엔라이즈 데이터 분석가의 A 부터 Z 까지
데이터 분석가의 이상치 탐지부터 실험 설계·사후분석, 추천 로직 설계까지의 업무를 소개했습니다.\n사전 데이터와 KPI를 기반으로 제품 의사결정과 후속 실험을 지원하는 방식을 설명합니다.

데이터 분석가의 이상치 탐지부터 실험 설계·사후분석, 추천 로직 설계까지의 업무를 소개했습니다.\n사전 데이터와 KPI를 기반으로 제품 의사결정과 후속 실험을 지원하는 방식을 설명합니다.
엔라이즈 제품팀의 사전분석부터 A/B 테스트, 결과 적용까지의 실험 흐름을 소개했습니다. 시각화·추세·Bayesian 분석을 단계적으로 활용해 후속 실험 인사이트를 도출합니다.
데이터 분석가가 실험 설계부터 제품 반영과 성과 검증까지 참여하는 운영 방식을 소개했습니다. 통계 검증, BI 모니터링, ML 과제를 통해 데이터 기반 제품 개선 사례를 제시했습니다.
데이터 분석가의 시장 가치를 높이는 지표 설계, 인사이트 제안, 커뮤니케이션 역량을 정리했습니다. 분석을 실험에 반영하고 데이터 기반 의사결정을 지원하는 조직 선택의 중요성을 설명합니다.
콰트 프로젝트에서 스케치·제플린·드롭박스 프로세스를 Figma로 통합한 경험을 공유했습니다.\n실시간 협업과 개발 리소스 전달은 개선됐지만 이관·폰트·네트워크 문제를 고려해야 합니다.
제품 팀은 전원 원격근무 전환과 적극적 소통으로 업무 수행 역량을 유지했습니다. 데이터 파이프라인을 개선하고 위피 해외 실험과 콰트 앱·웹 출시를 진행했습니다.
PostgreSQL MVCC에서 발생하는 dead tuple과 Autovacuum의 동작 기준을 설명했습니다. 테이블별 임계값·비용 설정과 모니터링으로 Data Bloat를 줄이는 방법을 제시합니다.
빠르고 안정적인 배포를 위한 수평적·주도적·협력적 소통 문화를 소개했습니다. 자율 협업과 공동 소유권으로 팀 의존성을 낮추고 변화에 대응합니다.
플래닝 포커와 배포 후 회고를 결합해 개발 일정 추정의 정확도를 높인 방식을 소개했습니다. 추정 단위 합의와 앵커링 방지, 지속적 피드백의 중요성을 설명합니다.
긴 회귀 테스트의 생산성 저하를 해결하기 위해 핵심 기능 중심의 Smoke Testing을 도입했습니다.\n10~20분 내 테스트로 배포 부담을 낮추고 기민한 대응과 안정성을 함께 추구했습니다.
RabbitMQ로 서버와 클라이언트 간 양방향 통신을 구현했습니다. WIPPY와 MOCI의 통신 이슈에 적용해 다양한 용도로 활용했습니다.
2019년 제품 팀은 데이터 기반 설계와 운영 자동화를 추진하며 서비스 성장을 뒷받침했습니다. 트래픽 안정화와 잦은 릴리즈 성과가 있었지만 MOCI 개선과 개발 인력 확충은 과제로 남았습니다.
모씨 디자인팀은 포토샵 중심 UI 작업을 스케치 기반 프로세스로 5일간 전환했습니다.\nSVG와 제플린을 활용해 가이드 효율과 개발 이해도를 높였지만 소수점 처리 등 과제도 확인했습니다.
EBS IOPS 소진으로 발생한 PostgreSQL 서비스 지연의 원인과 대안을 분석했습니다. gp2 증설과 복제 기반 마이그레이션 뒤 ANALYZE로 쿼리 성능을 복구했습니다.
Skia를 Python에 바인딩한 SIPSkia로 ImageMagick 기반 카드 변환을 교체했습니다. 평균 4배 성능과 이미지 변환 서버 CPU 사용률 30~40% 감소를 확인했습니다.
AWS와 다중 데이터베이스를 조합한 모씨 서비스의 운영 구성을 소개했습니다. 캐시·검색·비동기 처리와 성능 제약 대응 사례를 정리했습니다.
익명 표현 공간으로서 모씨 프로젝트의 기획 배경과 알파 테스트 경험을 소개했습니다. 폰트와 위치 정보처럼 신원 추정으로 이어질 수 있는 요소를 점검했습니다.