포지션 상세
SM하이플러스는 2007년 대한민국 최초로 하이패스 선불카드를 선보인 이래, 현재 연간 600만 명이 이용하는 국내 1위 하이패스 카드 운영사입니다.
2025년 대규모 AWS Migration을 성공적으로 마친 SM하이플러스는 이제 AI 기반 데이터 플랫폼 구축 및 AX(AI Transformation) 혁신을 빠르게 이끌어가고 있습니다.
SM하이플러스가 축적해 온 대용량 하이패스 정산 데이터와 다양한 원천 데이터를 통합하고, 최신 레이크하우스 아키텍처 및 AI 에이전트 연동 데이터 플랫폼 구축을 함께 주도해 나갈 데이터 엔지니어(Data Engineer)를 모십니다.
1. 통합 데이터 플랫폼 아키텍처 설계 및 구축 (AWS Native & IaC)
• AWS S3, Apache Iceberg, Glue, Lake Formation 기반의 레이크하우스 아키텍처 직접 설계 및 구현
• Terraform 또는 CDK 기반의 IaC를 활용한 인프라 리소스 프로비저닝 및 배포 자동화
2. 대규모 원천 데이터 연동 및 표준 파이프라인 구축
• 레거시 RDBMS 및 외부 공공 API 등 다양한 데이터 원천을 연동하는 표준 수집 패턴 설계 및 배치 파이프라인 개발
• 회계·재무, 자산 등 도메인 데이터마트 설계 및 핵심 기준데이터 체계 수립
• AI 에이전트 및 RAG 서비스 연동을 위한 시맨틱 레이어 구성
3. 데이터 플랫폼 운영 안정화 및 데이터 품질 강화
• Oracle, Spark, dbt, Airflow, BigQuery, QuickSight 기반의 기존 데이터 파이프라인 운영 안정화
• 하이패스 이용 정산 등 대용량 원천 데이터의 적재 안정성 확보 및 정합성 검증 프로세스 강화
4. 기술 리딩 및 대내외 커뮤니케이션
• 데이터 플랫폼 관련 기술 의사결정을 주도하고, ADR(Architecture Decision Record) 작성을 통해 기술 자산을 표준화
• 원천 시스템 IT 담당자, 외부 협력사, 내부 PM 등 다양한 이해관계자와 협업하여 데이터 인터페이스 스펙을 조율하고 최적의 기술 환경을 구축
1. 파이프라인 End-to-End 직접 설계 및 구축 경험
• 원천 데이터 수집부터 적재, 표준화 가공, 데이터마트/서빙 레이어까지 전체 아키텍처를 직접 설계하고 안정적으로 가동해 본 경험 (프로젝트별 기여 범위 명시 필수)
2. 데이터 엔지니어링 핵심 영역에 대한 깊은 이해도
• 수집 및 적재: 증분·CDC·전량 적재 방식을 데이터 성격에 맞게 설계하고, PK/UK가 부재한 불완전 원천 데이터의 가공 및 정합성 검증 경험
• 모델링 및 아키텍처: DW-DM 또는 메달리온(ODS-DW-DM) 아키텍처 설계를 주도하고 적재 모델을 합리적으로 최적화해 본 지식
• 스케줄링 및 운영: Airflow 등 워크플로우 스케줄러의 복잡한 장애 트러블슈팅 및 데이터 무결성 유지를 위한 대조 검증 설계 경험
3. 주도적 문제 해결 및 기술 확장 역량
• 새로운 기술 및 아키텍처라도 원리를 빠르게 습득하여 적용 의사결정을 내릴 수 있는 자립성 (실제 유사 도입 경험 1건 이상 기재)
• 타 부서 요구사항 정의, 외부 협력사 조율, 아키텍처 수립을 주도할 수 있는 기술 소통 능력
2025년 대규모 AWS Migration을 성공적으로 마친 SM하이플러스는 이제 AI 기반 데이터 플랫폼 구축 및 AX(AI Transformation) 혁신을 빠르게 이끌어가고 있습니다.
SM하이플러스가 축적해 온 대용량 하이패스 정산 데이터와 다양한 원천 데이터를 통합하고, 최신 레이크하우스 아키텍처 및 AI 에이전트 연동 데이터 플랫폼 구축을 함께 주도해 나갈 데이터 엔지니어(Data Engineer)를 모십니다.
주요업무
AWS 네이티브 환경 중심의 통합 데이터 플랫폼 및 데이터 파이프라인의 가용성과 정합성을 책임지며 기술적 의사결정을 리드합니다.1. 통합 데이터 플랫폼 아키텍처 설계 및 구축 (AWS Native & IaC)
• AWS S3, Apache Iceberg, Glue, Lake Formation 기반의 레이크하우스 아키텍처 직접 설계 및 구현
• Terraform 또는 CDK 기반의 IaC를 활용한 인프라 리소스 프로비저닝 및 배포 자동화
2. 대규모 원천 데이터 연동 및 표준 파이프라인 구축
• 레거시 RDBMS 및 외부 공공 API 등 다양한 데이터 원천을 연동하는 표준 수집 패턴 설계 및 배치 파이프라인 개발
• 회계·재무, 자산 등 도메인 데이터마트 설계 및 핵심 기준데이터 체계 수립
• AI 에이전트 및 RAG 서비스 연동을 위한 시맨틱 레이어 구성
3. 데이터 플랫폼 운영 안정화 및 데이터 품질 강화
• Oracle, Spark, dbt, Airflow, BigQuery, QuickSight 기반의 기존 데이터 파이프라인 운영 안정화
• 하이패스 이용 정산 등 대용량 원천 데이터의 적재 안정성 확보 및 정합성 검증 프로세스 강화
4. 기술 리딩 및 대내외 커뮤니케이션
• 데이터 플랫폼 관련 기술 의사결정을 주도하고, ADR(Architecture Decision Record) 작성을 통해 기술 자산을 표준화
• 원천 시스템 IT 담당자, 외부 협력사, 내부 PM 등 다양한 이해관계자와 협업하여 데이터 인터페이스 스펙을 조율하고 최적의 기술 환경을 구축
자격요건
특정 기술 스택의 완벽함보다, 기술 스택에 얽매이지 않고 파이프라인 End-to-End 전체를 직접 설계하고 끝까지 완수해 본 깊이 있는 실무 경험을 최우선으로 가치 있게 여깁니다.1. 파이프라인 End-to-End 직접 설계 및 구축 경험
• 원천 데이터 수집부터 적재, 표준화 가공, 데이터마트/서빙 레이어까지 전체 아키텍처를 직접 설계하고 안정적으로 가동해 본 경험 (프로젝트별 기여 범위 명시 필수)
2. 데이터 엔지니어링 핵심 영역에 대한 깊은 이해도
• 수집 및 적재: 증분·CDC·전량 적재 방식을 데이터 성격에 맞게 설계하고, PK/UK가 부재한 불완전 원천 데이터의 가공 및 정합성 검증 경험
• 모델링 및 아키텍처: DW-DM 또는 메달리온(ODS-DW-DM) 아키텍처 설계를 주도하고 적재 모델을 합리적으로 최적화해 본 지식
• 스케줄링 및 운영: Airflow 등 워크플로우 스케줄러의 복잡한 장애 트러블슈팅 및 데이터 무결성 유지를 위한 대조 검증 설계 경험
3. 주도적 문제 해결 및 기술 확장 역량
• 새로운 기술 및 아키텍처라도 원리를 빠르게 습득하여 적용 의사결정을 내릴 수 있는 자립성 (실제 유사 도입 경험 1건 이상 기재)
• 타 부서 요구사항 정의, 외부 협력사 조율, 아키텍처 수립을 주도할 수 있는 기술 소통 능력
