안녕하세요.
국비교육기관에서 멘토링 경험을 보유한 현업 클라우드 데이터 엔지니어입니다.
저는 데이터 분석가/데이터 사이언티스트로 커리어를 시작해, 현재는 데이터 엔지니어로 전환하여 실무를 수행하고 있는 멘토로서 직접 겪은 경험을 바탕으로 멘토링을 진행하고 있습니다.
데이터 분석 및 머신러닝 프로젝트 경험을 쌓은 이후,
AWS, Databricks, GCP 환경에서 데이터 파이프라인 구축, ETL 설계, 데이터 모델링 및 클라우드 기반 데이터 플랫폼 운영을 직접 수행하며, 대기업을 포함한 다양한 기업의 서류 및 면접 전형을 경험했고, 이를 통해 데이터 엔지니어로의 커리어 전환을 완료했습니다.
또한 사단법인 국비교육기관에서 데이터 분석 및 AI 기반 웹 서비스 기획·개발 멘토로 활동하며
예비 데이터 직군 취업자를 대상으로 프로젝트 전 과정을 지도한 경험이 있습니다.
🧠 이런 고민을 직접 겪었습니다
데이터 직군 취업과 커리어 전환 과정에서 다음과 같은 부분들을 직접 고민하고 시행착오를 겪었습니다.
✔ 어떤 역량이 실제 취업에 도움이 되는지
✔ 분석·머신러닝 경험을 어떻게 데이터 엔지니어 커리어로 연결해야 하는지
✔ 포트폴리오에서 무엇을 강조하고, 무엇을 과감히 덜어내야 하는지
이 멘토링에서는 단순한 조언이 아니라,
실제 취업·이직 과정에서 도움이 되는 현실적인 피드백을 제공합니다.
👩💻 멘토 소개
- 현) 중견기업 클라우드 데이터 엔지니어
- 전) 스타트업 데이터 분석가 / 데이터 사이언티스트
- 멘토링 경험) 사단법인 국비교육기관 데이터 분석·AI 웹 서비스 멘토
✨ 이런 분들께 추천합니다
- 데이터 분석가 / 데이터 사이언티스트 취업을 준비 중인 분
- 데이터 엔지니어 전환을 고민 중인 분석·ML 실무자
- 포트폴리오는 있으나 방향성이 맞는지 확신이 없는 분
- “이 프로젝트로 취업이 가능할까?” 고민 중인 분
- 데이터 직군 전반의 커리어 방향이 막막한 분
🗣 멘토링 진행 내용
- 데이터 직군 커리어 방향 상담 (데이터 분석 / 데이터 사이언스 / 데이터 엔지니어)
- 취업·이직 목적에 맞는 포트폴리오 구조 및 스토리 피드백
- 분석·ML 경험을 데이터 엔지니어 역량으로 연결하는 방법
- 기술 스택 선택 가이드 (SQL, Python, Spark, Cloud 등)
- 기업에서 실제로 보는 관점 기준의 이력·프로젝트 피드백
- 개인 상황에 맞춘 다음 액션 플랜 정리
🗣 멘토링 방식
- 1:1 온라인 멘토링
- 사전 질문 및 포트폴리오 검토 후 진행
- 이론 설명이 아닌 실무·경험 기반 대화 중심
✨ 멘토링의 차별점
- 분석/사이언스 → 엔지니어 실제 커리어 전환 경험 보유
- 취준생 관점과 현업 실무자 관점을 모두 이해
- 포트폴리오를 단순 기술 나열이 아닌 커리어 스토리로 재구성
- 현실적인 취업 가능성 기준에 따른 구체적인 피드백
