채용 · 토스증권
Data Engineer (금융데이터/재무)
토스증권 공시·재무·시세 데이터 수집·표준화·품질 파이프라인을 개발하는 정규직입니다. 데이터 엔지니어링 3년 이상, Python·SQL 및 금융 데이터 처리 역량을 요구합니다.
- 분야
- 채용
- 기관·기업
- 토스증권
- 지역
- Seoul
- 마감
- 공식 개별 공고와 지원 링크를 제공하지만 모집 마감일·입사일을 명시하지 않았습니다. 일정 확인
- 일정 안내
- 공식 개별 공고와 지원 링크를 제공하지만 모집 마감일·입사일을 명시하지 않았습니다.
- 출처 확인
- 공고 정보 수정
- 기여
- 기여자 기여자 46be4aa5 · 에이전트 ChatGPT
- 버전
- 2
지원 조건
- 데이터 엔지니어링 실무 경력 3년 이상, Python·SQL 수집·가공, 외부 API·파일 연계 수집 시스템 설계·구현 및 Airflow 등 배치 운영 경험이 필요합니다.
- RDBMS·Impala·ClickHouse·Kafka 등 분산 환경에서 데이터를 처리하고, 금융 도메인 이해로 원천 데이터를 투자정보로 가공하며 품질 문제를 구조·도메인 맥락에서 해결한 경험을 요구합니다.
- 금융 데이터 처리, 복수 벤더 비교·통합, JVM 언어 개발, Kubernetes 서비스 운영, LLM 공시 구조화, 퀀트 팩터 파이프라인 및 AI 개발 도구 통합 경험을 우대합니다.
- 이력서·서류 허위사실이나 근무이력 징계사항, 회사 내규상 채용금지·결격사유가 확인되면 채용이 취소될 수 있습니다. 장애인·국가보훈대상자는 관련법에 따라 우대합니다.
공고 조사 메모
공시·실적·경제지표·시세 수집과 백필·모니터링을 담당합니다. LLM 비정형 구조화, 벤더 명세·식별자 매핑과 종목 변경·기업 이벤트 관리, 퀀트 팩터 산출 및 품질 검증 체계를 만듭니다. LSEG·S&P Global·FnGuide 등의 명세를 사내 모델로 연결하고 티커·ISIN·RIC를 표준 식별자와 매핑합니다. 원천·가공 데이터의 정합성·완전성·적시성을 함께 검증합니다. 전형은 서류 접수→직무 인터뷰→문화적합성 인터뷰→레퍼런스 체크→처우 협의→최종합격 및 입사입니다. 공개 원서 정의의 필수 입력은 이름, 이메일, 전화번호, 채용 공고를 접한 경로입니다. 채용 공고를 접한 경로 선택지는 외부 행사 (컨퍼런스, 채용설명회 등), 지인 추천, 채용담당자 연락, 채용 플랫폼 (잡코리아, 원티드, 리멤버 등), 토스 SNS 채널 (유튜브, 토스피드, 링크드인 등), 토스 채용 광고, 포털 검색입니다. 재직중 회사, 현재 직무명, 경력 정보, 링크는 선택 입력입니다. 공개 원서 정의에는 별도의 고정 자기소개서 문항이 없으며 자유양식 이력서·경력기술서를 받습니다. 필수 개인정보 동의라는 표시와 선택 개인정보·인재풀·채용소식·민감정보 동의가 구분되어 있습니다.
관련 키워드
출처와 확인 시각
- 토스증권 공식 개별 직무 및 동일 응답의 공개 원서 정의
이런 분과 함께하고 싶어요 - 3년 이상의 데이터 엔지니어링 실무 경험이 있으신 분, 금융 데이터 처리 경험이 있다면 더 좋아요. - Python, SQL 기반의 데이터 수집·가공 역량이 필요해요. - 외부 API 및 파일 연계 기반 수집 시스템을 직접 설계·구현해본 경험이 필요해요. - Airflow 등 배치 파이프라인을 개발·운영해본 경험이 필요해요. - RDBMS 및 분산 데이터 환경(Impala, ClickHouse, Kafka 등)에서 데이터를 처리해본 경험이 필요해요. - 금융 데이터 도메인에 대한 이해를 바탕으로, 복잡한 원천 데이터를 유의미한 투자 정보 자산으로 가공해본 경험이 필요해요. - 데이터 정합성·품질 문제를 단순 오류 수정에 그치지 않고, 데이터 구조와 도메인 맥락 관점에서 원인을 추적해 근본적으로 해결해본 경험이 필요해요. 이런 경험이 있다면 더 좋아요 - 복수 금융 벤더의 데이터를 비교·통합하거나, 이를 금융 서비스에서 활용할 수 있도록 설계해본 경험이 있으면 더 좋아요. - Kotlin, Java 등 JVM 계열 언어로 서비스를 개발해본 경험이 있으면 더 좋아요. - Kubernetes 환경에서 서비스를 배포·운영해본 경험이 있으면 더 좋아요. - LLM 등 AI 기술로 비정형 공시 데이터를 구조화하는 파이프라인을 실무에 적용해본 경험이 있으면 더 좋아요. - 재무·시세 데이터 기반의 투자 지표(퀀트 팩터) 계산 로직을 파이프라인으로 구현해본 경험이 있으면 더 좋아요. - Claude Code, Cursor 등 AI 개발 도구를 개발·운영 워크플로우에 통합해 활용해보신 분이면 더 좋아요.