Role at a glance
- Job function
-
AI & Data Data Engineering Data Analytics
- Salary
- Not Disclosed
- Location
- Seoul, South Korea
- Work arrangement
- On-site
- Employment
- Full-time
- Experience
- 5+ years
Spotted an issue?
We’ll check it against the original posting.
Qualifications
Required
- 5년 이상의 데이터 엔지니어, Data Analytics Engineer 또는 DW 모델러 경력
- DW 데이터 모델러로서 담당 제품
- 도메인의 개념을 정의하고 명확한 데이터 구조를 설계할 수 있으신 분
- Database 정규화 및 Data Warehouse 특성(Subject-Oriented, Integrated, Non-Volatile, Time-Variant)에 대한 이해가 있으신 분
- 표준 영역 마트와 소비 영역 마트를 구분해 설계
- 운영해보신 분
- SQL 활용 능력이 뛰어나고, 효율
- 가독성을 갖춘 쿼리를 작성하실 수 있는 분
Preferred
- 증권
- 은행
- 핀테크 등 금융 도메인에서 DW/레이크하우스를 구축
- 운영해보신 분
- Databricks(Delta Lake, Unity Catalog, Jobs, Databricks SQL) 운영 경험이 있으신 분
- 원천 스키마 리뷰부터 마트
- 서빙까지 End-to-End 오너십을 가져보신 분
- 메타데이터
About the role
Original posting provided by 넥스트증권
About the role
직무 Summary
넥스트증권 AI데이터플랫폼팀과 함께 제품·도메인 데이터의 의미 계층(Semantic Layer)과 분석·서빙용 표준 데이터를 책임질 Data Analytics Engineer(경력)를 모집합니다. 담당 도메인의 핵심 개념을 정의하고, Databricks 레이크하우스 위에서 Single Source of Truth가 되는 모델·마트를 설계·운영합니다. 비개발 직군과 AI/LLM이 바로 이해하고 쓸 수 있도록 구조·표준·문서화·정합성을 갖춘 데이터를 제공하며, 단순 요청 대응이 아니라 데이터 구조와 활용 기준을 제시하는 역할입니다
What you'll do
• 도메인 Semantic Layer 구축: 담당 제품·도메인(예: 금융 투자정보, 계정계·거래, 행동·그로스 등)의 주요 개념을 명확히 정의하고, 누구나 신뢰하고 쓸 수 있는 의미 계층과 표준 데이터 모델을 설계합니다. 금융 투자정보는 금융 데이터 분석가가 정의한 의미·산출 기준과 Financial Data DE가 제공하는 마스터·분류체계·식별자를 참조해 모델링합니다.
• 표준 영역 / 소비 영역 마트 구분: 표준(Subject-Oriented) 마트와 소비(서비스·분석) 마트를 구분해 모델링하고, 일·시간·준실시간 단위의 마트를 설계·운영합니다.
• 제품 개발 단계 데이터 모델 리뷰: 서버·프로덕트 엔지니어와 제품 개발 시점부터 데이터 모델을 리뷰하고, 분석·서빙 관점에서 필요한 스키마·이벤트·식별자를 제안합니다.
• 고품질 데이터 제공 체계: 빠른 제품 속도에서도 담당 도메인 데이터가 일관되게 제공되도록 처리 로직·품질 규칙·갱신 주기(SLA)·정확도 기준을 정의하고 Platform이 제공하는 공통 품질 게이트에 적용해 시스템화합니다.
• 데이터 거버넌스 운영: 원천 리뷰·변경 모니터링부터 생성·활용 End-to-End 추적, 메타·문서화(사람이 읽고 LLM이 이해할 수준)까지 담당 도메인의 거버넌스를 구축·운영합니다.
• 정합성·보안·컴플라이언스: DQ / SLA / Compliance 기준을 마트 단위로 관리하고, 금융 데이터 특성에 맞는 보안성·라이선스·접근 통제를 반영합니다.
• 마트 파이프라인 운영: 표준화된 모델링을 바탕으로 분석뿐 아니라 서비스에서도 쓸 수 있는 Databricks 기반 마트 변환 파이프라인을 운영합니다. 원천 수집·표준화 파이프라인은 Financial Data DE가 맡고 DAE는 표준화 계층 이후의 변환을 책임집니다. (배치 중심, 필요 시 준실시간)
• 이해관계자와의 기준 제시: 전략·프로덕트·AI/ML·서비스 조직의 요구를 받아 단순 이행하지 않고, 효율적인 데이터 구조와 활용 기준을 제안·조율합니다. 투자정보 요구사항은 금융 데이터 분석가가 데이터 명세로 구체화하고 DAE는 그 명세를 마트 구조로 설계합니다.
Requirements
• 5년 이상의 데이터 엔지니어, Data Analytics Engineer 또는 DW 모델러 경력
• DW 데이터 모델러로서 담당 제품·도메인의 개념을 정의하고 명확한 데이터 구조를 설계할 수 있으신 분
• Database 정규화 및 Data Warehouse 특성(Subject-Oriented, Integrated, Non-Volatile, Time-Variant)에 대한 이해가 있으신 분
• 표준 영역 마트와 소비 영역 마트를 구분해 설계·운영해보신 분
• SQL 활용 능력이 뛰어나고, 효율·가독성을 갖춘 쿼리를 작성하실 수 있는 분
• 대용량 처리 환경에서 파이프라인·마트를 다뤄보신 분
• 데이터 표준·품질(정합성·완전성·적시성) 문제를 발견하고 근본 원인을 분석·개선해보신 분
• 데이터 엔지니어·서버 개발자·분석/서비스 조직과 효율적으로 커뮤니케이션하며 기준을 제시할 수 있으신 분
Preferred qualifications
• 증권·은행·핀테크 등 금융 도메인에서 DW/레이크하우스를 구축·운영해보신 분
• Databricks(Delta Lake, Unity Catalog, Jobs, Databricks SQL) 운영 경험이 있으신 분
• 원천 스키마 리뷰부터 마트·서빙까지 End-to-End 오너십을 가져보신 분
• 메타데이터·리니지·문서화로 Semantic Layer / 데이터 카탈로그를 운영해보신 분
• DQ·SLA·컴플라이언스 기준을 정의하고 자동화한 경험이 있으신 분
• dbt 등 변환 프레임워크 또는 Great Expectations 등 품질 도구 활용 경험이 있으신 분
• AARRR 등 제품·그로스 지표 프레임워크에 대한 기본 이해가 있으신 분
• AI 코딩 에이전트(Claude Code, Codex, Cursor 등)를 활용한 Agentic Engineering 경험 또는 관심이 있으신 분
Benefits
• 복지카드 지원
• 상해보험 : 본인 및 가족(배우자/자녀)실손 의료비 지원
• 건강검진 : 매년 종합건강검진 지원
• 특별상여 : 설/추석 귀성비, 가정의 달 효도비, 연말 지원비
• 특별휴가 : 만 1년 이상 재직 다음 해 부터 연간 3일 특별 휴가 제공
• 장기근속 : 10년 근속 시 장려금(400만원) 지급
• 자기개발 : 업무 관련 교육 지원
-대표부터 인턴사원까지 전 구성원이 ‘님’ 호칭을 사용하는 수평적인 조직문화를 지향합니다.
- 근무 형태 : 비포괄임금제 (초과근로수당 별도 지급)
- 근무 시간 : 유연 출퇴근제
• 오전 7시 ~ 11시 사이 자율 출근
• 출근 시각 기준 8시간 근무
- 재택근무 : 주 1회 가능
Hiring process
[합류 과정]
• 서류접수 → 1차 인터뷰 → 2차 인터뷰 → 처우논의 → 최종합격
• 전형 단계 중 필요 시, 사전 동의 후 레퍼런스 체크 진행
• 장애인 및 국가보훈대상자는 지원 시 관련법에 따라 우대함
[필수 제출 서류]
•국문 이력서 및 자기소개서(자유 양식) 제출
• (선택) GitHub/기술 블로그/포트폴리오 링크 첨부
About the company
넥스트증권
인공지능 기반 플랫폼 증권사 https://www.next-securities.com/ Vision 넥스트증권의 비전은 '지식, 커뮤니티, 투자를 융합한 선도적인 금융 플랫폼 구축으로 투자의 혁신을 주도'하는 것입니다. Mission 금융 시장, 실시간 뉴스, 소셜 네트워크를 연결해 모든 투자자들에게 개인화된 투자 경험을 제공할 것입니다. 넥스트증권 핵심 가치 1. 고객의 궁극적 가치 실현에 집중해요 고객이 누구인지, 무엇을 필요로 하는지 가까이에서 살펴요. 고객이 요구하는 것 뿐만 아니라 드러나지 않은 불편함까지 찾아내 문제를 해결하는데 집중해요. 다양한 내외부 이해관계자의 관점을 함께 살피면서, 장기적인 신뢰와 안정성을 기반으로 고객 경험을 만들어내요. 2. 완벽보다는 빠르게 시도해요 작은 시도라도 빠르게 실행하고, 실패를 자산으로 삼아요. 시도-피드백-개선의 사이클이 빠르게 가져가요. 실패한 시도는 반드시 공유하며, 정기적인 회고를 통해 속도와 방향성 간의 균형을 유지해요. 3. 끝까지 책임지고 수치로 결과를 만들어요 '내 역할은 끝'이라고 손을 떼는 게 아니라, 조직 전체의 성과에 연결되도록 끝까지 책임져요. 기획부터 실행, 성과 검증까지 전 과정을 관리해요. 성과는 반드시 데이터를 기반으로 수치화하고 검증해요. 4. AI와 데이터로 더 똑똑하게 일해요 반복 업무는 AI와 자동화에 맡기고, 새로운 기술과 도구는 적극적으로 검토하고 업무에 반영해요. 직관이나 경험에만 의존하지 않고, 데이터와 AI를 활용해 의사결정의 질과 효율성을 높여요. 5. 문제를 투명하게 공유하고 함께 해결해요 문제를 숨기거나 축소하지 않고 솔직하게 나눠요. 다양한 직무와 관점에서 피드백을 받아 더 좋은 해답을 찾아내요. 피드백을 주고 받을 땐 '사람'에 대한 것이 아닌, '행동과 결과'에 집중해요.