무신사 테크 조직 Data Intelligence의 PDA팀 자리이고 경력 7년 이상을 요구합니다. 무신사와 29CM 두 플랫폼의 고객 행동 데이터를 함께 보고, 로그 수집 구조 설계부터 실험 지표 정의와 결과 공유까지가 한 사람의 범위입니다. 쿼리를 잘 짜는 것보다 데이터가 쌓이는 구조에 관여해 봤는지를 먼저 봅니다.
이 공고 분석은 2026년 9월 13일에 이뤄졌습니다. 이후 채용이 종료되었을 수 있습니다.
무신사는 2024년 8월 홈 개편 이후 개인화 추천 시나리오가 개편 전보다 50배 이상 늘었다고 밝혔고, 2026년 6월에는 외부 데이터를 학습해 상품 속성과 결합하는 AI 트렌드 큐레이션을 도입했습니다. 개인화와 추천이 늘어나면 그것이 실제로 나은 결과를 냈는지 확인할 실험과 로그도 같은 속도로 늘어납니다. 공고가 소속 팀의 목적을 '데이터 기반의 업무 문화 확산'으로 적고 담당 업무에 분석보다 파이프라인 설계를 먼저 올린 것을 이 흐름과 함께 읽을 수 있습니다.
무신사이 지금 어디에 힘을 싣고 있는지는 무신사 채용 분석에 정리해 두었습니다.
무신사와 29CM 플랫폼에서 발생하는 고객 행동 데이터를 분석해 인사이트를 도출합니다.
이렇게 볼 수 있어요
한 서비스가 아니라 성격이 다른 두 플랫폼을 함께 봅니다. 사용자층이 다른 서비스를 같은 기준으로 비교해 본 경험이 있다면 이 문장에서 꺼낼 수 있습니다.
App과 Web 로그 데이터의 수집부터 분석까지 이어지는 데이터 파이프라인을 설계하고 구현합니다.
이렇게 볼 수 있어요
만들어진 대시보드를 읽는 자리가 아닙니다. 로그 스키마를 정하고 수집 경로를 설계해 본 경험이 없다면 이 항목이 가장 큰 벽이 됩니다.
실험에서 성공 지표(Success Metrics)와 안정성 지표(Guardrail Metrics)를 정의하고 결과의 통계적 유의성을 검증합니다.
이렇게 볼 수 있어요
성과 지표만 보는 것이 아니라 실험이 다른 지표를 해치지 않는지도 함께 지킵니다. 지표를 두 종류로 나눠 설계해 본 경험이 있다면 이 문장에 정확히 대응합니다.
전환 단계 분석과 경로 분석처럼 고객 행동을 바로 이해할 수 있는 형태의 시각화를 제공합니다.
이렇게 볼 수 있어요
분석을 숫자로 끝내지 않고 다른 직군이 볼 수 있게 만드는 일까지 범위에 들어갑니다. 기획자나 디자이너가 직접 열어 보던 대시보드를 만든 적이 있다면 적어 둘 만합니다.
분석 결과를 누구나 이해하고 다시 쓸 수 있도록 커뮤니케이션하고 조직의 자산으로 체계화합니다.
이렇게 볼 수 있어요
한 번 쓰고 버려지는 분석과 다음 사람이 다시 꺼내 쓰는 분석을 구분해서 봅니다. 문서나 템플릿으로 남겨 다른 팀이 재사용한 사례가 있으면 그 쓰임까지 적는 편이 좋습니다.
고객 행동 또는 제품 데이터 분석 실무 경험 7년 이상, 또는 그에 준하는 역량을 요구합니다.
이렇게 볼 수 있어요
연차 조건은 '그에 준하는 역량'으로 열려 있습니다. 다만 프로덕트 데이터라는 조건은 그대로 남으므로 매출이나 재무 데이터 중심 경력이라면 이 부분을 채울 사례가 필요합니다.
Amplitude와 Google Analytics 등 행동 기반 분석 도구 활용 경험을 요구합니다.
이렇게 볼 수 있어요
SQL만으로 데이터를 다뤄 온 경력이라면 이 요건에서 부족할 수 있습니다. 행동 기반 도구를 써 본 적이 있는지부터 확인하고 지원 여부를 정하는 편이 낫습니다.
행동 기반 분석 도구와 로그 수집 시스템 사이의 연계 구조에 대한 이해를 요구합니다.
이렇게 볼 수 있어요
도구 사용법이 아니라 데이터가 그 도구까지 들어오는 경로를 묻습니다. 이벤트 이름 체계를 정하거나 태깅 규칙을 만든 경험이 있다면 이 항목의 답이 됩니다.
Databricks(Spark)의 데이터 구조를 깊이 이해하고 있어야 합니다.
이렇게 볼 수 있어요
분산 처리 환경을 다뤄 봤는지가 기준입니다. 데이터 규모가 작은 환경에서만 일해 왔다면 대용량 처리 경험을 어디서 보완할지 생각해 두어야 합니다.
실행 계획을 읽고 SQL 성능을 최적화한 경험을 요구합니다.
이렇게 볼 수 있어요
쿼리를 짤 줄 아는 것과 느린 쿼리를 고치는 것을 구분합니다. 실행 계획을 보고 원인을 찾아 시간을 줄인 사례를 숫자와 함께 준비해야 합니다.
A/B 테스트 설계와 통계적 유의성 검증에 대한 이해, 그리고 실무 경험을 우대합니다.
이렇게 볼 수 있어요
자격 요건의 지표 정의 업무와 바로 이어집니다. 실험 설계 전체를 맡아 본 적이 있다면 표본 크기를 어떻게 정했는지까지 적는 편이 좋습니다.
로그 수집 구조와 사용자 행동 흐름의 설계·분석 경험을 우대합니다.
이렇게 볼 수 있어요
담당 업무에 이미 들어 있는 내용을 우대 사항에서 한 번 더 짚습니다. 이 팀이 실제로 사람을 찾는 지점이 로그 설계 쪽이라고 볼 수 있습니다.
AI 에이전트로 분석 프로세스를 자동화한 경험을 우대합니다.
이렇게 볼 수 있어요
이 팀은 조직 소개에서 구성원 누구나 데이터를 쓰도록 돕는 일을 자기 역할로 밝히고 있습니다. 반복 분석을 자동화해 다른 팀에 넘겨 본 경험이 있다면 이 맥락과 맞습니다.
로그 설계 경험과 조회 경험을 나눠 적기
담당 업무 두 번째 줄이 분석이 아니라 로그 수집 구조 설계입니다. 데이터를 조회한 경험과 데이터가 쌓이는 구조를 만든 경험을 이력서에서 분리합니다.
성공 지표와 안정성 지표를 나눠 설계한 사례 준비하기
공고가 두 지표를 별개 개념으로 씁니다. 실험 하나를 골라 무엇을 올리려 했고 무엇이 떨어지지 않게 지켰는지 나눠서 설명합니다.
느린 쿼리를 고친 사례를 숫자로 정리하기
실행 계획 기반 최적화가 자격 요건에 있습니다. 어떤 쿼리가 몇 초에서 몇 초로 줄었고 무엇을 바꿔서 그렇게 됐는지 함께 적습니다.
다른 팀이 다시 쓴 분석을 찾아보기
담당 업무가 분석 결과를 재사용 가능한 자산으로 만드는 일을 명시합니다. 내가 만든 문서나 대시보드를 다른 팀이 계속 쓴 사례가 있다면 그 쓰임까지 적습니다.
지원 현황 관리에 등록해 두면 전형 단계와 결과를 한자리에서 볼 수 있습니다.
지원 현황에 추가하기