사람을 만나고, 상황을 이해하고, 필요한 정보를 연결하는 일을 해왔습니다.
CX 응대, 행사 운영, 데이터 정리, SI 프로젝트 — 역할은 달랐지만 핵심은 같았습니다. 상대의 상황을 빠르게 파악하고, 흩어진 정보를 정리해서, 필요한 형태로 전달하는 것. 이 방식을 채용 상담 현장에서 쓰고 싶습니다.
커리어리 데이터 MCP
자연어 질의로 4개 데이터 소스를 연결해 분석 리드타임을 줄이는 운영 기준을 만들었다.
반복 분석 리드타임을 약 55분에서 2분 수준으로 줄이는 목표/운영 기준을 수립했습니다.
데이터 확인을 위해 GA4, BigQuery, GSC, MySQL을 오가야 해서 단순 질문에도 분석 리드타임이 길었습니다. 비개발자는 SQL 장벽 때문에 반복 질문을 스스로 검증하기 어려웠습니다.
자연어 입력을 의도별로 분류해 데이터 소스와 쿼리를 자동 라우팅하는 분석 흐름을 설계했습니다. 결과는 숫자 나열이 아니라 관찰, 원인 가설, 다음 액션으로 정리되도록 출력 구조를 고정했습니다.
GA4, BigQuery, GSC, MySQL을 하나의 질의 흐름으로 묶어 반복 분석 작업을 단축했습니다. 운영 기준은 기존 약 55분 수준의 분석 리드타임을 2분 수준으로 낮추는 것을 목표로 설계했습니다.
Smart Query 라우팅, 4개 데이터 소스 도구, Insight Engine을 통합해 자연어 기반 분석 플로우를 구현했습니다.
데이터 분석 리드타임을 줄인 경험은, 채용 과정에서 필요한 정보를 빠르게 정리하고 공유하는 데 기여할 수 있습니다.
커리어리 데이터 대시보드
운영에서 반복되는 66개 질문을 기준으로 멀티소스 데이터 대시보드를 구축했습니다.
플랫폼 운영 핵심 질문 66개를 카테고리화해 반복 보고를 구조화했고 의사결정 리드타임을 단축했습니다.
핵심 데이터가 여러 시스템에 분산되어 있어 같은 질문을 매번 수작업으로 취합해야 했습니다. 이 구조에서는 의사결정 전에 데이터 정리 시간이 먼저 발생해 실행 타이밍이 늦어졌습니다.
운영에서 반복되는 66개 질문을 먼저 정의하고, 질문마다 필요한 데이터 소스와 시각화 뷰를 매핑했습니다. 공통 날짜 필터와 비교 기준을 표준화해 누구나 같은 맥락에서 숫자를 읽을 수 있도록 설계했습니다.
질문 기반 정보 구조를 설계해 KPI, 퍼널, 코호트, SEO를 한 화면 체계로 통합했습니다. 비개발자도 같은 기준으로 지표를 조회할 수 있도록 공통 필터와 뷰를 표준화했습니다.
질문 기반으로 KPI·퍼널·코호트·SEO를 한 화면에서 연결하는 대시보드 아키텍처를 설계하고 운영용 공통 필터를 표준화했습니다.
질문 기반으로 대시보드를 설계한 경험은, 채용 성과를 같은 기준으로 판단할 수 있는 정보 구조를 만드는 데 기여할 수 있습니다.
고객 문의 응대 및 자동화 구조 개선
고객 문의를 직접 응대하며 반복 문의를 분류하고 자동화/가이드/챗봇 연계를 주도했습니다.
CS/CX 담당자로서 문의를 직접 응대하며, 반복 문의 분류와 대응 기준을 정리해 응대 구조를 개선했습니다.
고객 문의가 많아지며 응대 지연과 팀 피로도가 커졌고, 고객 경험 개선이 필요했습니다.
반복 문의를 분류하고 대응 기준을 정리해, 자동화/가이드/챗봇 연계를 주도했습니다. 주간 리뷰에서 태그 분포를 확인하며 챗봇 시나리오와 가이드 링크를 계속 보정했습니다.
채널톡/전화 등 다양한 채널의 문의를 직접 응대하며 반복 문의를 분류하고 대응 기준을 정리했습니다. 자동화와 가이드 연계를 주도해 팀의 응대 부담을 낮추고 고객 경험이 일관되게 유지되도록 기여했습니다.
문의 데이터를 유형화하고 난이도 기반 분기/자동응답/담당자 라우팅 체계를 설계해 주간 개선 루프를 운영했습니다.
고객 문의를 유형별로 분류하고 대응 기준을 정리한 방식은, 구직자의 고민을 패턴별로 분류하고 일관된 상담을 설계하는 데 그대로 적용할 수 있습니다.
린업 SI 사업
바이브코딩 기반 소규모 SI 프로젝트를 수행하고, 교육 사업으로 확장하고 있습니다.
클라이언트 5건을 확보하고, 프로젝트 수행 경험을 교육 사업으로 확장하고 있습니다.
AI 도구로 개발 속도는 빨라졌지만, 현장에서는 요구사항을 실행 가능한 결과물로 바꾸는 구간에서 지연이 반복됐습니다. 특히 기획 의도를 우선순위와 범위로 변환하는 단계가 병목이었습니다.
요구사항을 기능 단위로 분해하고 짧은 주기의 MVP 시연-피드백 루프를 운영 모델로 고정했습니다. 초기 합의 단계에서 범위, 일정, 검수 기준을 문서화해 변경 비용을 줄였습니다.
바이브코딩으로 웹사이트 제작은 쉬워졌지만 여전히 전문가의 도움이 필요한 구간이 있다고 느꼈습니다. 소규모 SI 프로젝트를 수행하며 클라이언트 5건을 확보했고, 이 경험을 교육형 프로그램으로 재정리하고 있습니다.
클라이언트 요구를 빠르게 MVP로 전환하는 바이브코딩 기반 SI 운영 모델을 구성했습니다.
클라이언트의 요구사항을 파악하고 우선순위를 정리한 경험은, 기업의 채용 요구사항을 정확히 이해하고 맞는 후보자를 연결하는 데 그대로 적용할 수 있습니다.
전사 지표 기반 데이터 대시보드 구축
해외 리서치/개발 팀과 협업하며, 부서 데이터를 공통 기준으로 통합해 운영 지표를 정리했습니다.
7개 부서 데이터를 통합 기준으로 연결해 전사 대시보드 운영 체계를 구축했습니다.
부서마다 데이터 저장 방식과 지표 정의가 달라 같은 질문에도 서로 다른 숫자가 나오는 상황이 반복되었습니다. 이 구조에서는 회의마다 기준을 맞추는 데 시간이 소모되어 실행 결정이 늦어졌습니다.
각 부서 인터뷰를 통해 공통 기준 키를 날짜, 고객 ID, 프로젝트 ID로 정하고 데이터 포맷을 통일했습니다. 이후 Looker Studio와 Power BI를 병행해 실시간 확인용 화면과 운영 모니터링 화면을 역할별로 분리했습니다.
해외 리서치/개발 팀과 협업하며 한국 사업부를 대표해 요구사항을 정리하고 전달했습니다. 운영 지표를 정리해 팀이 같은 화면으로 현황을 파악할 수 있게 했습니다.
부서 인터뷰로 공통 기준점을 정의하고 데이터 표준화를 수행한 뒤 Looker Studio/Power BI로 실시간 지표 체계를 구축했습니다.
부서별로 흩어진 데이터를 공통 기준으로 재구성한 경험은, 후보자의 다양한 경험을 기업이 이해할 수 있는 형태로 프로파일링하는 데 그대로 적용할 수 있습니다.
업무 자동화 구조 설계
반복 업무를 자동화 가능한 단위로 나누고, 실행 흐름을 정리했습니다.
반복 운영 업무 6개를 자동화 플로우로 전환해 수작업 의존도를 줄였습니다.
검수, 지연 확인, 결과 기록 같은 운영 업무가 수작업으로 흩어져 있어 오류와 누락이 반복되었습니다. 담당자 확인 시점도 일정하지 않아 문제 발견 후 대응까지의 시간이 길었습니다.
Slack 인터페이스에 버튼 기반 입력 흐름을 만들고 Zapier, Make로 검수·경고·기록 단계를 자동 연결했습니다. 지연 기준을 사전에 정의해 임계값을 넘으면 담당자에게 즉시 라우팅되도록 설계했습니다.
Slack, Zapier, Make를 연결해 검수, 지연 감지, 기록 보관 플로우를 표준화했습니다. 담당자 라우팅과 알림 기준을 고정해 대응 속도와 일관성을 높였습니다.
Slack 인터페이스와 Zapier/Make를 연결해 검수·경고·기록 자동화 플로우를 설계하고 응답 책임자를 즉시 라우팅하도록 구성했습니다.
반복 업무를 패턴별로 구조화하고 자동화 플로우를 설계한 경험은, 채용 운영에서 반복되는 프로세스를 효율화하고 운영 부담을 실질적으로 줄이는 데 직접 적용할 수 있습니다.