멘토링 : JD 분석

도토리·2024년 12월 11일
jd스프린트 멘토링직무 기술서코드잇스프린트

1. JD 분석

JD란 Job Description의 약자이고, 직무 기술서를 의미한다. JD는 직무에서 요구하는 주요 업무, 필요 역량, 그리고 회사가 원하는 인재상을 한 눈에 보여주는 중요한 자료로 쓰인다. 취업을 하기 위해 JD를 잘 분석하면 자신이 어떤 준비를 해야 하는지, 어떤 점이 부족한지, 회사가 필요로 하는 인재상과 본인을 비교하며 어떤 역량을 어필할 수 있을지 생각해볼 수 있다.

1.1. JD 분석의 필요성

  • JD 분석을 해야 하는 이유 중 가장 중요한 이유는 내가 지원하려는 회사와 직무가 어떤 사람을 찾고 있는지 파악할 수 있기 때문이다. 또한 같은 직무여도 회사마다 요구하는 사항이 다르기 때문에 같은 직무여도 여러 회사를 분석 하는 것도 도움이 된다.

1.2. 분석 과정

1.2.1. 요구 역량 파악하기

  • JD를 꼼꼼히 읽으면서 그 회사가, 그 직무가 요구하는 역량을 분석한다. 그 중에서 특히 눈에 띄는 기술, 경험, 자격증 등을 살펴보고, 내가 가진 역량이 유효한지, 어느 부분이 부족한지를 체크한다.

1.2.2. 반복되는 키워드 찾기

  • 위에서 말했듯이 같은 직무여도 여러 회사를 분석할 필요가 있기 때문에 여러 회사의 JD를 분석하면서 반복적으로 나오는 키워드를 확인한다. “커뮤니케이션 능력”, “문제해결 능력”, “팀워크” 등이 자주 등장할텐데 이처럼 자주 나오는 키워드들은 직무에 있어서 가장 중요한 역량일 확률이 높다. 그렇기 때문에 3~4개의 키워드를 추려내고, 추후에 면접을 볼 때 직무랑 연관시켜서 중요도를 어필하면 좋을 것이다.

1.2.3. 인재상 정리하기

  • JD를 분석하면서 해당 회사나 직무에서 어떤 인재상을 원하는지 한 문장으로 정리를 하면 좋다. 예를 들면, “이 회사는 문제 해결 능력이 뛰어나야하며, 다른 부서와의 협업을 해야하기에 커뮤니케이션 능력이 강한 사람을 원한다.”처럼 요약을 하고 본인의 자기소개서나 이력서에 어필을 할 수 있는 기회를 잡으면 좋다.

1.3. 분석과정 요약

  • 지금까지 설명한 내용을 토대로 JD 분석을 시작한다면 그 순서는 이렇게 추천한다. 1. 본인이 눈여겨본, 원하는 기업들을 선정하고, 2. 그 기업들의 JD를 수집하고, 3. 추출한 JD에서 위에 설명한 3가지 내용을 정리·요약한다.

2. 프로덕트 데이터 분석가란?

프로덕트 데이터 분석가는 제품의 성과를 측정할 핵심 지표를 설계하고, 사용자 행동 데이터를 과학적으로 분석한다. 이를 통해 사용자 경험을 개선하고 비즈니스 성과를 높이는 전략적 의사결정을 지원하는 전문가이다.
프로덕트 데이터 분석은 제품과 관련된 데이터를 수집, 분석하여 제품 개발 및 마케팅 전략을 결정하는 활동을 말한다.
프로덕트 관련 데이터란 사용자가 앱이나 웹 서비스상에 일으키는 일들을 말합니다. 흔히 이벤트(Event) 또는 사용자 행동(User Behavior) 데이터라고 부른다. 이러한 데이터를 통해 기업은 사용자와 제품에 대한 이해를 높일 수 있다. 많은 기업이 이러한 데이터를 통해 제품을 개선하고, 마케팅 전략을 최적화하여 경쟁력을 키우고 있다.

2.1. 프로덕트에는 여러 분야가 있기 때문에 각 분야의 서비스별로 데이터 분석을 해야하는 영역이 조금씩 다르다.

  • 소셜 미디어 서비스는 많은 사용자들이 서로 콘텐츠를 공유하며 서로 연결되는 것이 중요합니다. 이를 분석하기 위해 사용자들이 가장 많이 공유하는 콘텐츠 파악하기, 연결이 많이 일어나는 조건 파악하기 등을 분석하고 이를 통해 소셜 미디어 앱의 사용성을 개선하는 전략을 수립할 수 있다.
  • 전자상거래 웹사이트에서는 0순위로 분석해야 하는 것이 있는데 그것은 바로 ‘제품 검색 및 구매 패턴 파악’이다. 이를 바탕으로 사용자들의 선호도에 맞는 상품을 추천하거나, 마케팅 전략을 수립할 수 있다. 또한 사용자들의 리뷰를 수집하여 제품 품질 및 만족도를 파악하고, 이를 바탕으로 제품 개선 전략을 수립할 수 있다.
  • 음악 스트리밍 앱에서는 얼마나 음악을 많이 듣게 할까가 주된 관심사이다. 그렇기에 사용자들이 가장 많이 듣는 음악 장르나 아티스트, 플레이리스트 생성 패턴 등을 파악하는 것이 중요하다. 이를 통해 사용자들에게 맞는 추천 음악을 제공하거나, 마케팅 전략을 수립할 수 있다.

2.2. 프로덕트 데이터 분석 업무 방식

2.2.1. 데이터 수집

  • 제품의 주요 행동 기록을 수집한다. 데이터는 분석하기 적합한 형태로 가공하여 수집한다.

2.2.2. 데이터 분석

  • 수집된 데이터를 다양한 방식으로 분석한다. 특정 이벤트의 빈도 분석, 트렌드 분석, 퍼널 분석, 리텐션 분석 등 다양한 방법이 있다.

2.2.3. 전략 수집

  • 데이터 분석을 통해 도출된 결과와 시각화된 데이터를 바탕으로 전략을 수립한다. 예를 들면, 제품 개선방안, 마케팅 전략, 고객 유치 전략 등을 수립할 수 있다.

이 과정들은 서로 연결되어 있고, 제품을 서비스하는 동안 계속 반복되는 작업이다. 그렇기 때문에 이 과정을 효과적으로 수행할 수 있도록 도와주는 도구를 사용하는 것을 연습해야 한다. 대표적인 도구로는 믹스패널, 앰플리튜드, 구글애널리틱스가 있다.

3. 관심 기업

3.1. 토스의 Data Analysis

  • 액션으로 이어질 수 있는 데이터 분석을 설계하고 실행할 수 있는 ‘전략적 사고방식’
  • 비즈니스에 대한 이해, 실험 설계, 그리고 해석을 할 수 있는 ‘데이터 분석 스킬셋’
  • 분석의 가치가 빛을 발하는 ‘커뮤니케이션’을 데이터 분석의 필수 요소로 여김.

3.1.1 토스에서 프로덕트 데이터 분석가는 주요 업무 중에 서비스/제품 분석에 있어서는 담당하고 있는 서비스의 목표를 달성하기 위해 지표와 가설을 설정하고, 이를 검증할 수 있는 다양한 분석을 진행하고 있다.

  • AU(Active User) : ‘기간’동안 앱을 사용한 사용자수(총 방문한 횟수)
  • Retention : 고객 유지. 계속 재방문하는 유저의 비율
  • AMPU(Average Margin per User) : 활성 유저 1명이 특정 기간 동안 창출한 평균 매출 = 월간 반복 매출 / 활성 유저 수
  • ARPU(Avreage Revenue per User) : 일정 기간 동안 고객 한 명당 발생된 평균 수익을 의미하는 지표.
  • MAU(Monthly Active User) : 한 달 동안 동일 사용자가 여러번 사용하더라도 첫 실행만을 파악하여 월간 사용자를 파악한다.
  • LTV(Life Time Value) 유저가 앱을 사용하는 동안 창출한 매출 = 평균 구매액 x 구매 횟수 x 앱 사용 기간

3.1.2. 업무

  • 작은 스타트업인 Silo(사일로)에서 비즈니스, 마케팅, 비용, 매출, 고객 행동 전반에 대한 분석을 하고 Insight와 전략을 제안한다.
  • 목표를 달성하기 위한 지표와 가설을 설정하고, 이를 검증할 수 있는 다양한 A/B테스트를 설계하며 결과를 분석하고 제안한다.
  • 토스 내 다양한 데이터를 탐색하고 비즈니스와 프로덕트 성장 기회를 찾는다.
  • 필요하다면 비즈니스 Insight를 효율적으로 전달하기 위한 시각화를 제공한다.
  • PO와 함께 서비스 및 전사 비즈니스의 방향을 결정하는 중요한 전략가로서의 역할을 수행한다.

3.1.3. 우대사항

  • 다양한 데이터를 주도적으로 탐색하고 여러 데이터를 종합하여 논리적으로 해석을 하실 수 있는 분이 필요.
  • SQL을 활용해 자유롭게 원하는 데이터를 추출하실 수 있는 분이 필요.
  • 모바인 서비스 데이터 분석 방법(Customer Lifetime Value, Retention, Cohort Analysis[특정 기간 동안 공통된 경험이나 특성을 가진 사용자 집단을 그룹화하고, 시간이 지남에 따라 그들의 행동 패턴을 추적하는 분석 기법] 등)에 대한 높은 수준의 이해도가 필요.
  • 비즈니스, 마케팅, 비용, 매출, 고객 행동 등 다양한 데이터에 대한 분석 경험이 있으신 분이면 좋음.
  • Silo의 CSO(Chief Strategy Officer: 최고 전략 책임자)로서 데이터를 통해 적극적으로 비즈니스 전략을 제안해주실 수 있는 분이 필요.
  • 가설을 세워 A/B테스트를 설계하고 검증하며 지속적으로 개선해 나간 경험을 해보신 분이 필요.
  • Airflow, Impala, Jupyter, Tableau 등 데이터 관련 툴 활용 경험이 있는 분.

3.2. 카카오페이 프로덕트 데이터 분석가

3.2.1. 업무

  • KPI(Key Performance Indicator : 핵심성과지표) 및 주요 지표 정의, 모니터링, 대시보드 구축
  • 지표 증감에 따른 근본적 원인 탐색 및 분석
  • 프로덕트 성장을 위한 실험 설계 및 가설 검정
  • 실험 데이터와 통계모형, ML모형(머신 러닝에서 데이터를 학습하여 특정 문제를 해결하도록 만들어진 수학적 모델 / 미래의 값을 예측→데이터를 분류→숨겨진 패턴 인식→컨텐츠 추천)에 기반한 유저 타겟팅

3.2.2. 우대사항

  • 데이터 분석 관련 업무 경험이 있으신 분
  • 다양한 유관부서의 실무자 및 경영진과 커뮤니케이션 할 수 있는 분
  • SQL 등을 통해 복잡한 데이터 셋에서 원하는 데이터를 추출 및 가공할 수 있으신 분
  • 분석을 통해 도출된 의견을 논리적이고 체계적으로 제시할 수 있는 분
  • A/B테스트 기반 가설검증 및 그로스해킹 경험이 있으신 분
  • Impala, Hive, Kudu 등 오픈 소스 기반의 데이터 플랫폼 사용 경험이 있으신 분

3.3. 우아한 형제들 프로덕트 데이터 분석가

3.3.1. 업무

  • B마트 PPC(Pay per Click : 검색 엔진, 웹사이트, 블로그 등에서 사용하는 온라인 광고 모델이다. 고객이 클릭할 때마다 광고주들이 비용을 지불하는 온라인 광고 시스템.) 운영의 사업계획 수립 및 관리에 필요한 데이터 분석 업무 수행
  • 데이터 분석을 통한 PPC 생산성 개선 방안 도출, 프로젝트 타당성 검토
  • 신규 지표 개발, 지표 관리 및 시각화
  • 의사결정 지원 및 유관부서와의 커뮤니케이션

3.3.2. 우대사항

  • SQL 데이터 추출 및 Excel 데이터 분석이 능숙하며, 관련 실무를 3년 이상 경험하신 분
  • 데이터 분석을 통한 개선 프로젝트를 주도적으로 이끌어 본 경험이 있으신 분
  • 분석결과를 근거로 논리적 추론 및 인사이트를 도출하여 문제를 해결해 본 경험이 있으신 분
  • 통계학 또는 데이터 분석 관련 전공을 이수하신 분
  • 데이터 시각화 툴(Tableau:타블로, Redash) 활용 경험을 보유하신 분
  • IT플랫폼, 유통/물류, 커머스 등에 대한 경험과 비즈니스 이해도가 있는 분

4. 최종

  • 프로덕트 데이터 분석가는 기업들의 앱이나 웹 서비스를 개선 및 출시하는 일을 하기 때문에 부족한 부분을 확인하기 위해 주로 데이터 시각화 툴(Tableau)과 SQL, Impala, Jupyter 등 데이터 분석에 필요한 도구들을 활용할 줄 알아야 한다. 데이터 분석에 대한 경험이 많으면 좋고 다른 부서와의 활발한 커뮤니케이션이 필수이다. 추가적으로 프로덕트 개선 및 출시 이후에 있을 상황들에 대해 가설을 세워 A/B테스트를 논리적으로 검증할 수 있는 능력이 필요하다.



출처
profile
도토리
PM을 꿈꾸는 대학생
이전 포스트

[위클리 페이퍼] #3 제 1종 오류와 제 2종 오류, p-value

다음 포스트

[위클리 페이퍼] #4 데이터 전처리 방법, T-test

0개의 댓글