버즈빌리지

버즈빌을 만들어가는 버즈빌리언의 이야기.
People&Culture

Buzzvil Team Interview - Data Analytics Team

2022.12.06

2022년도 한 달이 채 남지 않았습니다. 모두들 한 해 마무리는 잘 하고 계신가요? 2022년 버즈빌 팀 인터뷰의 마지막 주인공은 바로 Data Analytics팀(이하 DA팀)입니다. DA팀은 Data Engineering팀(이하 DE팀)과 긴밀히 협업하여 유관부서에서 요청하는 다양한 데이터 분석 과제들의 결과물을 도출하고, 버즈빌 제품 개선과 비즈니스 성장 전반의 과정에서 더 나은 의사결정을 할 수 있도록 서포트 해주시는 팀인데요. 그럼 지금부터 DA 팀을 모시고 조금 더 이야기 나눠보도록 하겠습니다!

 

 

반갑습니다. 각자 본인소개, 그리고 DA팀의 업무에 대해서 조금 더 자세한 설명 부탁 드리겠습니다.

 

Ed: 버즈빌 안에는 DE팀과 DA팀 2개의 데이터 팀이 있는데요. “버즈빌의 수많은 데이터들을 구조화하고 관리하여 비즈니스 성공과 고객만족을 위한 의사결정, 전략의 운영을 극대화한다”는 공통된 미션을 가지고 있습니다. 데이터를 잘 다루는 것도 중요하지만 이를 활용해 비즈니스와 고객에게 큰 임팩트를 주는 것에 조금 더 초점을 맞추고 있어요.

저는 DA팀 리드를 맡고 있는 Ed입니다. 버즈빌 DA분들이 하시는 일은 기술적으로 전문성이 높은데요, 저는 그분들의 전문성을 비즈니스의 가시적인 성과로 연결하는 역할을 합니다.

 

Jane: 저는 Data Scientist(이하 DS)로 일하고 있는 Jane입니다. 비즈니스 최적화 영역에 대해 고민하면서, 지금은 수익성 개선을 위한 문제를 재미있게 풀고 있어요.

 

Ian: 안녕하세요, Ian입니다. 저는 Demand 그룹 내 전사 대시보드를 새롭게 구축하는 작업을 하고 있습니다. 특히 BI 시스템과 DW/DM 스키마를 잘 연결하기 위한 고민들을 하고 있습니다.

 

Cathie: 안녕하세요, Cathie 입니다. 저는 Supply 그룹 내에서 아웃풋 팀과 함께 협업하고 있어요. 새로 출시되는 상품을 테스트하고, 새로 도입한 기능들에 대한 효과성을 분석하고 있습니다.

 

Berry: 팀의 막내로 귀여움을 담당하고 있는 Berry입니다. (일동: ???!!!) (주 - Berry는 6월에 합류하셨습니다.) 저 역시 아웃풋 팀과 협업하고 있는데요, 앱의 스트럭처를 분석해서 앱과 지표들의 관계를 어떻게 해석할지 연구하고 있습니다.

 

각자 자기소개 감사합니다. 버즈빌 DA팀만의 일하는 방식을 설명해 주실 수 있나요?

 

Ed: 일하는 방식을 설명 드리려면 회사 전반적 구조를 설명 드려야 할 것 같아요. 현재 버즈빌은 120명의 인원, 3개의 사업부로 운영되고 있는데요. 이를 5명의 DA가 지원해야 하는 상황이죠. 그런 상황이다 보니 업무 방식은 중앙화를 선택했어요. 모든 DA 분들이 공통된 지식과 맥락을 공유할 수 있다는 이점과 함께, 시기별로 전사 차원에서 우선순위가 높은 팀에는 중장기 프로젝트를 세팅하고 유연하게 DA 리소스를 할당할 수 있다는 장점이 있어요. 그 외 팀들에서 발생하는 다양한 분석 과제들은 지라(Jira)를 통해 받고, 우선순위를 확인해서 하나씩 해결하고 있습니다.

 

팀에 파견되는 업무 방식을 구체적으로 들어볼 수 있을까요?

 

Cathie: 저는 아웃풋 팀과 함께 업무를 진행하고 있는데요. 실제 팀의 구성원이 된 것처럼 소통하고 있어요. PM과 소통하는 것이 가장 중요하기 때문에 주 단위로 미팅을 하며 주요 아젠다를 잡아나가고 있어요. 현업에서 ‘DA’의 영역이 어디까지인지, 무엇을 요청해야 되는지 잘 모르실 수도 있기 때문에 저희가 먼저 현업의 요구사항을 고민하고, 이를 잘 정리하여 전달해야 업무가 효율적으로 돌아가는 것 같아요. 그렇기 때문에 주도적이고 능동적인 업무 방식이 DA로서 중요한 부분이라고 생각합니다.

 

능동적이고 주도적인 업무 태도는 버즈빌의 핵심가치와도 맞닿아 있네요. DA팀에는 DA외에 DS 포지션도 있는데요, 직무적으로는 어떤 차이가 있나요?

 

Jane: DA와 DS 모두 데이터로 비즈니스 문제를 풀겠다는 목적이나 맥락은 같아요. 하지만, DS로 직무 전환을 한 이후에는 문제 해결의 영역에 차이가 생겼습니다. DA일 때는 인과나 원인에 대한 분석을 많이 했다면 지금은 최적화 문제를 풀고 있어요. 그 외에도 직접 문제 해결의 주체가 되어야 한다는 점에서 엔지니어링적 스킬이나 자주 쓰는 알고리즘이 바뀌었다는 점에서 차이가 있습니다. 도메인 측면에선 DA가 사업부와 더 맞닿아 있다고 볼 수 있어요.

 

 

DA팀이 버즈빌에서 자리를 잡은지 1년 정도 된 것 같은데요, 지금 DA팀의 상황과 앞으로 나아가고자 하는 방향에 대해 설명해주시겠어요?

 

Ed: DE와 DA가 한 팀에 함께 있었던 기간부터 살펴보자면 최근 2~3년 동안은 버즈빌에서 존재하는 데이터를 잘 보여주는 것에 집중했던 것 같아요. 2-3명 정도의 인원이 데이터 웨어하우스를 빌드업하고, 대시보드를 만들면서 최소한의 셀프 서브 환경을 만들려고 노력했습니다. 업력이 10년 정도 되다보니 비즈니스가 점점 복잡해지면서 중간중간 어려움도 있었지만 이를 잘 메꾸는 작업을 통해 어느정도 안정기에 접어들었다고 판단이 들었어요.

이 시점에서 전문성을 갖춘 데이터 분석가가 해야하는 일이 무엇인지 고민하였고, 분석가의 기술적 역량을 더 많이 키울 필요가 있겠다 판단했어요. 여러가지 고민들과 팀 내부적으로 논의를 하여 스페셜리스트로써 역량을 갖춘 분들을 영입하고, Jane께서 DS로 직무 변경을 하는 등의 변화가 있었습니다. DS 포지션에서는 최적화, 자동화된 알고리즘으로 직접 비즈니스의 임팩트를 만들기 위해 노력하고 있고, 다른 DA분들 역시 일반적인 데이터를 보여주는 것 보다는 우리가 원하는 목표에 도달하기 위한 인과관계를 보여주는 것에 초점을 맞추고 있어요. 다양한 문제해결 프레임들을 시도해보고 있습니다.

 

최근에 진행한 일들 중에 문제해결까지 이어졌던 구체적인 사례가 있을까요?

 

Ed: 대표적인 사례로는 북극성 지표가 있을 것 같아요. 40-50명 인원이 포함된 사업부에서 ‘우리가 같은 방향을 바라보며 사업을 하고 있을까?’ 라는 질문을 던졌죠. 그게 프로젝트의 시작이었어요. 처음에는 우리가 비즈니스적으로 결과를 만들고 파트너사도 만족할 수 있는 제품을 만들기 위해 궁극적으로 중요한 것이 무엇인지 ‘분석’하는 것으로 시작했어요. 이를 위해 제품과 비즈니스 로직 전반의 플로우에서 중요한 목표 지점들을 지표로 세팅하고, 그들 사이의 인과관계와 상관관계를 정리했어요. 결과적으로 북극성 지표와 매출 성과를 중심으로 선행/후행 지표를 빌드업 할 수 있었어요.

그런데 이 과제는 우리가 일하는 방법을 개선하는 과정도 포함되어 있었어요. 도출된 선행/후행 지표 프레임을 OKR과 연결하고 업무들의 우선순위를 비교하며 고민할 수 있게 만드는 것을 지속적으로 시도했어요. 제품 전반과 비즈니스 맥락 상 중요한 지표들의 의미를 리드 그룹 내에서 비슷한 수준으로 이해하는 상태가 되어야 했고, 각 팀의 액션이 거시적인 지표에 어떻게 영향을 끼치는지 같이 분석하고 컨설팅하는데 많은 시행착오가 있었던 것 같아요. 지금의 프레임을 안착 시키는데 약 1년 정도가 걸렸네요. (웃음)

 

Berry: 저는 최근에 리워드 최소 단위와 관련하여 유저 광고 참여도를 높이기 위한 ‘적정 리워드 모델’을 만든 사례에 대해 말씀드리고 싶어요. 버즈빌은 앱이 가진 특성을 기준으로 파트너사를 분류하고 그에 맞는 제품 전략을 세우고 있어요. 이 때, 각 앱의 특성별로 유저에게 어느정도의 리워드를 지급하는 것이 적정한 수준일지 알아보고 싶어 과제를 시작하게 되었습니다. 저는 보통 과제를 수행할 때, 관련된 이론이나 정리된 논문들을 먼저 살펴보고 현 상황에 어떻게 적용할지 찾아보는 스타일이에요. 여러 논문을 찾아보던 중 넷플릭스의 광고 도입 사례가 흥미로워서 더 찾아보게 되었어요. 최근 넷플릭스가 광고를 노출하고 월 요금제를 할인해주는 상품을 팔기 시작했는데요, 넷플릭스는 광고에 대해 유저가 가지고 있는 저항감을 금액으로 환산해서 이 수치를 모델링 하였습니다. 이 사례를 버즈빌에 맞게 조금 변형해서 앱 별 사용자 포인트 저항성을 모델링할 수 있게 되었고, 결론적으로 유저의 광고 참여를 높이기 위해 어느정도의 최소 리워드를 주는 것이 적정한지 알아낼 수 있는 모델을 만들었어요.

 

 

두 분의 사례를 들으니 DA팀이 각자의 자리에서 고군분투 한다는 느낌이 드네요. 그렇다면 현재 DA팀이 안고 있는 가장 중요한 문제는 무엇인가요?

 

Ed: 사실 전사 차원에서 가장 효율이 높아질 수 있다고 보는 문제는 셀프 BI 영역이에요. 실무자들의 데이터 접근성을 높여서 좋은 의사결정을 내릴 수 있도록 가이드 하는 것이 중요한데, DA팀에서 모든 케이스를 일일이 대응하는 것은 어렵다고 생각해요. 어느정도 안정화 되기도 했지만 반복적으로 데이터를 서빙하는 과정에서 낭비되는 시간은 계속 존재하고 있거든요. 이를 해소해서 확보된 시간을 DA 개개인의 기술적인 수준을 높이고 비즈니스와 제품을 심도있게 분석하는데 쓰고 싶어요. 데이터 접근성과 리터리시를 높일 수 있을 방안을 찾아서 내부적으로 Analytics Engineer 직무도 고려하고 있고, BI 시스템의 고도화에 대해서 계속 고민하고 있습니다.

 

Ian: 추가로 덧붙이자면 지속가능한 DW/DM 인프라 환경이 구축되는 것도 필요한 것 같아요. 사업이 10년차 정도 되어가면서 레거시가 쌓이기도하고, 새로운 제품들이 계속 런칭되고 있어요. 지금 버즈빌의 상황에서는 어떤 방식으로 DW/DM를 운영하는 것이 적절할까에 대해 고민하고 있습니다. 물론 동시에 전사적으로 구성원들이 데이터를 읽는 방법에 대해서 학습하도록 독려하고, 데이터를 중심으로 이야기하는 문화가 중심에 계속 서 있어야 하는 것 같아요.

 

Berry: 현재 조직 규모에서 개개인이 어떤 일을 하는지 다 파악하기는 힘든 것 같아요. 그 중에서 정말 문제가 되는 상황만 저희 팀에게 피드백이나 분석 요청이 옵니다. 하지만 잘 진행되고 있는 업무 중에서도 더 깊게 분석이 필요한 부분, 방향성 제시가 필요한 부분도 있는 것 같아요. 이런 부분들을 어떻게 하면 선행적으로 파악하여 분석할 지에 대한 고민들을 하고 있는 것 같아요.

 

Cathie: 기존에는 새로운 제품이 출시 되었을 때 그 효과를 제대로 측정하지 못하는 문제가 있었어요. 이를 해소하는 과정에서 *PRD 작성 단계부터 제품의 기대효과를 기준으로 소통하는 것이 중요하다고 느꼈고, 지금은 어느 정도 문화로 구축된 것 같아요. 앞으로는 직관에 의해 프로덕트가 설계되는 것을 넘어서, 로그를 잘 설계하고 관찰하면서 데이터를 바탕으로 유저들을 지금보다 더 섬세하게 들여다보는 것이 중요하다고 생각합니다. 그렇게 PM분들께 제품 방향성을 가이드 해드리며 더 많은 인사이트가 나올 수 있는 시점이라고 생각해요.

*PRD: Product Requirement Document,제품 요구사항 정의서

 

데이터 분석가로서 여러분들이 이루고 싶은 목표가 있다면요? 목표를 이루기 위해 어떤 노력들을 하고 계신지도 궁금합니다.

 

Berry: 광고 회사이기 때문에 확실히 데이터 양이 많은데요. 대용량 데이터도 무리없이 다룰 수 있는 전문가가 되어서 데이터를 활용하여 이런 저런 시도를 해보는 것이 목표입니다. 최근에는 *MCMC나 분산처리를 비롯한 관련 기술들을 계속해서 공부하고 있어요. *MCMC: Markov Chain Monte Carlo, 마르코프 연쇄 몬테카를로 방법

 

Cathie: 저는 버즈빌 내에서 보상을 통해서 사용자 행동을 획기적으로 변화시키고 최적화시키는 프로젝트를 수행해보는게 목표에요. 관련 영역에서 전문가가 되는 것이 지금의 목표라고 볼 수 있을 것 같아요. 사람의 행동을 강화시킬 수 있는 수단이나 장치들을 설계하는 것에 관심이 있어서 이런 것들을 데이터 속에서 찾아내서 시스템에 녹여내는 방향에 대해 고민하고 있습니다.

 

Ian: 저는 다른 분석가 분들이 분석을 잘 하도록 환경을 구축하는데 관심이 있어요. 엔지니어와 분석가 사이에서 grey한 영역들이 있는데 그런 것들을 채워주는 역할을 하고 싶어요. 조금 더 설명드리자면 berry가 말씀주신 것처럼 광고회사다 보니 데이터 양이 굉장히 많아요. 그래서 1차적으로 데이터들을 처리하는 과정이 필요한데, 이럴 때 제가 개입을 해서 데이터를 분석하기 쉬운 테이블 형태로 만들어 데이터에 쉽게 접근할 수 있는 환경을 구축하는 것이에요. 이를 위해선 비즈니스적인 맥락과 엔지니어링적인 스킬도 필요하기 때문에 이러한 중간 영역들을 잘 채워주는 역할을 하고 싶습니다.

 

Jane: 제 목표는 조직 내에서 최적화를 할 때, 제 이름을 가장 먼저 떠올릴 수 있도록 신뢰받는 것입니다. 이를 위해서 저 역시 관련 논문을 많이 찾아보고, 구현해보면서 체화의 단계까지 갈 수 있도록 공부하고 있어요. 요즘은 Probabilistic Machine Learning과 Bayesian Inference 관련 논문들을 공부하고 있습니다.

 

Ed: 팀 내에 팀원 수 만큼 다양한 목표들이 있는 것 같아요. 버즈빌 안에서 한 번쯤 개개인이 이루고 싶은 목표들을 경험하실 수 있도록 도와드리고, 그러한 노력이 버즈빌의 성과로 이어지도록 잘 연결하고 싶어요. 저는 그러기 위해서 회사가 잘되는 상태가 무엇인지 계속 고민하고 다른 팀들, 리더 그룹과 소통해보고 있어요. 계속해서 버즈빌 전체가 원하는 이상적인 상태로 글로벌 최적화될 수 있는 방법을 찾아나가고 있습니다.

 

요즘 데이터라는 키워드가 핫한 만큼 DA직무에 대한 관심도 상당히 높은 것 같습니다. 버즈빌 DA팀도 채용중이라고 들었는데요, DA팀이 함께 일하고 싶은 분은 어떤 분일까요?

 

Ed: 데이터와 관련된 일을 할 때 어떤 방식으로든 즐거움을 느끼는 분이면 좋을 것 같아요. 스스로 좋아할 수 있을 때 더 많이 공부하고, 고민하고, 실제로 행동으로 이어지는 것 같거든요. 일을 하다보면 지치거나 잘 안풀리는 상황들이 자주 찾아오는것 같아요. 그럼에도 그냥 이 일이 재밌어서 조금 더 힘내봐야지 하는 마음으로 그런 고비를 여러 번 넘겨나가다 보면 자연스레 큰 성장이 찾아오게 되는 것 같습니다. 제가 봐온 저희 팀원분들이 그런 분들이어서 그런지 비슷한 분들을 찾게 되는 것 같아요.

 

Jane: 저희가 300개가 넘는 지원서를 받았는데, 80% 정도의 지원서가 거의 비슷했던 것 같아요. 이력서에 경험을 단순히 나열하기 보다는 ‘실제로 무엇을 잘 하고, 무엇에 관심있고 몰입해보았는지’에 대해서 어필하는 것이 중요하다고 생각해요. 예를 들어, 흥미로운 프로젝트를 경험하셨거나, 문제 해결 플로우에서 깊게 고민한 흔적이 보인다면 더 눈여겨 보게 돼요. 같은 문제가 주어졌을 때 피상적인 접근 보다는 얼마나 고민해서 어떻게 솔루션을 도출하였고, 그게 왜 최선의 방안이 되었는지에 대한 시행착오가 보인다면 좋겠어요.

 

버즈빌 DA팀에 지원을 고민하시는 분들께 한마디 해주신다면요?

 

Jane: 팀원간의 유대감이 정말 만족스러운 요소예요. 팀의 심리적 안정감이 리텐션에 큰 영향을 미친다고 하잖아요. 그런 측면에서 버즈빌 DA팀의 끈끈함과 유대감은 정말 만족스럽습니다!

 

Cathie: 실제로 팀이 서로에 대한 신뢰도가 굉장히 높고 많은 소통을 하고 있어요. 업무에 대한 자유도가 높아서 해결하고 싶은 과제가 있다면 할 수 있고, 그런 환경을 만들어주기 위해서 모두가 노력하고 있습니다.

 

Ed: 혹시나 지원을 고민하고 계신다면 편하게 커피챗을 요청해주세요. 스타트업에서 데이터 분석가로 일하는 과정에서 겪을 수 있는 많은 어려움들을 나눠보고 같이 고민하는 것 만으로도 즐거운 시간이 되더라구요.

 

 

데이터에 진심인 DA팀의 모습이 정말 인상 깊었던 인터뷰였습니다. 각자 바쁘신 스케줄 할애하여 인터뷰 응해주셔서 감사드리며, 앞으로도 버즈빌의 비즈니스가 데이터를 기반으로 더욱 발전할 수 있기를 바라겠습니다. 버즈빌 DA팀의 비전과 미션에 공감하는 새로운 버즈빌리언들을 기다리고 있습니다. 자세한 내용은 하단의 채용공고를 확인해주세요.

 

[버즈빌 DA팀 채용공고 확인하기]

 

데이터 분석가 Product Data Analyst (신입 가능)

 

 

문의하기