데이터라고 하면, 대부분 데이터를 분석하는 사람을 떠올립니다.
그런데 ‘데이터를 분석하는 사람’이 아니라, 데이터가 자연스럽게 흐르도록 체계를 만드는 사람이 있습니다.
파편화된 정보를 데이터로 쌓고, 흩어진 지표를 연결해 의사결정의 언어로 바꾸는 사람.
체계 없는 환경에서 완성도를 끌어올리며, 차세대 채용 모델까지 설계하고 있는 데이터 리더, 리우의 이야기입니다.
경계를 넘어 문제를 푸는 사람
자기소개 부탁드립니다. 스펙터에서 어떤 일을 하시나요?
안녕하세요, Liu입니다. 스펙터에서 신규 제품군의 데이터 영역을 전반적으로 리드하고 있어요.
어떤 커리어 패스로 현재에 이르렀으며, 어떤 문제를 해결하고 계신지 알려주세요.
시리즈 Pre-A부터 D 단계까지 다양한 스타트업에서 운영, 기획, 전략, 데이터 분석, 프로젝트 리딩 등 여러 역할을 경험했습니다. 직무에 제한을 두지 않고 문제 해결 자체에 몰입하는 스타일이라 다양한 기회를 얻게 되었습니다.
현재는 크게 두 가지 문제에 집중하고 있습니다.
첫째, 스펙터의 AI 기반 애플리케이션이 생성하는 LLM 산출 데이터를 위한 데이터 파이프라인을 설계하고 품질을 관리하고 있어요.
둘째, 스펙터만의 강점인 다층적인 채용 데이터를 유기적으로 연결해, ‘채용 적합도’를 예측하는 차세대 모델을 구축하고 있습니다.
특히 집중하는 건 차세대 채용 예측 모델 성능 향상인데요. 입력 데이터 → 특징화 → 매칭 단계로 이어지는 과정 속에서 매칭 아키텍처 성능 극대화를 위해 다양한 시도를 하고 있습니다.
실험의 시작점
스펙터의 “고객이 원하는 것을 만든다”는 문화는 데이터나 전략 Task에 어떻게 녹아들어 있다고 느끼시나요?
스펙터의 모든 프로젝트는 Go To Market 실험으로 시작됩니다. 다양한 방법으로 잠재 고객의 목소리를 듣고, 가설을 검증하며 제품 방향을 다듬어요. 이 시장 최적화 루프가 빠르고 정교하게 작동한다는 게 큰 특징입니다.
예를 들어, AI 피드백 솔루션 ‘리나’의 경우 정식 출시 전, 하루 만에 핵심 기능을 담은 MVP를 제작해 세미나에서 공개했습니다. 고객 반응을 바로 확인하고 즉각적으로 피드백을 반영했어요. 결과적으로 시장의 니즈와 초기 제품 기능이 잘 맞아떨어졌습니다.
이런 사례가 가능하려면 팀 간 장벽 없는 정보 공유와 빠른 실행, 그리고 아이디어를 가볍게 실험하고 개선하는 문화가 필요합니다. 그런 점에서 스펙터는 아이디어를 자유롭게 실험하고, 즉각적으로 피드백하며, 진화할 수 있는 최고의 놀이터예요.
데이터에 놓는 길
데이터 기반 의사결정을 스펙터에 정착시키기 위해 가장 먼저 시도했던 일은 무엇이었나요?
먼저 핵심 지표를 정의했습니다. 그리고 기존에 수집되지 않던 데이터를 어떻게 새롭게 쌓을지 방법을 찾았고, 필요한 사람이 쉽게 접근할 수 있는 환경을 만드는 데 집중했어요. “누구나 데이터를 보고, 인사이트를 얻고, 의사결정에 활용할 수 있게 한다”는 것이 목표였습니다.
데이터가 자연스럽게 쌓이고, 전사적으로 활용되기 위해 중요한 원칙이나 프로세스가 있다면 알려주세요.
데이터는 ‘수집을 위한 수집’이 아니라 실무와 연결될 때 자연스럽게 쌓이고 흐릅니다.
그래서 ① 관련 높은 실무자가, ② 접근하기 쉬운 툴에서, ③ 자기 업무 맥락 속에서 필요할 때 입력할 수 있어야 해요. 예를 들어 업종 데이터가 필요하다면, 영업 담당자가 고객 미팅을 준비하면서 자연스럽게 입력하게끔 설계하는 식입니다.
물론 모든 데이터가 이렇게 이상적으로 쌓이지는 않아요. 하지만 지향점을 이렇게 두는 것만으로도 많은 문제가 해결됩니다. 그래서 데이터 분석가의 역할은 단순히 쌓인 데이터를 보는 게 아니라, 설계 단계부터 “어떻게 하면 데이터가 잘 수집될까”를 고민하는 데 있다고 생각합니다. 비즈니스와 조직의 맥락에 깊이 관심을 가져야 한다고 봅니다.
본질을 찾는 리더십
스펙터에서 리더십의 한 축으로 활동하면서 중요하게 생각하는 태도나 원칙은 무엇인가요?
문제의 본질을 찾는 것, 질문하는 것, 변화하는 것 저는 언제나 세 가지를 기준으로 삼습니다.
팀원들이 더 나은 의사결정을 할 수 있도록 돕는 과정에서 특별히 신경 쓰는 점이 있다면요?
팀원의 전문성을 존중하면서도, 그 방향이 조직 전체 전략과 연결되도록 피드백합니다. 저는 원래 눈앞의 문제에 깊이 몰입하는 성향이라서, 숲을 보는 관점으로의 전환을 의식적으로 연습하고 있어요.
피드백 등 소통은 어떻게 하나요?
소통은 본질적으로 어렵다고 생각합니다. 하지만 사전에 합의만 되어 있다면, 투명하고 직설적인 방식이 가장 효율적이에요. 단순히 생각나는 대로 말하자는 뜻이 아니라, 문제와 해결책 중심으로 대화하자는 거죠. 스펙터에서는 이 방식이 문화로 합의되어 있기 때문에 서로 빠르게 이해하고 협력할 수 있습니다.
고객을 통한 성장
스펙터에서 일하며 성장했다고 느꼈을 때는 언제인가요?
가장 크게 성장했다고 느낀 순간은 고객과의 대화가 편해졌을 때예요.
예전엔 제품을 “사고 싶게” 설명하는 게 서툴러서, 미팅 자체가 두렵고 어색했습니다. 영업을 잘하는 동료들의 화법을 따라 해보기도 했지만, 어설프고 뚝딱거리는 경우가 많았어요. 그래서 고객 미팅을 제 업무 영역에서 배제하고 싶던 때도 있었습니다.
하지만 ‘리나’의 중소규모 고객 전환을 직접 맡으면서 상황이 달라졌습니다. 리드 검증부터 미팅, 클로징까지 전 과정을 진행하게 된 거예요. 처음 단독 미팅에선 떨렸지만, 꾸며낼 여유도 없이, 리나를 왜 만들었는지, 어떤 가치를 줄 수 있는지를 개발 과정에서의 에피소드와 함께 진솔하게 전했습니다.
놀랍게도 고객분들이 작은 이야기에도 흥미를 보이셨고, 15분 예정이던 미팅이 한 시간을 훌쩍 넘겼습니다. 오히려 더 듣고 싶어 하시더라고요. 그 결과 시연 미팅 참여 기업의 28%가 도입을 결정했습니다. 업계 평균 전환율(7~18%)을 크게 웃도는 수치로 꽤 높은 성과였습니다.
물론 제품력 덕분이 제일 컸습니다. 하지만 저는 메이커로서의 애정과 확신이 고객에게 전해졌기 때문이라고 생각합니다. 제품 본질을 깊이 고민했던 시간이 결코 헛되지 않았음을 확인한 순간이었어요.
솔플러의 무기들
자주 사용하는 툴이나 도구가 있다면요?
생성형 AI를 거의 전방위로 활용합니다. 최근에는 GPT-5와 Perplexity를 자주 쓰고 있어요. 아이데이션, 미팅 로깅, 기획서 초안, 리서치, 콘텐츠 작성, 번역, 코딩까지—손닿는 모든 곳에서 활용하고 있습니다.
그 외에도 Python, Redash, DBeaver, Excel 등을 QA, 데이터 분석, 보고 용도로 자주 사용합니다.
본인의 업무 스타일을 키워드로 표현한다면요?
스펙터의 HR Recreation 성향 키워드로 표현하자면
#체계 없는 환경에서 #완성도를 목표로 몰입하는 #솔플러 입니다.
스펙터다운 체계란
리우가 생각하는 ‘스펙터다운 체계’란 어떤 모습인가요?
속도, 책임, 방향을 지지하고 뒷받침하는 체계.
단기 목표보다 중요한 건 실패와 성공을 반복하면서 학습 주기를 줄여나가는 것 이라고 생각해요.
앞으로 스펙터에서 해보고 싶은 일이 있다면요?
문제를 새로운 관점과 새로운 수단으로 해결하는 일을 계속 이어가고 싶습니다.
스펙터에 관심을 갖게 된 분들에게 한마디 해주세요!
스펙터는 서로가 서로의 든든한 백업이 되어주는 원팀 스피릿으로 움직입니다.
혼자가 아니라 함께 성장하는 경험을 꼭 느껴보셨으면 합니다.
익숙한 방식에 머무르지 않고, 새로운 문제를 발견하고 풀어내는 사람들과 함께하고 싶으신가요?
리우의 이야기로 알 수 듯 스펙터는 매일 다른 시도를 통해 배우고, 실험하며, 더 나은 체계를 만들어가는 팀입니다. 이 여정에 합류한다면, 혼자가 아닌 원팀 스피릿 속에서 빠르게 성장하고 더 멀리 나아갈 수 있을 것입니다.