
광고 성과 데이터 StarRocks 도입기
MySQL 기반 광고 성과 집계의 확장성과 안정성 문제를 해결하기 위해 StarRocks를 도입했습니다.\n외부 원천, MV 설계, 아키텍처 전환으로 부하 분리와 복구 편의성을 확보했습니다.

MySQL 기반 광고 성과 집계의 확장성과 안정성 문제를 해결하기 위해 StarRocks를 도입했습니다.\n외부 원천, MV 설계, 아키텍처 전환으로 부하 분리와 복구 편의성을 확보했습니다.
200개 이상 DB를 BigQuery로 옮기던 ELT 운영 문제를 DT Platform으로 분리·표준화했습니다. UI와 DSL, 자동 마이그레이션으로 리드타임과 리뷰 병목을 줄였습니다.
슬랙 기반 데이터 에이전트로 반복 분석 요청을 자동 처리하는 구조를 소개했습니다.정확도와 안전성을 위해 지식 체계, 서브 에이전트, 평가 루프를 함께 설계했습니다.
데이터가치화팀이 지난 1년간 AI를 업무와 플랫폼에 통합한 변화를 정리했습니다. 반복 작업은 빨라졌지만, 검증과 데이터 기반의 중요성은 더 커졌습니다.
마이리얼트립 T&A실은 위키, KPI, FP&A, Slack을 AI로 묶어 매일 자동 브리핑하는 Control Tower를 만들었습니다. 리더는 반복 수집과 분류를 맡기고 판단과 액션에만 집중하는 구조로 바뀌었습니다.
모바일 앱 릴리스 전에 로그 품질을 자동으로 검증하는 구조를 설계하고 운영한 사례를 공유했습니다. 수동 검수의 한계를 줄이고, 실제 배포 전 로그 이슈를 조기에 발견한 과정을 설명했습니다.

입사 초기 세일즈 MD가 AI로 외부 영업의 비효율을 개선한 사례를 소개했습니다. 반복 업무는 AI에 맡기고, 브랜드 판단과 관계 형성은 사람이 맡는 방식이 핵심이었습니다.


Astronomer Agents는 Airflow API와 로그를 활용해 Dag 개발, 테스트, 디버깅을 돕는 AI 도구입니다. 또한 마이그레이션과 데이터 분석까지 지원해 운영 효율을 높였습니다.
당근에서 택소노미와 LLM 분류 파이프라인을 어떻게 운영했는지 정리한 글입니다. 정확도와 비용의 균형, 평가 체계, 확장 전략을 함께 다뤘습니다.

여기어때 현장실습생 4명의 직무 경험과 프로젝트를 소개했습니다. 각 직무에서 필요한 역량과 실무 성장을 함께 정리했습니다.


Astronomer Agents로 Airflow 작업의 작성, 테스트, 디버깅 방식이 달라질 수 있음을 소개했습니다. 또한 마이그레이션과 데이터 웨어하우스 분석까지 지원하는 핵심 기능을 설명했습니다.

Google Apps Script를 비개발자도 바로 시작할 수 있는 업무 자동화 도구로 소개했습니다. 라포랩스 AX 팀의 실제 활용 사례를 통해 AI 시대의 실행 장벽을 낮추는 역할을 설명했습니다.