포지션 상세
[뱅크샐러드 Data AI & Productivity 팀은 구체적으로 다음과 같은 일들을 합니다.]
AI 서비스/기능 개발 및 운영
-추천, 검색, AI 에이전트 등 AI 서비스를 개발하고 운영합니다.
데이터 분석을 위한 Data Platform 구축 및 운영
-데이터 기반 인사이트 확보하고 프로덕트 개선 및 실험 설계를 지원을 위하여 안정적이고 확장 가능한 데이터 파이프라인을 구축하고 운영합니다.
-유저의 거래내역 데이터를 분류하고, 금융상품 추천/분석의 기반을 만드는 내역분류시스템, 데이터서빙시스템 등을 운영하고 개선합니다.
사내 생산성 향상
-Work with AI 세션 등을 통해 전사적 요구사항을 파악하고 전사적 임팩트와 확산을 위해 필요한 AI와 자동화 기술을 개발하고 지원합니다.
AI 선행 연구 및 사내 적용
-최신 AI 기술을 선제적으로 실험하고, 요소 기술력을 확보하여 현업에 적용할 수 있도록 지원합니다.
제품개발 업무 지원을 위한 공용 서비스 개발 및 기술 표준을 수립하고 전파합니다.
[뱅크샐러드 Core Infra팀은 구체적으로 다음과 같은 일들을 합니다.]
뱅크샐러드 Core Infra팀은 회사에서 가장 중요한 기술 인프라 및 시스템을 관리하고 운영합니다. 배포와 운영에 중점을 두는 DevOps, 서비스 안정성, 성능 및 확장성을 보장하기 위한 개선활동을 주도하는 SRE, 데이터의 수집, 저장, 운영을 책임지는 Data 파트로 구성됩니다.
코어 인프라 운영 (DevOps & SRE)
-클라우드 인프라 관리 AWS 클라우드 환경의 네트워크, 스토리지, 컴퓨팅 자원을 관리하고 운영합니다.
-Infrastructure as Code (IaC): Terraform 등을 사용하여 인프라 구성을 코드로 관리하고 자동화 합니다.
-CI/CD 파이프라인 구축 및 운영: 개발팀의 코드가 빌드, 테스트, 배포되는 전 과정을 자동화하고 (Jenkins, GitHub actions, ArgoCD 등) 관리합니다.
-시스템 모니터링 및 로깅: Prometheus, Grafana, DataDog 등을 활용하여 시스템 전반의 상태를 24*7 모니터링하고 장애 발생 시 대응합니다.
-Site Reliability Engineering: 서비스의 안정성, 확장성, 성능을 보장하기 위한 정책 (SLO/SLI)를 수립하고 개선 활용을 주도합니다.
-비용최적화: 클라우드 자원과 데이터 플랫폼의 비용을 모니터링하고 최적화 방안을 제시합니다.
데이터베이스 관리 및 운영 (DBA)
-데이터베이스 시스템 구축 및 안정화: RDBMS (Aurora RDS, PostgreSQL, MySQL) 및 NoSQL (MongoDB, Redis) 시스템을 설치, 구성하고 최적의 성능을 유지합니다.
-성능 튜닝: 느린 쿼리 (Slow Query)를 분석하고 인덱스를 최적화하며, 데이터베이스 파라미터를 튜닝하여 성능을 극대화합니다.
-용량 계획(Capacity Planning): 데이터 증가 추이를 분석하여 스토리지 및 시스템 확장을 사전에 계획합니다.
-백업 및 복구: 데이터 유실에 대비한 정기적인 백업 정책을 수립하고, 장애 발생 시 데이터를 신속하게 복구 (Disaster Recovery)하는 절차를 관리합니다.
-데이터베이스 보안: 접근 제어(IAM), 암호화, 보안 패치 등을 통해 민감한 데이터가 안전하게 보호되도록 관리합니다.
데이터 플랫폼 엔지니어링
-데이터 파이프라인(ETL/ELT) 구축: 다양한 소스(서비스 DB, 로그, 외부 API)로부터 데이터를 수집, 변환, 적재하는 파이프라인을 설계하고 개발합니다. (AWS DMS, S3, Snowflake, Glue, Airflow, Kafka, Spark 등)
-데이터 레이크 및 웨어하우스 (DW) 운영: 수집된 원본 및 가공 데이터를 저장하는 중앙 저장소 (S3, RedShift, Snowflake 등)를 구축하고 운영합니다.
-데이터 품질 및 거버넌스: 데이터의 정확성, 일관성을 유지하기 위한 품질 모니터링 시스템을 도입하고, 데이터 카탈로그 등을 관리합니다.
-ML/LLMOps: DevOps의 원칙(자동화, 모니터링, CI/CD)를 데이터 파이프라인에 적용하여 사내 데이터 분석가나 ML/LLM 기반 AI 서비스를 개발/운영하는데 빠르게 안정적으로 사용할 수 있도록 지원합니다.
-뱅크샐러드의 Data Engineer는 회사의 핵심 데이터 인프라 및 플랫폼을 구축/운영하며, 데이터 파이프라인의 품질과 효율성을 책임집니다.
-초기 단계의 Data Lake/DW를 함께 설계하고 발전시키며, DBA와 긴밀히 협업하여 대용량 데이터베이스(수십억~수백억건) 최적화 및 아카이빙을 수행합니다.
-데이터 기반 의사결정을 위한 인프라와 기술 지원을 수행하며, AI팀과 긴밀히 협업하여 데이터 파이프라인을 구축하고 최적화합니다.
-24/7 파이프라인 모니터링 및 장애 대응을 통해 운영 안정성을 확보합니다.
-Computer Science, Data Science, 인공지능학과 등 관련 전공 학사 이상 (석사 이상 우대)
-5년 이상의 데이터 엔지니어링, ETL, 빅데이터 관련 실무 경험
-Python 또는 JVM 기반 언어(Java, Scala) 중 하나 이상의 언어를 사용한 데이터 처리 프로그래밍 능력
-Linux 환경에 대한 이해 및 활용 능력
-SQL 활용 능력 및 데이터베이스(RDBMS)에 대한 깊은 이해
-Snowflake/Redshift/Databricks 등 데이터 웨어하우스(DW) 또는 데이터 레이크(Data Lake) 설계 및 구축 경험
-Aurora MySQL, RDS PostgreSQL 등 대용량 데이터베이스 운영 및 최적화 경험
-데이터 파이프라인 장애 대응 및 복구 경험
-Data-driven한 문화를 만들고자 하는 의지
-고객 경험 중심의 협업 기술 및 다양한 직군과의 원활한 커뮤니케이션 스킬
AI 서비스/기능 개발 및 운영
-추천, 검색, AI 에이전트 등 AI 서비스를 개발하고 운영합니다.
데이터 분석을 위한 Data Platform 구축 및 운영
-데이터 기반 인사이트 확보하고 프로덕트 개선 및 실험 설계를 지원을 위하여 안정적이고 확장 가능한 데이터 파이프라인을 구축하고 운영합니다.
-유저의 거래내역 데이터를 분류하고, 금융상품 추천/분석의 기반을 만드는 내역분류시스템, 데이터서빙시스템 등을 운영하고 개선합니다.
사내 생산성 향상
-Work with AI 세션 등을 통해 전사적 요구사항을 파악하고 전사적 임팩트와 확산을 위해 필요한 AI와 자동화 기술을 개발하고 지원합니다.
AI 선행 연구 및 사내 적용
-최신 AI 기술을 선제적으로 실험하고, 요소 기술력을 확보하여 현업에 적용할 수 있도록 지원합니다.
제품개발 업무 지원을 위한 공용 서비스 개발 및 기술 표준을 수립하고 전파합니다.
[뱅크샐러드 Core Infra팀은 구체적으로 다음과 같은 일들을 합니다.]
뱅크샐러드 Core Infra팀은 회사에서 가장 중요한 기술 인프라 및 시스템을 관리하고 운영합니다. 배포와 운영에 중점을 두는 DevOps, 서비스 안정성, 성능 및 확장성을 보장하기 위한 개선활동을 주도하는 SRE, 데이터의 수집, 저장, 운영을 책임지는 Data 파트로 구성됩니다.
코어 인프라 운영 (DevOps & SRE)
-클라우드 인프라 관리 AWS 클라우드 환경의 네트워크, 스토리지, 컴퓨팅 자원을 관리하고 운영합니다.
-Infrastructure as Code (IaC): Terraform 등을 사용하여 인프라 구성을 코드로 관리하고 자동화 합니다.
-CI/CD 파이프라인 구축 및 운영: 개발팀의 코드가 빌드, 테스트, 배포되는 전 과정을 자동화하고 (Jenkins, GitHub actions, ArgoCD 등) 관리합니다.
-시스템 모니터링 및 로깅: Prometheus, Grafana, DataDog 등을 활용하여 시스템 전반의 상태를 24*7 모니터링하고 장애 발생 시 대응합니다.
-Site Reliability Engineering: 서비스의 안정성, 확장성, 성능을 보장하기 위한 정책 (SLO/SLI)를 수립하고 개선 활용을 주도합니다.
-비용최적화: 클라우드 자원과 데이터 플랫폼의 비용을 모니터링하고 최적화 방안을 제시합니다.
데이터베이스 관리 및 운영 (DBA)
-데이터베이스 시스템 구축 및 안정화: RDBMS (Aurora RDS, PostgreSQL, MySQL) 및 NoSQL (MongoDB, Redis) 시스템을 설치, 구성하고 최적의 성능을 유지합니다.
-성능 튜닝: 느린 쿼리 (Slow Query)를 분석하고 인덱스를 최적화하며, 데이터베이스 파라미터를 튜닝하여 성능을 극대화합니다.
-용량 계획(Capacity Planning): 데이터 증가 추이를 분석하여 스토리지 및 시스템 확장을 사전에 계획합니다.
-백업 및 복구: 데이터 유실에 대비한 정기적인 백업 정책을 수립하고, 장애 발생 시 데이터를 신속하게 복구 (Disaster Recovery)하는 절차를 관리합니다.
-데이터베이스 보안: 접근 제어(IAM), 암호화, 보안 패치 등을 통해 민감한 데이터가 안전하게 보호되도록 관리합니다.
데이터 플랫폼 엔지니어링
-데이터 파이프라인(ETL/ELT) 구축: 다양한 소스(서비스 DB, 로그, 외부 API)로부터 데이터를 수집, 변환, 적재하는 파이프라인을 설계하고 개발합니다. (AWS DMS, S3, Snowflake, Glue, Airflow, Kafka, Spark 등)
-데이터 레이크 및 웨어하우스 (DW) 운영: 수집된 원본 및 가공 데이터를 저장하는 중앙 저장소 (S3, RedShift, Snowflake 등)를 구축하고 운영합니다.
-데이터 품질 및 거버넌스: 데이터의 정확성, 일관성을 유지하기 위한 품질 모니터링 시스템을 도입하고, 데이터 카탈로그 등을 관리합니다.
-ML/LLMOps: DevOps의 원칙(자동화, 모니터링, CI/CD)를 데이터 파이프라인에 적용하여 사내 데이터 분석가나 ML/LLM 기반 AI 서비스를 개발/운영하는데 빠르게 안정적으로 사용할 수 있도록 지원합니다.
주요업무
[뱅크샐러드 Data Engineer는 이러한 업무를 수행합니다.]-뱅크샐러드의 Data Engineer는 회사의 핵심 데이터 인프라 및 플랫폼을 구축/운영하며, 데이터 파이프라인의 품질과 효율성을 책임집니다.
-초기 단계의 Data Lake/DW를 함께 설계하고 발전시키며, DBA와 긴밀히 협업하여 대용량 데이터베이스(수십억~수백억건) 최적화 및 아카이빙을 수행합니다.
-데이터 기반 의사결정을 위한 인프라와 기술 지원을 수행하며, AI팀과 긴밀히 협업하여 데이터 파이프라인을 구축하고 최적화합니다.
-24/7 파이프라인 모니터링 및 장애 대응을 통해 운영 안정성을 확보합니다.
자격요건
[이런 경험과 역량을 갖추신 분들과 여정을 함께하고 싶어요.]-Computer Science, Data Science, 인공지능학과 등 관련 전공 학사 이상 (석사 이상 우대)
-5년 이상의 데이터 엔지니어링, ETL, 빅데이터 관련 실무 경험
-Python 또는 JVM 기반 언어(Java, Scala) 중 하나 이상의 언어를 사용한 데이터 처리 프로그래밍 능력
-Linux 환경에 대한 이해 및 활용 능력
-SQL 활용 능력 및 데이터베이스(RDBMS)에 대한 깊은 이해
-Snowflake/Redshift/Databricks 등 데이터 웨어하우스(DW) 또는 데이터 레이크(Data Lake) 설계 및 구축 경험
-Aurora MySQL, RDS PostgreSQL 등 대용량 데이터베이스 운영 및 최적화 경험
-데이터 파이프라인 장애 대응 및 복구 경험
-Data-driven한 문화를 만들고자 하는 의지
-고객 경험 중심의 협업 기술 및 다양한 직군과의 원활한 커뮤니케이션 스킬
