· [채용분석]
2026년 하반기 국내 데이터분석 직군 채용 트렌드
카카오·배민·네이버·토스 등 국내 테크 기업의 데이터 직군 활성 공고 100+건을 AI가 분석해줬다.
· [커리어]
AI 시대, 데이터 분석 조직에서 가장 leverage가 높은 포지션
AI에게 일을 위임하려면 실무 감각과 매니징 능력이 동시에 필요하다. 실무형 매니저의 중요성에 대해.
· [메트릭]
조직의 언어로서의 메트릭
메트릭은 단순한 측정 도구가 아니라 조직 전체가 공유하는 언어다. 메트릭 설계가 주는 임팩트에 대하여.
· [AI]
AI 도구의 발전과 Critical Thinking의 중요성
AI 도구가 발전할수록 비즈니스 맥락을 꿰뚫는 Critical Thinking이 더욱 중요해진다.
· [커리어]
D2 채널 커리어 여정 인터뷰
여러 기업을 거쳐 우버로 이어진 이직 과정과 인터뷰 준비 과정에서의 고민을 공유한다.
· [해외취업]
해외 데이터 분석가로 일하며 느낀 점
직급보다 논리를 중시하는 문화, 올바른 실험 설계의 중요성, 그리고 환경의 변화가 주는 시야 확장에 대하여.
· [소통]
데이터 분석가를 위한 매니저와 소통하는 3가지 팁
매니저는 점쟁이가 아니다. 로그를 남기듯 공유하고, 블로커를 즉시 알리며, 장기적 커리어 로드맵을 함께 설계하는 방법을 공유한다.
· [AB테스트]
A/B 테스트 설계의 핵심: 지표의 위계(Hierarchy)
A/B 테스트에서 지표가 올랐다고 성공이 아니다. Primary, Guardrail, Secondary 지표를 명확히 정의하는 방법.
· [리더십]
실무를 꿰뚫는 리더가 팀을 더 잘하게 만든다
리더가 실무를 깊이 이해해야 하는 이유는 직접 하기 위해서가 아니라, 팀이 몰입할 수 있는 판을 깔아주기 위해서다.
· [데이터분석]
엔지니어링에 Overengineering이 있다면, 분석에는 Overanalysis가 있다
복잡한 모델이나 고급 통계 기법보다, 가장 단순한 방법으로 baseline을 세우고 문제 해결에 집중하는 것이 중요하다.
· [면접]
화려한 Job Title보다 내가 하는일이 더 중요한 이유
데이터 사이언티스트, AI 엔지니어 등 타이틀 뒤에 숨겨진 실제 업무와 조직의 데이터 성숙도를 파악하는 면접 질문들.
· [멘토링]
도움을 돌려드리는 기부 멘토링 참여
멘티가 유니세프에 기부하고, 그 영수증으로 데이터 분야 멘토링을 진행하는 프로그램 참여 안내.
· [데이터분석]
좋은 분석의 출발점은 도구가 아니라 질문이다
데이터 분석에서 가장 중요한 것은 어떤 툴이나 기법을 썼는지가 아니라 우리가 어떤 질문을 던졌는가이다.
· [지표]
나무가 아닌 숲을 보는 방법: Second-Order Thinking
지표 개선에만 매몰되지 않고 변화가 프로덕트에 미칠 장기적, 전반적 영향을 선제적으로 고민하는 분석가의 사고법.
· [온보딩]
데이터 분석가의 온보딩 가이드: 1주차
입사 첫 주, 당장의 성과보다 프로덕트를 이해하고 동료들과 대화하며 신뢰를 쌓는 것의 중요성에 대하여.
· [AB테스트]
A/B 테스트는 통계보다 설계가 훨씬 더 중요하다
단순히 p-value를 보는 것을 넘어, 어떤 행동 변화를 만들고 어떤 지표로 확인할지 미리 그리는 테스트 설계의 본질.
· [소통]
회의에서 침묵을 깨고 의견을 내는 용기
완벽한 정답보다 내 의견을 꺼냄으로써 사고가 선명해지고 피드백을 통해 성장할 수 있다는 이야기.
· [원인분석]
원인을 집요하게 탐색하는 Root Cause Analysis
데이터 분석에는 정답은 없지만 오답은 있다. 한 가지 결론으로 단정 짓지 않고 다양한 가설을 검증하는 과정에 대하여.