컬리에서 데이터 분석가로 일한다는 것
이민식 컬리 · 컬리 기술 블로그
AI 핵심 요약
컬리 데이터농장팀은 부서마다 다르게 전달되는 데이터 요청을 사용 목적·주기·조건에 관한 질문으로 구체화하고, 필요한 데이터가 없으면 기획·개발팀과 상태값과 적재 기준을 확인합니다. 운영 시스템의 데이터는 분석에 바로 쓰기 어려워 운영계와 분석계를 분리한 코어 테이블을 만들고, 기존 데이터 프로덕트의 사용성을 유지하도록 구성했습니다. 이후 이상치와 예외를 QA하고 배치 지연을 고려해 적재 시점에 버퍼를 두어 데이터 품질을 확보합니다. 완성된 데이터는 대시보드와 시뮬레이션에 활용하며, 재고 운영 비율 사례처럼 분석 결과를 실제 정책 결정에 연결합니다.
- 요청을 받으면 사용 목적, 확인 주기, 세부 조건을 질문해 모호한 요구사항을 구체화한다.
- 운영 데이터의 상태값과 적재 시점, 날짜 기준을 기획·개발팀과 확인한 뒤 분석에 활용한다.
- 운영계와 분석계를 분리하고 코어 테이블을 두면 시스템 변경에도 기존 데이터 프로덕트의 사용성을 유지할 수 있다.
- 이상치와 예외 상황을 검증하고, 배치 지연을 고려해 적재 버퍼를 두어 데이터 품질을 높인다.
- 대시보드와 시뮬레이션으로 분석 결과를 검토하고 실제 재고 운영 정책에 반영한다.
소개
맛있는 데이터를 만드는 방법
비슷한 학습 자료
문서 정명성
컬리에서 선물하기를 개발하며 회고
문서 박수형
컬리의 Virtual 물류 센터
문서 허재진
컬리의 BigQuery 도입기 - 2부
문서 허재진
