문장 스크랩

---

복사

---

공유

1. GC에 지원한 이유와, 입사 후 이루고 싶은 목표를 말씀해주세요. (최소 100자, 최대 500자) GC녹십자그룹이 질병의 예방·진단·치료를 넘어 디지털 헬스케어 영역까지 확장하며 글로벌 토탈 헬스케어 기업으로 성장하고 있다는 점에 매력을 느껴 지원했습니다. 특히 최신 AI 기술을 단순한 도입이나 실험에 그치지 않고, 실제 데이터 흐름 전반의 안정성과 신뢰도를 높이는 방향으로 활용하는 GC의 접근 방식이 저의 문제 해결 경험과 맞닿아 있다고 생각합니다. 저는 변화하는 상황에서도 기술을 도구로 삼아 대안을 탐색하고, 수치와 근거를 통해 결과를 검증하는 방식으로 일하는 인재로 성장하고 싶습니다. 입사 후에는 AI 기반 도구를 활용한 데이터 수집·처리 과정에서 발생할 수 있는 오류 요인을 점검하고, 클라우드 환경에서 데이터가 일관된 품질을 유지하도록 관리하는 역량을 기르고자 합니다. 또한 기술적 판단의 배경과 한계를 비개발 부서에도 명확히 설명하며, 데이터가 의사결정의 출발점이 되어 GC의 헬스케어 혁신 과정에 실질적인 변화를 만들어내는 역할을 수행하고 싶습니다. 2. 지원한 직무와 관련하여 본인이 갖춘 역량(전문지식, 기술, 경험 등)을 말씀해주세요. (최소 400자, 최대 1,000자) 저는 Selenium 기반 웹 크롤링부터 FastAPI를 활용한 데이터 수집 API 설계까지, 비구조화 데이터 수집 파이프라인을 직접 구축하고 운영한 경험을 보유하고 있습니다. Google Marketing Platform(DV360) 프로젝트에서는 Selenium과 undetected-chromedriver를 활용해 동적 웹 페이지를 크롤링했고, 수집 로직을 FastAPI로 API화해 Spring 서버에서 호출 가능한 구조로 설계했습니다. 크롤러는 Cloud Run Job으로 배포해 병렬 실행 환경을 구성했으며, 수집된 데이터는 Cloud SQL과 BigQuery에 적재해 이후 분석과 운영에 활용될 수 있도록 했습니다. 병렬 실행 환경에서는 TOTP 기반 OTP 인증 충돌 문제가 발생했습니다. 이를 해결하기 위해 GCS 기반 세션 공유 구조를 설계해 여러 크롤러 Job이 하나의 로그인 세션을 공통으로 활용하도록 했고, Cloud Scheduler를 통해 세션을 주기적으로 갱신하며 인증 실패를 사전에 방지했습니다. 그 결과 수백 개의 Job이 동시에 실행되는 환경에서도 데이터 수집이 안정적으로 이루어졌으며, 수동 개입 없이도 파이프라인이 지속적으로 운영될 수 있었습니다. 또한 Cloud Run 환경 특성상 로그 기반 추적이 중요하다고 판단해, try-except 블록을 세분화하고 단계별 로깅 레벨 체계를 구축했습니다. 크롤링 시작부터 데이터 적재까지 각 단계에 INFO, WARNING, ERROR 로그를 명확히 남겨 장애 발생 시 원인을 즉시 파악하고 대응할 수 있는 운영 환경을 구현했습니다. 이전에는 GA4 API 기반 데이터 파이프라인을 구축하며 데이터 수집부터 정제까지 전 과정을 자동화한 경험도 있습니다. 이러한 경험을 바탕으로 GC의 LLM 기반 데이터 추출 환경에서도 데이터 품질을 검증하고 운영 안정성을 높이는 역할을 수행하고 싶습니다. 3. 본인의 가장 큰 강점과 약점을 말씀해주세요. (최소 100자, 최대 500자) 저의 강점은 문제 해결 능력이고, 약점은 완벽함을 추구하는 경향입니다. 이 두 가지를 인턴 당시 고객사와 협업한 데이터 크롤링 프로젝트에서 모두 경험했습니다. 초기에는 완성도 높은 설계안을 만든 뒤 공유하려 했지만, 프로젝트 도중 고객사의 요청이 수정되며 데이터 병렬 처리가 필수적인 상황이 되었습니다. 이 과정에서 완벽한 설계를 기다리기보다, 빠른 피드백과 방향 전환이 더 중요하다는 점을 깨달았습니다. 이후 우선순위를 재조정해 핵심 기능부터 구현했고, 전체 구조를 Cloud Run Job 기반 아키텍처로 전환했습니다. 인증, 세션, 상태 관리를 새롭게 설계하며 초기 방향성을 빠르게 공유했고, 그 결과 확장 가능한 구조를 구축하면서도 일정 내 프로젝트를 완료할 수 있었습니다. 이 경험을 통해 저는 완성도를 만들어가는 과정에서 언제 공유하고 언제 보완해야 하는지 판단하는 것이 중요하다는 것을 배웠습니다. 이를 통해 품질과 속도의 균형을 스스로 조율할 수 있게 되었습니다. 4. 이전에 수행했던 업무/과제 중 가장 도전적이었던 과제와, 이를 해결한 방법을 구체적으로 말씀해주세요. (최소 400자, 최대 1,000자) '고령운전자 면허 갱신 절차 강화 및 교통 정책 제안' 공모전에서 대상을 수상한 경험이 가장 도전적인 과제였습니다. 같은 주제로 동아리 프로젝트를 진행했으나 우수상에 그쳤고, ""데이터 분석은 충실하지만 정책 간 논리적 연결과 실현 가능성이 부족하다""는 평가를 받았습니다. 이에 공모전에 재도전하며 '데이터 기반의 객관성'과 '실현 가능성'을 두 축으로 완성도를 높이는 데 집중했습니다. 팀장으로서 저는 프로젝트 로드맵을 재작성하고 팀원들의 일정을 조율해 오프라인과 온라인으로 자주 회의를 진행하며, 아이디어가 생길 때마다 즉시 기록하고 검증할 수 있는 환경을 만들었습니다. 이 과정에서 두 가지 역할을 수행했습니다. 첫째, 컴퓨터 전공자와 비전공자 간 소통 문제를 해결하는 것이었습니다. 사고 심각도 예측 모델 개발 과정에서 비전공 팀원들이 논문을 기반으로 도출한 수식을 설명하면, 전공 팀원들은 이를 바탕으로 모델 선택과 타겟 변수 설정을 논의했습니다. 저는 수식이 요구하는 변수와 모델의 전처리 요구사항을 양측에 명확히 전달하며 작업 흐름을 연결했습니다. 둘째, 데이터 기반 검증 프로세스를 구축했습니다. 해외 사례를 분석한 뒤 해당 정책들이 한국에서도 실현 가능한지 논문과 기사로 교차 검증했고, 고령 운전자의 면허 반납 이후를 고려한 대안 정책을 함께 제안하며 논리적 허점을 보완했습니다. 또한 “이 정책이 실제로 시행된다면 어떤 문제가 발생할 수 있을까?”라는 질문을 통해 추가 검증을 유도했습니다. 가장 도전적이었던 점은 서로 다른 배경을 가진 팀원들의 작업을 하나의 논리로 엮어내는 과정이었습니다. 데이터 분석 결과와 정책 제안이 분리되지 않도록 각 단계마다 정책 근거를 명확히 했습니다. 그 결과 논리적 근거와 실현 가능성을 모두 인정받아 대상을 수상했습니다. 이 경험을 통해 얻은 데이터 기반 의사결정과 기술·비기술 간 소통 역량을 바탕으로, 데이터 정합성을 검증하고 데이터 품질 이슈를 조율하는 역할을 수행하고 싶습니다.