데이터 직무 공고 19건에서 가장 많이 요구된 기술은?

Tailf·2026년 10월 6일

채용 페이지 일지

목록 보기

7/19

데이터 직무로 옮기려면 이력서에 뭘 앞에 두면 좋을까요?

이력서 첫 화면에 어떤 기술을 먼저 보여 주는지가, 채용 담당자가 가장 먼저 보는 경험이 무엇인지 알기 어렵습니다. 최근 30일 동안 데이터 직무 공고 19건을 세어 보니, 가장 많이 언급된 기술은 Python, Airflow, SQL이었습니다.

최근 30일 데이터 직무 공고에서 가장 많이 나온 기술은 무엇일까요?

가장 많이 나온 기술은 Python이었습니다. 19건 중 16건에서 보였습니다.
다음은 Airflow 15건, SQL 13건, DBT 10건입니다.
Spark는 8건, BigQuery, Kubernetes, Kafka는 각각 7건이었습니다.
Databricks, AWS는 각각 6건이었습니다.

회사	공고	경력	원티드 유무
11번가	Python 언급 공고 16건 중 예시	데이터에 없음	데이터에 없음
구다이글로벌	Python 언급 공고 16건 중 예시	데이터에 없음	데이터에 없음
넥스트증권	Python 언급 공고 16건 중 예시	데이터에 없음	데이터에 없음
드림어스컴퍼니	Python 언급 공고 16건 중 예시	데이터에 없음	데이터에 없음
에이아이트릭스	Python 언급 공고 16건 중 예시	데이터에 없음	데이터에 없음
11번가	Airflow 언급 공고 15건 중 예시	데이터에 없음	데이터에 없음
드림어스컴퍼니	Airflow 언급 공고 15건 중 예시	데이터에 없음	데이터에 없음
에이아이트릭스	Airflow 언급 공고 15건 중 예시	데이터에 없음	데이터에 없음
에코마케팅	Airflow 언급 공고 15건 중 예시	데이터에 없음	데이터에 없음
여기어때컴퍼니	Airflow 언급 공고 15건 중 예시	데이터에 없음	데이터에 없음
11번가	SQL 언급 공고 13건 중 예시	데이터에 없음	데이터에 없음
구다이글로벌	SQL 언급 공고 13건 중 예시	데이터에 없음	데이터에 없음
넥스트증권	SQL 언급 공고 13건 중 예시	데이터에 없음	데이터에 없음
드림어스컴퍼니	SQL 언급 공고 13건 중 예시	데이터에 없음	데이터에 없음
에이아이트릭스	SQL 언급 공고 13건 중 예시	데이터에 없음	데이터에 없음

이 표에서 먼저 볼 것은 회사 이름보다, 기술이 반복되는 순서입니다. Python, Airflow, SQL이 가장 위에 함께 놓여 있습니다.

Python은 왜 이력서 앞에 둘 만할까요?

Python은 16건에서 확인됐습니다. 이번에 센 기술 중 가장 높은 수치입니다.

Python을 썼다는 사실만 적는 것보다, 어떤 데이터를 다뤘고 어떤 결과를 만들었는지를 붙이는 편이 좋습니다.
예를 들어, 배치 작업을 만들었다면 작업의 목적과 처리 결과를 함께 보여 주고, 데이터 파이프라인을 운영했다면 어떤 흐름을 맡았는지 적는 방식입니다.

이력서 첫 화면에서 Python을 먼저 보여 줄 수 있는 사람은, 자신이 작성한 코드의 종류만 나열하지 않고, 그 코드가 데이터 업무에서 어떤 역할을 했는지도 설명해야 합니다.

제 판단입니다. Python 경험이 있다면 기술 목록 아래쪽에 묻어 두기보다, 데이터 처리와 자동화 경험의 문장 안에서 먼저 보여 주는 편이 이번 공고 흐름에 더 잘 맞습니다.

Airflow와 SQL은 어떤 순서로 보여 주면 좋을까요?

Airflow는 15건, SQL은 13건에서 나왔습니다. Python과 함께 반복해서 등장한 기술입니다.

Airflow 경험은 단순히 DAG를 작성했다는 문장보다, 데이터가 언제, 어떤 작업을 거쳐 이동하는지 설명할 때 더 선명해집니다.
작업 예약, 실패 처리, 재실행처럼 직접 맡았던 범위를 이력서에 적으면 업무 장면이 보입니다.

SQL도 마찬가지입니다. 쿼리를 작성했다는 말만으로는 부족할 수 있습니다. 어떤 데이터를 조회했고, 어떤 분석이나 서비스에 연결됐는지를 함께 적어야 합니다.

데이터 직무 이력서의 앞부분은 Python, Airflow, SQL을 따로 흩어 놓기보다 하나의 업무 흐름으로 묶어 보여 주는 것이 좋습니다.
데이터를 가져오고, 정리하고, 정해진 시간에 처리하고, 결과를 전달한 경험이 있다면 그 흐름을 앞 문장으로 올릴 수 있습니다.

DBT와 Spark는 어디에 놓을까요?

DBT는 10건, Spark는 8건에서 확인됐습니다. Python, Airflow, SQL 다음에 이어지는 기술입니다.

DBT 경험이 있다면, 변환 작업을 만들었다는 사실뿐 아니라 모델을 어떻게 관리했는지, 여러 사람이 함께 확인할 수 있도록 어떤 구조로 정리했는지를 보여 주는 편이 좋습니다.

Spark 경험은 대량 데이터 처리라는 말만 반복하기보다, 실제로 어떤 처리 작업을 맡았는지 설명하는 것이 낫습니다.
처리 대상과 작업 목적을 한 문장에 넣으면 기술명이 업무와 연결됩니다.

이 두 기술은 이력서의 앞부분에 무조건 올려야 한다는 뜻은 아닙니다. 다만 Python, Airflow, SQL을 사용한 경험이 있고 DBT나 Spark까지 이어진다면, 기술 스택을 나열하는 대신 하나의 프로젝트 흐름으로 구성할 수 있습니다.

클라우드와 플랫폼 기술은 무엇을 보여 줄까요?

BigQuery, Kubernetes, Kafka는 각각 7건이었습니다. Databricks와 AWS는 각각 6건이었습니다.

이번 결과에서 이 기술들은 Python, Airflow, SQL보다 적게 보였지만, 데이터 업무가 저장소와 처리 환경, 메시지 흐름까지 이어진다는 점을 보여 줍니다.

BigQuery를 사용했다면, 데이터를 어디에 저장하고 어떻게 조회했는지를,
Kafka를 사용했다면 어떤 데이터 흐름을 연결했는지를 설명할 수 있습니다.
Kubernetes와 AWS는 사용 여부만 적기보다 배포나 운영에서 맡은 범위를 함께 보여 주는 편이 이해하기 쉽습니다.

이력서에서 모든 기술을 같은 크기로 보여 주면 핵심이 흐려질 수 있습니다.
앞에는 반복해서 등장한 기술과 내가 가장 깊게 설명할 수 있는 경험을 두고, 플랫폼 기술은 그 경험을 뒷받침하는 방식으로 배치하는 것이 좋습니다.

회사 예시를 함께 보면 무엇이 보일까요?

Python 예시에는 11번가, 구다이글로벌, 넥스트증권, 드림어스컴퍼니, 에이아이트릭스가 있었습니다.
Airflow 예시에는 11번가, 드림어스컴퍼니, 에이아이트릭스, 에코마케팅, 여기어때컴퍼니가 있었습니다.
SQL 예시에는 11번가, 구다이글로벌, 넥스트증권, 드림어스컴퍼니, 에이아이트릭스가 있었습니다.

세 기술의 회사 예시가 일부 겹친다는 점이 눈에 들어옵니다.
같은 회사의 공고에서 여러 기술이 함께 보였다면, 한 가지 기술만 앞세우기보다 데이터를 수집하고 처리하고 활용하는 전체 경험을 설명하는 편이 더 자연스럽습니다.

다만 회사 이름만으로 업무 내용을 단정할 수는 없습니다.
이 글에서 확인할 수 있는 것은 해당 기술이 언급된 공고와 회사 예시입니다.
실제 지원을 준비한다면 각 공고의 업무 설명을 읽고 자신의 경험과 연결해야 합니다.

경력 요구는 어떻게 분포했을까요?

경력 요구는 5~7년 이상이 8건으로 가장 많았습니다.
3~4년 이상은 5건, 8년 이상은 2건이었습니다.
신입·무관은 2건, 표기 없음은 1건, 1~2년 이상은 1건이었습니다.

이 숫자는 데이터 직무로 이동하려는 사람이 이력서에서 경력의 깊이를 설명해야 한다는 점을 보여 줍니다.
단순히 사용한 기술을 적는 것보다, 그 기술로 어떤 문제를 맡았고 어느 범위까지 책임졌는지가 중요해집니다.

경력 요구가 5~7년 이상인 공고를 보고 있다면, 프로젝트 개수를 늘어놓기보다 반복해서 해결한 문제와 운영 범위를 앞에 두는 것이 좋습니다.
3~4년 이상을 요구하는 공고를 본다면 직접 구현한 부분과 협업으로 완성한 부분을 구분해 보여 주면 읽는 사람이 경력을 파악하기 쉽습니다.

이 숫자로 말하지 않는 것은 무엇일까요?

이번 표본은 최근 30일 동안의 데이터 직무 공고 19건입니다. 회사 수는 14개입니다.
모든 데이터 직무 공고 전체를 뜻하지는 않습니다.

기술 수치는 공고에서 해당 기술이 언급된 횟수입니다.
실제 업무에서 기술을 얼마나 깊게 사용하는지, 팀에서 가장 중요한 기술이 무엇인지는 이 숫자만으로 판단할 수 없습니다.

회사 예시는 Python, Airflow, SQL에 대해 제공된 항목만 적었습니다.
다른 기술의 회사 예시는 이 글에서 확장하지 않았습니다.

측정 시각은 2026-10-06 11:15 KST입니다.
채용 공고는 열리고 닫히거나 내용이 바뀔 수 있으므로, 이 글의 수치는 측정한 시점의 기록으로 봐야 합니다.

추측을 하나 덧붙이면, Python, Airflow, SQL이 함께 많이 보인다는 것은 데이터 직무에서 개별 기술보다 데이터가 이동하고 처리되는 흐름을 설명할 수 있는 사람이 유리할 수 있다는 뜻입니다.
추측은 추측일 뿐이고, 지원할 때는 각 공고의 업무 내용을 다시 확인해야 합니다.

그래서 무엇을 하면 좋을까요?

앱 없이 오늘 할 수 있는 일부터 적습니다.

이력서의 기술 목록을 Python, Airflow, SQL 순서로 다시 읽어 보세요.
세 기술을 사용한 프로젝트가 있다면 따로 떨어뜨리지 말고 하나의 데이터 흐름으로 설명해 보세요.
DBT, Spark, BigQuery, Kubernetes, Kafka, Databricks, AWS를 사용했다면 기술명만 적지 말고 실제로 맡은 작업을 한 문장씩 붙여 보세요.
경력 요구가 5~7년 이상인 공고를 보는 경우에는 사용 기술보다 책임 범위와 운영 경험이 먼저 읽히는지 확인해 보세요.

이런 확인을 매일 대신 해 주는 앱이 tailf입니다.
351개 회사의 채용 페이지를 매일 확인하고, 현재 열려 있는 개발 공고 2100건을 바탕으로 새 공고를 모아 알려 줍니다.
로그인이 없고, 잠금화면에는 한 줄만 보입니다.
쓰는 기술 두 개를 고르면 지난 30일 공고 수를 가입 없이 세어 줍니다.

내 기술로 지난 30일 공고 세어 보기 →