Data Analyst

About the role

엘박스는 “법을 사람들에게 더 가깝고 의미 있게 만든다”는 미션을 가진 법률 인공지능 소프트웨어 스타트업입니다.

2020년 출시한 판례검색 서비스는 대한민국 전체 변호사의 60% 이상이 사용하는 압도적인 시장 점유율 1위 서비스로 성장했고, 법률전문가용 AI 서비스인 ‘엘박스 AI’는 전체 개업 변호사의 절반 이상이 사용하는 서비스로 자리 잡았습니다. 법률 콘텐츠 출판 브랜드 ‘엘박스 스칼라’, AI 기반 법률포털 ‘엘파인드’도 연이어 출시하며 사업의 외연을 적극 확장하고 있습니다.

이러한 성과를 인정받아 2021년 KB인베스트먼트, 아주IB투자, 베이스인베스트먼트 등으로부터 시리즈 A 투자를 유치했고, 2022년에는 SV인베스트먼트, 산업은행, 삼성벤처투자 등으로부터 200억 규모의 시리즈 B 투자를 유치하였습니다. 2025년 6월에는 키움인베스트먼트와 글로벌 투자사 레전드캐피탈 등이 참여한 300억 규모의 시리즈 C 투자를 성공적으로 유치하며 명실상부 국내 1위 리걸테크 기업으로 자리매김했습니다.

[엘박스의 Data Analyst를 소개해요.]
엘박스는 ​법률 전문가의 ​일하는 방식을 혁신하는 AI ​제품을 ​만들고 있어요. ​Data Analytics 팀은 ​신뢰할 수 ​있는 ​데이터와 분석을 ​바탕으로, ​엘박스가 ​더 중요한 문제에 ​집중하고 ​더 나은 의사결정을 ​내릴 ​수 ​있도록 돕는 팀이에요. ​

우리는 주어진 ​데이터를 ​분석하고 결과를 ​전달하는 데 ​그치지 ​않아요. 회사와 제품, ​고객을 깊이 ​이해하고, 스스로 중요한 문제를 발견하며, 그 문제를 해결해 실질적인 변화를 만드는 것을 지향해요.

좋은 분석이란 모든 결정에서 정답을 맞히는 것이 아니라, 조직이 반복해서 더 나은 선택을 내릴 가능성을 높이는 것이라고 생각해요. 이를 위해 세 가지 일에 집중하고 있어요.

1. 신뢰할 수 있는 분석 기반 구축: 구성원과 AI가 같은 기준으로 데이터를 이해하고 활용할 수 있도록 지표와 데이터 체계를 정립해요.
2. 전사의 분석 역량 성장: AI와 자동화를 활용해 구성원이 스스로 데이터를 분석하고 활용할 수 있는 환경을 만들어요.
3. 고객·제품에 대한 깊은 이해와 문제 해결: 다양한 분석 방법론과 모델링을 활용해 중요한 문제를 발견하고, 해결 방안을 제시하며, 제품과 사업의 개선으로 연결해요.

AI로 많은 분석 업무를 더 쉽고 빠르게 수행할 수 있는 시대예요. 그래서 우리는 분석 기술뿐 아니라, 무엇이 중요한 문제인지 판단하고, 적절한 시점에 해결하며, 그 결과를 실제 변화로 연결하는 역량이 더욱 중요해질 것이라고 생각해요.

이러한 관점을 함께 발전시키며 엘박스의 성장을 만들어갈 동료를 찾고 있어요.

What you'll do

1. 중요한 문제를 스스로 발견하고 정의해요.
• 회사의 목표와 사업·제품의 맥락을 이해하고, 고객 행동과 제품 데이터에서 개선 기회를 찾아 우선순위가 높은 분석 문제를 발굴해요.
2. 깊이 있는 분석으로 해결의 근거를 만들어요.
• 사용자 행동 분석, 실험 설계, 인과 추정, 통계·예측 모델링 등 문제에 적합한 방법론을 활용해 가설을 검증하고 해결 방안을 제시해요.
3. 분석을 실제 의사결정과 실행으로 연결해요.
• 분석 결과가 어떤 선택에 기여할 수 있는지 구체화하고, 관련 조직과 협업해 실행과 효과 검증까지 이어지도록 해요.
4. 신뢰할 수 있는 데이터와 지표 체계를 만들어요.
• 핵심 지표를 정의하고 공통 분석 데이터 모델과 품질·검증 체계를 개선해 구성원과 AI가 일관된 기준으로 데이터를 활용하도록 해요.
5. AI를 활용해 분석 역량을 조직 전체로 확장해요.
• 분석 에이전트, 자동화 도구, 표준 분석 프레임워크 등을 구축·개선하고, 분석 지식과 방법을 재사용 가능한 조직의 자산으로 발전시켜요.

모든 업무를 동일한 깊이로 수행하기보다는, 각자의 전문성을 바탕으로 중요한 문제를 주도적으로 해결하고 팀과 함께 역량을 확장해 나가요.

Requirements

• SQL과 Python을 활용한 데이터 분석 실무 역량을 갖추고, 통계적 사고를 바탕으로 분석 결과의 의미와 한계를 판단할 수 있는 분
• 통계·머신러닝 기반 모델을 직접 설계·구현하고, 성능과 한계를 검증하여 실제 문제 해결에 활용할 수 있는 분
• 주어진 요구사항을 해결하는 것을 넘어, 사업과 제품의 맥락을 이해하고 스스로 중요한 문제를 찾아 해결한 경험이 있는 분
• 자신의 전문성과 지속적인 학습을 바탕으로 문제를 바라보는 관점을 발전시키고, 이를 논리적인 근거와 함께 제시할 수 있는 분
• 분석의 정확성뿐 아니라 문제의 중요성, 시점, 실행 가능성을 고려해 실제 의사결정에 기여할 수 있는 분
• 다양한 직군의 동료와 협력해 해결 방안을 구체화하고, 결과가 실제 변화로 이어지는 과정에 관심을 갖는 분
• AI와 새로운 기술을 적극적으로 활용하고, 반복적인 업무를 개선하며, 자신의 지식과 경험을 팀과 조직의 자산으로 만들 수 있는 분
• 해외여행 및 출장에 결격/제한 사유가 없는 분

Preferred qualifications

• Databricks, Spark, Amplitude 등의 환경에서 지표 체계, 데이터 모델 또는 분석 자원을 구축·운영한 경험
• LLM·AI 에이전트를 활용한 분석 자동화, 업무 도구 개발 또는 품질 평가·개선 경험
• 분석 방법론이나 기술에 관한 깊이 있는 학습을 지속하고, 이를 실제 업무에 적용하거나 동료와 공유한 경험

[엘박스에서 함께 고민할 문제들이에요.]
• 고객이 엘박스의 AI 제품에서 가치를 얻는 순간은 언제이고, 그 경험이 지속적인 이용으로 이어지는 이유는 무엇일까요?
• AI 모델의 응답 품질이 개선되었다는 것을 기술적 정확도뿐 아니라 실제 고객 경험과 행동의 변화로 어떻게 검증할 수 있을까요?
• 수많은 데이터와 분석 가능한 질문 중 지금 엘박스의 성장을 위해 가장 먼저 풀어야 할 문제는 무엇일까요?
• AI가 다양한 분석 업무를 수행하는 환경에서, 분석 결과의 신뢰성을 보장하면서 조직 전체의 의사결정 역량을 어떻게 높일 수 있을까요?

우리는 정답이 정해진 문제만 해결하지 않아요. 자신만의 관점으로 중요한 질문을 던지고, 깊이 있는 분석과 동료와의 협업을 통해 더 나은 답을 찾아가는 분과 함께하고 싶어요.

[지원 전, 꼭 확인해 주세요.]
• 문제 해결 과정 중심 작성: 단순 과업 나열보다는 어떤 문제를 마주했고 어떻게 해결했는지 구체적인 맥락을 중심으로 작성해 주세요.
• 정량적 개선 경험 강조: 성능이나 품질을 정량적으로 측정한 경험이 있다면, 어떤 지표를 왜 정의했고 결과가 어떻게 달라졌는지 함께 적어 주시면 더욱 좋아요.
• 이력서 제출 형식: 원활한 서류 검토를 위해 이력서는 PDF 파일 형식으로 제출해 주세요. 노션이나 외부 웹 링크로만 제출된 이력서는 평가에 반영하기 어려울 수 있어요.
• 추가 자료 안내: 단, 포트폴리오나 프로젝트 추가 자료는 웹 링크(GitHub, Blog, Notion 등)로 제출하셔도 무방해요.

Benefits

[근무/업무 환경]
• 유연한 출퇴근 시간 (08:00~11:00 중 출근)
• 1시간 단위로 승인 없이 휴가 사용 가능
• 최신형 장비 지원 및 추가 물품 필요시 구매 지원
• 전 직원 스탠딩 데스크와 스틸케이스 의자 지원

[식사/간식]
• 오피스로 찾아오는 점심 케이터링 서비스 지원
• 부득이한 초과근로 시 석식 제공
• 커피 무제한 제공
• 다양한 간식 무한 제공

[자기계발]
• 도서 구매, 강의 및 컨퍼런스 참여 등 교육비 무제한 지원
• 업무와 무관한 취미 계발, 스포츠 등 학습 비용 지원
• 업무에 필요한 AI Tool 지원

[그 외]
• 3년 근속시 3주 리프레쉬 휴가 및 휴가비 100만원 지원
• 연 2회 기념일 반차 휴가 제공
• 본인 생일, 명절마다 상품권 지급
• 매년 종합 건강검진 및 검진 당일 휴가 지원
• 경조사비 및 화환/조화 지급
• 사내추천 채용 보상금 직군 관계 없이 500만 원 지급
• 신규 입사시 L-lunch 지원

Hiring process

서류 지원 - 1차 직무역량 인터뷰 - 2차 조직문화 인터뷰 - 3차 CEO 인터뷰 및 레퍼런스 체크 - 최종합격
• 프로세스는 상황에 따라 사전 안내 후 일부 변경될 수 있어요.
• 1차 직무역량 인터뷰 및 2차 조직문화 인터뷰는 각각 1시간 정도 소요돼요.