark가 아닌 분산 처리 기술을 썼다면 그 기술 이름과 처리한 데이터 규모를 적습니다.

• Data Warehouse, Data Lake, Lakehouse 등 현대적인 데이터 아키텍처를 설계해 본 경험이 필요합니다.

  이렇게 볼 수 있어요

  Lakehouse가 예시에 들어 있습니다. 설계한 아키텍처가 어느 유형이었는지 이름을 붙여 씁니다.

• AWS, Azure 또는 GCP 중 하나 이상의 퍼블릭 클라우드 환경에서 데이터 솔루션을 설계하거나 구현한 경험이 필요합니다.

  이렇게 볼 수 있어요

  클라우드 세 곳이 예로 나와 있습니다. 여러 클라우드를 다뤘다면 클라우드별 프로젝트를 나눠 정리합니다.

• 고객 대상 PoC, Demo, Workshop 또는 기술 제안을 수행해 본 경험이 필요합니다.

  이렇게 볼 수 있어요

  PoC, Demo, Workshop이 업무 항목과 같은 이름으로 자격 요건에 다시 나옵니다. 수행한 건수와 그 가운데 도입으로 이어진 건수를 따로 셉니다.

• 복잡한 기술 내용을 비기술·기술 의사결정자에게 비즈니스 가치 중심으로 설명하는 커뮤니케이션 역량이 필요합니다.

  이렇게 볼 수 있어요

  업무에 고객 의사결정자 대상 결과 발표가 있습니다. 발표를 들은 사람의 직급과 발표 뒤 고객이 내린 결정까지 이어서 말할 수 있는 사례를 고릅니다.

3우대 사항

• Databricks 플랫폼을 활용한 데이터 엔지니어링·분석·AI 프로젝트 경험과 Databricks Certified Data Engineer, Machine Learning, Generative AI 또는 관련 자격증을 우대합니다.

  이렇게 볼 수 있어요

  Databricks 경험은 필수가 아니라 우대입니다. 자격증이 있다면 공고와 같은 이름으로 적고, 없다면 다른 플랫폼 경험으로 자격 요건을 채워 지원서를 씁니다.

• Delta Lake, Unity Catalog, MLflow, Lakeflow, Databricks SQL 등 Databricks 주요 기능 경험과 Batch·Streaming, ETL/ELT 데이터 파이프라인 설계·구축 경험을 우대합니다.

  이렇게 볼 수 있어요

  기능 이름이 하나씩 적혀 있습니다. 써 본 기능을 공고의 이름 그대로 나열하고 어디에 썼는지 한 줄씩 붙입니다.

• ML/AI, MLOps, 생성형 AI 또는 AI Agent 시스템 설계·구현 경험과 데이터 거버넌스, 보안, 접근제어, 개인정보 보호 아키텍처 경험을 우대합니다.

  이렇게 볼 수 있어요

  AI 시스템 설계·구현 경험과 거버넌스·보안 아키텍처 경험을 한 항목으로 묶었습니다. 두 경험이 같은 프로젝트에서 나왔다면 그 프로젝트 하나로 두 항목을 설명합니다.

• Spark·SQL 워크로드의 성능·비용 최적화, Snowflake, BigQuery, Redshift, Hadoop 등 기존 데이터 플랫폼의 구축 또는 마이그레이션, CI/CD, Git, Infrastructure as Code를 활용한 데이터 플랫폼 운영 자동화 경험을 우대합니다.

  이렇게 볼 수 있어요

  성능·비용 최적화, 기존 플랫폼 구축·마이그레이션, 운영 자동화 세 가지가 한 항목에 있습니다. 최적화로 줄인 비용이나 시간은 비율로 남깁니다.

• 금융, 제조, 커머스, 게임 등 특정 산업의 데이터·AI Use Case와 도메인 경험, 복잡한 엔터프라이즈 RFP, 제안서, 기술 평가 대응 경험을 우대합니다.

  이렇게 볼 수 있어요

  산업 이름이 넷 적혀 있습니다. 맡았던 고객의 산업과 대응한 RFP의 규모를 밝힙니다.

• 기술 세미나, 밋업, 컨퍼런스 발표 경험과 글로벌 벤더와 협업할 수 있는 영어 커뮤니케이션 역량을 우대합니다.

  이렇게 볼 수 있어요

  Databricks 같은 벤더 기술 조직과 협업하는 업무가 있습니다. 벤더와 영어로 이슈를 풀어 본 경험이 있다면 적습니다.

4기타 사항

• 게시일 : 2026년 9월 7일
• 고용형태 : 정규직(정규직 전환을 위한 평가기간 3개월 계약직 운영)
• 근무지 : 메가존산학연센터(과천) (대한민국 경기도 과천시 7길 과천대로 74)
• 경력 조건 : 경력 5~20년
• 학력 조건 : 해당 내용은 원본 공고에서 확인되지 않습니다.

쓰는 기술

공고 본문에 적힌 기술만 모은 목록입니다.

• Databricks
• Qlik
• Fivetran
• OpenAI
• SQL
• Python
• Scala
• Java
• Apache Spark
• AWS
• Azure
• GCP
• Delta Lake
• Unity Catalog
• MLflow
• Lakeflow
• Databricks SQL
• Snowflake
• BigQuery
• Redshift
• Hadoop
• Git

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 대부분 바레이저면접 없이 실무 면접과 최종 면접을 적었고(Physical AI 사업단 품질 보증 공고는 실무 면접 뒤 바로 입사 조건 검토), 코딩 테스트와 기술 면접은 부서와 직무에 따라 붙습니다.

지원 전 준비할 것

1. 1

   PoC 이력 표

   진행한 PoC와 데모를 고객 산업, 플랫폼, 성공 기준, 결과, 도입 여부로 나눠 표로 만듭니다.

2. 2

   두 연차 따로 세기

   데이터·AI 경력 5년과 고객 대상 프리세일즈·컨설팅 2년이 각각 확인되도록 경력 항목마다 역할을 적습니다.

3. 3

   Databricks 기능 실습

   Databricks 경험이 적다면 Delta Lake, Unity Catalog, MLflow처럼 우대 사항에 적힌 기능을 직접 써 본 기록을 남겨 두세요.