| 이런 경험을 할 수 있어요
- 엔지니어링 기술로 데이터 품질을 통제하는 Data Quality Engineering의 선구적 커리어를 쌓을 수 있습니다.
- 본인이 검증한 데이터가 글로벌 서비스의 정산과 컴플라이언스의 기준이 되는 성취감을 느낄 수 있습니다.
- Snowflake, Confluent 등 글로벌 탑티어 기술 환경에서 대규모 데이터를 다루며 기술적 시야를 넓힐 수 있습니다.

| 우리는 이런 일을 해요
- 데이터 웨어하우스와 마트 내의 데이터가 비즈니스 요구사항에 맞게 정확히 적재되었는지 기술적으로 검증하고, 이를 지속 가능하게 관리합니다.
- 데이터 정합성 및 무결성 검증: DW/DM 내 데이터가 원천 데이터(Source) 및 비즈니스 로직과 일치하는지 SQL 및 스크립트를 통해 정교하게 검증합니다.
- 검증 시나리오 및 자동화 로직 개발: 수동 검증을 최소화하기 위해 Python, SQL 등을 활용한 데이터 품질 체크 스크립트 및 자동화 테스트 케이스를 개발합니다.
- 비즈니스 핵심 지표 Audit: 글로벌 정산, 통계, 컴플라이언스 리포트 등 수치 민감도가 높은 데이터의 산출 과정 검증 및 오류를 추적합니다.
- 다운스트림 리포트 검증: Tableau와 같은 시각화 도구에 노출되는 최종 데이터가 DW 내 수치와 일치하는지 엔드투엔드(E2E) 를 검증합니다.
- 데이터 품질 모니터링 및 리포팅: 데이터 이상 징후(Anomaly) 발생 시 즉각 탐지할 수 있는 대시보드를 구성하고, 품질 지표를 정기적으로 분석하여 공유합니다.


| 이런 도구 or 기술을 사용하고 있어요
- 언어/스크립트: SQL, Python, Java 등
- 프레임워크/플랫폼: Spark, Airflow, Glue, Salesforce
- 데이터베이스/DW: Snowflake, Big Query, RDBMS, Kafka, Confluent
- 모니터링/툴링: Observe, DataHub
- 클라우드/인프라: AWS 클라우드 기반 데이터 제품군