이노션 AI 엔지니어 (Data/Analytics) 자소서 작성법 및 합격 자기소개서 예시 (26년 하반기, 12/31 23시 59분 마감)
■ 이 글이 다루는 것 — Executive Summary 온라인 광고의 비중이 커졌지만, 광고주는 같은 예산이 어떤 고객 행동으로 이어졌는지 더 분명한 설명을 요구합니다. 여러 플랫폼에 집행한 결과를 따로 보고하는 것만으로는 다음 예산을 판단하기 어렵습니다. 이노션에 지원한다면 경쟁 환경 속에서 성과 지표의 뜻과 출처를 맞추는 일이 왜 중요한지 이해해야 합니다. 이노션은 현대차와 기아를 주요 광고주로 두고 해외 캠페인을 운영합니다. 2025년 매출총이익에서 미주 비중이 54%였다는 점은 지역별 데이터를 함께 읽어야 하는 사업 환경을 보여 줍니다. 같은 ‘전환’이라도 시장과 매체에 따라 집계하는 행동이 다르면 성과 비교가 흔들립니다. 분석 결과가 기획과 캠페인 운영에 쓰이려면 수치의 계산 기준까지 되짚을 수 있어야 합니다. AI 엔지니어 (Data/Analytics)는 여러 소스의 마케팅 데이터를 BigQuery에 모으고, 캠페인과 매체와 지역별로 비교할 데이터 마트를 설계합니다. 수집부터 제공까지 자동화하는 과정에서는 적재 지연이나 항목 변경이 보고 수치에 미친 범위도 확인해야 합니다. 지원자는 데이터를 모은 경험에 더해 지표를 어떻게 정의하고 누락과 오류를 어떻게 발견했는지 준비해야 합니다. 자연어로 성과를 묻는 분석 에이전트도 답의 근거가 분명해야 실무에 쓰일 수 있습니다. 예를 들어 시승 신청과 견적 요청을 구분하고, 생성된 질의와 답을 승인된 지표 정의 및 원본 집계와 대조해야 합니다. 따라서 언어 모델을 적용한 경험이 있다면 질문을 잘못 해석한 사례, 수정한 기준, 검산 결과까지 설명하는 편이 직무 판단에 도움이 됩니다. 1번 문항에서는 이노션을 선택한 이유와 AI 엔지니어 업무를 수행할 근거를 함께 보여 줘야 합니다. 경험은 회사의 과제와 관련된 문제를 실제로 다뤄 본 사례 1개를 중심으로 고르세요. 서로 다른 데이터의 전환 기준을 맞추거나 분석 결과의 정확성을 확인한 경험이라면, 지원동기와 전문성을 하나의 흐름으로 연결하기 좋습니다. 경험을 설명할 때는 다룬 데이터와 맡은 범위를 먼저 밝히고, 어떤 기준으로 설계하거나 자동화했는지 이어서 적으세요. 오류가 있었다면 발견 방법과 수정 후 확인한 결과까지 제시해야 합니다. 성과 수치는 측정 기간과 기준을 함께 확인하고, 프로젝트 규모보다 자신이 수행하고 검증한 행동이 드러나도록 쓰는 것이 중요합니다. 답안은 이노션을 선택한 이유, 관련 경험, 입사 후 맡고 싶은 과업 순서로 구성하면 자연스럽습니다. 마지막 과업은 지역별 지표를 같은 기준으로 읽을 수 있는 데이터 마트처럼 모집 업무와 연결해 짧게 제시하세요. 최대 1,000자 안에서 회사 설명을 반복하지 말고, 지원 이유와 수행 근거가 모두 남는지 점검해야 합니다. 아래 본문을 읽으며 1번 문항의 출제 의도와 자신의 경험 서술이 맞는지 대조해 보시기 바랍니다. 풀이 방법과 예시 답안에서는 문제를 선택한 이유부터 설계, 검증, 기여 방향까지 어떻게 이어지는지 확인하시면 좋습니다. ■ 산업/기업/직무 분석 ① 산업 분석 2024년 국내 방송통신광고비는 17조1,263억원이고, 온라인이 59.0%를 차지했습니다. 디지털 광고의 비중은 크지만 시장이 계속 빠르게 커지는 것은 아닙니다. 2026년 총광고비 전망은 17조9,400억원이며 온라인 성장률도 한 자릿수 초반으로 낮아질 것으로 예상됩니다. 광고주는 같은 예산으로 더 나은 성과를 요구하고, 대행사는 매체를 운영하는 것만으로 가치를 설명하기 어려워졌어요. 그만큼 광고비를 어디에 썼고 어떤 행동으로 이어졌는지 설명하는 근거가 중요해졌습니다. 세계 시장에서는 다른 압력도 커지고 있습니다. 2026년 글로벌 광고 매출은 1.3조 달러로 전망되지만, 중국을 제외한 시장의 57.6%를 상위 3개 판매자가 차지합니다. 광고 집행이 거대 플랫폼에 집중되는 사이, 생성형 AI로 제작 업무를 자체 처리하는 광고주도 늘고 있죠. 대행사에는 플랫폼별 성과를 함께 읽고 광고주 고유 데이터를 활용해 다음 판단을 돕는 능력이 중요해집니다. 매체별 클릭 수가 비슷해도 시승 신청으로 이어진 비율이 다르면 다음 예산 배분은 달라질 수 있습니다. 측정 환경도 복잡합니다. 서드파티 쿠키의 전면 폐지는 철회됐지만 브라우저와 이용자 설정에 따라 추적 가능한 범위가 다릅니다. 자동차 광고를 봤던 사람이 몇 달 뒤 전시장을 방문했다면 온라인 기록만으로 그 효과를 설명하기 어렵습니다. 그래서 매체 기록과 시승 신청 같은 중간 행동을 일관된 기준으로 묶고, 확인 가능한 범위에서 성과를 해석해야 합니다. 데이터의 품질이 광고 전략의 신뢰를 좌우하는 이유입니다. ② 기업 분석 이노션은 현대차와 기아를 주요 광고주로 두고 해외 사업을 넓혀 왔습니다. 2025년 매출총이익 9,902억원 가운데 미주 비중이 54%였어요. 매출총이익은 광고주에게 받은 금액에서 매체와 제작사로 넘어가는 몫을 뺀 대행사의 수입입니다. 여러 국가에서 캠페인을 운영하는 만큼 지역과 매체마다 다르게 쌓이는 성과 데이터를 함께 해석하는 일이 중요합니다. 같은 캠페인이라도 지역마다 전환으로 세는 행동이 다르면 수치를 나란히 놓아도 잘못된 결론을 낼 수 있습니다. 2026년 상반기 매출총이익은 5,158억원으로 전년 동기보다 8.9% 늘었고, 영업이익은 844억원으로 27.3% 증가했습니다. 회사는 AI 전환기에 맞춘 업무 재편을 실적 개선의 배경으로 설명했습니다. 콘텐츠 기획부터 성과 분석까지 잇는 자체 솔루션 아인도 운영하고 있죠. 기존 솔루션을 조합하고 최적화해 업무에 적용하는 방향은 AI 엔지니어의 과제와 연결됩니다. 이때 자료를 찾고 분석하는 시간이 줄었는지, 결과를 기획에 활용할 수 있는지도 함께 살펴봐야 합니다. 앞으로 살필 지표는 비계열 광고주 비중입니다. 2026년 1분기에는 26%였고, 계열 광고주의 집행 규모가 실적에 미치는 영향도 여전히 큽니다. 데이터팀이 여러 매체의 결과를 빠르고 일관되게 보여 준다면 기존 광고주의 의사결정을 돕고 새로운 광고주에게 제안할 근거도 만들 수 있어요. 다만 데이터 통합만으로 수주가 이뤄지는 것은 아니므로, 분석 결과가 기획과 캠페인 운영에서 어떻게 쓰이는지까지 설명해야 합니다. 제안에 쓰는 수치도 어디서 왔고 어떤 기준으로 계산됐는지 되짚을 수 있어야 합니다. ③ 직무 분석 이노션의 AI 엔지니어는 글로벌 자동차 브랜드의 마케팅 데이터를 다루는 데이터팀 업무를 맡습니다. 여러 소스의 데이터를 BigQuery에 모으고, 캠페인과 매체와 지역별로 비교할 수 있는 데이터 마트를 설계하며, 수집부터 서비스 제공까지 이어지는 과정을 자동화합니다. 자료를 한곳에 쌓는 것보다 같은 지표가 시장마다 같은 뜻으로 읽히게 만드는 일이 더 어렵습니다. 지표 정의가 어긋나면 성과 차이가 실제 고객 행동에서 나온 것인지 집계 방식에서 나온 것인지 판단하기 어렵습니다. 그 위에는 사람이 자연어로 질문하면 필요한 데이터를 찾아 답하는 분석 에이전트를 구축하고 운영합니다. 예를 들어 미국 시장의 지역별 시승 신청 변화를 물었을 때, 시승 신청과 견적 요청을 구분해 질의해야 하죠. 지표 정의서와 컬럼 설명을 찾아 답의 근거로 연결하고, 결과가 원본 집계와 맞는지도 확인해야 합니다. 그럴듯한 문장보다 믿고 사용할 수 있는 수치가 우선이에요. 실무에서는 매체의 데이터 항목이 바뀌거나 적재가 지연되는 문제도 생깁니다. 이때 오류를 고치는 일과 함께 영향을 받은 보고 범위를 파악하고 담당자에게 알려야 합니다. 적재가 늦어진 날의 수치가 정상 값처럼 보고되지 않도록 자료가 들어온 시점과 누락 여부도 확인해야 하죠. 공고가 언어 모델 애플리케이션, 클라우드 데이터 웨어하우스, 자동화와 인터페이스 연동 경험을 함께 요구하는 이유입니다. 자동차는 구매까지 시간이 오래 걸리고 계약이 온라인에서 끝나지 않는 경우가 많아, 기획 담당자와 시승 신청 같은 중간 지표의 의미를 합의하는 능력도 중요합니다. ■ 1번 항목 : 이노션 지원동기 및 지원 분야에 대한 업무 전문성을 작성해주세요. (최소 100자 ~ 최대 1,000자) [분량: 1000자] ■ 출제 의도 이 문항은 이노션을 선택한 이유와 AI 엔지니어 업무를 수행할 근거를 함께 묻습니다. 질문의 앞부분만 보고 회사의 성장성과 광고 산업 전망을 길게 설명하면, 지원 분야에서 맡을 일을 해낼 수 있는지 알기 어렵습니다. 반대로 기술 경험만 나열하면 왜 그 역량을 이노션에서 쓰려는지가 빠지죠. 평가자는 회사의 과제를 이해한 뒤 자신의 경험 중 관련 있는 것을 골라 연결할 수 있는지 보려는 것입니다. 따라서 지원동기의 출발점이 된 문제와 그 문제를 다뤄 본 경험 사이의 연결이 분명해야 합니다. 이노션에서 데이터 업무가 필요한 이유는 구체적입니다. 글로벌 자동차 브랜드의 캠페인 기록은 국가와 매체와 고객 접점에 흩어져 있고, 같은 전환이라는 이름 아래 서로 다른 행동이 집계될 수도 있어요. 이 자료를 BigQuery에 모아 기준을 맞추고, 기획자가 자연어로 성과를 물을 수 있게 만드는 것이 모집 직무의 업무입니다. 지원 이유가 설득력을 얻으려면 ‘AI에 관심이 있다’에서 멈추지 않고, 이런 환경에서 어떤 문제를 해결하고 싶은지 밝혀야 합니다. 전문성은 도구 이름의 개수보다 수행 범위에서 드러납니다. 데이터를 어디서 받아 어떤 기준으로 정리했는지, 자동화한 과정에서 오류를 어떻게 확인했는지, 언어 모델이 낸 답을 무엇과 대조했는지가 중요하죠. 토이 프로젝트와 사이드 프로젝트도 인정되는 공고이므로 경험의 규모만 앞세울 필요는 없습니다. 작은 결과물이라도 설계, 구현, 검증 가운데 실제로 맡은 부분이 선명하면 판단할 근거가 됩니다. 예를 들어 자료를 모으다 값이 빠졌다면 누락을 발견한 기준과 수정 후 다시 확인한 결과까지 적을 때 수행 역량이 드러납니다. 또한 분석 결과를 누가 사용했는지도 살펴볼 수 있습니다. 자동차 광고에서는 클릭 수만 높아도 시승 신청으로 이어지지 않을 수 있어요. 이때 기획 담당자와 지표의 뜻을 맞추고 다음 캠페인에 쓸 수 있는 형태로 전달한 경험은 기술과 업무 이해를 함께 보여 줍니다. 최종 답안은 최대 1,000자이므로 회사 사실과 경험을 모두 담되, 같은 배경을 반복하지 않고 선택 이유에서 수행 근거로 자연스럽게 이어져야 합니다. ■ 풀이 방법 먼저 이노션을 고른 이유를 회사가 실제로 하는 일에서 찾으세요. 여러 국가의 자동차 마케팅 데이터를 다루고, AI를 업무 과정에 적용해 온 점 가운데 자신의 경험과 이어지는 사실 1개를 고르면 됩니다. 예컨대 서로 다른 데이터의 기준을 맞춰 사용자의 질문에 답하도록 만드는 일에 관심을 갖게 된 계기가 있다면, 그 계기와 데이터팀의 과업을 연결해 보세요. 회사가 뛰어나다는 평가만 적기보다 그 업무를 자신이 선택한 이유가 드러나야 합니다. 이어서 전문성을 보여 줄 경험 1개를 정합니다. 실제 프로젝트에서 다룬 데이터, 맡은 범위, 해결한 문제, 확인한 결과를 먼저 메모해 보세요. 클라우드 데이터 웨어하우스에 마트를 만들었다면 지표와 테이블을 어떤 기준으로 설계했는지, 자동화 경험이라면 수집 실패나 값의 변화를 어떻게 알아챘는지 적는 방식입니다. 자연어 분석 도구를 만들었다면 질문이 잘못 해석된 사례와 원본 데이터로 답을 검산한 방법까지 살펴보세요. 사용하지 않은 도구나 맡지 않은 역할을 덧붙일 필요는 없습니다. 본문은 선택 이유, 관련 경험, 이노션에서 맡고 싶은 과업의 순서로 이어 가면 읽기 편합니다. 하나의 경험이 동기와 전문성을 함께 설명한다면 배경은 한 번만 쓰세요. 예를 들어 캠페인 데이터를 정리하며 지표 정의의 중요성을 알게 된 과정이 있다면, 그 경험을 반복해 소개하는 대신 앞에서는 관심이 생긴 이유를, 뒤에서는 실제 설계와 검증 행동을 보여 주면 됩니다. 성과 수치가 있다면 측정한 기간과 기준을 맞추고, 확인한 결과만 적습니다. 마지막에는 입사 후 계획을 길게 늘리기보다 모집 업무와 이어지는 기여를 짧게 제시하세요. ‘지역마다 다른 성과 지표를 같은 기준으로 읽을 수 있는 데이터 마트’처럼 맡을 과업이 보이는 표현이 좋습니다. 소제목을 붙인다면 본문을 쓴 뒤 핵심 주장에 맞춰 ‘광고주의 질문에 답하는 데이터’처럼 명사구로 정리할 수 있어요. 완성 후에는 이노션을 선택한 이유와 업무 전문성이 각각 드러나는지, 두 내용을 잇는 경험이 사실에 맞는지, 답안 전체가 1,000자를 넘지 않는지 확인하세요. ■ 상위 1% 예시 [ 질문에 답하는 광고 데이터 설계 ] 광고 데이터는 지표의 뜻이 다르면 예산 판단을 흐립니다. 그래서 지표의 뜻과 출처를 먼저 맞춥니다. 이노션 AI 엔지니어는 여러 국가의 자동차 캠페인 데이터를 BigQuery에 모으고, 기획자가 자연어로 성과를 물을 수 있는 분석 환경을 구축하는 업무를 맡습니다. 이 문제를 더 큰 범위에서 풀고 싶어 지원했습니다.