이커머스: 연중 최대 세일 시즌 전에 갖춘 5명 규모 Data & AI 팀
사례 목록으로
이커머스Direct Hire

이커머스: 연중 최대 세일 시즌 전에 갖춘 5명 규모 Data & AI 팀

Data Engineer, Data Scientist, AI Engineer, Analytics Engineer, QA – 출시까지 10주를 남기고 Talent Ecosystem에서 매칭했습니다.

5/5
충원된 직무
Data Engineer, Data Scientist, AI Engineer, Analytics Engineer, QA를 병행 매칭
3주
첫 입사까지
직무 접수부터 첫 입사일까지
7주
전체 팀 온보딩까지
5개 직무 전체를 충원해 세일 행사 전에 업무 시작

과제

S.N의 카테고리 매니저들은 수작업 CSV 내보내기 파일로 매출 수치를 확인했고, 그래서 모든 의사결정이 하루씩 늦었습니다. 경영진은 연중 최대 세일 행사를 10주 앞두고 실제로 작동하는 추천 엔진을 가동하기를 원했습니다. 그러려면 다섯 개 직무를 한꺼번에 채용해야 했습니다. 웨어하우스를 구축할 Data Engineer, 추천 모델을 만들 Data Scientist와 AI Engineer, 카테고리 매니저가 직접 데이터를 다룰 수 있게 하는 Analytics Engineer, 피크 부하에서도 전체가 안정적으로 돌아가도록 하는 QA Engineer입니다. 현지 채용 대행사 후보 명단 2건과 S.N의 자체 공고를 5개 직무에 병행해 진행했지만, 지원자는 기본적인 리포팅 SQL 경험이 있는 수준에 그쳤습니다. 프로덕션 ML이나 파이프라인 경험자는 없었고, 계속 찾아볼 시간도 없었습니다.

연중 최대 세일 행사까지 10주를 남기고 정규직 5명(Data Engineer, Data Scientist, AI Engineer, Analytics Engineer, QA)이 필요했습니다.
현지 채용 대행사 후보 명단 2건과 직접 공고로도 5개 직무 어디에서도 적합한 후보를 찾지 못했습니다.
단기 계약자가 아니라 데이터·AI 플랫폼을 맡을 정규직 담당자가 필요했습니다.

솔루션

S.N은 정해진 시즌 마감 앞에서 다섯 개 직무를 차례로 채용할 시간이 없었습니다. GTEMAS는 Talent Ecosystem에서 5개 직무의 후보자를 병행해 매칭했고, 후보자마다 직무에 필요한 바로 그 역량을 평가한 검증된 Skill Profile을 갖추고 있었습니다. 프로덕션 환경의 dbt/Snowflake 경험과 추천 모델 경험도 포함되었습니다. S.N은 직무별로 사전 매칭된 후보 2–3명을 면접했고 최종 결정은 모두 직접 내렸습니다. 온보딩: GTEMAS는 채용자별 오퍼 협상과 입사 전환을 지원한 뒤 물러났고, 5명 모두 S.N의 팀에 합류했고 S.N가 직접 고용했습니다.

성과 및 결과

추천 엔진은 S.N의 최대 세일 행사 2주 전에 가동되었고, 그 과정에서 리포팅 지연도 하루에서 당일로 줄었습니다. S.N의 Head of Analytics는 모든 후보자의 파이프라인과 ML 경험이 면접 전에 이미 검증되어 있었기 때문에 5개 직무를 동시에 채용하는 일도 감당할 만했다고 말했습니다. 면접에서 오간 대화는 후보자가 도구를 아는지가 아니라 팀과 어떻게 일할지에 관한 것이었습니다.

5/5
충원된 직무

Data Engineer, Data Scientist, AI Engineer, Analytics Engineer, QA를 병행 매칭

3주
첫 입사까지

직무 접수부터 첫 입사일까지

7주
전체 팀 온보딩까지

5개 직무 전체를 충원해 세일 행사 전에 업무 시작

다음 성공 사례를 함께 만들어 보시겠습니까?

Global Tech Masters와 함께 확장 가능한 고성능 디지털 제품을 구축하세요.