최고 품질의 상품들을 지금보다 더 많은 소비자들이 여러 유통 채널에서 더욱 폭 넓고 쉽게...
1. CJ ENM 커머스부문(온스타일)에 지원한 동기는 무엇이며, 입사 후 포부에 대해 구체적으로 작성해주세요. (1,500자 이내) ① 지원동기 및 해당직무를 ENM 커머스부문(온스타일)에서 수행하고자 하는 이유 ② 해당 직무 입사 후 성장 포부를 포함하여 작성
cj enm의 온스타일은 패션, 라이프스타일 등 다양한 콘텐츠를 제작하는 라이프 스타일 미디어 브랜드이자 쇼핑 플랫폼 업계를 선도하고 있습니다. 이러한 cj enm의 서비스 데이터와 매출 분석을 통해 인사이트를 제공하는 데이터 엔지니어가 되고 싶어 지원했습니다.
CJ ENM 커머스부문(온스타일)은 TV와 모바일의 경계가 사라지고 있는 미디어 환경변화에 따라 과거 cj 오쇼핑이라는 홈쇼핑 방송 플랫폼을 개편해 cj 온스타일이라는 새로운 통합 쇼핑몰 플랫폼을 만들었습니다. cj 온스타일은 라이브 취향 쇼핑플랫폼으로서 모바일 사업 역량에 집중하며 고객 밀착형 쇼핑 플랫폼을 성공적으로 서비스하고 있습니다.
n사 월간 판매액 예측 및 유저 인사이트 도출부터 자연어 처리 기반 사용자의 유튜브 댓글을 바탕으로 한 관심있을 만한 채널 추천 프로젝트와 같은 텍스트 데이터 분석 등을 통해 여러 분석 역량을 길러왔습니다. 그 과정에서 많이 사용하고 우리 삶에 밀착한 이커머스 플랫폼 서비스와, 사용자의 구매 지속을 위한 분석등에 관심이 많아졌고, 사용자 데이터가 많이 있는 플랫폼은 다양한 분석을 가능케 한다는 점에 플랫폼 분석에도 흥미를 갖게 되었습니다. 고객들의 서비스 경험을 더 높이고 이탈을 막으며 앞으로의 구매를 지속시키는 방법 등을 생각하면서 고객의 숨은 라이프 스타일을 분석하고 싶습니다. 특히 데이터 분석 역량을 바탕으로 고객이 서비스를 이용하면서 창출하는 텍스트 데이터 및 유통, 매출 데이터도 분석하여 서비스 성장을 위한 인사이트를 도출하고 싶습니다.
CJ ENM 커머스부문 데이터 엔지니어를 수행하게 된다면, 데이터 수집 및 분석 역량 등을 기반으로 cj 온스타일 서비스 고도화에 기여하겠습니다. 어떤 성향의 고객들이 어떤 구매행동을 즐기며 시간에 따른 구매와 정형,텍스트 데이터 기반 예측을 분석을 통하여 서비스 고도화를 위한 인사이트를 제안하겠습니다.
2. 지원 직무에 본인이 적합하다고 판단할 수 있는 이유를 본인의 Skillset과 어려운 기술적 문제를 해결한 경험 중심으로 작성해 주세요 (1500자 이내) ① Skillset (Language, OS, Framework+Library, Database, Development Tool)은 상,중,하로 서술 ② 기술적 경험 (대학생활 및 졸업 이후 경험한 대회, 해커톤, 프로젝트, 오픈소스 코드기여 등) 위주 작성
① Skillset
상 : Python , pandas, numpy, matplotlib, tensorflow, keras / R / streamlit
중 : pytorch / mysql / tableau / aws / gitlab
② 기술적 경험
[동아리]
빅데이터 동아리에 들어가 매주 머신러닝, 딥러닝 스터디를 하였습니다. 사용자의 유튜브 댓글을 바탕으로 한 관심있을 만한 채널 추천해주기 프로젝트로 본 동아리 활동을 마무리 지었습니다. 동아리에서 배운 내용들은 향후 프로젝트와 인턴경험에 있어 좋은 바탕이 되었습니다.
[ 사용자의 유튜브 댓글을 바탕으로 한 관심있을 만한 채널 추천 팀 프로젝트]
코로나 시기, 미디어 플랫폼 이용률 증가에 힘입어 유튜브 플랫폼에 한하여 사람들에게 좀 더 맞춤된 채널 추천을 하고자 기획하였습니다. 유튜브 댓글 수집과 라벨링, 전처리 등 비정형 데이터 구축을 맡았으며 자연어 처리 모델도 개발하였습니다. 크롤링으로 텍스트 데이터 수집과 라벨링을 진행하였고, 댓글 분석을 위한 자연어 처리 모델 실험과 성능이 좋은 kobert모델을 추후 분석을 위한 모델로 선택하였습니다. 이러한 자연어 처리 모델에서 분석한 결과들을 바탕으로 채널 추천 팀에서 사용자에게 채널 매칭을 하여 사용자 맞춤 채널을 추천하였습니다. 사용자 분석을 위한 자연어 처리 역량을 기를 수 있었으며, 사용자의 댓글 이력을 바탕으로 맞춤된 채널을 추천받을 수 있다는 의의를 지닌 프로젝트였습니다.
[데이터분석 공모전]
n사의 월간 판매액 예측 경진대회에 출마한 적이 있습니다. 모델 성능 개선에 있어 많은 피쳐 생성이 모델 성능 개선에 도움을 준다는 교훈을 배웠습니다. 그렇게 시간, 계절, 상품,상품판매시간대, 판매단가 등에 관한 여러 피쳐 생성과 파라미터 튜닝, 머신러닝, 딥러닝 모델 결과가 mape 17을 달성했습니다.
또한 분석 인턴을 하면서 온라인 인공지능 경진대회에 나가 상위 3위의 결과를 얻었습니다. 주어진 데이터를 통해 특히 시간과 관련한 여러 다변량 변수를 생성하였고 random forest, lgbm, xgboost와 같은 모델들을 통해 rmse 2.81으로 3위에 들었습니다. 또한 분석 결과 시각화를 통해 단순히 모델링뿐만 아니라 분석 인사이트 도출 역량도 키웠습니다.