[메가존] [MZD] [제조AX] 시니어 데이터 엔지니어 채용 공고 분석

이 자리가 왜 생겼을까요

1하게 될 업무

• 제조 고객사의 데이터 수집·정제·저장 구조를 설계하고 구축을 이끌며, 폐쇄망에서 필요한 패키지와 컨테이너 이미지 반입 절차도 함께 설계합니다.

  이렇게 볼 수 있어요

  폐쇄망에서는 필요한 패키지와 이미지를 인터넷에서 내려받을 수 없어 반입 경로와 설치 방법이 설계 대상이 됩니다. 참고사항에는 설비 연동 때문에 구축·검증 단계에 고객사 방문 일정이 있다고 적혀 있습니다. 같은 제조AX센터 ML 엔지니어 공고도 고객사 환경이 폐쇄망이라고 적었으므로, 이 공고가 설계한 반입 절차는 센터가 고객사에 모델을 올리는 작업에도 쓰일 수 있습니다.

• Airflow, Spark, Iceberg, Kafka, Debezium으로 배치와 스트리밍 파이프라인을 만들고 운영하며, 설비 센서 시계열과 이미지·문서 같은 비정형 데이터도 같은 체계 안에서 다룹니다.

  이렇게 볼 수 있어요

  Debezium은 데이터베이스의 변경 기록을 Kafka로 흘려보내는 CDC 도구라, CDC 원천 데이터의 정합성을 확인하는 업무와 같은 흐름입니다. 설비 센서 시계열은 측정 주기가 짧고 시간 순서 정합이 중요해 정형 테이블 위주의 파이프라인과 설계가 다릅니다. 이미지·문서는 테이블이 아닌 저장 방식을 따로 정해야 합니다.

• 데이터 레이크와 데이터 웨어하우스 계층을 나누고, 메달리온 같은 계층형 데이터 모델과 테이블 구조, 파티셔닝, 재처리 기준을 정합니다.

  이렇게 볼 수 있어요

  메달리온은 원본에 가까운 계층, 정제한 계층, 분석·학습용 계층으로 데이터를 나누는 설계입니다. 재처리 기준은 원천 데이터가 정정됐을 때 어느 계층부터 다시 계산할지 정하는 규칙입니다. 필수 요건의 계층형 모델링 경험을 적을 때도 계층 구분에 더해 이 재처리 규칙까지 정했는지 밝힐 수 있습니다.

• CDC로 수집한 원천 데이터가 정확하고 일관된지 확인하고, 운영 중 발생하는 데이터 문제를 해결합니다.

  이렇게 볼 수 있어요

  CDC에서는 변경 이벤트의 지연, 중복, 순서 뒤바뀜, 삭제 처리가 정합성 문제의 흔한 원인입니다. 원천과 적재본이 어긋났던 사례는 발견 방법과 원인, 재처리 방식 순으로 풀어 말할 수 있습니다.

• 데이터 품질 규칙과 기준 데이터 관리 방식을 세우고, 파이프라인 상태와 데이터 이상을 모니터링합니다.

  이렇게 볼 수 있어요

  우대 항목은 MES, ERP, SCM에서 설비 실적, 생산 오더, 자재입출고가 서로 다를 때 기준 데이터를 정해 본 경험을 예로 들었습니다. 기준 데이터 관리는 그런 제조 원천 시스템 사이의 불일치를 정리하는 데서 시작합니다. 품질 규칙을 세운 경험은 규칙 예시와 그 규칙으로 이상을 잡아낸 사례를 함께 말하면 구체적이 됩니다.

• ML 엔지니어가 바로 학습에 쓸 수 있도록 데이터셋을 준비하고 피처 파이프라인을 구성합니다.

  이렇게 볼 수 있어요

  같은 제조AX센터 ML 엔지니어 공고는 고객사 데이터로 모델을 추가 학습하고 개선 전후를 수치로 평가한다고 적었습니다. 이 공고가 준비한 데이터셋이 그 학습의 입력이 됩니다. ML 엔지니어에게 데이터셋을 넘겨 본 경험이 있다면 피처를 어떤 형태로 넘겼고 학습 쪽 요청에 맞춰 무엇을 바꿨는지 설명합니다.

• 사용할 기술과 데이터 계층 구성을 직접 결정하고, 결정 근거를 문서로 남깁니다.

  이렇게 볼 수 있어요

  공고는 현재 팀에서 파이프라인 아키텍처의 주요 결정을 한 사람이 대부분 맡고 있다고 적었습니다. 입사하면 그 결정을 함께 내리게 됩니다. 결정 근거를 문서로 남긴 경험은 후보, 선택 이유, 이후 결과를 한 장으로 정리해 지원서와 함께 낼 수 있습니다.

• 데이터 엔지니어링으로 직무를 전환한 엔지니어들을 기술적으로 이끌고 코드 리뷰를 진행합니다.

  이렇게 볼 수 있어요

  팀 소개에 따르면 이끄는 대상은 백엔드, 프론트엔드, 시각화에서 전환한 엔지니어 세 명입니다. 데이터 엔지니어링을 처음 하는 동료의 코드를 리뷰해 기준을 알려 준 경험이 있다면 어떤 기준을 알려 줬는지 함께 적을 수 있습니다.

• Data Alchemy Studio의 실행 영역(SeaTunnel, Spark, Airflow) 설계 검토에 참여합니다.

  이렇게 볼 수 있어요

  같은 센터의 데이터 엔지니어 공고가 구현을 맡는 자체 제품이 Data Alchemy Studio입니다. 이 공고는 고객사 구축 경험을 가진 쪽에서 그 제품의 실행 영역 설계를 검토하는 역할을 더합니다.

2자격 요건

• 대용량 배치·스트리밍 파이프라인을 설계하고 운영해 온 경험이 5년 이상이어야 합니다.

  이렇게 볼 수 있어요

  메가존 Physical AI 사업단 데이터 엔지니어링 공고는 데이터 엔지니어링 경력 3년 이상, DBA 직무는 5년 이상을 요구합니다. 시니어 데이터 엔지니어의 조건은 대용량 배치·스트리밍 파이프라인을 설계하고 운영해 온 경험 5년 이상입니다. 처리량(일 건수나 용량)과 지연 시간이 숫자로 들어가면 설계 규모가 전달됩니다.

• Python과 SQL로 파이프라인을 직접 구현했어야 하고, RDB와 NoSQL의 차이를 이해해 용도에 맞게 저장소를 고를 수 있어야 합니다.

  이렇게 볼 수 있어요

  다룰 데이터는 정형 테이블, 설비 센서 시계열, 이미지·문서로 나뉩니다. 시스템은 인터넷이 차단된 폐쇄망에서 돌아서, 저장소도 직접 반입해 설치하고 운영할 수 있는 것이어야 합니다. 그래서 저장소를 고른 이유에는 데이터 성격뿐 아니라 반입과 운영 부담이 함께 따라옵니다. 어떤 데이터에 어떤 저장소를 골랐고 그 이유가 무엇이었는지로 이 요건에 답합니다.

• Airflow, Spark, Iceberg, Kafka/Debezium, Flink 가운데 3종 이상의 운영 경험이 있어야 합니다.

  이렇게 볼 수 있어요

  다섯 가운데 Flink를 뺀 Airflow, Spark, Iceberg, Kafka/Debezium은 이 공고의 업무에도 이름이 나옵니다. 같은 센터의 Data Alchemy Studio 데이터 엔지니어 공고도 Airflow, Spark, Iceberg를 적었습니다. 쓴 기술마다 운영 기간과 장애 대응 경험을 함께 쓰면 운영 경험이 분명해집니다.

• 폐쇄망 또는 온프레미스 환경에서 데이터 시스템을 구축해 봤어야 합니다(이 직무에서는 필수).

  이렇게 볼 수 있어요

  Data Alchemy Studio 데이터 엔지니어 공고는 폐쇄망 경험을 우대 사항에 적었고, 이 공고는 필수라고 밝혔습니다. 인터넷이 차단된 환경에서 패키지와 이미지를 반입해 설치하고 업그레이드한 방법까지 쓰면 구축 경험의 범위가 드러납니다.

• 메달리온을 비롯한 계층형 데이터 모델링을 직접 주도해 설계해 봤어야 합니다.

  이렇게 볼 수 있어요

  업무에는 레이크와 웨어하우스 계층 분리, 테이블 구조, 파티셔닝, 재처리 기준을 정하는 일이 있습니다. 그래서 '주도'는 계층에 이름을 붙이는 일보다 그 항목들을 직접 정한 경험에 가깝습니다. 계층 이름과 각 계층의 테이블, 재처리 기준을 함께 적을 수 있습니다.

• CDC 파이프라인의 데이터 정합성 문제를 실제 운영에서 대응해 봤어야 합니다.

  이렇게 볼 수 있어요

  이 공고는 면접에서 파이프라인 설계와 데이터 정합성에 관한 시스템 설계 질문을 할 수 있다고 미리 알렸습니다. 정합성은 업무의 CDC 원천 데이터 확인과 같은 영역입니다. 요건이 설계가 아니라 운영 중 대응을 말하므로, 사례는 장애가 난 뒤 어떻게 발견하고 원인을 찾아 어떻게 복구했는지 순서로 준비합니다.

• 기술 판단의 근거를 동료에게 설명하고, 코드 리뷰로 팀의 기준을 세워 가는 사람이어야 합니다.

  이렇게 볼 수 있어요

  백엔드·프론트엔드·시각화에서 데이터 엔지니어링으로 전환한 동료의 코드에서는 같은 작업을 다시 돌려도 결과가 같게 만드는 설계(멱등성)나 재처리 기준, 스키마 변경 대응 같은 데이터 쪽 기준을 리뷰로 알려 주게 됩니다. 반복된 지적을 팀 규칙이나 가이드로 만든 경험이 있다면 규칙 이름과 적용 범위를 함께 밝혀 기준을 세웠다는 말을 뒷받침합니다.

3우대 사항

• 제조업의 MES, ERP, SCM 원천 데이터를 데이터 레이크와 연동하고 데이터 기준을 관리해 본 분, PLM, QMS, 설비 센서 등 그 밖의 제조업 데이터를 다뤄 본 분을 우대합니다.

  이렇게 볼 수 있어요

  같은 센터의 Data Alchemy Studio 데이터 엔지니어 공고도 MES, ERP, SCM을 제품이 연결할 주요 원천 시스템이라고 적었습니다. 기준 데이터를 정한 경험은 설비 실적, 생산 오더, 자재입출고 가운데 어떤 값을 기준으로 삼았는지까지 쓰면 같은 종류의 경험인지 판단하기 쉽습니다.

• 데이터 카탈로그와 데이터 흐름 추적(OpenLineage) 기능을 구축해 본 분, 클라우드 데이터 플랫폼(AWS Glue·EMR·Redshift, GCP BigQuery 등)을 운영해 본 분을 우대합니다.

  이렇게 볼 수 있어요

  Data Alchemy Studio의 MVP 기술에 DataHub와 OpenLineage가 들어 있어, 카탈로그와 흐름 추적을 구축한 경험은 그 제품의 설계 검토 업무에도 쓰일 수 있습니다. 센터 소개가 클라우드와 현장 인프라를 함께 설계·구축한다고 적었으므로 폐쇄망 경험과 클라우드 운영 경험이 함께 쓰입니다.

• 재학습 시점에 맞춰 학습 데이터가 갱신되도록 MLOps 파이프라인과 데이터 파이프라인을 연결해 본 분을 우대합니다.

  이렇게 볼 수 있어요

  같은 센터의 AI 애플리케이션·MLOps 엔지니어 공고는 고객사 폐쇄망에 모델을 설치하고 데이터가 바뀔 때마다 재학습해 배포하는 작업을 적었습니다. 그 재학습의 데이터 쪽을 이 공고가 맡습니다. 두 파이프라인을 연결해 본 경험이 있다면 어떤 신호로 학습 데이터 갱신을 시작했는지 설명할 수 있습니다.

• 주니어 또는 다른 직군에서 전향한 엔지니어를 육성해 본 분을 우대합니다.

  이렇게 볼 수 있어요

  팀의 전환 엔지니어 세 명이 이미 백엔드, 프론트엔드, 시각화에서 넘어온 사람들이라 육성 대상이 구체적입니다. 육성한 사람 수와 기간, 그 사람이 맡게 된 업무를 적을 수 있습니다.

• SI 프로젝트의 반복 업무를 자동화 도구나 제품 기능으로 만들어 본 분을 우대합니다.

  이렇게 볼 수 있어요

  센터 소개가 구축이 끝난 뒤 같은 구조를 여러 고객사에 반복 배포하고 운영할 수 있도록 자동화와 표준화를 한다고 적었습니다. 프로젝트마다 되풀이된 작업과 도구로 바꾼 뒤 줄어든 시간을 함께 쓰면 자동화의 효과가 숫자로 남습니다.

• 오픈소스를 폐쇄망에 설치·운영하며 라이선스와 업그레이드까지 챙겨 본 분을 우대합니다.

  이렇게 볼 수 있어요

  센터 소개에 따르면 센터는 선정한 모델의 라이선스와 GPU 요구 사양을 검증합니다. 오픈소스 라이선스를 챙겨 본 경험도 그 검증과 비슷한 확인 작업입니다. 인터넷 없이 업그레이드할 때 버전을 어떻게 반입하고 검증했는지도 함께 말합니다.

4기타 사항

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

쓰는 기술

공고 본문에 적힌 기술만 모은 목록입니다.

• Python
• SQL
• Airflow
• Spark
• Iceberg
• Kafka
• Debezium
• Flink
• SeaTunnel
• OpenLineage
• AWS Glue
• EMR
• Redshift
• BigQuery

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 적었습니다. Physical AI 사업단의 품질 보증, 서비스·제품 기획, 데이터 엔지니어링, 백엔드 엔지니어링, AX 컨설팅, AI 모델 개발, 프로젝트 총괄 공고는 최종 면접 없이 실무 면접 뒤 바로 입사 조건 검토로 넘어갑니다. 코딩 테스트와 기술 면접은 부서와 직무에 따라 붙습니다.

지원 전 준비할 것

1. 1

   폐쇄망 구축 사례

   인터넷이 차단된 환경에 데이터 시스템을 구축한 경험 하나를 패키지·이미지 반입 방법, 설치 절차, 업그레이드 방식 순서로 정리합니다.

2. 2

   아키텍처 결정 기록

   파이프라인 설계에서 기술이나 계층 구성을 직접 결정한 사례 하나를 후보, 선택 이유, 이후 결과로 문서 한 장에 정리합니다.

3. 3

   CDC 정합성 사례

   CDC로 수집한 데이터가 원천과 어긋났던 사례를 발견 방법, 원인, 재처리 기준, 재발 방지 순으로 정리합니다.