Data Scientist

Data Scientist

Data Division 소속 | 정규직

• 엔라이즈는 2026년 기준 전사 흑자 경영 상태를 유지하며, 혁신을 멈추지 않는 지속 가능한 성장을 구성원과 함께 만들고 있습니다. 이제 우리는 안정적인 성공을 기반으로, 제품의 수준과 가치를 높이며 다음 단계(IPO)에 함께 도전할 동료를 애타게 찾고 있습니다.

WIPPY가 해결하려는 문제 | https://www.wippy.io/

“좋은 인연을 맺고 싶은데, 어디서 사람을 만나야 할지 모르겠어요.”

“온라인으로 믿을만한 사람을 만나기에는 조금 무서워요.”

우리 사회의 사람과 사이의 단절, 관계 부재 문제는 이미 오래 되었음에도, 이에 진심으로 공감하고 해결하려는 제품이 지금까지 없었습니다. 이런 문제에 WIPPY 팀은 과감하게 뛰어듭니다. 우리는 사람들이 좋은 관계를 맺고 싶어하는 니즈를 WIPPY를 통해 건강하게 해결할 수 있길 바랍니다. 이를 위해, WIPPY는 건강한 소통을 설계하고, 신뢰 기반의 안전한 만남을 이어갈 수 있는 플랫폼을 만들어왔습니다. 실제로 우리는 지난 7년 간, 인간관계에서 오는 행복을 고객 스스로 느끼게 도우며 고객의 삶과 우리 세상을 변화시키고 있습니다.

QUAT가 해결하려는 문제 | https://quat.life/

"운동을 해야 한다는 건 아는데, 어떻게 시작해야 할지 모르겠어요."

"건강을 챙기고 싶은데, 하루하루의 의지가 부족해요"

QUAT는 위와 같이 '건강의 기본'을 찾는 질문에 함께합니다. 무리한 식단을 따라하고, 효과적인 보조제를 섭취하는 것보다 훨씬 중요한 것은 '건강한 습관을 형성하는 것'입니다. 그래서 QUAT 팀은 고객이 건강을 포기하게 만드는 모든 순간들에 함께합니다. 지치고 포기하고 싶을 때 다시 나아갈 수 있게 만드는 꾸준함, 나도 할 수 있다는 자신감을 제공하는 과정을 통해 우리는 고객의 인생을 '건강한 진짜 나'로 바꾸는 습관을 형성합니다. 고객의 몸과 마음을 건강하게 변화시키는 것, 한 사람 한 사람의 습관을 만들고 성장시키는 것, 이것이 콰트의 존재 이유입니다.

엔라이즈의 Data Scientist는 이런 문제를 해결합니다

양쪽 모두를 만족시켜야 하는, 흔치 않은 예측 문제를 풉니다.

대부분의 추천은 한쪽의 취향만 맞히면 됩니다. 하지만 위피의 연결은 양쪽이 서로를 향해야 비로소 완성됩니다. 이 양면(reciprocal) 데이터는 일반적인 커머스나 콘텐츠 서비스에서는 만나기 어려운, 데이터 사이언티스트에게 가장 흥미로운 문제 중 하나입니다. 엔라이즈의 데이터 사이언티스트는 '무엇이 일어났는가'를 넘어 '왜 일어났고, 앞으로 어떻게 움직일 것인가'를 통계와 모델로 증명하며, 위피를 통해 새로운 관계가 만들어지는 순간부터 콰트와 함께 건강한 습관이 자리잡는 과정까지 유저 경험의 모든 접점을 데이터로 풀어냅니다.

데이터 사이언티스트가 만든 모델이, 곧바로 유저의 연결과 매출을 움직입니다.

위피는 2019년부터 국내 소셜 데이팅 매출 1위를 지켜온, 방대한 매칭 데이터가 쌓인 서비스입니다. 데이터 사이언티스트가 만든 모델은 분석 리포트에 머무르지 않고 제품에 직접 반영됩니다. 누가 이탈할지, 어떤 두 사람이 서로에게 반응할지를 예측하는 모델이 매칭과 리텐션에 곧바로 작동하고, 그 효과를 A/B 테스트와 인과추론으로 검증해 다시 모델을 개선합니다. 모델이 좋아질수록 더 많은 유저가 더 좋은 연결을 통해 사람을 만나고, 그것이 곧 매출로 이어집니다.

엔라이즈의 Data Scientist가 담당할 업무에요

• 개인화 추천, 이탈, 전환 등의 예측 모델 개발, 피처 설계 및 학습, 오프라인/온라인 성능 검증까지의 모든 과정을 다룹니다.
• WIPPY의 핵심 지표(리텐션, 매칭 전환, LTV 등)를 정의하고, 코호트/생존 분석으로 사용자 행동과 제품 경험을 깊이 있게 해석합니다.
• 유저 행동 데이터 기반으로 가설을 수립하고 EDA를 통해 의사결정에 필요한 인사이트를 도출합니다.
• 가설을 세워 A/B 테스트와 인과추론으로 검증하고, 원인을 파악해 결과를 빠르게 의사결정으로 연결합니다.
• 모델, 분석 결과를 프로덕트 및 사업 의사결정으로 연결하고, 임팩트를 추적합니다.
• 분석과 모델이 일회성으로 끝나지 않도록, 지표 표준과 데이터 구조를 설계하고 반복 가능한 자산으로 만듭니다.

함께 일하는 방식과 환경이에요

• 스택: Python, SQL, Spark/PySpark(EMR on EKS), Athena, Airflow, AWS
• 모델, 분석에 집중하실 수 있도록, 파이프라인, 서빙, 인프라는 플랫폼/데이터 엔지니어링과 협업합니다.
• 점진적으로 추천 모델링과 제품 분석을 모두 다루며 성장할 수 있는 환경입니다.

엔라이즈는 이런 분을 찾고 있어요

• 3년 이상의 데이터 사이언스 또는 ML 엔지니어링 실무 경험을 보유하신 분
• 가설 검증, 실험 설계 등의 통계 기초와, 분류 및 예측 등 ML 모델링 기초를 모두 이해하시는 분
• 모바일 서비스 데이터(Retention, LTV, Cohort Analysis, Funnel 등)를 기반으로 스스로 문제를 정의하고 개선책을 제시할 수 있는 분
• Python과 SQL로 대용량 데이터를 자유롭게 추출, 정제, 가공하실 수 있는 분
• 지표 성장을 위해 가설을 설정하고 A/B 테스트를 직접 설계 및 진행하여 유의미한 결과를 도출해보신 분
• 자신의 전문 영역에 안주하지 않고, 모델링과 분석 역량을 주도적으로 확장하려는 의지와 학습력을 갖추신 분
• 분석과 모델 결과를 비개발 직군도 명확히 이해할 수 있도록 전달하실 수 있는 분

이런 분이라면 더 환영해요

• ML 모델 개발과 데이터 분석을 모두 경험해 보신 분
• 추천 시스템 또는 랭킹, 매칭 모델을 개발해보신 경험
• A/B 테스트, 인과추론을 실제 의사결정에 적용해보신 경험
• Spark/PySpark, Airflow 기반 파이프라인을 분석에 활용해보신 경험
• 데이팅, 커머스 등의 양면 시장 혹은 유저 생애주기가 짧은 서비스를 분석해보신 경험

엔라이즈 합류 과정

서류 전형 (Preview)

• 자유 양식의 이력서(필수), 포트폴리오(필수), 경력기술서(선택)를 제출해주세요. / PDF 형식을 권장합니다.
• 엔라이즈의 인재 선발 기준은 학력과 자격증 같은 스펙이 아닙니다. 스스로 고민한 과정에서 발견한 문제를 해결하기 위해 어떤 노력을 했는지, 배운 점은 무엇인지 상세히 작성해주시면 좋습니다.

1차 미팅 (Insight-Sharing)

• 제출해주신 이력서를 톺아보며 엔라이즈 실무진들과 인사이트를 공유합니다.
• 엔라이즈를 소개드리고 싶은 마음에 오프라인 만남을 제안드립니다.

2차 미팅 (Culture-fit)

• 엔라이즈가 소중히 여기는 핵심가치와, 지원자분의 철학을 서로 소개하며 핏을 맞춰보는 자리입니다.
• 엔라이즈의 질문에 정답은 없습니다. 지원자분의 경험을 기반으로, 우리가 나아갈 여정을 함께 고민하는 자리라고 생각해주세요.

📪 참고해주세요

• 문의사항 : job@nrise.net | 채용팀이 확인 후 최대한 빠른 시일 내에 답변드리겠습니다.
• 서류 전형을 제외한 모든 과정에서 귀한 시간을 내어주신 지원자분께 소정의 선물🎁을 제공드리고 있습니다.
• 엔라이즈는 지원자님의 시간을 가장 소중하게 여깁니다. 일정 조정이 필요하다면 자유롭게 요청주세요.
• 입사 후 3개월 간, 온보딩 프로세스(수습기간)가 있습니다.
• 입사지원 서류에서 허위기재 사실이 발견될 경우, 입사가 취소될 수 있습니다.
• 재지원 가능 시기는 6개월입니다.