실시간 배달 상황이 궁금해! 배달 인프라 레벨 구축 경험담
여러 모니터링 지표를 하나의 레벨로 통합해 배달 인프라 상황을 객관적으로 판단하는 체계를 구축했습니다.\n실시간 대시보드와 알람, 운영 자동화로 모니터링 효율과 대응 속도를 크게 높였습니다.
#모니터링#대시보드
3800
국내 IT 기업 기술 블로그 최신 글
새로운 기술 블로그가 추가되었어요
필터 1
선물 받는 모든 순간을 세심하게 케어할게요
선물 받는 사람의 수락·거절 경험을 단계별로 점검하고 필요한 정보를 선제적으로 노출했습니다. 수락 기한 연장, 메시지 포맷 개선, 주소 확인과 거절 사유 전달로 편의성과 감성 경험을 높였습니다.
#UI/UX#데이터 분석
2200
2024 BOOSTERS TECH 팀 빌딩과정
브랜드 이커머스 환경에서 Tech 조직이 왜 필요했는지와 팀 빌딩 과정을 정리했습니다. 초기 주니어 중심 구성과 교육 장치, 이후 백엔드 충원까지의 흐름을 공유했습니다.
#백엔드 개발#프론트엔드 개발
2000
Data Product (1) 쏘카 고객은 무슨 목적으로 쏘카를 이용할까?
쏘카는 차량 정차지와 POI를 결합한 데이터 제품 SOPIA로 고객의 이용 목적을 분석했습니다. 정차지 생성, 지역·POI 보강, 템플릿 쿼리 제공까지 포함한 데이터 제품화 과정을 소개했습니다.
#데이터 제품#데이터 분석
1800
사진으로 둘러보는 AWS re:Invent 2023 후기
AWS re:Invent 2023에 처음 참석해 행사 흐름과 현장 체험을 사진 중심으로 정리했습니다. 라스베가스 이동, 배지 수령, 엑스포, 세션, re:Play와 체력 관리 포인트를 소개했습니다.
#AWS#re:Invent
2400
사내 데이터 플랫폼 개발, 처음이라면?
사내 데이터 분석 플랫폼 QIP를 처음부터 개발한 협업 프로세스를 PM 관점에서 정리했습니다. 요구사항 수렴부터 프로토타입, QA, 교육, 운영 정립까지의 흐름과 시행착오를 소개했습니다.
#데이터 분석#프로젝트 관리
3300
쿠팡 파트너스
개발자를 위한 서적을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발서적#프로그래밍
AI 모델 성능 및 데이터 검증 노하우 공개 2편- 데이터 표준화 및 품질 검증
AI 모델 검증 사업에서 데이터 표준화와 품질 기준 수립, 자동 검증 과정을 정리했습니다. 유사도·구문·의미 정확성 등을 기준으로 리포트까지 발행한 사례를 공유했습니다.
#Python#데이터 분석
1500
후기 개선 프로젝트가 끝이 아닌 시작인 이유
컬리 후기의 깊은 탐색 구조와 레거시 문제를 단계적 로드맵으로 개선했습니다.\nUX·개발 가능성·측정성을 기준으로 우선순위를 정하고 협업 방식을 공유했습니다.
#UI/UX#레거시
000
후기 개선 프로젝트가 끝이 아닌 시작인 이유
컬리 후기 서비스의 탐색 UX와 레거시 문제를 개선한 Phase 1 사례를 소개했습니다.\n초기 정리, 협업 커뮤니케이션, 단계적 로드맵 수립이 핵심이었습니다.
#UI/UX#성능
3000
DnA 시니어 채용 프로세스
DnA 시니어 채용 프로세스
DnA 팀의 시니어 채용 프로세스와 Job Talk 도입 배경을 소개했습니다. 일반 면접의 한계를 보완하고 후보자의 깊이와 성장성을 함께 평가했습니다.
#채용#면접
2800
레고와 함께한 DnA팀 Workshop (aka Playshop)
레고를 플랫폼의 비유로 삼아 데이터·분석 플랫폼의 핵심 요건을 정리했습니다. 고품질 데이터, 재사용 가능한 방법론, 풍부한 가이드와 확장 생태계의 중요성을 강조했습니다.
#데이터 분석#A/B 테스트
2900
삼쩜삼이 지난 2년간 걸어온 발자취
삼쩜삼은 간편인증과 서비스 플로우 개선으로 세금 환급 절차의 가입 이탈을 줄였습니다. 광고와 커뮤니티 확산을 통해 중장년층 고객과 방문자 유입을 확대했습니다.
#종합소득세#세금환급
1300
컬리에서 데이터 분석가로 일한다는 것
요구사항 구체화부터 분석계 구축, QA, 배치 시점 관리까지 데이터 분석 과정을 소개했습니다.\n재고 시뮬레이션으로 운영 비율을 검증해 발주와 재고 운영에 활용했습니다.
#SQL#데이터 분석
000
컬리에서 데이터 분석가로 일한다는 것
데이터 요청을 구체화하고 운영계와 분리된 분석용 테이블을 구축하는 과정을 소개했습니다.\n데이터 QA와 적재 시점 검증, 시뮬레이션으로 데이터 활용 가치를 높였습니다.
#데이터 분석#SQL
7400