이제 광고의 시대를 지나 콘텐츠의 시대가 옵니다.

1. 효율좋은 ‘광고’로 후킹해서 세일즈하는 게 효과적인 시기가 있었어요. 이제는 쉽지 않아요. 가격도 높아졌고, 후킹도 어렵고, 효율은 떨어지죠.

2. 점점 브랜드만의, 나만의 ‘콘텐츠’를 꾸준히 만들어서 팬을 만들어가는 방식이 커지고 있어요. 인스타, 스레드, X 나아가 유튜브까지도요.

3. 거기서의 핵심은 ‘관계맺기’에요.
누구와 어떤 관계를 맺어갈지, 그 관계의 깊이를 다음 어떤 단계로 만들어갈지가 중요하죠.

4. 이것부터 시작하세요.
‘누구’와 관계를 맺을지, ‘어떤 콘텐츠’로 가까워질지 고민해보세요. 팔려고 하면 팔기 어렵고, 관계가 깊어지면 팔린다는 것을 기억하세요.

마케터의 무기를 만드는 초인랩

*원문 : 초인 인스타그램
https://www.instagram.com/reel/DHUW5NSzZ1x/

이제 광고의 시대를 지나 콘텐츠의 시대가 옵니다. 1. 효율좋은 ‘광고’로 후킹해서 세일즈하는 게 효과적인 시기가 있었어요. 이제는 쉽지 않아요. 가격도 높아졌고, 후킹도 어렵고, 효율은 떨어지죠. 2. 점점 브랜드만의, 나만의 ‘콘텐츠’를 꾸준히 만들어서 팬을 만들어가는 방식이 커지고 있어요. 인스타, 스레드, X 나아가 유튜브까지도요. 3. 거기서의 핵심은 ‘관계맺기’에요. 누구와 어떤 관계를 맺어갈지, 그 관계의 깊이를 다음 어떤 단계로 만들어갈지가 중요하죠. 4. 이것부터 시작하세요. ‘누구’와 관계를 맺을지, ‘어떤 콘텐츠’로 가까워질지 고민해보세요. 팔려고 하면 팔기 어렵고, 관계가 깊어지면 팔린다는 것을 기억하세요. 마케터의 무기를 만드는 초인랩 *원문 : 초인 인스타그램https://www.instagram.com/reel/DHUW5NSzZ1x/

광고의 시대는 여기까지입니다

어딜 가나 꼭 듣게 되는 말이 있죠.
바로 [데이터]

데이터로 비즈니스를 키울 수 있다고?
데이터도 스토리가 중요하다고?
일에서 꼭 필요한 데이터 무기, 어디서 만날 수 있을까요?

카드사, 게임, IT, 명품 브랜드까지
이 모든 업종에 거쳐 데이터 사이언티스트로 활약한
20년차 데이터 분석가 한승준님의 무기와 함께합니다.

데이터로 브랜드와 비즈니스의
성장을 만드는 비결을 만나보세요.

❓데이터분석 전문가 James Han (한승준) 님은?

삼성카드 CRM 데이터 분석가로 시작해 금융업계에서 약 10년동안 데이터 분석가, 데이터 과학자, 데이터 컨설턴트로 경험을 쌓으셨어요.

IT산업으로 옮겨 프로토파이, 미리캔버스, 넷마블 등 에서 데이터분석 팀장으로, 글로벌 명품 브랜드 샤넬코리아 전사 데이터분석 전략가로 무기를 만들어 오셨어요.

데이터 분석 분야 No.1 전문가와 함께
데이터로 비즈니스 확장의 무기로 만나보세요.

데이터 분석의 무기 살롱
[SPEAKER. 한승준님]

🗣️이런 무기 이야기와 함께 해요.
❓데이터 분석의 시작은 뭘까? 알면 좋을 기본은?
❓데이터를 어떻게 활용할 수 있을까?
❓업종을 넘나들며 커리어를 키워온 노하우는?

💡이런분이 함께하시면 좋아요.
✔️마케팅의 데이터 활용법을 알고 싶은 분
✔️비즈니스의 문제해결 역량을 쌓고 싶은 분
✔️매출 상승을 논리적으로 키우고 싶은 분

이 시간을 통해 브랜드의 성장 무기를 만들어 볼까요? 💪🏻

3/25(화) 7-10PM
신사역 공간 초인랩에서
선착순 한정 소그룹 진행

아래 링크에서 신청
https://www.latpeed.com/products/Xd47U

-

워스픽 살롱은 브랜드와 비즈니스의 성장에 필요한 무기를 꺼내는 시간이에요. 지난 살롱에서는 #탐색 #소통 #전략 #문제해결 #그로쓰 의 무기를 만났어요.
3월은 데이터의 무기로 함께합니다!

WARSPEAK
CHOIN LAB

어딜 가나 꼭 듣게 되는 말이 있죠.바로 [데이터] 데이터로 비즈니스를 키울 수 있다고? 데이터도 스토리가 중요하다고? 일에서 꼭 필요한 데이터 무기, 어디서 만날 수 있을까요? 카드사, 게임, IT, 명품 브랜드까지 이 모든 업종에 거쳐 데이터 사이언티스트로 활약한 20년차 데이터 분석가 한승준님의 무기와 함께합니다. 데이터로 브랜드와 비즈니스의 성장을 만드는 비결을 만나보세요. ❓데이터분석 전문가 James Han (한승준) 님은? 삼성카드 CRM 데이터 분석가로 시작해 금융업계에서 약 10년동안 데이터 분석가, 데이터 과학자, 데이터 컨설턴트로 경험을 쌓으셨어요. IT산업으로 옮겨 프로토파이, 미리캔버스, 넷마블 등 에서 데이터분석 팀장으로, 글로벌 명품 브랜드 샤넬코리아 전사 데이터분석 전략가로 무기를 만들어 오셨어요. 데이터 분석 분야 No.1 전문가와 함께 데이터로 비즈니스 확장의 무기로 만나보세요. 데이터 분석의 무기 살롱 [SPEAKER. 한승준님] 🗣️이런 무기 이야기와 함께 해요. ❓데이터 분석의 시작은 뭘까? 알면 좋을 기본은? ❓데이터를 어떻게 활용할 수 있을까? ❓업종을 넘나들며 커리어를 키워온 노하우는? 💡이런분이 함께하시면 좋아요. ✔️마케팅의 데이터 활용법을 알고 싶은 분 ✔️비즈니스의 문제해결 역량을 쌓고 싶은 분 ✔️매출 상승을 논리적으로 키우고 싶은 분 이 시간을 통해 브랜드의 성장 무기를 만들어 볼까요? 💪🏻 3/25(화) 7-10PM 신사역 공간 초인랩에서 선착순 한정 소그룹 진행 아래 링크에서 신청https://www.latpeed.com/products/Xd47U - 워스픽 살롱은 브랜드와 비즈니스의 성장에 필요한 무기를 꺼내는 시간이에요. 지난 살롱에서는 #탐색 #소통 #전략 #문제해결 #그로쓰 의 무기를 만났어요. 3월은 데이터의 무기로 함께합니다! WARSPEAKCHOIN LAB

AI 시대 필요한 무기를 하루만에 만들 수 있다면?!

사실상 엑셀이나 구글 시트가 아닌가 싶다. 이만큼 많은 사람들이 쓸 줄 알고 여러 형태로 분석이 가능하고 결과물을 공유 가능한 툴은 많지 않다. 실제 현업부서들과 일을 해보면 굉장히 많은 데이터들을 구글 시트의 형태로 매뉴얼하게 관리한다. 이 위에서 간단한 차트등을 만들어 지표 관리를 하곤 한다.

즉 데이터 엔지니어의 관점에서 보면 구글 시트는 아주 중요한 데이터 소스가 된다. 문제는 필요한 데이터를 여기로 로딩하는 방법인데 적어도 구글 시트는 Sheet API(파이썬 모듈 중에 gspread 사용)와 여러 형태의 연동 툴들을 제공한다. 유데미 때 구글 시트를 데이터 소스로 다양한 매뉴얼 정보들을 데이터 웨어하우스로 로딩하는 ETL 파이프라인을 구현해서 현업 팀원들 (마케팅, CS/CX, 영업 등등)이 아주 좋아했었다.

또 회사에 돈이 충분치 않다면 혹은 돈이 충분해도 BI 관련해서 아직 무엇을 해야할지 불분명하다면 굳이 비싼 BI 툴들(Looker, Tableau, 등등)을 사지 말고 데이터웨어하우스(혹은 프로덕션 데이터베이스)의 써머리 테이블들을 구글스프레드시트로 자동으로 덤프해서 거기서 시각화하고 분석하는 것도 아주 효율적이다. 이 역시 다양한 회사에서 데이터 컨설팅을 하면서 효율적으로 사용했었는데 이 경우 이런 형태의 데이터 파이프라인을 보통 Reverse ETL이라고 부른다. 즉 소스가 데이터 웨어하우스가 되고 타켓이 시트가 되는 형태로 일반적인 ETL의 반대 방향으로 데이터가 흐르는 거다.

이번에 인프런에 만든 강의 뒷 부분에 새로 아래 두 개의 챕터를 추가했는데 이게 바로 구글 시트를 데이터소스로 보고 시트 정보를 읽어다가 Snowflake의 테이블로 적재하는 과정을 설명하고 데모하는 내용으로 구성되어 있다. 곧 Reverse ETL 내용 (Snowflake -> 구글시트)에 관한 챕터도 추가할 예정이다.

 * 구글 시트 ➜ Snowflake
 * 구글 시트 ➜ Snowflake (코드 리뷰와 실습)

"실리콘밸리 데이터 리더가 알려주는 Airflow 기초": https://inf.run/qRing

사실상 엑셀이나 구글 시트가 아닌가 싶다. 이만큼 많은 사람들이 쓸 줄 알고 여러 형태로 분석이 가능하고 결과물을 공유 가능한 툴은 많지 않다. 실제 현업부서들과 일을 해보면 굉장히 많은 데이터들을 구글 시트의 형태로 매뉴얼하게 관리한다. 이 위에서 간단한 차트등을 만들어 지표 관리를 하곤 한다. 즉 데이터 엔지니어의 관점에서 보면 구글 시트는 아주 중요한 데이터 소스가 된다. 문제는 필요한 데이터를 여기로 로딩하는 방법인데 적어도 구글 시트는 Sheet API(파이썬 모듈 중에 gspread 사용)와 여러 형태의 연동 툴들을 제공한다. 유데미 때 구글 시트를 데이터 소스로 다양한 매뉴얼 정보들을 데이터 웨어하우스로 로딩하는 ETL 파이프라인을 구현해서 현업 팀원들 (마케팅, CS/CX, 영업 등등)이 아주 좋아했었다. 또 회사에 돈이 충분치 않다면 혹은 돈이 충분해도 BI 관련해서 아직 무엇을 해야할지 불분명하다면 굳이 비싼 BI 툴들(Looker, Tableau, 등등)을 사지 말고 데이터웨어하우스(혹은 프로덕션 데이터베이스)의 써머리 테이블들을 구글스프레드시트로 자동으로 덤프해서 거기서 시각화하고 분석하는 것도 아주 효율적이다. 이 역시 다양한 회사에서 데이터 컨설팅을 하면서 효율적으로 사용했었는데 이 경우 이런 형태의 데이터 파이프라인을 보통 Reverse ETL이라고 부른다. 즉 소스가 데이터 웨어하우스가 되고 타켓이 시트가 되는 형태로 일반적인 ETL의 반대 방향으로 데이터가 흐르는 거다. 이번에 인프런에 만든 강의 뒷 부분에 새로 아래 두 개의 챕터를 추가했는데 이게 바로 구글 시트를 데이터소스로 보고 시트 정보를 읽어다가 Snowflake의 테이블로 적재하는 과정을 설명하고 데모하는 내용으로 구성되어 있다. 곧 Reverse ETL 내용 (Snowflake -&gt; 구글시트)에 관한 챕터도 추가할 예정이다. <ul ><li>구글 시트 ➜ Snowflake</li><li>구글 시트 ➜ Snowflake (코드 리뷰와 실습)</li></ul> "실리콘밸리 데이터 리더가 알려주는 Airflow 기초": https://inf.run/qRing

가장 많이 쓰이는 데이터 분석/BI 툴은 무엇일까?

사용자가 공유한 콘텐츠

[기업가치평가 이해를 위한 회계 기초 모임_주중반]

삼성전자나 인텔은 정말 R&D 비용을 줄여서 문제가 생긴걸까? 홈플러스는 어쩌다 부채비율이 수천%의 회사가 되었나? 명동교자와 성심당은 어떻게 수십%의 영업이익율를 기록하고 있을까?

우리가 기업 뉴스를 보다보면 자연스럽게 이런 문제들이 궁금해집니다. 이런 문제의 정답을 찾으려면 각 회사의 재무제표를 자세히 살펴봐야지만 어렵기 때문에 그냥 기사에 적힌 말을 그대로 받아들이거나, 유튜브 등에서 설명하는 내용을 그냥 믿게 되죠.

직장을 다니거나 창업을 하거나 기업 내부의 수많은 의사 결정들과 경영 활동들이 어떻게 회사에 실적에 영향을 주고, 다시 그 실적은 현재의 경영에 영향을 주는지를 파악하려면 회사의 ‘언어’라고 할 수 있는 회계와 재무에 익숙해져야 하죠. 특히 스타트업을 창업하고 투자를 받으러 다니는 창업자들에게는 회사의 사업이 재무 실적과 연결되는 논리 구조를 명확하게 설명하는 것이 절대적으로 필요한 스킬이기도 합니다.

경영학을 전공하지 않아서 혹은 회계/재무를 공부할 기회를 갖지 못해서 ‘회사의 언어’에 대해 언제나 불편함을 가지고 있는 분들을 위한 회계 이해를 하는 모임의 두번째 팀을 모집합니다.

관심 있으신 분들은 아래 내용과 댓글 링크를 참조하시기 바랍니다.
감사합니다.

1. 주제 : 기업 가치 평가 이해를 위한 기업 회계 기초 스터디

2. 스터디 목표 : 회계와 기업재무제표의 이해를 통한 재무분석과 기업가치평가 기초 확립 (기업가치평가 학습을 위한 준비 단계)

3. 참여 대상자
- 회계 기초에 대한 이해가 필요한 직장인
- 기업 운영을 위한 회계 지식이 필요한 초기 창업자/창업팀
- 기업가치평가에 대한 학습이 필요한 사업기획/마케팅/인사 업무 담당자

4. 스터디 구성
- 4월 9일, 16일, 23일, 30일 (매주 수요일, 4회)
- 오후 7시~9시 30분 (2시간 반)
- 삼성동 패스트파이브 2호점 2층

5. 스터디 책 : 하마터면 또 회계를 모르고 일할 뻔 했다, 어바웃어북, 2022년

6. 회차별 주제
- 1회차 (4월 9일) : 책 ‘레슨1~레슨6, 회계 원리, 재무제표, 손익계산서 이해
- 2회차 (4월 16일) : 레슨7~레슨 13, 재무상태표 이해
- 3회차 (4월 23일) : 레슨14~레슨20, 손익계산서와 재무상태표의 연계
- 4회차 (4월 30일) : 레슨21~레슨27, 현금흐름표와 재무지표, 그리고 기업가치평가

7. 진행 방식
- 각 회차 진행 전 사전 과제 (A4 반장 분량) 제출
- 각 회차 모임시 퀴즈
- 각 회차 해당 항목 논의 및 강연
신청방법
- PBR 사이트에서 신청 (링크참조, 유료)

https://bit.ly/기업회계기초_평일

[기업가치평가 이해를 위한 회계 기초 모임_주중반] 삼성전자나 인텔은 정말 R&amp;D 비용을 줄여서 문제가 생긴걸까? 홈플러스는 어쩌다 부채비율이 수천%의 회사가 되었나? 명동교자와 성심당은 어떻게 수십%의 영업이익율를 기록하고 있을까? 우리가 기업 뉴스를 보다보면 자연스럽게 이런 문제들이 궁금해집니다. 이런 문제의 정답을 찾으려면 각 회사의 재무제표를 자세히 살펴봐야지만 어렵기 때문에 그냥 기사에 적힌 말을 그대로 받아들이거나, 유튜브 등에서 설명하는 내용을 그냥 믿게 되죠. 직장을 다니거나 창업을 하거나 기업 내부의 수많은 의사 결정들과 경영 활동들이 어떻게 회사에 실적에 영향을 주고, 다시 그 실적은 현재의 경영에 영향을 주는지를 파악하려면 회사의 ‘언어’라고 할 수 있는 회계와 재무에 익숙해져야 하죠. 특히 스타트업을 창업하고 투자를 받으러 다니는 창업자들에게는 회사의 사업이 재무 실적과 연결되는 논리 구조를 명확하게 설명하는 것이 절대적으로 필요한 스킬이기도 합니다. 경영학을 전공하지 않아서 혹은 회계/재무를 공부할 기회를 갖지 못해서 ‘회사의 언어’에 대해 언제나 불편함을 가지고 있는 분들을 위한 회계 이해를 하는 모임의 두번째 팀을 모집합니다. 관심 있으신 분들은 아래 내용과 댓글 링크를 참조하시기 바랍니다. 감사합니다. 1. 주제 : 기업 가치 평가 이해를 위한 기업 회계 기초 스터디 2. 스터디 목표 : 회계와 기업재무제표의 이해를 통한 재무분석과 기업가치평가 기초 확립 (기업가치평가 학습을 위한 준비 단계) 3. 참여 대상자 - 회계 기초에 대한 이해가 필요한 직장인 - 기업 운영을 위한 회계 지식이 필요한 초기 창업자/창업팀 - 기업가치평가에 대한 학습이 필요한 사업기획/마케팅/인사 업무 담당자 4. 스터디 구성 - 4월 9일, 16일, 23일, 30일 (매주 수요일, 4회) - 오후 7시~9시 30분 (2시간 반) - 삼성동 패스트파이브 2호점 2층 5. 스터디 책 : 하마터면 또 회계를 모르고 일할 뻔 했다, 어바웃어북, 2022년 6. 회차별 주제 - 1회차 (4월 9일) : 책 ‘레슨1~레슨6, 회계 원리, 재무제표, 손익계산서 이해 - 2회차 (4월 16일) : 레슨7~레슨 13, 재무상태표 이해 - 3회차 (4월 23일) : 레슨14~레슨20, 손익계산서와 재무상태표의 연계 - 4회차 (4월 30일) : 레슨21~레슨27, 현금흐름표와 재무지표, 그리고 기업가치평가 7. 진행 방식 - 각 회차 진행 전 사전 과제 (A4 반장 분량) 제출 - 각 회차 모임시 퀴즈 - 각 회차 해당 항목 논의 및 강연 신청방법 - PBR 사이트에서 신청 (링크참조, 유료) https://bit.ly/기업회계기초_평일

Medium

기업가치평가 이해를 위한 회계 기초 모임

﻿
회사마다 고유한 인재상이 있습니다. 사전적 의미로 인재상이란 인재로서 갖추어야 할 모습입니다. ‘인재상 뜻’에 대해서 구글링을 해보다가 재미있는 정의를 발견하였습니다. 인재상이 기업의 채용과 관련된 ‘이상형‘이라는 의미라는 해석입니다.

인재상을 처음으로 누가 만들었을까? 추측해 보면, 회사를 설립한 창업자나 그와 함께 회사가 성장하는 데 조력한 동료가 만들지 않았을지 상상해 봅니다. 회사가 성장함에 따라 직원이 하나 둘 늘어나는 데 채용을 계속하다 보니 ’우리 회사에 잘 맞는 인재는 이런 사람이야‘라고 생각했을 것 같습니다.

솔직히 회사마다 선호하는 인재의 모습이 크게 다를 수 있을까? 의문을 갖고 있습니다. A 조직에서 일을 잘 한다고 평가받는 사람이 B 조직에 가면 일을 잘 못한다고 평가받을 가능성이 높을 수 있을까요? 그럴 수도 있습니다. 100% 확률은 거의 존재하지 않는다고 믿고 있기 때문에 반전은 누구에게나 일어날 수 있는 가능성이 있습니다.

다만, 아직 일을 시작하기 전 모습을 보고 평가를 내려야 할 때에 A 조직에서 성공 경험을 갖고 있는 인재가 B 조직의 채용 전형에서 긍정적인 피드백을 받을 확률이 높은 것은 사실입니다. 주관적인 느낌보다 객관적인 사실에 바탕을 둔 평가를 한다면 말입니다.
실제로 많은 기업 홈페이지를 방문해 보면, ‘우리가 선호하는 인재의 모습’이나 ‘우리는 이렇게 일을 하는 사람들 (조직)‘이라는 메시지가 기업마다 크게 다르지 않음을 확인할 수 있습니다.

주도적으로 일을 하고, 문제를 해결하며, 더 높은 목표를 향해 도전하고, 동료를 진심으로 존중하며, 자유와 책임을 추구하는 인재와 그런 문화를 지향한다는 가치를 이야기합니다. 언어의 표현만 조금씩 다를 뿐 큰 맥락에서 이와 같은 인재상을 벗어나는 기업을 찾기 어려울 정도로 많은 기업이 거의 같은 인재를 바라고 있습니다.
함께 일을 해보면 알게 됩니다. 누가 일을 잘 하는 사람인지, 누가 협업이 잘 되는 사람인지 깨닫게 됩니다. 일 잘 하는 사람과 협업 잘 되는 사람은 외부 환경의 영향을 잘 받지 않기 때문에 어디서나 능력을 발휘하고 주변 동료에게 인정을 받는다고 생각합니다.

결국 인재상은 함께 일을 해본 동료로부터 기인한 모습을 의미합니다. ‘함께 일을 해보니 우리 조직엔 이런 사람이 더 잘 맞더라‘가 인재상이 되는 것입니다. 따라서 인재상은 시간이 흐름에 따라 변화할 수 있습니다. 과거에는 A라는 능력과 경험을 가진 사람이 필요했는데, 현재는 B라는 역량이 더 요구되고, 미래에는 C라는 비전을 가진 인재가 필요하다고 판단하는 것입니다.

시대가 요구하는 인재상은 기업마다 다르기 보다 기업의 고객이 되는 사람들의 선호에 따라 변화하는 것 같습니다. 또는 특정 기술이 시대를 휩쓸고 있다면, 인재상도 그를 따라 휩쓸려 가는 경향도 있습니다. 예를 들면, 고객이 겪고 있는 시대적 문제가 있다면, 이를 잘 해결해 줄 수 있는 사람이 인재가 되고, AI와 같은 기술이 시대를 휩쓸고 있다면, AI 기술을 잘 활용할 수 있는 사람이 인재가 되기도 하는 것입니다.

결국 거의 모든 조직에 필요한 협업 능력과 시대의 변화에 유연하게 대응할 수 있는 사람이 언제 어디서나 인재로 평가받을 확률이 높습니다. 그러니 기업에서 인재를 영입할 때, 우리에게 필요한 인재의 모습은 하나라고 정의하기는 것보다 상황에 따라서 더 적합한 인재의 정의를 업데이트하는 노력이 필요합니다.

기업의 설립자와 구성원들이 선호하는 동료의 모습을 가지고 있고, 다수의 구성원이 바라는 모습이 일치한다면 인재를 영입함에 있어서 일관된 의사결정을 할 수 있다고 생각합니다. 일관된 의사결정을 할 수 있을 때, 영입하게 되는 인재가 보유한 역량과 경험이 얼마나 대단한가 관계없이 조직이 추구하는 같은 방향을 바라보며 협업을 잘할 수 있게 된다고 믿습니다.

선명한 회사의 비전과 미션을 가지고, 회사 구성원이 함께 협업하는 과정에서 중요하게 생각하는 가치를 제시할 수 있다면, 인재상을 가지고 있는 기업이고, 채용 전형을 통해 조직에 적합한 인재를 영입할 수 있는 기준이 있는 팀이라고 생각합니다.

﻿회사마다 고유한 인재상이 있습니다. 사전적 의미로 인재상이란 인재로서 갖추어야 할 모습입니다. ‘인재상 뜻’에 대해서 구글링을 해보다가 재미있는 정의를 발견하였습니다. 인재상이 기업의 채용과 관련된 ‘이상형‘이라는 의미라는 해석입니다. 인재상을 처음으로 누가 만들었을까? 추측해 보면, 회사를 설립한 창업자나 그와 함께 회사가 성장하는 데 조력한 동료가 만들지 않았을지 상상해 봅니다. 회사가 성장함에 따라 직원이 하나 둘 늘어나는 데 채용을 계속하다 보니 ’우리 회사에 잘 맞는 인재는 이런 사람이야‘라고 생각했을 것 같습니다. 솔직히 회사마다 선호하는 인재의 모습이 크게 다를 수 있을까? 의문을 갖고 있습니다. A 조직에서 일을 잘 한다고 평가받는 사람이 B 조직에 가면 일을 잘 못한다고 평가받을 가능성이 높을 수 있을까요? 그럴 수도 있습니다. 100% 확률은 거의 존재하지 않는다고 믿고 있기 때문에 반전은 누구에게나 일어날 수 있는 가능성이 있습니다. 다만, 아직 일을 시작하기 전 모습을 보고 평가를 내려야 할 때에 A 조직에서 성공 경험을 갖고 있는 인재가 B 조직의 채용 전형에서 긍정적인 피드백을 받을 확률이 높은 것은 사실입니다. 주관적인 느낌보다 객관적인 사실에 바탕을 둔 평가를 한다면 말입니다.실제로 많은 기업 홈페이지를 방문해 보면, ‘우리가 선호하는 인재의 모습’이나 ‘우리는 이렇게 일을 하는 사람들 (조직)‘이라는 메시지가 기업마다 크게 다르지 않음을 확인할 수 있습니다. 주도적으로 일을 하고, 문제를 해결하며, 더 높은 목표를 향해 도전하고, 동료를 진심으로 존중하며, 자유와 책임을 추구하는 인재와 그런 문화를 지향한다는 가치를 이야기합니다. 언어의 표현만 조금씩 다를 뿐 큰 맥락에서 이와 같은 인재상을 벗어나는 기업을 찾기 어려울 정도로 많은 기업이 거의 같은 인재를 바라고 있습니다.함께 일을 해보면 알게 됩니다. 누가 일을 잘 하는 사람인지, 누가 협업이 잘 되는 사람인지 깨닫게 됩니다. 일 잘 하는 사람과 협업 잘 되는 사람은 외부 환경의 영향을 잘 받지 않기 때문에 어디서나 능력을 발휘하고 주변 동료에게 인정을 받는다고 생각합니다. 결국 인재상은 함께 일을 해본 동료로부터 기인한 모습을 의미합니다. ‘함께 일을 해보니 우리 조직엔 이런 사람이 더 잘 맞더라‘가 인재상이 되는 것입니다. 따라서 인재상은 시간이 흐름에 따라 변화할 수 있습니다. 과거에는 A라는 능력과 경험을 가진 사람이 필요했는데, 현재는 B라는 역량이 더 요구되고, 미래에는 C라는 비전을 가진 인재가 필요하다고 판단하는 것입니다. 시대가 요구하는 인재상은 기업마다 다르기 보다 기업의 고객이 되는 사람들의 선호에 따라 변화하는 것 같습니다. 또는 특정 기술이 시대를 휩쓸고 있다면, 인재상도 그를 따라 휩쓸려 가는 경향도 있습니다. 예를 들면, 고객이 겪고 있는 시대적 문제가 있다면, 이를 잘 해결해 줄 수 있는 사람이 인재가 되고, AI와 같은 기술이 시대를 휩쓸고 있다면, AI 기술을 잘 활용할 수 있는 사람이 인재가 되기도 하는 것입니다. 결국 거의 모든 조직에 필요한 협업 능력과 시대의 변화에 유연하게 대응할 수 있는 사람이 언제 어디서나 인재로 평가받을 확률이 높습니다. 그러니 기업에서 인재를 영입할 때, 우리에게 필요한 인재의 모습은 하나라고 정의하기는 것보다 상황에 따라서 더 적합한 인재의 정의를 업데이트하는 노력이 필요합니다. 기업의 설립자와 구성원들이 선호하는 동료의 모습을 가지고 있고, 다수의 구성원이 바라는 모습이 일치한다면 인재를 영입함에 있어서 일관된 의사결정을 할 수 있다고 생각합니다. 일관된 의사결정을 할 수 있을 때, 영입하게 되는 인재가 보유한 역량과 경험이 얼마나 대단한가 관계없이 조직이 추구하는 같은 방향을 바라보며 협업을 잘할 수 있게 된다고 믿습니다. 선명한 회사의 비전과 미션을 가지고, 회사 구성원이 함께 협업하는 과정에서 중요하게 생각하는 가치를 제시할 수 있다면, 인재상을 가지고 있는 기업이고, 채용 전형을 통해 조직에 적합한 인재를 영입할 수 있는 기준이 있는 팀이라고 생각합니다.﻿

인재상

디테일하게 일을 만들어
숫자로 말을 할 수 있어야 해요.
그래서 ‘숫자의 디테일’이 필요하죠.

숫자는 비즈니스의 결과입니다.
과정이 좋아도 숫자가 좋지 않으면 잘 안 된 거예요.
(의미는 만들 수 있죠!)

과정이 어지러워도 숫자가 좋으면 잘 된 거예요.
그것이 비즈니스의 진실입니다.

[숫자의 무기 활용법]
1. 큰 것만이 숫자는 아니에요. 0에서 1을 만드는 것, 3을 4로 만드는 것도 숫자예요. 작더라도 숫자를 보세요.

2. 매출만이 숫자의 전부가 아니예요. 모든 것들은 수치화해보세요. 오프라인 방문객, 웹 트래픽, 팔로워, 인게이지먼트(공유&좋아요&댓글) 등

아이디어와 숫자를 더할 수 있다면 그것이 나만의 무기가 될 수 있습니다. 숫자의 디테일을 꼭 기억하셔서 일을 더 크게 키워보면 어떨까요?

일의 무기를 만드는 워스픽살롱에서

https://www.youtube.com/shorts/waXUOAP68jc

디테일하게 일을 만들어 숫자로 말을 할 수 있어야 해요. 그래서 ‘숫자의 디테일’이 필요하죠. 숫자는 비즈니스의 결과입니다. 과정이 좋아도 숫자가 좋지 않으면 잘 안 된 거예요. (의미는 만들 수 있죠!) 과정이 어지러워도 숫자가 좋으면 잘 된 거예요. 그것이 비즈니스의 진실입니다. [숫자의 무기 활용법] 1. 큰 것만이 숫자는 아니에요. 0에서 1을 만드는 것, 3을 4로 만드는 것도 숫자예요. 작더라도 숫자를 보세요. 2. 매출만이 숫자의 전부가 아니예요. 모든 것들은 수치화해보세요. 오프라인 방문객, 웹 트래픽, 팔로워, 인게이지먼트(공유&amp;좋아요&amp;댓글) 등 아이디어와 숫자를 더할 수 있다면 그것이 나만의 무기가 될 수 있습니다. 숫자의 디테일을 꼭 기억하셔서 일을 더 크게 키워보면 어떨까요? 일의 무기를 만드는 워스픽살롱에서 https://www.youtube.com/shorts/waXUOAP68jc

이거 없으면 열심히 해도 소용 없더라고요

1
앞으로 ’돈‘이라고 해도 그 기저에는 세 종류가 존재한다는 것을 이해해야 한다.

2
‘캐피탈리즘’에서 돈은 통화며 노동 혹은 자본 투하를 통해 얻는 것이다.

3
반면 ‘버추얼리즘’의 돈은 신용, 평판, 영향력에 의해 결정된다.

4
‘셰어리즘’에서는 편안한 거리감을 담보할 수 있는 평판, 커뮤니케이션의 대가로써 답례가 있다. 셰어리즘에서는 시간과 공헌을 쌓아 올리는 것이 특히 중요하다.

5
각각의 세계에서 ’돈‘은 서로 관계되면서도 개개의 성질이 크게 다르다.

#3개의세계 📚

1 앞으로 ’돈‘이라고 해도 그 기저에는 세 종류가 존재한다는 것을 이해해야 한다. ​ 2 ‘캐피탈리즘’에서 돈은 통화며 노동 혹은 자본 투하를 통해 얻는 것이다. ​ 3 반면 ‘버추얼리즘’의 돈은 신용, 평판, 영향력에 의해 결정된다. ​ 4 ‘셰어리즘’에서는 편안한 거리감을 담보할 수 있는 평판, 커뮤니케이션의 대가로써 답례가 있다. 셰어리즘에서는 시간과 공헌을 쌓아 올리는 것이 특히 중요하다. ​ 5 각각의 세계에서 ’돈‘은 서로 관계되면서도 개개의 성질이 크게 다르다. #3개의세계 📚

< 미래에 돈은 세 종류로 나뉜다 >

https://blog.naver.com/madaboutit/223776694587

*이 글은 외부필자인 기묘한님의 기고입니다. 토스의 현금 마케팅, 바로 얼마 전에 아웃스탠딩 기사로 다루기도 했었죠. 흥미롭게도 저 역시 아웃스탠딩에 기고할 주제로 토스를 생각하고 있었습니다. 왜냐하면 저도 바로 그 구독자 단체 카카오 채팅방에 있었거든요. 다만 제가 궁금했던 포인트는 

토스의 현금 마케팅이 진짜 노린 것은 1000만 DAU가 아니다?

철저한 데이터 분석과 전략적 판단이 뒤에 숨어 있었는데요

[아티클 3문장 요약📑]

1️⃣ 토스는 지난 2월 큰 화제가 된 '꽃돼지 저금통' 이벤트처럼 현금을 미끼로 사용자를 모으는 마케팅 캠페인을 자주 하는데, 이 덕분에 일간 방문자 수(DAU) 천만 명이라는 역대 최고 기록을 달성하기도 했지만, 최근 6개월간 토스의 일간 방문자 수 자체가 850만 명 내외를 꾸준히 유지하고 있기에, 방문자 수 증대보단 다른 목적이 있었습니다.

2️⃣ 이는 바로 신규 앱 설치로, 토스는 이미 월간 방문자 수 천오백만 명을 훌쩍 넘은 뒤로도 계속 설치 건 수를 늘려오고 있으며, 이는 이러한 바이럴 이벤트의 힘이 컸던 걸로 보이는데, 토스의 성장을 만든 이론에 따르면 신규 유입 규모에 따라 장기 성장성이 결정되므로 이를 유지하기 위해 애쓴 결과로 추정됩니다.

3️⃣ 또한 토스는 기존 사용자에게도 현금 넛지를 적극적으로 활용하고 있는데, 여기서는 단순 유입보다는 특정 행동을 유도하는 방식으로 이루어지며, 예를 들어 쇼핑 탭을 4회 이상 방문하면 첫 구매 전환 확률이 엄청나게 높아진다는 점에서 착안하여 이를 유도하기 위해 만든 '고양이 키우고 간식 받기'가 대표적으로, 이처럼 철저한 분석 기반으로 현금 마케팅은 진행되어 온 겁니다.

💡기묘한 관점➕
본문에도 나오지만, 토스의 현금 마케팅과 쿠팡의 못생긴 디자인이 같은 결이라 생각하는데요. 너무 짜치기도 하고 때론 없어 보이기도 하지만 결국 많은 실험 끝에 최적의 안으로 내려진 의사결정이라는 점에서 그러합니다. 다만 기억할 것은 아무리 효율이 좋은 액션이라도 장기적으로 브랜드 가치를 훼손시킨다면 결국 독이 될 수 있다는 점으로, 최적의 균형점을 찾기 위해 끊임 없이 노력해야 한다는 점입니다.

🥤트렌드라이트 구독하기
https://bit.ly/3iSbx4e

철저한 데이터 분석과 전략적 판단이 뒤에 숨어 있었는데요 [아티클 3문장 요약📑] 1️⃣&nbsp;토스는 지난 2월 큰 화제가 된 '꽃돼지 저금통' 이벤트처럼 현금을 미끼로 사용자를 모으는 마케팅 캠페인을 자주 하는데, 이 덕분에 일간 방문자 수(DAU) 천만 명이라는 역대 최고 기록을 달성하기도 했지만, 최근 6개월간 토스의 일간 방문자 수 자체가 850만 명 내외를 꾸준히 유지하고 있기에, 방문자 수 증대보단 다른 목적이 있었습니다. 2️⃣&nbsp;이는 바로 신규 앱 설치로, 토스는 이미 월간 방문자 수 천오백만 명을 훌쩍 넘은 뒤로도 계속 설치 건 수를 늘려오고 있으며, 이는 이러한 바이럴 이벤트의 힘이 컸던 걸로 보이는데, 토스의 성장을 만든 이론에 따르면 신규 유입 규모에 따라 장기 성장성이 결정되므로 이를 유지하기 위해 애쓴 결과로 추정됩니다. 3️⃣&nbsp;또한 토스는 기존 사용자에게도 현금 넛지를 적극적으로 활용하고 있는데, 여기서는 단순 유입보다는 특정 행동을 유도하는 방식으로 이루어지며, 예를 들어 쇼핑 탭을 4회 이상 방문하면 첫 구매 전환 확률이 엄청나게 높아진다는 점에서 착안하여 이를 유도하기 위해 만든 '고양이 키우고 간식 받기'가 대표적으로, 이처럼 철저한 분석 기반으로 현금 마케팅은 진행되어 온 겁니다. 💡기묘한 관점➕본문에도 나오지만, 토스의 현금 마케팅과 쿠팡의 못생긴 디자인이 같은 결이라 생각하는데요. 너무 짜치기도 하고 때론 없어 보이기도 하지만 결국 많은 실험 끝에 최적의 안으로 내려진 의사결정이라는 점에서 그러합니다. 다만 기억할 것은 아무리 효율이 좋은 액션이라도 장기적으로 브랜드 가치를 훼손시킨다면 결국 독이 될 수 있다는 점으로, 최적의 균형점을 찾기 위해 끊임 없이 노력해야 한다는 점입니다. 🥤트렌드라이트 구독하기https://bit.ly/3iSbx4e

OUTSTANDING

💰토스의 현금 마케팅이 진짜 노린 건 DAU 확대가 아니었습니다

﻿
회사 내부에 채용 업무를 전담하는 담당자와 팀이 없거나 채용해야 하는 포지션이 너무 많거나 채용해야 하는 포지션을 감당할 여력이 없을 때, 회사는 이와 같은 고민을 해결해 줄 전문가를 찾게 됩니다. 채용 업무 관련 전문가 집단을 찾을 때 가장 먼저 떠오르는 사람이 바로 헤드헌터입니다.

헤드헌터는 회사가 필요로 하는 사람을 대신 찾아 줍니다. 그리고 회사의 채용 전형에 인재를 태워 줍니다. 또 인재를 설득해야 하는 순간에 적극적으로 대화를 나눠 줍니다. 헤드헌터는 채용 업무에 있어서 회사가 해야 할 일을 대신해 주는 역할입니다.

회사가 해야 할 역할을 대신하고 역할에 대한 보수를 받습니다. 어떻게 보면 채용 전문가를 고용하는 것이 헤드헌터에게 인재 영입 과제를 의뢰하는 일이라고 생각합니다. 한 명의 인재를 영입하는 일이 하나의 프로젝트가 되고, 인재를 채용하는 것으로 프로젝트가 완수되면 해당 프로젝트에 대한 비용 정산을 하는 시스템입니다.

헤드헌터는 회사 입장에서 완벽한 아군은 아닙니다. 헤드헌터는 프로젝트 성사 여부가 수익과 직결되기 때문입니다. 훌륭한 인재를 소개하는 것만으로 보수를 받지 못하고, 인재가 채용 전형을 모두 통과하여 입사했을 때 프로젝트 수행에 대한 보수를 받을 수 있습니다. 따라서 프로젝트 성사를 위해 헤드헌터는 회사를 설득하기도 합니다.

헤드헌터는 자신이 회사에 추천한 인재에게 정보를 제공합니다. 채용 전형을 통과하는 데 도움이 되는 회사와 관련된 정보, 이와 같은 정보를 이력서와 면접에서 유리하게 풀어낼 노하우 등 헤드헌터는 자신이 회사에 추천한 인재를 적극적으로 돕습니다. 단지 프로젝트 성사로 수익을 얻기 위한 행동은 아닐 것입니다. 인재라고 판단한 사람과 인재를 영입하기 원하는 회사가 서로 궁합이 잘 맞을 것으로 생각하여 둘이 행복한 성장을 만들면 좋겠다는 마음이 있다고 믿습니다.

인재 영입이 어렵듯이, 위와 같은 진정성을 가진 헤드헌터를 만나는 일도 쉽지 않습니다. 채용 직무를 이해하고, 회사의 비즈니스 모델과 기존 구성원의 특성까지 파악하여 인재를 추천하는 헤드헌터를 만나는 확률이 높지 않습니다. 그래서 채용 채널에 대한 데이터를 분석해 보면 헤드헌터 추천으로 영입된 인재 비중이 매우 낮습니다. 물론 예산에 대한 한계와 절약 차원에서 적극적으로 헤드헌터를 고용하지 않거나 헤드헌터 추천 인재를 더 팍팍하게 검증하는 신중하게 의사결정하는 배경도 작용합니다.

돈이라는 제약 조건을 떼고 보더라도 헤드헌터가 진짜 회사를 위하여 적합한 인재를 추천한다는 느낌을 받는 것이 중요합니다. 진심은 마음을 갖고 있는 것만으로 표현되지 않습니다. 진심은 노력으로 나타나는 것입니다. 예를 들면, 회사가 노출한 채용 공고 내용을 보고 이해를 하기 위해 노력해야 합니다. 눈에 보이는 내용뿐만 아니라 채용 공고에 노출하지 않은 회사의 요구를 파악해야 합니다. 궁예의 관심법을 동원하는 것이 아니라 채용 공고를 작성하고 노출한 회사 내부 구성원과 대화를 통해 숨은 요구를 확인해야 합니다.

인재에 대해서도 검증이 필요합니다. 이력서만 보고 채용 공고에서 요구하는 자격 요건에 얼추 부합하니 회사에 추천하는 것이 아니라 인재와 대화를 통해 역량과 경험을 확인해 보아야 합니다. 이력서에 텍스트로 나열된 내용이 실제 어떤 경험이었는지, 경험을 통해 어떤 역량을 획득하게 되었는지 알고 회사에 필요한 인재인지 판단하여 추천해야 합니다.

인재와 기업을 연결하는 비즈니스는 위와 같이 양면을 모두 깊이 이해해야 하는 과제를 수행하는 일입니다. 인재의 이력서와 기업의 채용 공고를 기술적으로 연결하는 것으로 채용 성사가 잘 일어나지 않는 이유가 여기에 있습니다. 눈에 보이지 않는 양면의 숨은 요구가 있기 때문입니다. 텍스트로 설명이 되지 않는 경험과 역량이 있기 때문입니다. 만나서 대화를 통해 이야기 들었을 때, 비로소 이해가 되는 영역이 있습니다. 만나서 느낌을 전달받았을 때, 비로소 공감이 되는 영역이 있습니다.

눈에 보이지 않는 경험과 역량을 선명하게 만들고, 만나야 비로소 이해하고 공감하게 되는 것을 편리한 논리구조로 만들 수 있다면 인재와 기업을 연결하는 비즈니스가 양면에 획기적인 변혁을 제공할 수 있다고 믿습니다.

﻿회사 내부에 채용 업무를 전담하는 담당자와 팀이 없거나 채용해야 하는 포지션이 너무 많거나 채용해야 하는 포지션을 감당할 여력이 없을 때, 회사는 이와 같은 고민을 해결해 줄 전문가를 찾게 됩니다. 채용 업무 관련 전문가 집단을 찾을 때 가장 먼저 떠오르는 사람이 바로 헤드헌터입니다. 헤드헌터는 회사가 필요로 하는 사람을 대신 찾아 줍니다. 그리고 회사의 채용 전형에 인재를 태워 줍니다. 또 인재를 설득해야 하는 순간에 적극적으로 대화를 나눠 줍니다. 헤드헌터는 채용 업무에 있어서 회사가 해야 할 일을 대신해 주는 역할입니다. 회사가 해야 할 역할을 대신하고 역할에 대한 보수를 받습니다. 어떻게 보면 채용 전문가를 고용하는 것이 헤드헌터에게 인재 영입 과제를 의뢰하는 일이라고 생각합니다. 한 명의 인재를 영입하는 일이 하나의 프로젝트가 되고, 인재를 채용하는 것으로 프로젝트가 완수되면 해당 프로젝트에 대한 비용 정산을 하는 시스템입니다. 헤드헌터는 회사 입장에서 완벽한 아군은 아닙니다. 헤드헌터는 프로젝트 성사 여부가 수익과 직결되기 때문입니다. 훌륭한 인재를 소개하는 것만으로 보수를 받지 못하고, 인재가 채용 전형을 모두 통과하여 입사했을 때 프로젝트 수행에 대한 보수를 받을 수 있습니다. 따라서 프로젝트 성사를 위해 헤드헌터는 회사를 설득하기도 합니다. 헤드헌터는 자신이 회사에 추천한 인재에게 정보를 제공합니다. 채용 전형을 통과하는 데 도움이 되는 회사와 관련된 정보, 이와 같은 정보를 이력서와 면접에서 유리하게 풀어낼 노하우 등 헤드헌터는 자신이 회사에 추천한 인재를 적극적으로 돕습니다. 단지 프로젝트 성사로 수익을 얻기 위한 행동은 아닐 것입니다. 인재라고 판단한 사람과 인재를 영입하기 원하는 회사가 서로 궁합이 잘 맞을 것으로 생각하여 둘이 행복한 성장을 만들면 좋겠다는 마음이 있다고 믿습니다. 인재 영입이 어렵듯이, 위와 같은 진정성을 가진 헤드헌터를 만나는 일도 쉽지 않습니다. 채용 직무를 이해하고, 회사의 비즈니스 모델과 기존 구성원의 특성까지 파악하여 인재를 추천하는 헤드헌터를 만나는 확률이 높지 않습니다. 그래서 채용 채널에 대한 데이터를 분석해 보면 헤드헌터 추천으로 영입된 인재 비중이 매우 낮습니다. 물론 예산에 대한 한계와 절약 차원에서 적극적으로 헤드헌터를 고용하지 않거나 헤드헌터 추천 인재를 더 팍팍하게 검증하는 신중하게 의사결정하는 배경도 작용합니다. 돈이라는 제약 조건을 떼고 보더라도 헤드헌터가 진짜 회사를 위하여 적합한 인재를 추천한다는 느낌을 받는 것이 중요합니다. 진심은 마음을 갖고 있는 것만으로 표현되지 않습니다. 진심은 노력으로 나타나는 것입니다. 예를 들면, 회사가 노출한 채용 공고 내용을 보고 이해를 하기 위해 노력해야 합니다. 눈에 보이는 내용뿐만 아니라 채용 공고에 노출하지 않은 회사의 요구를 파악해야 합니다. 궁예의 관심법을 동원하는 것이 아니라 채용 공고를 작성하고 노출한 회사 내부 구성원과 대화를 통해 숨은 요구를 확인해야 합니다. 인재에 대해서도 검증이 필요합니다. 이력서만 보고 채용 공고에서 요구하는 자격 요건에 얼추 부합하니 회사에 추천하는 것이 아니라 인재와 대화를 통해 역량과 경험을 확인해 보아야 합니다. 이력서에 텍스트로 나열된 내용이 실제 어떤 경험이었는지, 경험을 통해 어떤 역량을 획득하게 되었는지 알고 회사에 필요한 인재인지 판단하여 추천해야 합니다. 인재와 기업을 연결하는 비즈니스는 위와 같이 양면을 모두 깊이 이해해야 하는 과제를 수행하는 일입니다. 인재의 이력서와 기업의 채용 공고를 기술적으로 연결하는 것으로 채용 성사가 잘 일어나지 않는 이유가 여기에 있습니다. 눈에 보이지 않는 양면의 숨은 요구가 있기 때문입니다. 텍스트로 설명이 되지 않는 경험과 역량이 있기 때문입니다. 만나서 대화를 통해 이야기 들었을 때, 비로소 이해가 되는 영역이 있습니다. 만나서 느낌을 전달받았을 때, 비로소 공감이 되는 영역이 있습니다. 눈에 보이지 않는 경험과 역량을 선명하게 만들고, 만나야 비로소 이해하고 공감하게 되는 것을 편리한 논리구조로 만들 수 있다면 인재와 기업을 연결하는 비즈니스가 양면에 획기적인 변혁을 제공할 수 있다고 믿습니다.﻿

헤드헌터

회사 도서관이 사옥 1층으로 자리를 옮겼다.

건물 지어진 후 처음 공간을 옮겼으니 20년 만에 새단장을 한 셈인데, 나중에 이런 책방 할 수 있다면 너무 좋겠다는 생각이 절로 들만큼 예쁘게 공간을 꾸며놨다. 요즘 힙하다는 웬만한 서점들 뺨칠 정도.

그럼에도 동시에, 입사 후 회사에서 가장 사랑한 공간이었던 18층 도서관이 사라졌다는 사실이 못내 아쉽다.

보고서 아이디어가 바닥을 드러낼 때면 오아시스 찾는 것마냥 뻔질나게 들락날락했던 정기간행물과 경제/경영 서가가, 세상 돌아가는 판이 도대체 이해가 안될 때 찾았던 그 구불구불 물결처럼 굽이치던 사회과학 서가가, 그리고 무엇보다 회사 일이 문득 힘겹게 느껴질 때, 동굴같은 곳에 잠시나마 숨고 싶을 때면 찾곤 했던 도서관 한 구석 역사/여행 서가가 나중에도 꽤나 오래도록 그리울 것이다.

#사내도서관 #library #새술은새부대라지만 #그리운건어쩔수없네

회사 도서관이 사옥 1층으로 자리를 옮겼다. 건물 지어진 후 처음 공간을 옮겼으니 20년 만에 새단장을 한 셈인데, 나중에 이런 책방 할 수 있다면 너무 좋겠다는 생각이 절로 들만큼 예쁘게 공간을 꾸며놨다. 요즘 힙하다는 웬만한 서점들 뺨칠 정도. 그럼에도 동시에, 입사 후 회사에서 가장 사랑한 공간이었던 18층 도서관이 사라졌다는 사실이 못내 아쉽다. 보고서 아이디어가 바닥을 드러낼 때면 오아시스 찾는 것마냥 뻔질나게 들락날락했던 정기간행물과 경제/경영 서가가, 세상 돌아가는 판이 도대체 이해가 안될 때 찾았던 그 구불구불 물결처럼 굽이치던 사회과학 서가가, 그리고 무엇보다 회사 일이 문득 힘겹게 느껴질 때, 동굴같은 곳에 잠시나마 숨고 싶을 때면 찾곤 했던 도서관 한 구석 역사/여행 서가가 나중에도 꽤나 오래도록 그리울 것이다. #사내도서관 #library #새술은새부대라지만 #그리운건어쩔수없네

면접관으로 들어가면 행동양식 질문으로 물어보는 두 가지 질문이 있다. 하나는 임팩트(Impact)에 관한 것이고 다른 하나는 협업(Collaboration)에 관한 것이다. 임팩트에는 관한 것으로 "커리어에서 가장 임팩트있는 프로젝트에 대해 이야기해달라"는 질문을 하고 협업에 관해서는 "같이 일해본 동료 중에 가장 힘들었던 사람이 누구였고 왜 힘들었지 이야기해달라"이다.

임팩트 질문은 전에 포스팅을 한 적이 있었는데 오늘은 협업 질문에 대해 더 이야기해보고자 한다. 어려운 동료에 관한 질문을 통해 알고자 하는 것은 이 사람이 완벽한 사람인지를 알고자 하는 것이 아니다. 얼마나 솔직한지 알고 싶고 어려운 동료를 통해 무엇을 배웠고 다음에 어떤 변화를 시도했는지 알고 싶은 거다. 즉 자신의 취약한 점을 솔직히 이야기할 줄 아는 사람인지 그리고 복기를 통해 발전을 꾀하는 사람인지 알고 싶은 건데 어떤 답변들은 너무나도 구체적이지 않고 피상적이다. 면접을 잘 하는 방법 중의 하나는 솔직하되 발전하는 모습에 대해 이야기하는 것이며 그렇게 커리어를 바라보는 것이 정말 좋지 않나 싶다.

이 이야기는 지난 주에 산호세 주립대 강의 도입부에 학생들에게 해준 면접 팁의 일부인데 매주 하나씩 공유할 계획이다.

면접관으로 들어가면 행동양식 질문으로 물어보는 두 가지 질문이 있다. 하나는 임팩트(Impact)에 관한 것이고 다른 하나는 협업(Collaboration)에 관한 것이다. 임팩트에는 관한 것으로 "커리어에서 가장 임팩트있는 프로젝트에 대해 이야기해달라"는 질문을 하고 협업에 관해서는 "같이 일해본 동료 중에 가장 힘들었던 사람이 누구였고 왜 힘들었지 이야기해달라"이다. 임팩트 질문은 전에 포스팅을 한 적이 있었는데 오늘은 협업 질문에 대해 더 이야기해보고자 한다. 어려운 동료에 관한 질문을 통해 알고자 하는 것은 이 사람이 완벽한 사람인지를 알고자 하는 것이 아니다. 얼마나 솔직한지 알고 싶고 어려운 동료를 통해 무엇을 배웠고 다음에 어떤 변화를 시도했는지 알고 싶은 거다. 즉 자신의 취약한 점을 솔직히 이야기할 줄 아는 사람인지 그리고 복기를 통해 발전을 꾀하는 사람인지 알고 싶은 건데 어떤 답변들은 너무나도 구체적이지 않고 피상적이다. 면접을 잘 하는 방법 중의 하나는 솔직하되 발전하는 모습에 대해 이야기하는 것이며 그렇게 커리어를 바라보는 것이 정말 좋지 않나 싶다. 이 이야기는 지난 주에 산호세 주립대 강의 도입부에 학생들에게 해준 면접 팁의 일부인데 매주 하나씩 공유할 계획이다.

면접 질문: 같이 일해본 동료 중에 가장 힘들었던 사람은 누구였나

저를 포함한 주변에서 자주 보이는, AI에 대해 공부하는 단계별 순서입니다.

1. ChatGPT 무료로 시작하기
2. GPTs 사용해보기
3. Claude, Google AI studio, Perplexity로 확장
4. 텍스트 기반 LLM에서 다른 모달(Modal)로 확장
(Ex. Midjourney, Genspark, PikaAI, Cursor)
5. LLM 무료 버전에서 유료 버전으로 전환하기
6. Prompt에 대해 공부하고 적용해보기
7. 새로 나오는 연구/논문 찾아보고 공부하기
8. Agent/Workflow에 대해 탐구하고 적용해보기
9. API로 연결해 직접 AI 도구 만들어보기

저를 포함한 주변에서 자주 보이는, AI에 대해 공부하는 단계별 순서입니다. 1. ChatGPT 무료로 시작하기2. GPTs 사용해보기3. Claude, Google AI studio, Perplexity로 확장4. 텍스트 기반 LLM에서 다른 모달(Modal)로 확장(Ex. Midjourney, Genspark, PikaAI, Cursor)5. LLM 무료 버전에서 유료 버전으로 전환하기6. Prompt에 대해 공부하고 적용해보기7. 새로 나오는 연구/논문 찾아보고 공부하기8. Agent/Workflow에 대해 탐구하고 적용해보기9. API로 연결해 직접 AI 도구 만들어보기&nbsp;

AI, 어디까지 써보셨나요?

‘매번 신경쓰지 않아도 API 요청 당 쿼리 호출 수가 임계치를 넘으면, 자동으로 알림이 오도록 만들 순 없을까?’ 라는 작은 고민을 시작으로 ‘모두가 쉽게 사용할 수 있게끔 라이브러리로 만들어보자!’ 까지 도달한 과정을 담은 이야기입니다. 실제로…

API 요청 당 쿼리 개수를 알고 싶어 라이브러리까지 만든 이야기 — 라이브러리 제작

‘매번 신경쓰지 않아도 API 요청 당 쿼리 호출 수가 임계치를 넘으면, 자동으로 알림이 오도록 만들 순 없을까?’ 라는 작은 고민을 시작으로 ‘모두가 쉽게 사용할 수 있게끔 라이브러리로 만들어보자!’ 까지 도달한 이야기
https://medium.com/@hyeon9mak/api-%EC%9A%94%EC%B2%AD-%EB%8B%B9-%EC%BF%BC%EB%A6%AC-%EA%B0%9C%EC%88%98%EB%A5%BC-%EC%95%8C%EA%B3%A0-%EC%8B%B6%EC%96%B4-%EB%9D%BC%EC%9D%B4%EB%B8%8C%EB%9F%AC%EB%A6%AC%EA%B9%8C%EC%A7%80-%EB%A7%8C%EB%93%A0-%EC%9D%B4%EC%95%BC%EA%B8%B0-%EB%9D%BC%EC%9D%B4%EB%B8%8C%EB%9F%AC%EB%A6%AC-%EC%A0%9C%EC%9E%91-de39f0d27351

‘매번 신경쓰지 않아도 API 요청 당 쿼리 호출 수가 임계치를 넘으면, 자동으로 알림이 오도록 만들 순 없을까?’ 라는 작은 고민을 시작으로 ‘모두가 쉽게 사용할 수 있게끔 라이브러리로 만들어보자!’ 까지 도달한 이야기https://medium.com/@hyeon9mak/api-%EC%9A%94%EC%B2%AD-%EB%8B%B9-%EC%BF%BC%EB%A6%AC-%EA%B0%9C%EC%88%98%EB%A5%BC-%EC%95%8C%EA%B3%A0-%EC%8B%B6%EC%96%B4-%EB%9D%BC%EC%9D%B4%EB%B8%8C%EB%9F%AC%EB%A6%AC%EA%B9%8C%EC%A7%80-%EB%A7%8C%EB%93%A0-%EC%9D%B4%EC%95%BC%EA%B8%B0-%EB%9D%BC%EC%9D%B4%EB%B8%8C%EB%9F%AC%EB%A6%AC-%EC%A0%9C%EC%9E%91-de39f0d27351

API 요청 당 쿼리 개수를 알고 싶어 라이브러리까지 만든 이야기

Embarking on a native port of the existing TypeScript compiler and toolset to achieve a 10x performance speed-up.

A 10x Faster TypeScript - TypeScript

타입스크립트가 컴파일러를 Go로 재작성하여 속도를 무려 10배 향상시킨다고 예고했습니다. 7.0 버전으로 출시 예정이고 올해 11월 즈음 베타 버전이 나올 것 같다고 하네요. 그동안 타입스크립트의 성능을 개선하기 위해서 오픈 소스로 여러 시도가 있었지만 모두 실패했는데 마이크로소프트에서 이렇게 직접 나서서 늦게라도 해결해주니 너무 좋은 것 같습니다. 덕분에 VSCode도 얼마나 빠릿빠릿해질지 벌써 기대가 되네요. 단지 Rust를 선택하지 않은 부분은 여러 커뮤니티에서 논쟁거리가 되고 있는 것 같습니다.

타입스크립트가 컴파일러를 Go로 재작성하여 속도를 무려 10배 향상시킨다고 예고했습니다. 7.0 버전으로 출시 예정이고 올해 11월 즈음 베타 버전이 나올 것 같다고 하네요. 그동안 타입스크립트의 성능을 개선하기 위해서 오픈 소스로 여러 시도가 있었지만 모두 실패했는데 마이크로소프트에서 이렇게 직접 나서서 늦게라도 해결해주니 너무 좋은 것 같습니다. 덕분에 VSCode도 얼마나 빠릿빠릿해질지 벌써 기대가 되네요. 단지 Rust를 선택하지 않은 부분은 여러 커뮤니티에서 논쟁거리가 되고 있는 것 같습니다.

TypeScript

🏎️ 타입스크립트가 10배나 빨라 진다구?! 😲

절대 죽지 않는 프로그램을 짜고 싶었습니다. 널 처리만 잘하면 된다고 생각했습니다. 프로그램이 죽는 이유의 대부분이 널 포인터를 건드리는 경우였으니까.

성급한 널 처리의 오류

절대 죽지 않는 프로그램을 짜고 싶었습니다. 널 처리만 잘하면 된다고 생각했습니다.
프로그램이 죽는 이유의 대부분이 널 포인터를 건드리는 경우였으니까.

회사에 처음 들어가서 윈도우 클라이언트 프로그램을 부여받았습니다.
맨티스라는 도구에 버그가 올라오면 내가 고칠 수 있는 게 있을까 신이 나서 찾아 고쳤습니다.
대부분 널 포인터만 감싸면 고쳐지는 에러였습니다.

26살의 신입사원답게 아주 재빨랐습니다.
재현 후 디버거를 붙여서 값이 널로 들어온다?
오케이, 찾았어. 바로 널 체크 코드를 추가했습니다.
if (pData == NULL)
  return;

그리고 다시 재현해 보고 재현이 안 되면 Fix로 변경.
아~ 코딩 참 쉽다.

저는 이걸 성급한 널 처리의 오류라고 부르고 싶습니다.

경험이 쌓이면서 이게 그리 쉬운 문제가 아니라는 걸 알았습니다.
이렇게 널과 널 체크를 남용하면 프로그램이 죽지는 않더라도 버그를 영영 감추는 꼴이 되어버리고 맙니다. 절대 죽지 않는 프로그램보다 문제가 생기면 곧장 죽는 프로그램이 오히려 낫다는 걸 시간이 지나고서야 깨달았습니다.
감춰진 버그는 나중에 결국 나에게 돌아온다는걸.
ASSERT(pData);

ASSERT 같은 코드를 왜 쓰는지도 그쯤에야 깨달았습니다. (학생 때는 도무지 이해가 되지 않았습니다)
알게 된 후로는 적극적으로 사용했습니다.

이후로는 변수가 널이어야 하는 경우와 절대 널이어선 안 되는 경우를 엄격하게 구분하기 시작했습니다. 애초에 널 상태를 만들지 않으려 애썼습니다.
변수를 처음 선언할 때부터.
DB 스키마를 만들 때부터.
서버에서 클라이언트에 데이터를 내려줄 때도 함부로 null 을 사용하지 않았습니다.
이렇게 하면 그걸 받아서 쓰는 애플리케이션 쪽에서 고민거리가 줄어들므로 코딩이 편해집니다.

C/C++처럼 낡은 언어와는 다르게 요즘 언어들은 nullable 혹은 optional 타입 기능을 제공하는 것 같습니다.
저는 C#에서 이걸 처음 봤는데, 최근 언어는 다 탑재하고 있더라고요.
가끔 귀찮다는 느낌이 들 때도 있긴 하지만… 귀찮다고 느껴질 때는 널을 다뤄야 할 때입니다.
애초에 널을 건네주는 곳이 없다면 귀찮을 일도 생기지 않습니다. 이 기능에 대해 호불호가 있지만 저는 선호하는 쪽입니다.

https://jeho.page/essay/2025/03/11/fallacy-of-hasty-null-handling.html

절대 죽지 않는 프로그램을 짜고 싶었습니다. 널 처리만 잘하면 된다고 생각했습니다. 프로그램이 죽는 이유의 대부분이 널 포인터를 건드리는 경우였으니까. 회사에 처음 들어가서 윈도우 클라이언트 프로그램을 부여받았습니다. 맨티스라는 도구에 버그가 올라오면 내가 고칠 수 있는 게 있을까 신이 나서 찾아 고쳤습니다.대부분 널 포인터만 감싸면 고쳐지는 에러였습니다. 26살의 신입사원답게 아주 재빨랐습니다. 재현 후 디버거를 붙여서 값이 널로 들어온다? 오케이, 찾았어. 바로 널 체크 코드를 추가했습니다.<pre ><code>if (pData == NULL)
 return;</code></pre>그리고 다시 재현해 보고 재현이 안 되면 Fix로 변경. 아~ 코딩 참 쉽다. 저는 이걸 성급한 널 처리의 오류라고 부르고 싶습니다. 경험이 쌓이면서 이게 그리 쉬운 문제가 아니라는 걸 알았습니다. 이렇게 널과 널 체크를 남용하면 프로그램이 죽지는 않더라도 버그를 영영 감추는 꼴이 되어버리고 맙니다. 절대 죽지 않는 프로그램보다 문제가 생기면 곧장 죽는 프로그램이 오히려 낫다는 걸 시간이 지나고서야 깨달았습니다. 감춰진 버그는 나중에 결국 나에게 돌아온다는걸.<pre ><code>ASSERT(pData);</code></pre>ASSERT 같은 코드를 왜 쓰는지도 그쯤에야 깨달았습니다. (학생 때는 도무지 이해가 되지 않았습니다) 알게 된 후로는 적극적으로 사용했습니다. 이후로는 변수가 널이어야 하는 경우와 절대 널이어선 안 되는 경우를 엄격하게 구분하기 시작했습니다. 애초에 널 상태를 만들지 않으려 애썼습니다. 변수를 처음 선언할 때부터. DB 스키마를 만들 때부터. 서버에서 클라이언트에 데이터를 내려줄 때도 함부로 null 을 사용하지 않았습니다. 이렇게 하면 그걸 받아서 쓰는 애플리케이션 쪽에서 고민거리가 줄어들므로 코딩이 편해집니다. C/C++처럼 낡은 언어와는 다르게 요즘 언어들은 nullable 혹은 optional 타입 기능을 제공하는 것 같습니다. 저는 C#에서 이걸 처음 봤는데, 최근 언어는 다 탑재하고 있더라고요. 가끔 귀찮다는 느낌이 들 때도 있긴 하지만… 귀찮다고 느껴질 때는 널을 다뤄야 할 때입니다. 애초에 널을 건네주는 곳이 없다면 귀찮을 일도 생기지 않습니다. 이 기능에 대해 호불호가 있지만 저는 선호하는 쪽입니다. https://jeho.page/essay/2025/03/11/fallacy-of-hasty-null-handling.html

K리그 프로그래머

학생 때는 회사 생활이 두려웠어요. 미디어에 비친 회사 생활은 수직적이고 권위적이었거든요.

회사에선 눈치 보는 야근을 해야 하고, 강요받는 회식 자리에 가야하며, 능력보다 관계가 중요한 곳이라고 느꼈어요.

그래서 도망쳤어요. 견뎌낼 자신 없는 문화를 가진 회사는 쳐다보지도 않았어요.

초봉이 중요하다며 조금 참고 돈 잘 주는 곳 가라는 말을 들었어요. 무시했어요. 적은 돈을 받더라도 괜찮았어요.

일이 좋아 출근이 기대되고, 동료들이 좋아 함께 여행도 떠날 수 있으면서, 능력으로 인정받을 수 있는 곳을 찾아다녔어요.

그렇게 9년이 흘렀어요. 저는 도망친 곳에서 낙원을 발견했고 지금의 제 삶을 즐기고 있어요.

학생 때는 회사 생활이 두려웠어요. 미디어에 비친 회사 생활은 수직적이고 권위적이었거든요. 회사에선 눈치 보는 야근을 해야 하고, 강요받는 회식 자리에 가야하며, 능력보다 관계가 중요한 곳이라고 느꼈어요. 그래서 도망쳤어요. 견뎌낼 자신 없는 문화를 가진 회사는 쳐다보지도 않았어요. 초봉이 중요하다며 조금 참고 돈 잘 주는 곳 가라는 말을 들었어요. 무시했어요. 적은 돈을 받더라도 괜찮았어요. 일이 좋아 출근이 기대되고, 동료들이 좋아 함께 여행도 떠날 수 있으면서, 능력으로 인정받을 수 있는 곳을 찾아다녔어요. 그렇게 9년이 흘렀어요. 저는 도망친 곳에서 낙원을 발견했고 지금의 제 삶을 즐기고 있어요.

도망친 곳에 낙원은… 있었다

Apache Kafka는 고성능의 분산 스트리밍 플랫폼으로, 프로듀서(Producer)와 컨슈머(Consumer) 간의 효율적인 데이터 전송을 지원합니다. 그러나 Kafka 자체는 데이터의 구조나 형식에 대한 검증을 수행하지 않으므로, 데이터 스키마의 관리와 호환성 유지에 어려움이 발생할 수 있습니다. 이러한 문제를 해결하기 위해 Schema Registry가 도입되었습니다.​ Schema Registry란 무엇인가?Schema Registry는 Kafka와 별도로 동작하는 독립적인 애플리케이션으로, Kafka에서 주고받는 메시지의 스키마를 중앙에서 관리하고 저장하는 역할을 합니다. 이를 통해 프로듀서와 컨슈머 간의 데이터 구조에 대한 명확한 정의를 공유하며, 데이터의 일관성과 호환성을 보장합니다. 왜 ..

Kafka Schema Registry: 데이터 스키마의 중앙 집중 관리

 Apache Kafka는 고성능의 분산 스트리밍 플랫폼으로, 프로듀서(Producer)와 컨슈머(Consumer) 간의 효율적인 데이터 전송을 지원합니다. 그러나 Kafka 자체는 데이터의 구조나 형식에 대한 검증을 수행하지 않으므로, 데이터 스키마의 관리와 호환성 유지에 어려움이 발생할 수 있습니다. 이러한 문제를 해결하기 위해 Schema Registry가 도입되었습니다.
 
Schema Registry란 무엇인가?
Schema Registry는 Kafka와 별도로 동작하는 독립적인 애플리케이션으로, Kafka에서 주고받는 메시지의 스키마를 중앙에서 관리하고 저장하는 역할을 합니다. 이를 통해 프로듀서와 컨슈머 간의 데이터 구조에 대한 명확한 정의를 공유하며, 데이터의 일관성과 호환성을 보장합니다.
 
왜 Schema Registry가 필요한가?
Kafka는 기본적으로 바이트 스트림으로 데이터를 처리하며, 데이터의 구조나 형식에 대한 제약이 없습니다. 이로 인해 다음과 같은 문제가 발생할 수 있습니다:
 * 스키마 변경으로 인한 장애 발생: 프로듀서가 데이터 형식을 변경하면, 이를 알지 못한 컨슈머는 역직렬화 과정에서 오류가 발생할 수 있습니다.
 * 데이터 명세 관리의 어려움: 여러 프로듀서와 컨슈머가 존재하는 환경에서 데이터 구조에 대한 명확한 정의가 없으면, 시스템 전체의 안정성이 저하될 수 있습니다. 
Schema Registry는 이러한 문제를 해결하기 위해 다음과 같은 기능을 제공합니다:
 * 스키마 중앙 관리: 모든 스키마를 중앙에서 관리하여 데이터 구조의 일관성을 유지합니다.
 * 호환성 검증: 새로운 스키마 등록 시 기존 스키마와의 호환성을 검증하여, 스키마 진화로 인한 오류를 방지합니다.
 * 스키마 버전 관리: 스키마의 버전을 체계적으로 관리하여, 필요 시 이전 버전으로의 롤백을 가능하게 합니다.

Schema Registry의 작동 원리
Schema Registry는 다음과 같은 흐름으로 작동합니다:
 1. 스키마 등록: 프로듀서는 메시지를 Kafka에 전송하기 전에 해당 메시지의 스키마를 Schema Registry에 등록합니다. 
 2. 스키마 ID 부여: Schema Registry는 등록된 스키마에 고유한 ID를 부여하고, 프로듀서는 이 스키마 ID를 메시지에 포함시켜 Kafka에 전송합니다.
 3. 메시지 소비: 컨슈머는 Kafka에서 메시지를 읽어들인 후, 메시지에 포함된 스키마 ID를 사용하여 Schema Registry에서 스키마를 조회하고, 이를 통해 메시지를 역직렬화합니다.
{
  "type": "record",
  "name": "User",
  "fields": [
    {"name": "name", "type": "string"},
    {"name": "age", "type": "int"}
  ]
}

 
이러한 과정은 프로듀서와 컨슈머 간의 데이터 구조에 대한 명확한 계약을 가능하게 하며, 시스템의 안정성과 데이터의 신뢰성을 향상시킵니다.
 
Schema Registry의 장단점
✅ 장점
 * 시스템 안정성 향상: 스키마 변경 시 발생할 수 있는 오류를 사전에 방지하여 시스템의 안정성을 높입니다.
 * 데이터 명세 관리 용이: 중앙에서 스키마를 관리함으로써 데이터 구조에 대한 명확한 정의를 제공하고, 운영의 효율성을 향상시킵니다.
 * 업무 효율성 증대: 스키마 관리로 인한 불필요한 커뮤니케이션을 줄여 개발자들이 본연의 업무에 집중할 수 있게 합니다.
❌ 단점
 * 관리 포인트 증가: Schema Registry 서버를 추가로 관리해야 하므로 운영 복잡성이 증가할 수 있습니다.
 * 스키마 관리 부담: 엄격한 스키마 검증으로 인해 스키마 변경 시 추가적인 관리 작업이 필요할 수 있습니다.
 
결론
Kafka Schema Registry는 데이터의 스키마를 중앙에서 관리하여 프로듀서와 컨슈머 간의 일관성을 보장하는 필수적인 컴포넌트입니다. 이를 통해 데이터의 신뢰성을 유지하고, 스키마 변경으로 인한 장애를 방지할 수 있습니다.
 
📌 기억할 점
 * Kafka 자체는 데이터 형식을 검증하지 않음 → Schema Registry가 필요함
 * 프로듀서는 메시지를 전송하기 전에 Schema Registry에 스키마를 등록해야 함
 * 컨슈머는 메시지를 소비할 때 Schema Registry에서 스키마를 조회하여 역직렬화함
 * JSON, Avro, Protobuf 등의 다양한 포맷을 지원함

&nbsp;Apache Kafka는 고성능의 분산 스트리밍 플랫폼으로, 프로듀서(Producer)와 컨슈머(Consumer) 간의 효율적인 데이터 전송을 지원합니다. 그러나 Kafka 자체는 데이터의 구조나 형식에 대한 검증을 수행하지 않으므로, 데이터 스키마의 관리와 호환성 유지에 어려움이 발생할 수 있습니다. 이러한 문제를 해결하기 위해 Schema Registry가 도입되었습니다.​&nbsp;Schema Registry란 무엇인가?Schema Registry는 Kafka와 별도로 동작하는 독립적인 애플리케이션으로, Kafka에서 주고받는 메시지의 스키마를 중앙에서 관리하고 저장하는 역할을 합니다. 이를 통해 프로듀서와 컨슈머 간의 데이터 구조에 대한 명확한 정의를 공유하며, 데이터의 일관성과 호환성을 보장합니다.&nbsp;왜 Schema Registry가 필요한가?Kafka는 기본적으로 바이트 스트림으로 데이터를 처리하며, 데이터의 구조나 형식에 대한 제약이 없습니다. 이로 인해 다음과 같은 문제가 발생할 수 있습니다:​<ul ><li>스키마 변경으로 인한 장애 발생: 프로듀서가 데이터 형식을 변경하면, 이를 알지 못한 컨슈머는 역직렬화 과정에서 오류가 발생할 수 있습니다. ​</li><li>데이터 명세 관리의 어려움: 여러 프로듀서와 컨슈머가 존재하는 환경에서 데이터 구조에 대한 명확한 정의가 없으면, 시스템 전체의 안정성이 저하될 수 있습니다.&nbsp;</li></ul>Schema Registry는 이러한 문제를 해결하기 위해 다음과 같은 기능을 제공합니다:​<ul ><li>스키마 중앙 관리: 모든 스키마를 중앙에서 관리하여 데이터 구조의 일관성을 유지합니다.​</li><li>호환성 검증: 새로운 스키마 등록 시 기존 스키마와의 호환성을 검증하여, 스키마 진화로 인한 오류를 방지합니다.​</li><li>스키마 버전 관리: 스키마의 버전을 체계적으로 관리하여, 필요 시 이전 버전으로의 롤백을 가능하게 합니다.</li></ul> Schema Registry의 작동 원리Schema Registry는 다음과 같은 흐름으로 작동합니다:​<ol ><li>스키마 등록: 프로듀서는 메시지를 Kafka에 전송하기 전에 해당 메시지의 스키마를 Schema Registry에 등록합니다.&nbsp;</li><li>스키마 ID 부여: Schema Registry는 등록된 스키마에 고유한 ID를 부여하고, 프로듀서는 이 스키마 ID를 메시지에 포함시켜 Kafka에 전송합니다.​</li><li>메시지 소비: 컨슈머는 Kafka에서 메시지를 읽어들인 후, 메시지에 포함된 스키마 ID를 사용하여 Schema Registry에서 스키마를 조회하고, 이를 통해 메시지를 역직렬화합니다.​</li></ol><pre ><code class="language-bash">{
 "type": "record",
 "name": "User",
 "fields": [
 {"name": "name", "type": "string"},
 {"name": "age", "type": "int"}
 ]
}</code></pre>&nbsp;이러한 과정은 프로듀서와 컨슈머 간의 데이터 구조에 대한 명확한 계약을 가능하게 하며, 시스템의 안정성과 데이터의 신뢰성을 향상시킵니다.&nbsp;Schema Registry의 장단점✅ 장점<ul ><li>시스템 안정성 향상: 스키마 변경 시 발생할 수 있는 오류를 사전에 방지하여 시스템의 안정성을 높입니다.</li><li>데이터 명세 관리 용이: 중앙에서 스키마를 관리함으로써 데이터 구조에 대한 명확한 정의를 제공하고, 운영의 효율성을 향상시킵니다.​</li><li>업무 효율성 증대: 스키마 관리로 인한 불필요한 커뮤니케이션을 줄여 개발자들이 본연의 업무에 집중할 수 있게 합니다.</li></ul>❌ 단점<ul ><li>관리 포인트 증가: Schema Registry 서버를 추가로 관리해야 하므로 운영 복잡성이 증가할 수 있습니다.​</li><li>스키마 관리 부담: 엄격한 스키마 검증으로 인해 스키마 변경 시 추가적인 관리 작업이 필요할 수 있습니다.</li></ul>&nbsp;결론Kafka Schema Registry는 데이터의 스키마를 중앙에서 관리하여 프로듀서와 컨슈머 간의 일관성을 보장하는 필수적인 컴포넌트입니다. 이를 통해 데이터의 신뢰성을 유지하고, 스키마 변경으로 인한 장애를 방지할 수 있습니다.&nbsp;📌 기억할 점<ul ><li>Kafka 자체는 데이터 형식을 검증하지 않음 → Schema Registry가 필요함</li><li>프로듀서는 메시지를 전송하기 전에 Schema Registry에 스키마를 등록해야 함</li><li>컨슈머는 메시지를 소비할 때 Schema Registry에서 스키마를 조회하여 역직렬화함</li><li>JSON, Avro, Protobuf 등의 다양한 포맷을 지원함 </li></ul>

덕토피아

🕊️ Kafka Schema Registry: 데이터 스키마 관리

체력은 "하고 싶은 것과 할 수 있는 것 사이의 갭을 줄이는 거예요."라는 말에 밑줄을 그었습니다. 원문 제목은 "40대 이후엔 체력전이다"인데, 전체를 관통하는 내용은 '다정함은 체력에서 나오니까, 다정하려면 체력을 길러라'는 명제에 가까운 내용입니다. 전 구글 디렉터 정김경숙 님이 체력을 가꾸는 이유, 나노운동을 통해 "시간이 없다"라는 핑계를 멀리하는 이유에도 고개를 끄덕이게 됩니다.

사실 정김경숙 님이 유명해진 건 구글에서 17년 일하다 갑자기 해고당한 이후 주 80시간의 육체노동을 택하며 '트레이더조'에서 일하며 스몰토크를 하는 경험을 긍정적으로 이야기하면서부터였는데요. 점심시간 1시간을 활용해서는 리프트로 라이드헤일링을 하며 다리는 쉬면서 또 일을 했죠. 트레이더조 일이 끝나면 곧장 스타벅스 유니폼을 입었습니다. 즐겁게 일했다는 점을 생각하면 그녀는 스스로에게 다정했습니다.

낯선 사람에게 친절을 베풀면 그 의도를 의심하는 게 더 합리적인 것 같은 사회에 살고 있지만, 다정함은 누구나에게 필요합니다. 스스로에게 다정할 만큼 체력을 기르고 나면, 남는 체력으로는 이방인에게도 다정할 수 있지 않을까요? 오늘 이 아티클 덕분에 낯선 이에게 조금 더 친절할 수 있었고, 더 괜찮은 사람이 되겠다는 다짐을 했습니다.

https://www.folin.co/article/10337/gift/DghwhBThRk5eYf1Xrm2vYX7f6xiFZe6L

체력은 "하고 싶은 것과 할 수 있는 것 사이의 갭을 줄이는 거예요."라는 말에 밑줄을 그었습니다. 원문 제목은 "40대 이후엔 체력전이다"인데, 전체를 관통하는 내용은 '다정함은 체력에서 나오니까, 다정하려면 체력을 길러라'는 명제에 가까운 내용입니다. 전 구글 디렉터 정김경숙 님이 체력을 가꾸는 이유, 나노운동을 통해 "시간이 없다"라는 핑계를 멀리하는 이유에도 고개를 끄덕이게 됩니다. 사실 정김경숙 님이 유명해진 건 구글에서 17년 일하다 갑자기 해고당한 이후 주 80시간의 육체노동을 택하며 '트레이더조'에서 일하며 스몰토크를 하는 경험을 긍정적으로 이야기하면서부터였는데요. 점심시간 1시간을 활용해서는 리프트로 라이드헤일링을 하며 다리는 쉬면서 또 일을 했죠. 트레이더조 일이 끝나면 곧장 스타벅스 유니폼을 입었습니다. 즐겁게 일했다는 점을 생각하면 그녀는 스스로에게 다정했습니다. 낯선 사람에게 친절을 베풀면 그 의도를 의심하는 게 더 합리적인 것 같은 사회에 살고 있지만, 다정함은 누구나에게 필요합니다. 스스로에게 다정할 만큼 체력을 기르고 나면, 남는 체력으로는 이방인에게도 다정할 수 있지 않을까요? 오늘 이 아티클 덕분에 낯선 이에게 조금 더 친절할 수 있었고, 더 괜찮은 사람이 되겠다는 다짐을 했습니다. https://www.folin.co/article/10337/gift/DghwhBThRk5eYf1Xrm2vYX7f6xiFZe6L

www.folin.co

《다정함도 체력에서 나오니까》

최근 DeepSeek에 이어 중국발 AI에이전트 돌풍(?)을 일으키고 있는 마누스(Manus) AI 내용을 정리해봅니다.

🍏 Manus AI 개요
 * 개발사: 중국 스타트업 Monica
 * 출시: 2025년 3월 6일
 * 기반 모델: Anthropic의 Claude 3.5 Sonnet과 Alibaba의 Qwen 모델 기반
 * 특징
   * 세계 최초의 범용 자율 AI 에이전트
   * OpenAI Deep Research, Gemini Deep Research 등에서 볼 수 있는 딥 리서치 기능을 구현한 멀티 에이전트 협업 시스템
   * 기존의 챗봇이나 AI 모델과 달리, Manus는 단순한 답변 제공을 넘어 실제 결과물을 도출하는 데 초점
   * 계획, 실행, 검증을 담당하는 별도의 에이전트들로 구성된 멀티 에이전트 아키텍처
   * 대규모 작업을 수백개의 실행 가능한 하위 작업으로 나누는 동적 타겟 분해 기능
   * 여러 유형의 데이터를 동시에 처리하는 교차 모달 추론 기능
   * 강화학습을 통한 의사결정 효율성 지속적인 개선 및 오류율 최소화
   * 지시를 기다리지 않고 스스로 작업을 시작하고 새로운 정보를 평가하며 접근 방식으로 동적으로 조정하는 자기주도적 작업 수행

🍏 기술적 특징
 * 멀티 에이전트 아키텍처
   * 계획 에이전트(Planning Agent)
     * 작업 분석 및 단계별 계획 수립
     * 사용자 요청을 PDCA(Plan-Do-Check-Act) 사이클로 분해
     * Monte Carlo Tree Search(MCTS) 알고리즘 활용
     * Anthropic Qwen 모델 기반의 텍스트 분석 및 전략 세분화
   * 실행 에이전트(Execution Agent)
     * 웹 브라우저/데이터베이스 등 27개 외부 도구와 실시간 연동
     * Claude 3.5 Sonnet 모델을 주력으로 사용
     * 비동기적 클라우드 처리 아키텍처 지원
   * 검증 에이전트(Validation Agent)
     * 결과 검증 및 최적화
     * 3단계 검증 프로세스: 형식 검증 (표 구조/코드 문법), 내용 검증 (사실 관계 확인, 컨텍스트 검증 (사용자 의도 부합 여부)
 * 성능 향상 메커니즘
   * 동적 모델 로딩: 작업 요구사항에 따라 GPT-4, Gemini 등 제3자 모델 추가 호출
   * 실시간 피드백 루프: 오류 발생 시 자동 재계획 알고리즘 가동
   * 크로스 모달 퓨전: 텍스트-이미지 결합 분석을 위한 어텐션 메커니즘 적용
 * 혁신적인 기능
   * 비동기 처리: Celery 작업규 + Redis 캐시 - 오픈라인 작업 지속 가능
   * 메모리 시스템: 벡터 데이터베이스 기반 장기 기억 - 사용자 패턴 학습 최적화
   * 보안 프레임워크: 샌드박스 가상머신 격리 - 외부시스템 영향 제거
 * 외부 도구 통합: 웹 브라우저, 데이터베이스, 코드 편집기 등 다양한 소프트웨어와 통합
 * 클라우드 기반 운영: 비동기적 클라우드 처리를 지원하여 효율적인 작업 수행 가능

🍏 성능
 * Meta AI와 Hugging Face가 개발한 GAIA 테스트에서 OpenAI GPT-4o 대비 18% or 23% 높은 정확도

🍏 단점 및 한계
 * 초기 오류 빈도: 무한 루프 발생, 오류 메시지 출력 등 초기 사용자 경험에서 문제 보고
 * 사실 정확성 부족: 정보 누락 또는 부정확한 데이터 제공 사례 존재
 * API 의존성: API가 없는 애플리케이션과의 호환성이 제한적
 * 복제 가능성: 자체 모델 개발보다는 통합에 의존하기 때문에 경쟁사에 의해 복제될 위험

🍏 비즈니스 가능성
 * 기업용 솔루션: B2B 공급업체 발굴, 재무 보고서 분석 등
 * 개인 비서 역할: 여행 계획, 보험 비교, 교육 과정 개발 등
 * 자동화된 업무 처리: 온라인 스토어 운영 분석, 채용 인터뷰 준비 등

🍏 미래 전망
 * 오픈소스화 계획: Monica는 2025년 말까지 Manus AI를 오픈소스로 공개할 계획
 * 확장성: 개발자들이 맞춤형 플러그인을 구축하거나 틈새 응용 프로그램에 최적화할 수 있는 가능성 제공

최근 DeepSeek에 이어 중국발 AI에이전트 돌풍(?)을 일으키고 있는 마누스(Manus) AI 내용을 정리해봅니다. 🍏 Manus AI 개요<ul><li>개발사: 중국 스타트업 Monica</li><li>출시: 2025년 3월 6일</li><li>기반 모델: Anthropic의 Claude 3.5 Sonnet과 Alibaba의 Qwen 모델 기반</li><li>특징<ul><li>세계 최초의 범용 자율 AI 에이전트</li><li>OpenAI Deep Research, Gemini Deep Research 등에서 볼 수 있는 딥 리서치 기능을 구현한 멀티 에이전트 협업 시스템</li><li>기존의 챗봇이나 AI 모델과 달리, Manus는 단순한 답변 제공을 넘어 실제 결과물을 도출하는 데 초점</li><li>계획, 실행, 검증을 담당하는 별도의 에이전트들로 구성된 멀티 에이전트 아키텍처</li><li>대규모 작업을 수백개의 실행 가능한 하위 작업으로 나누는 동적 타겟 분해 기능</li><li>여러 유형의 데이터를 동시에 처리하는 교차 모달 추론 기능</li><li>강화학습을 통한 의사결정 효율성 지속적인 개선 및 오류율 최소화</li><li>지시를 기다리지 않고 스스로 작업을 시작하고 새로운 정보를 평가하며 접근 방식으로 동적으로 조정하는 자기주도적 작업 수행</li></ul></li></ul> 🍏 기술적 특징<ul><li>멀티 에이전트 아키텍처<ul><li>계획 에이전트(Planning Agent)<ul><li>작업 분석 및 단계별 계획 수립</li><li>사용자 요청을 PDCA(Plan-Do-Check-Act) 사이클로 분해</li><li>Monte Carlo Tree Search(MCTS) 알고리즘 활용</li><li>Anthropic Qwen 모델 기반의 텍스트 분석 및 전략 세분화</li></ul></li><li>실행 에이전트(Execution Agent)<ul><li>웹 브라우저/데이터베이스 등 27개 외부 도구와 실시간 연동</li><li>Claude 3.5 Sonnet 모델을 주력으로 사용</li><li>비동기적 클라우드 처리 아키텍처 지원</li></ul></li><li>검증 에이전트(Validation Agent)<ul><li>결과 검증 및 최적화</li><li>3단계 검증 프로세스: 형식 검증 (표 구조/코드 문법), 내용 검증 (사실 관계 확인, 컨텍스트 검증 (사용자 의도 부합 여부)</li></ul></li></ul></li><li>성능 향상 메커니즘<ul><li>동적 모델 로딩: 작업 요구사항에 따라 GPT-4, Gemini 등 제3자 모델 추가 호출</li><li>실시간 피드백 루프: 오류 발생 시 자동 재계획 알고리즘 가동</li><li>크로스 모달 퓨전: 텍스트-이미지 결합 분석을 위한 어텐션 메커니즘 적용</li></ul></li><li>혁신적인 기능<ul><li>비동기 처리: Celery 작업규 + Redis 캐시 - 오픈라인 작업 지속 가능</li><li>메모리 시스템: 벡터 데이터베이스 기반 장기 기억 - 사용자 패턴 학습 최적화</li><li>보안 프레임워크: 샌드박스 가상머신 격리 - 외부시스템 영향 제거</li></ul></li><li>외부 도구 통합: 웹 브라우저, 데이터베이스, 코드 편집기 등 다양한 소프트웨어와 통합</li><li>클라우드 기반 운영: 비동기적 클라우드 처리를 지원하여 효율적인 작업 수행 가능</li></ul> 🍏 성능<ul><li>Meta AI와 Hugging Face가 개발한 GAIA 테스트에서 OpenAI GPT-4o 대비 18% or 23% 높은 정확도</li></ul> 🍏 단점 및 한계<ul><li>초기 오류 빈도: 무한 루프 발생, 오류 메시지 출력 등 초기 사용자 경험에서 문제 보고</li><li>사실 정확성 부족: 정보 누락 또는 부정확한 데이터 제공 사례 존재</li><li>API 의존성: API가 없는 애플리케이션과의 호환성이 제한적</li><li>복제 가능성: 자체 모델 개발보다는 통합에 의존하기 때문에 경쟁사에 의해 복제될 위험</li></ul> 🍏 비즈니스 가능성<ul><li>기업용 솔루션: B2B 공급업체 발굴, 재무 보고서 분석 등</li><li>개인 비서 역할: 여행 계획, 보험 비교, 교육 과정 개발 등</li><li>자동화된 업무 처리: 온라인 스토어 운영 분석, 채용 인터뷰 준비 등</li></ul> 🍏 미래 전망<ul><li>오픈소스화 계획: Monica는 2025년 말까지 Manus AI를 오픈소스로 공개할 계획</li><li>확장성: 개발자들이 맞춤형 플러그인을 구축하거나 틈새 응용 프로그램에 최적화할 수 있는 가능성 제공</li></ul>

마누스(Manus) AI

우디의 컨설팅:  합격으로 가는 3가지 차별점 회사별 맞춤 포트폴리오,  합격을 부르는 비결입니다. 5회 코칭 진행 
 핀테크 프로덕트 디자이너로 최종 합격한 김** 님의 실제 리뷰입니다.  2회 코칭 진행 
 핀테크 프로덕트 디자이너로 최종 합격한 **호 님의 실제 리뷰입니다.  2회 코칭 진행 
 에이전시 → 스타트업 디자이너로 이직 성공한 **수 님의

[🚨3월·소수 정예!] 유니콘·빅테크 합격한 UX/UI 포트폴리오 컨설팅 - PO·디자인 리드 우디 - 우디디자인랩

Q) 🧑‍💻 평소 업무나 협업 시, 본인의 커뮤니케이션 스타일은 어떤 편인가요? (우디)

A) 🙋‍♀️ 저는 상대방이 궁금해하거나 필요로 할 수 있는 정보를 구체적으로 전달하려는 편이에요. 가령 프로젝트를 진행할 때도, “이건 왜 필요한가” “어떤 방식으로 진행될 것인가” 같은 구체적인 맥락을 먼저 짚어요. 특히 추가 설명이 필요할 것 같은 부분은 상세하게 적어서 미리 공유하고, 혹시 오해가 생기지 않도록 직접 확인하려고 노력합니다. 제가 조금 더 신경을 써야 의사소통 과정에서 불필요한 혼란을 줄일 수 있다고 생각해요. (5년차 UX/UI 디자이너분)

* 저맥락 커뮤니케이션을 통해 오해를 줄이는 커뮤니케이션 스타일이 느껴져 좋았습니다.

Q) 🧑‍💻 평소 업무나 협업 시, 본인의 커뮤니케이션 스타일은 어떤 편인가요? (우디) A) 🙋‍♀️ 저는 상대방이 궁금해하거나 필요로 할 수 있는 정보를 구체적으로 전달하려는 편이에요. 가령 프로젝트를 진행할 때도, “이건 왜 필요한가” “어떤 방식으로 진행될 것인가” 같은 구체적인 맥락을 먼저 짚어요. 특히 추가 설명이 필요할 것 같은 부분은 상세하게 적어서 미리 공유하고, 혹시 오해가 생기지 않도록 직접 확인하려고 노력합니다. 제가 조금 더 신경을 써야 의사소통 과정에서 불필요한 혼란을 줄일 수 있다고 생각해요. (5년차 UX/UI 디자이너분) * 저맥락 커뮤니케이션을 통해 오해를 줄이는 커뮤니케이션 스타일이 느껴져 좋았습니다.

Latpeed

기억에 남는 디자이너 면접 답변 [9]

여러분은 원하는 일을 하고 계신가요?
저의 지난 시간은 그걸 찾기 위한 끊임없는 분투의 시간이었어요.
사회생활의 첫 시작부터요.

1. 저희 사회생활은 첫날부터 어두운 순간으로 시작합니다. 과한 솔직함이 저를 힘들게 몰아 넣었죠. 창고에서의 하루하루가 이어집니다.

2. 다른 회사에 면접을 가는데 들키지 않으려 멀쩡한 이까지 빼가면서 날짜를 맞췄어요. 그리고 그 시도는 실패하고 맙니다.

3. 하루아침에 회사가 사라지게 되었어요. 그리고 큰 회사가 되면서 새로운 변화를 기대할 수 있게 되었죠.

4. 원하는 일을 하기 위한 첫 시도가 실패하고 맙니다. 그리고나서 했던 선택은 '이것'이었어요. 그걸로 저는 원하는 일을 할 수 있는 무기를 얻게 됩니다.

5. 그리고 그 무기로 결국 어떤 '변화'를 맞이하게 됩니다. 그것은...

고민이 많고, 누군가의 경험이 필요하신분을 위해 저희 지난 일의 스토리를 꺼내보았어요. 원하는 일의 시작, 하고 싶은 일을 찾기 위한 방법이 궁금하신 분은 저의 첫 유튜브 오리지널에서 확인해주시기 바랄게요. (솔직함 한가득, 흑역사 대공개....!! :)

*영상에서 만나요!
https://www.youtube.com/watch?v=ZaGllV43e5g

여러분은 원하는 일을 하고 계신가요? 저의 지난 시간은 그걸 찾기 위한 끊임없는 분투의 시간이었어요.사회생활의 첫 시작부터요. 1. 저희 사회생활은 첫날부터 어두운 순간으로 시작합니다. 과한 솔직함이 저를 힘들게 몰아 넣었죠. 창고에서의 하루하루가 이어집니다. 2. 다른 회사에 면접을 가는데 들키지 않으려 멀쩡한 이까지 빼가면서 날짜를 맞췄어요. 그리고 그 시도는 실패하고 맙니다. 3. 하루아침에 회사가 사라지게 되었어요. 그리고 큰 회사가 되면서 새로운 변화를 기대할 수 있게 되었죠. 4. 원하는 일을 하기 위한 첫 시도가 실패하고 맙니다. 그리고나서 했던 선택은 '이것'이었어요. 그걸로 저는 원하는 일을 할 수 있는 무기를 얻게 됩니다. 5. 그리고 그 무기로 결국 어떤 '변화'를 맞이하게 됩니다. 그것은... 고민이 많고, 누군가의 경험이 필요하신분을 위해 저희 지난 일의 스토리를 꺼내보았어요. 원하는 일의 시작, 하고 싶은 일을 찾기 위한 방법이 궁금하신 분은 저의 첫 유튜브 오리지널에서 확인해주시기 바랄게요. (솔직함 한가득, 흑역사 대공개....!! :) *영상에서 만나요!https://www.youtube.com/watch?v=ZaGllV43e5g

CJ엔터테인먼트에서 시작해 tvN을 거쳐 방송, 캐릭터, 디지털을 지나온 12년차 마케터 초인입니다. 온갖 콘텐츠와 브랜드의 덕후이기도 하고, 여러 디지털 채널을 운영하며 상상하고 노는 실험을 하고 있습니다.

초인 마케팅랩 LEADER

마케터 초인(윤진호)

CJ ENM, 월트디즈니, GFFG(노티드)까지 미디어, 캐릭터, F&B로 커리어를 쌓은 15년 차 마케팅 디렉터입니다. 글로, 이야기로, 클래스로 <초인 마케팅랩>에서 브랜드와 비즈니스의 성장무기를 만듭니다. 일의 성장을 위한 무기책 <마케터의 무기들>을 썼습니다.

원하는 일을 하고 계신가요?

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필