[CJ올리브영] Product Data Analyst - Commerce 공고 분석

이 자리가 왜 생겼을까요

1하게 될 업무

• 데이터를 바탕으로 비즈니스와 프로덕트의 핵심 문제를 정의하고 가설을 수립합니다.

  이렇게 볼 수 있어요

  이 업무는 분석 요청을 받아 처리하기보다 데이터에서 문제를 먼저 정의하는 데서 시작합니다. PM이 질문을 가져오기 전에 지표에서 문제를 찾아 과제로 제안한 경험이 있다면 그 과제가 어떤 개선으로 이어졌는지까지 꺼낼 수 있습니다.

• A/B 테스트로 가설을 검증하고 검증 결과를 실제 프로덕트 개선 과제로 연결하며, 과제 실행 후 지표 변화를 관찰하고 실행 결과를 분석해 성과와 개선 효과를 평가합니다.

  이렇게 볼 수 있어요

  실험을 설계하는 데서 끝나지 않고 결과를 개선 과제로 넘긴 뒤 실행 뒤의 지표까지 다시 봅니다. 실험 한 건을 가설, 설계, 결과, 반영된 개선, 그 뒤 지표 순서로 이어 말할 수 있으면 됩니다.

• 제품별 핵심 지표와 건전성 지표를 정의하고 일관된 분석 기준을 수립합니다(Product Analytics Framework 구축).

  이렇게 볼 수 있어요

  핵심 지표와 함께 건전성 지표를 정의하는 일까지 맡습니다. 전환율을 올리는 실험에서 취소율이나 반품 같은 지표를 함께 정해 판단 기준으로 삼아 본 경험이 이 프레임워크 업무에서 그대로 필요합니다.

• 효율적으로 활용할 수 있는 데이터 구조와 데이터 마트를 설계하고, 데이터 정합성과 표준을 관리해 누구나 신뢰하고 활용할 수 있는 분석 환경을 구축합니다.

  이렇게 볼 수 있어요

  분석가가 직접 데이터 마트를 설계하고 정합성 표준까지 관리합니다. 반복 분석에 쓰던 쿼리를 마트로 정리해 다른 분석가나 PM이 같은 숫자를 쓰게 만든 경험이 이 업무와 가깝습니다.

• 비즈니스와 프로덕트 현황을 빠르게 파악할 수 있는 대시보드를 설계·운영하고, 주요 지표를 상시 모니터링하며 이상 징후와 변화 요인을 신속하게 분석해 데이터 기반으로 빠르게 판단하고 실행하는 운영 체계를 고도화합니다.

  이렇게 볼 수 있어요

  대시보드를 만드는 일과 이상 징후를 분석하는 일을 같은 사람이 맡습니다. 주요 지표가 갑자기 움직였을 때 원인을 상품, 프로모션, 앱 배포 같은 요인으로 나눠 빠르게 찾아낸 경험이 있다면 원인을 좁힌 순서와 걸린 시간을 함께 말할 수 있습니다.

• 통계적 분석을 넘어 ML/DL, 생성형 AI 등 다양한 Data Science 방법론으로 복잡한 프로덕트 문제를 해결하고, 문제 특성에 따라 예측, 분류, 세그먼테이션, 추천, 자연어 분석 등 적합한 방법론을 골라 실제 서비스 데이터에 적용합니다.

  이렇게 볼 수 있어요

  통계 분석에 더해 데이터 사이언스 방법론까지 한 사람이 다룹니다. 분석 과제 안에서 예측이나 세그먼테이션 모델을 직접 만들어 서비스 데이터에 적용한 경험은 문제에 맞춰 그 방법을 고른 이유까지 함께 말하면 됩니다.

• 새로운 분석 방법론과 기술을 지속적으로 탐색·적용하며 Product Data Analyst로서 문제 해결 영역과 전문성을 확장합니다.

  이렇게 볼 수 있어요

  팀 소개는 커머스, Travel, 핀테크, 게임, 제조, AI 등 여러 도메인을 거친 5~16년차 데이터 분석가들이 함께한다고 적었습니다. 최근에 새로 익혀 실무에 적용한 분석 방법이나 기술이 있다면 익힌 계기와 적용한 과제를 꺼낼 수 있습니다.

• AI를 비롯한 새로운 기술로 데이터 활용 방식과 업무 체계를 고도화해 조직의 생산성을 높이고, 새로운 분석 방식과 도구를 적용해 비효율적인 업무를 줄여 더 중요한 문제 해결에 집중할 수 있도록 합니다.

  이렇게 볼 수 있어요

  이 업무는 개인의 분석 속도보다 팀이 일하는 방식을 바꾸는 쪽에 무게가 있습니다. 팀이 반복하던 데이터 추출이나 리포트 작성을 새 도구로 바꿔 동료들이 쓰게 만든 경험이 있다면 줄어든 시간과 쓰는 사람 수가 그 변화를 보여 줍니다.

2자격 요건

• 커머스 분야 서비스 데이터 분석 경력이 3년 이상 필요합니다(필수).

  이렇게 볼 수 있어요

  이 공고에서 커머스 데이터는 상품, 주문, 프로모션입니다. 커머스 서비스에서 분석을 맡은 기간에 이 데이터를 고객 행동 데이터와 함께 다룬 과제가 있다면 경력기술서에서 자세히 보여 줄 수 있습니다.

• SQL, Python 기반의 데이터 분석 역량과 통계적 사고를 바탕으로 실험 결과를 해석·활용해 본 경험이 필요합니다.

  이렇게 볼 수 있어요

  전형에 사전코딩테스트(SQL)가 따로 있어 회사는 서류 다음 단계에서 SQL을 바로 확인합니다. 실험 결과 해석은 업무의 A/B 테스트와 이어지므로 유의하지 않거나 예상과 반대로 나온 실험을 어떻게 해석해 다음 결정에 썼는지를 사례로 준비할 수 있습니다.

• Tableau, Amplitude, Mixpanel 등 PA/BI 툴로 분석·모니터링 환경을 구축하고 운영해 본 경험이 필요합니다.

  이렇게 볼 수 있어요

  업무에 대시보드 설계·운영과 상시 모니터링이 있어, 써 본 툴 이름만이 아니라 그 툴로 만든 대시보드를 누가 어떤 결정에 썼는지가 '구축·운영' 경험을 보여 줍니다.

• PM, 디자이너 등 유관 부서와 빠르게 협업하는 애자일 조직에서 일해 본 실무 경험이 필요합니다.

  이렇게 볼 수 있어요

  팀은 PM·디자이너·개발자와 협업하며 데이터로 문제를 정의하고 실행 과제를 냅니다. 스쿼드나 스프린트 단위로 PM과 같은 목표를 두고 분석을 맡은 경험에서는 그 목표와 분석으로 바뀐 결정이 함께 나와야 합니다.

• 데이터 기반으로 문제를 정의하고 분석 결과를 통해 실행 가능한 과제를 제안하는 역량이 필요합니다.

  이렇게 볼 수 있어요

  분석이 보고서로 끝나지 않고 PM이 실행하는 과제가 됐는지가 이 요건의 핵심입니다. 제안한 과제가 실제로 개발돼 지표가 바뀐 사례 하나를 처음 문제 정의부터 이어서 말할 수 있게 준비하는 편이 낫습니다.

3우대 사항

• 통계학, 컴퓨터공학, 산업공학 등 관련 전공을 우대합니다.

  이렇게 볼 수 있어요

  전공이 다르다면 업무에 적힌 A/B 테스트 설계나 ML 모델 적용을 실무에서 다룬 과제로 같은 지식을 보여 줄 수 있습니다.

• 500만 MAU 이상의 커머스 서비스 데이터 분석 경험을 우대합니다.

  이렇게 볼 수 있어요

  팀 소개에 적힌 국내 MAU는 1,000만입니다. 이 공고에서 다룰 데이터가 그 규모이므로 분석했던 서비스의 MAU와 하루 주문 규모를 함께 밝힙니다.

• 초기 기획부터 로그 설계, 출시, 데이터 분석을 통한 개선까지 이어지는 Full-cycle 경험을 우대합니다.

  이렇게 볼 수 있어요

  기능 출시 전에 이벤트 로그를 정의하고 출시 뒤 그 로그로 개선 과제를 낸 경험이 있다면 그 로그 설계를 업무의 Product Analytics Framework 구축 경험으로도 설명할 수 있습니다.

• AI를 활용한 업무 프로세스와 생산성 개선 경험을 우대합니다.

  이렇게 볼 수 있어요

  쿼리 작성, 리포트 요약, 이상 징후 해석처럼 분석의 어느 단계에 AI를 썼고 사람이 무엇을 검증했는지를 나눠 적으면 AI로 데이터 활용 방식과 업무 체계를 고도화하는 일과도 연결해 말할 수 있습니다.

4기타 사항

• 게시일 : 2026년 4월 10일
• 고용형태 : 정규직(수습 3개월)
• 근무지 : 대한민국 서울특별시 용산구 한강대로 372
• 경력 조건 : 경력 3년 이상
• 학력 조건 : 해당 내용은 원본 공고에서 확인되지 않습니다.

쓰는 기술

공고 본문에 적힌 기술만 모은 목록입니다.

• SQL
• Python
• Tableau
• Amplitude
• Mixpanel

전형과 지원

분석한 공고 대부분이 같은 일곱 단계를 적었습니다. 공간디자인 공고, VMD 담당자 공고, 글로벌 VMD담당자 공고, 패키지 디자이너 공고, 콘텐츠 디자이너 공고, 콘텐츠 마케팅 담당자(시니어) 공고, FESTA·KCON 전략/실행 담당자(주니어) 공고, 브랜드 디자이너(메이크업) 공고는 과제전형을 더했고, Product Designer (B2B/광고플랫폼) 공고는 직무에 따라 과제전형이 추가될 수 있다고 적었습니다. Forward Deployed AI Engineer, QA Engineer (Domestic), QA Engineer (Global), 커머스플랫폼유닛 Android 개발채용, 커머스플랫폼유닛 Back-end 개발채용, 커머스플랫폼유닛 iOS 개발채용, 검색 플랫폼 개발자, Windows Application Engineer (POS 시스템), Data Engineer, Data Analytics Engineer, QA Ops Engineer (Test Automation), Data Scientist (AI 추천) 공고는 면접에 라이브코딩테스트나 Whiteboard Test를 포함했습니다. 뷰티 카테고리 MD, MD (취미-음반), MD (건강식품), Data Scientist (광고 플랫폼 사업), 뉴포맷 스토어기획 담당자, 프로모션 마케터 공고에는 단계가 적혀 있지 않으므로 지원할 공고의 전형 안내를 따로 확인해야 합니다.

지원 전 준비할 것

1. 1

   SQL 사전코딩테스트 대비

   서류 다음 단계가 사전코딩테스트(SQL)입니다. 주문·상품·프로모션 테이블을 가정하고 코호트별 재구매율이나 프로모션 전후 전환율을 구하는 쿼리를 시간을 재며 써 보세요.

2. 2

   A/B 테스트 한 건을 처음부터 끝까지

   가설 수립, 실험 설계, 결과 해석, 개선 과제 반영, 그 뒤 지표 변화가 업무 1번에 이어서 적혀 있습니다. 직접 설계한 실험 하나를 이 순서로 정리하고 건전성 지표를 무엇으로 정했는지까지 준비합니다.

3. 3

   올리브영 앱에서 지표 가설 세우기

   프로덕트센터가 국내 MAU 1,000만 규모의 커머스 앱을 다룹니다. 앱의 검색, 상품 상세, 장바구니 흐름을 직접 써 보고 개선하고 싶은 지점 하나에 대해 핵심 지표와 실험 설계를 세워 두면 면접에서 문제 정의 방식을 보여 줄 수 있습니다.