네이버DnA팀

RSS

게시글: 15
등록: 2026년부터

All Frontend Backend AI DevOps Architecture Etc

Etc
누구나 실험할 수 있도록 — 한국 비즈니스 실험 심포지엄 발표자료 공유
이 글은 네이버 검색 데이터&분석(DnA) 팀이 한국경영정보학회가 주최한 국내 최초의 비즈니스 실험 심포지엄에서 발표한 내용을 공유합니다. 윤현영 님과 함께 DnA 팀의 실험 여정 사례를 소개하며, 발표 내용과 자료 PDF를 함께 제공합니다. 이 자료는 각자의 자리에서 실험 문화를 만들어가고 있는 다른 데이터 조직들에게 작은 참고가 되기를 바랍니다. 심포지엄은 2025년 7월 12일에 개최되었으며, 발표를 통해 팀의 고민과 노력을 공유하는 기회를 가졌습니다.
비즈니스 실험실험 문화데이터 조직
네이버DnA팀·2025년 7월 17일
Etc
누구나 실험할 수 있도록 — 한국 비즈니스 실험 심포지엄 발표자료 공유
본 글은 2025년 7월 12일에 개최된 국내 최초 비즈니스 실험 심포지엄 발표 내용을 공유하는 글입니다. DnA 팀의 사례를 소개하며, 팀원들이 함께 고민하고 다듬어온 실험 문화 구축 여정의 일부를 담았습니다. 발표 내용과 함께 발표 자료 PDF도 제공하여, 각자의 자리에서 실험 문화를 만들어가고 있는 다른 데이터 조직들에게 참고 자료가 되기를 바랍니다. 이 글은 기술적인 내용을 다루기보다는 조직 문화와 실험의 중요성에 초점을 맞추고 있습니다.
비즈니스 실험실험 문화데이터 조직
네이버DnA팀·2025년 7월 17일
AI
생성형 검색 (RAG) 평가의 최근 트렌드
본 글은 생성형 AI 기술의 발달과 함께 중요성이 커지고 있는 생성형 검색(RAG) 결과의 품질을 평가하고 관리하는 최신 트렌드에 대해 다룹니다. RAG 시스템의 성능을 객관적으로 측정하고 개선하기 위한 다양한 평가 방법론과 지표들이 소개될 것으로 예상됩니다. 특히, LLM 기반의 검색 결과가 사용자에게 얼마나 유용하고 정확한 정보를 제공하는지를 평가하는 것이 핵심 과제이며, 이를 위한 최신 연구 동향과 실제 적용 사례를 통해 RAG 시스템의 신뢰성을 높이는 방안을 모색합니다.
RAG생성형 검색LLM
네이버DnA팀·2025년 2월 14일
AI
Data & Analytics in the GPT Era
이 글은 AI, 특히 GPT 시대가 데이터 분석 분야에 가져올 변화의 변곡점을 탐구합니다. 과거 컴퓨터의 등장, 인터넷과 컴퓨팅 클러스터의 발전이 데이터 분석의 패러다임을 어떻게 바꾸었는지 되짚어보며, AI가 가져올 미래를 예측합니다. AI는 기초적인 엔지니어링 및 분석 업무, 반복적인 리포팅 등을 자동화하여 데이터 엔지니어 및 분석가의 역할 재정의를 촉진할 것으로 예상됩니다. 이는 개인과 조직이 AI 혁명에 어떻게 대응해야 하는지에 대한 중요한 시사점을 제공하며, AI 기술 발전 속도를 고려할 때 이러한 변화는 가까운 미래에 현실화될 것임을 시사합니다.
AI데이터 분석GPT
네이버DnA팀·2024년 9월 14일
AI
생성형 검색: 데모에서 서비스로
본 글은 2023년 데모 형태로 등장한 LLM 기반 생성형 검색이 2024년 본격적인 서비스로 발전하는 과정을 다룹니다. 생성형 검색의 핵심 기술인 LLM과 RAG(Retrieval-Augmented Generation)를 중심으로, 기존 검색 방식과의 차이점과 발전 방향을 탐색합니다. 특히, 검색 결과의 정확성과 사용자 경험 향상을 위한 다양한 접근 방식과 기술적 과제들을 조명하며, 생성형 검색이 미래 검색 시장에서 어떤 역할을 할지 전망합니다. 데모 수준을 넘어 실제 서비스로 나아가기 위한 기술적, 전략적 고려사항들을 제시하며, 관련 분야의 개발자 및 연구자들에게 유용한 인사이트를 제공합니다.
생성형 검색LLM검색
네이버DnA팀·2024년 3월 18일
AI
머신러닝을 활용한 검색 품질 지표 개발 (SIGIR’23 Paper Recap)
본 글은 현대적인 검색 엔진의 결과 품질을 정확하게 평가하는 것이 왜 어려운지에 대한 문제 제기에서 시작합니다. 사용자 경험, 비즈니스 목표, 다양한 평가 척도, 결과 유형에 따른 성공 척도 변화 등 복합적인 요인들이 평가를 어렵게 만듭니다. 이러한 문제를 해결하기 위해 사용자 로그 기반 온라인 분석, 레이블 및 서베이 기반 오프라인 분석 등 다양한 기법이 활용됩니다. 글에서는 바람직한 품질 지표의 조건을 제시하고, Naver Data&Analytics 팀에서 SIGIR’23 논문을 기반으로 개발해 온 머신러닝을 활용한 검색 품질 지표 개발 경험을 공유합니다. 이는 사용자 로그에서 추출한 지표를 통해 검색 품질을 더 정확하고 민감하게 측정하려는 시도입니다.
머신러닝검색 품질SIGIR’23
네이버DnA팀·2024년 1월 25일
DevOps
사내 데이터 플랫폼 개발, 처음이라면?
이 글은 사내 데이터 플랫폼 개발 경험을 공유하며, 특히 데이터 분석가/사이언티스트와 엔지니어 간의 협업을 중심으로 다룹니다. 데이터 플랫폼 구축 시 고려해야 할 주요 사항들을 단계별로 설명하며, 초기 단계에서 발생할 수 있는 어려움과 이를 극복하기 위한 방안을 제시합니다. 데이터 파이프라인 구축, 데이터 저장소 설계, 데이터 거버넌스, 그리고 팀 간의 원활한 소통 및 협업을 위한 전략을 포함합니다. 성공적인 사내 데이터 플랫폼 구축을 위해서는 기술적인 측면뿐만 아니라 조직 문화와 협업 방식에 대한 깊은 이해가 필수적임을 강조하며, 실질적인 가이드라인을 제공합니다.
데이터 플랫폼데이터 엔지니어링협업
네이버DnA팀·2023년 10월 12일
AI
생성형 AI와 데이터 사이언스의 미래
이 글은 생성형 AI와 데이터 사이언스의 미래에 대해 탐구합니다. 초기 ChatGPT의 등장으로 테이블 형태의 데이터를 활용한 질의응답이 가능해졌으며, 이는 데이터 사이언스 분야에 큰 변화를 예고했습니다. 생성형 AI는 단순히 정보를 제공하는 것을 넘어, 데이터 분석 과정에서 인사이트를 도출하고 복잡한 문제를 해결하는 데 중요한 역할을 할 것으로 기대됩니다. 특히, LLM과 같은 최신 AI 기술은 데이터 처리, 패턴 인식, 예측 모델 구축 등 데이터 사이언스의 핵심 영역에서 혁신을 가져올 잠재력을 지니고 있습니다. 글은 이러한 기술 발전이 데이터 사이언티스트의 역할과 업무 방식에 미칠 영향과 함께, 미래 전망을 제시합니다.
생성형 AI데이터 사이언스LLM
네이버DnA팀·2023년 5월 20일
AI
ChatGPT와 검색의 미래
이 글은 ChatGPT의 등장으로 인한 검색의 미래 변화와 그에 대한 대응 방안을 모색합니다. ChatGPT는 복잡한 질의 이해, 풍부하고 일관성 있는 답변 생성, 대화 맥락 유지 등의 장점을 보여주며, 특히 코드나 SQL 작성 능력은 주목할 만합니다. 하지만 답변의 진실성 및 최신 정보 반영에는 약점을 보이며, 이는 LLM 기반 검색 서비스의 공통적인 과제입니다. 글에서는 이러한 ChatGPT의 특징을 분석하고, 검색 결과 분석 및 평가를 중심으로 향후 검색 서비스의 발전 방향을 고민합니다. 대화형 검색의 보편화가 가까워졌음을 시사하며, 관련 연구의 활발한 진행을 언급합니다.
ChatGPT검색LLM
네이버DnA팀·2023년 1월 26일
Etc
DnA 시니어 채용 프로세스
네이버 검색 데이터앤애널리틱스(DnA) 팀의 시니어 채용 프로세스에 대한 글입니다. 팀이 설립된 지 1년 반이 지나면서 두 자릿수 이상의 인력을 채용하고, 더 많은 후보자들과의 경험을 쌓아왔습니다. 이 글은 DnA 팀의 시니어 채용 과정에서 얻은 경험과 노하우를 공유하며, 채용 과정의 투명성과 효율성을 높이기 위한 노력들을 설명합니다. 특히, 시니어 개발자들이 팀에 합류하는 과정에서 겪을 수 있는 어려움을 줄이고, 팀의 성장과 발전에 기여할 수 있는 인재를 발굴하는 데 중점을 두고 있습니다. 채용 프로세스의 각 단계별 특징과 평가 기준, 그리고 팀 문화와의 적합성을 고려하는 방식 등을 상세히 다룹니다.
채용 프로세스시니어 채용DnA 팀
네이버DnA팀·2022년 12월 5일
Etc
레고와 함께한 DnA팀 Workshop (aka Playshop)
이 글은 네이버 서치의 Data&Analytics(DnA) 팀이 레고에서 영감을 얻어 데이터 및 분석 플랫폼의 요건을 정의하는 워크샵(Playshop) 경험을 공유합니다. 필자는 레고의 성공 요인을 '플랫폼'으로 분석하며, 개방성과 확장성을 갖춘 블록 조합이 레고 제국을 만들었다고 설명합니다. DnA 팀 역시 데이터 사이언스와 엔지니어링의 플랫폼화를 지향하며, 1년이 넘는 기간 동안 약 1000명 규모의 조직을 지원하기 위해 플랫폼 구축의 필요성을 강조합니다. 특히 레고의 핵심 경쟁력인 '품질'을 데이터 플랫폼의 기본 요소로 삼아, 견고하고 신뢰할 수 있는 블록(데이터)의 중요성을 역설합니다. 이는 단순히 기술적인 측면을 넘어, 사용자에게 안정적인 경험을 제공하는 플랫폼 구축의 근본적인 가치를 이야기합니다.
레고워크샵플랫폼
네이버DnA팀·2022년 9월 28일
Etc
Open Problems in Data&Analytics
네이버 Data&Analytics 팀은 플랫폼 및 분석 방법론 개선을 위해 다양한 노력을 기울이고 있으며, 본 글에서는 팀이 주력하고 있는 몇 가지 문제와 접근 방식을 소개합니다. 특히 'Traffic-efficient A/B Evaluation'에 초점을 맞춰, AB 테스트 시 사용자의 트래픽을 효율적으로 사용하고 서비스 임팩트를 최소화하는 방안을 다룹니다. 이를 위해 지표의 Variance를 최소화하는 기법으로 Winsorization과 CUPED를 소개하며, Winsorization은 지표의 극단값을 처리하거나 비율 지표로 변환하는 방식을, CUPED는 실험 수행 이전의 트래픽을 활용하여 사용자 간 차이를 제거함으로써 Variance를 줄이는 기법임을 설명합니다. 이 글은 온라인 서비스 개선에 힘쓰는 현업 종사자들에게 실질적인 도움을 줄 수 있을 것으로 기대됩니다.
Data&AnalyticsAB테스트트래픽 효율
네이버DnA팀·2022년 5월 9일
Etc
Data&Analytics @ 서치콜로퀴엄’22
본 글은 ‘서치콜로퀴엄’22에서 발표된 네이버 서치의 Data&Analytics 관련 신기술들을 소개하는 글입니다. 서치콜로퀴엄은 네이버 서치의 다양한 기술과 성과를 공유하는 자리로, 특히 이번 행사에서는 Data&Analytics 분야의 최신 동향과 네이버 서치의 혁신적인 기술들이 다뤄졌습니다. 구체적인 기술 내용이나 발표 내용에 대한 상세한 정보는 본문에서 직접 확인할 수 있습니다. 이 글은 기술적인 내용을 깊이 파고들기보다는, 컨퍼런스의 개요와 주요 주제를 간략하게 전달하는 데 초점을 맞추고 있습니다. Data&Analytics 분야의 최신 기술 트렌드와 네이버 서치의 기술력을 엿볼 수 있는 기회를 제공합니다.
서치콜로퀴엄’22Data&Analytics네이버 서치
네이버DnA팀·2022년 5월 3일
Etc
DnA팀과 함께 성장할 데이터/플랫폼 엔지니어를 모십니다!
네이버 검색 데이터&애널리틱스(DnA)팀에서 데이터/플랫폼 엔지니어를 채용하는 공고입니다. 현대적인 데이터 및 분석 조직에서 신뢰성과 효율성을 갖춘 분석 환경을 구축하고, 데이터 파이프라인을 설계 및 운영하며, 데이터 기반 의사결정을 지원하는 역할을 수행할 인재를 찾고 있습니다. 데이터 엔지니어링, 플랫폼 엔지니어링, 데이터 분석 관련 경험이 있는 분들에게 좋은 기회가 될 것입니다. DnA팀과 함께 성장하며 데이터 기술을 발전시킬 동료를 기다립니다.
데이터 엔지니어플랫폼 엔지니어채용
네이버DnA팀·2022년 2월 17일
Etc
Team DnA 2022 Hiring & FAQ
네이버 검색 개선을 위한 Data Science & Engineering 프로젝트를 수행하는 DnA 팀의 2022년 채용 및 FAQ 안내 글입니다. 작년에는 기반 플랫폼 구축에 집중했다면, 올해는 지표 개발, 데이터 플랫폼 및 분석 방법론 고도화에 집중할 계획입니다. 팀 규모를 3배 이상으로 확장하기 위해 데이터 사이언티스트, 엔지니어, PM 등 다양한 직군에서 채용을 진행합니다. 팀 문화는 초기 멤버들이 함께 만들어가며, 리더는 수평적인 문화와 유연한 근무 환경 조성을 위해 노력하고 있습니다. 검색 관련 경험이 없어도 기본기와 학습력을 중요하게 평가하며, 네이버 검색 개선에 대한 기여 의지를 중요하게 생각합니다.
채용DnA 팀네이버 검색
네이버DnA팀·2022년 2월 3일