[메가존] [Physical AI 사업단] 데이터 엔지니어링(Data Engineer / DBA) 경력 채용 공고 분석

이 자리가 왜 생겼을까요

1하게 될 업무

• 프로젝트 안에서 데이터 수집·정합·표준화 파이프라인(ETL/ELT)을 구축하고 실시간 스트리밍을 처리합니다.

  이렇게 볼 수 있어요

  사업단은 실제 산업 현장에 기술을 투입해 성능을 검증한다고 소개합니다. 센서나 영상처럼 형식이 다른 데이터를 하나의 표준으로 맞춰 본 경험이 이 업무와 가장 가깝습니다.

• 프로젝트 안에서 스키마 설계·쿼리 튜닝·용량 계획과 백업/복구·이중화 운영을 맡습니다.

  이렇게 볼 수 있어요

  DBA 쪽 업무이고 자격 요건의 RDB 운영·튜닝, 백업/복구·DR 설계와 이어집니다. 튜닝 전후 쿼리 시간이나 복구 훈련에서 잰 복구 시간을 숫자로 보여 줄 수 있습니다.

• 프로젝트 안에서 MLOps 데이터 흐름, 드리프트 탐지, 재학습 연계를 맡습니다.

  이렇게 볼 수 있어요

  사업단이 행동형 AI 모델을 연구·개발하므로 데이터 엔지니어가 모델 학습 흐름 안에서 일합니다. 입력 데이터의 분포 변화를 감지해 재학습으로 넘긴 파이프라인을 만들어 봤다면 탐지 기준과 재학습 주기가 이 업무를 해 본 범위를 보여 줍니다.

• 프로젝트 밖에서 피처스토어·데이터 카탈로그·거버넌스를 구현하고 데이터 모델·표준을 정비합니다.

  이렇게 볼 수 있어요

  프로젝트마다 쓰는 데이터를 사업단 단위로 관리하는 일입니다. 카탈로그나 피처스토어를 도입해 여러 팀이 같은 데이터를 다시 쓰게 만든 경험이 있다면 도입 범위와 이용 팀 수를 보여 줄 수 있습니다.

• 프로젝트 밖에서 데이터 품질(정합·계보) 파이프라인과 품질 관리 체계를 운영하고 DB 보안·권한을 관리합니다.

  이렇게 볼 수 있어요

  계보까지 관리 대상이라 데이터가 어디서 와서 어떤 학습에 쓰였는지 추적하는 체계를 다룹니다. 품질 규칙과 권한 정책을 직접 정해 운영해 본 경험이 업무 범위와 맞습니다.

• 협업 역할로 모델 학습용 데이터를 제공하고 저장·자원 요건과 데이터 요건을 협의합니다.

  이렇게 볼 수 있어요

  모델 연구자와 현장 사이에서 데이터를 조율하는 역할입니다. 학습 데이터 요청을 받아 수집 범위와 저장 용량을 함께 정해 본 경험이 있다면 요청한 쪽과 무엇을 맞췄는지 사례로 들 수 있습니다.

2자격 요건

• 데이터 엔지니어링 경력 3년 이상이 필요하고, DBA 직무는 5년 이상입니다.

  이렇게 볼 수 있어요

  한 공고의 업무 목록에 파이프라인 구축과 DB 운영이 함께 들어 있습니다. 지원서에 어느 직무로 지원하는지 분명히 하고, 반대쪽 업무를 함께 해 본 경험도 자세히 쓰면 업무 목록 전체와의 연결이 드러납니다.

• Spark·Kafka 등 분산·스트리밍 처리 실무 경험이 필요합니다.

  이렇게 볼 수 있어요

  이 기술은 업무의 실시간 스트리밍 처리에 쓰입니다. 처리한 데이터의 초당 건수, 하루 용량, 지연 목표를 함께 적는 게 좋습니다.

• SQL과 데이터 모델링 역량이 필요합니다.

  이렇게 볼 수 있어요

  SQL과 데이터 모델링은 업무의 스키마 설계와 데이터 모델·표준 정비의 바탕입니다. 여러 출처의 데이터를 하나의 표준 모델로 합친 설계 사례가 이 역량을 가장 직접 보여 줍니다.

• RDB(PostgreSQL 등) 운영·튜닝 실무 경험이 필요합니다.

  이렇게 볼 수 있어요

  PostgreSQL이 예로 적혀 있어 PostgreSQL 운영 경험은 그 이름을 그대로 쓰면 됩니다. 다른 RDB 경력이라면 제품 이름과 운영 규모(인스턴스 수, 데이터 크기)를 함께 밝힐 수 있습니다.

• 백업/복구·DR 설계 경험이 필요합니다.

  이렇게 볼 수 있어요

  이 요건은 업무의 백업/복구·이중화 운영에 더해 설계까지 요구합니다. 정한 복구 목표 시간과 실제 복구 훈련 결과를 나란히 적는 게 좋습니다.

3우대 사항

• 데이터공학·컴퓨터공학·통계 등 관련 전공 박사학위 소지자를 우대합니다.

  이렇게 볼 수 있어요

  박사 과정에서 다룬 데이터가 시계열이나 멀티모달이었다면 다른 우대 항목인 제조 시계열·멀티모달 경험과 함께 묶어 보여 줄 수 있습니다.

• 제조 시계열·멀티모달 데이터 경험을 우대합니다.

  이렇게 볼 수 있어요

  메가존㈜가 참여한 경남 피지컬AI 국가전략사업에서 총괄 주관을 맡은 경남대학교는 제조현장 데이터를 모아 AI 학습과 실증에 쓰는 기반을 만드는 역할을 맡았습니다. 설비 센서 시계열이나 영상·텍스트가 섞인 데이터를 다뤘다면 데이터 형식과 수집 주기를 함께 밝힐 수 있습니다.

• AAS·IDS 표준과 Lakehouse 구축 경험을 우대합니다.

  이렇게 볼 수 있어요

  AAS와 IDS는 업무의 데이터 모델·표준 정비와 관련된 표준입니다. 직접 적용해 본 적이 없더라도 Lakehouse를 구축하며 여러 시스템의 데이터 형식을 하나로 맞춘 경험이 있다면 그 경험을 자세히 쓸 수 있습니다.

• 시계열 DB·벡터 DB 운영과 대용량 파티셔닝·샤딩 경험을 우대합니다.

  이렇게 볼 수 있어요

  DBA 업무에 용량 계획이 있어 파티셔닝·샤딩 경험이 그 계획을 세울 때 바탕이 됩니다. 시계열 DB와 벡터 DB를 운영했다면 각각 어떤 데이터를 담았는지와 파티션·샤드 구성을 함께 적어 둘 만합니다.

4기타 사항

• 게시일 : 2026년 9월 4일
• 고용형태 : 정규직(정규직 전환을 위한 평가기간 6개월 계약직 운영)
• 근무지 : 메가존산학연센터(과천) (대한민국 경기도 과천시 7길 과천대로 74) · 경남 창원 실증거점 (대한민국 경상남도 창원시 마산합포구 경남대학로 7) · 메가존 역삼 오피스
• 경력 조건 : 경력 3년 이상
• 학력 조건 : 해당 내용은 원본 공고에서 확인되지 않습니다.

쓰는 기술

공고 본문에 적힌 기술만 모은 목록입니다.

• Spark
• Kafka
• SQL
• PostgreSQL
• Lakehouse

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 사업단의 품질 보증, 서비스·제품 기획, 데이터 엔지니어링, 백엔드 엔지니어링 공고는 실무 면접 뒤 바로 입사 조건 검토), 코딩 테스트와 기술 면접은 부서와 직무에 따라 붙습니다.

지원 전 준비할 것

1. 1

   파이프라인 구성도 한 장

   수집부터 정합·표준화, 저장, 모델 학습 데이터 제공까지 만든 파이프라인 하나를 구성도로 그리고 쓴 도구와 처리량을 덧붙입니다.

2. 2

   DB 운영 숫자

   운영한 RDB의 크기, 튜닝 전후 쿼리 시간, 복구 훈련 결과를 표 하나로 만들어 두세요.

3. 3

   지원 직무 밝히기

   데이터 엔지니어와 DBA 가운데 어느 쪽으로 지원하는지 지원서에 밝히고, 반대쪽 업무를 해 본 경험도 따로 적어 두는 게 좋습니다.