토스의 Data/AI 조직이 'Data First'를 넘어 'AI Native'로 나아가고 있다는 이야기, CDAO 홍수님을 통해 전해 드렸었는데요. 그런데 이 비전이 실제로 작동하려면 데이터가 정확하고, 안정적이고, 언제든 믿고 꺼내 쓸 수 있는 환경이 먼저 갖춰져야 해요. 어떤 데이터가 어디에 있는지, 누가 책임지는지, 어떻게 관리되는지가 명확해야 하죠.Data Platform Tribe는 바로 그 일을 하는 조직이에요. 데이터가 생성되는 순간부터 활용되는 순간까지, 전 과정을 설계하고 운영하고 있습니다. 토스에서 데이터를 다루는 모든 직군이 이 트라이브가 만든 기반 위에서 일하고 있어요.이 조직을 이끌고 있는 Head of Data Engineering 이성재님과 지금 트라이브가 풀고 있는 문제들에 대해 이야기를 나눠봤어요.<h1 id="heading-adba5d6f-c">데이터 엔지니어로서 걸어온 커리어</h1><h2 id="heading-9acbdac9-b">안녕하세요 성재님. 간단한 자기소개와 함께, 데이터 엔지니어로서 걸어온 커리어에 대해 들려주세요.</h2><figure data-src="https://attachments.datarian.io/prod-415f931fd3c13a7b8662982fabdbc1090dd4c06e89a69446ff2541a6c9f1cd67.jpg" data-alt="[데이터리안] 토스 Data Plaform Tribe 인터뷰 (1).jpg" data-align="center" data-width="731" data-type="image-block" class="is-align-center" style="text-align: center; width: 731px; max-width: 100%;"><img src="https://attachments.datarian.io/prod-415f931fd3c13a7b8662982fabdbc1090dd4c06e89a69446ff2541a6c9f1cd67.jpg" alt="[데이터리안] 토스 Data Plaform Tribe 인터뷰 (1).jpg" style="width: 100%; height: auto;"></figure>안녕하세요, 토스 Data Platform Tribe를 이끌고 있는 이성재입니다. 대학원에서 빅데이터 강의에 처음 빠져든 이후, 커리어 첫날부터 지금까지 줄곧 데이터 엔지니어로 살아왔어요.미국에서 8개 스타트업을 동시에 인큐베이팅하는 조직의 중앙 데이터 팀에 있었는데, 덕분에 "데이터 인프라 하나로 전혀 다른 비즈니스 여러 개를 동시에 받쳐야 한다"는 문제를 꽤 일찍부터 다뤘어요.제가 생각하는 데이터 엔지니어링의 본질은 심플해요. 같은 결과를 만들더라도, 그 과정을 얼마나 효율적으로 만드느냐. 방대한 양의 데이터를 다루다 보면 "어떻게 옮기고, 어떻게 가공하고, 의도한 대로 있는지 어떻게 확인하는가"의 반복이 되거든요. 그 과정을 자동화하고, 시스템화하고, 실무자들이 더 편하게 쓸 수 있는 도구를 만드는 것 — 그게 10년 넘게 해온 일이고, 지금도 가장 재미있는 일이에요.2021년 토스에 합류한 뒤에는 Data Warehouse Team 리더를 거쳐, 지금은 Data Platform Tribe 전체를 담당하고 있어요. 초기에는 Data Analytics Engineer로서 분석가들과 밀접하게 협업하면서, 프로덕트 팀들이 믿고 쓸 수 있는 데이터를 만드는 데 집중했어요. Data Engineer가 데이터를 잘 입수시키고 인프라를 안정화해 준다면, Data Analytics Engineer는 그 데이터가 비즈니스 맥락에서 올바르게 해석되고 활용될 수 있도록 만드는 역할이라고 보시면 돼요.최근 몇 년은 조금 다른 문제를 풀고 있어요. 토스의 데이터 규모가 커지면서, "데이터가 많이 있다"는 것만으로는 부족해졌거든요. 어떤 데이터가 어디에 있고, 정합성이 유지되고, 누가 책임지고, 어떻게 관리되어야 하는지 — 메타데이터 확보와 거버넌스 체계를 세우는 일에 상당한 시간을 쏟고 있어요.<h1 id="heading-44e4e950-f">Data Platform Tribe 구조</h1><h2 id="heading-c2b69d06-e">Data Platform Tribe는 구체적으로 어떤 팀들로 구성되어 있고, 각각 어떤 문제를 해결하고 있는지 소개해 주세요.</h2><figure data-src="https://attachments.datarian.io/prod-37f96f101e4cbcbe940655f41228f9d21d3ab91d98d058721e397725e9b1179f.png" data-alt="[데이터리안] 토스 Data Plaform Tribe 인터뷰 (2).png" data-align="center" data-width="772" data-type="image-block" class="is-align-center" style="text-align: center; width: 772px; max-width: 100%;"><img src="https://attachments.datarian.io/prod-37f96f101e4cbcbe940655f41228f9d21d3ab91d98d058721e397725e9b1179f.png" alt="[데이터리안] 토스 Data Plaform Tribe 인터뷰 (2).png" style="width: 100%; height: auto;"></figure>한 문장으로 요약하면, 토스 전체가 데이터를 쓸 수 있게 만드는 조직이에요.데이터 입수 쪽을 먼저 말씀드리면, 토스앱에서 만들어지는 데이터는 DBA Team이 안정적으로 운영해요. 이 데이터를 실시간으로 하둡에 적재하는 건 Data Online Processing Team의 역할이고, OLAP DB를 운영하며 서비스에 직접 데이터를 제공하는 역방향 서빙도 이 팀이 담당해요. 앱 로그와 이벤트 데이터의 실시간 수집은 Data Service Platform Team이 맡고 있고요.데이터 가공 단계에서는 Data Warehouse Team과 Data Mart Platform Team이 파이프라인 시스템과 정책을 설계하고, 입수된 데이터를 약속된 형태의 마트로 만들어요. Data Value Team은 이렇게 만들어진 마트를 바탕으로 가치화 프로젝트를 수행해요. 대표적으로 유저와 가맹점 단위의 프로파일링을 꼽을 수 있어요.Data Infra Platform Team은 이 모든 흐름이 안정적으로 돌아갈 수 있도록 인프라를 운영하고 있고, Data Governance Team은 데이터가 안전하게 관리될 수 있는 정책과 도구를 만들고 있어요. 데이터를 잘 쓸 수 있게 돕는 프로덕트 팀도 두 개 있어요. 로그 데이터를 명세화하고 관리하는 도구를 만드는 Log Product Team, 그리고 토스 전사 데이터의 카탈로그를 관리하는 Data Discovery Product Team이에요.트라이브 바깥에도 중요한 연결고리가 있는데요. 각 도메인에 배치된 Data Engineer와 Data Analytics Engineer들이 저희 트라이브가 제공하는 플랫폼과 데이터를 활용해 각 프로덕트의 비즈니스 문제를 직접 풀고 있어요. 전사에 퍼져 있는 Data Analyst, DataOps Manager, Machine Learning Engineer 분들 역시 이 기반 위에서 업무를 수행하고 계시고요.<h1 id="heading-6a980ff0-g">2026년의 우선 과제</h1><h2 id="heading-cea71e2d-5">2026년 기준으로 Data Platform Tribe가 가장 우선순위를 두고 있는 과제는 무엇인가요?</h2><figure data-src="https://attachments.datarian.io/prod-7867b10a4fddea585bad52bb880799a8a71371e3e93a83642038c54a32f3ac43.jpg" data-alt="[데이터리안] 토스 Data Plaform Tribe 인터뷰 (3).jpg" data-align="center" data-width="740" data-type="image-block" class="is-align-center" style="text-align: center; width: 740px; max-width: 100%;"><img src="https://attachments.datarian.io/prod-7867b10a4fddea585bad52bb880799a8a71371e3e93a83642038c54a32f3ac43.jpg" alt="[데이터리안] 토스 Data Plaform Tribe 인터뷰 (3).jpg" style="width: 100%; height: auto;"></figure>올해 초 전사 얼라인먼트 위크에서 저희 트라이브의 비전을 'Data First'로 선언했어요. 이게 실제로 작동하려면 데이터를 언제든 믿고 꺼내 쓸 수 있는 환경이 먼저 갖춰져야 하고요. 올해 집중하는 과제들이 전부 거기서 출발해요.첫 번째는 인프라와 거버넌스를 더 단단하게 만드는 것이에요. 작년까지는 각 도메인에 Data Engineer와 Data Analytics Engineer를 배치하는 것 자체가 목표였다면, 올해는 그다음 단계예요. 배치는 됐으니, 이제 그 엔지니어들이 플랫폼 걱정 없이 비즈니스 문제에 집중할 수 있게 만드는 거죠.두 번째는 AI예요. 사실 두 방향이 동시에 있는데, 하나는 AI를 활용해서 기존에 사람이 수동으로 하던 작업들을 자동화하는 것이고, 다른 하나는 AI가 데이터를 제대로 쓸 수 있도록 표준화된 환경을 갖추는 것이에요. 둘 다 올해 안에 의미 있는 진척을 만들어야 한다고 보고 있어요.세 번째는 플랫폼의 체력이에요. 프로덕트가 커지고 도메인에서 들어오는 데이터 작업 요청이 많아질수록, 플랫폼이 버텨줘야 해요. 요청이 몰려도 예측 가능하게 처리되고, 장애가 생겨도 빠르게 회복되는 구조를 만드는 거예요. 화려한 목표는 아니지만, 이게 흔들리면 나머지가 다 의미 없어지기 때문에 계속 우선순위에 두고 있어요.<h1 id="heading-71a83697-h">엔지니어의 업무 범위</h1><h2 id="heading-0bf7c894-6">이런 과제들을 해결해 나갈 때, 엔지니어가 직접 설계하고 결정할 수 있는 범위는 어디까지인가요? 기술적 의견이 엇갈릴 때는 어떤 방식으로 합의하시는지도 궁금해요.</h2><figure data-src="https://attachments.datarian.io/prod-39287195bc2411139baf12eca015a29056d45dfe87569cfabc1ae59b4a28c8ab.jpg" data-alt="[데이터리안] 토스 Data Plaform Tribe 인터뷰 (4).jpg" data-align="center" data-width="768" data-type="image-block" class="is-align-center" style="text-align: center; width: 768px; max-width: 100%;"><img src="https://attachments.datarian.io/prod-39287195bc2411139baf12eca015a29056d45dfe87569cfabc1ae59b4a28c8ab.jpg" alt="[데이터리안] 토스 Data Plaform Tribe 인터뷰 (4).jpg" style="width: 100%; height: auto;"></figure>팀마다, 역할마다 다르기 때문에 딱 잘라 말하기는 어려워요. 다만 공통적으로 말씀드릴 수 있는 건 각 직군이 거버넌스 차원에서 합의한 범위 안에서는 아키텍처 구성부터 빌드, 서빙까지 스스로 결정할 수 있는 부분이 꽤 많다는 거예요.기존과 다른 방식을 쓰고 싶을 때는 근거를 갖고 설득하는 과정이 필요하긴 해요. 그런데 그 과정이 "왜 못 하게 막느냐"는 느낌보다는 "이게 더 나은 방향인지 같이 검토해보자"는 방식에 가까워요. 완전한 자유는 아니지만 룰이 명확하기 때문에 그 안에서는 실제로 많이 열려 있는 편이에요. 오히려 새로운 분들이 오셨을 때 토스의 기존 시스템에 대해 Question Every Assumption 해주시기를 부탁드리기도 해요.기술적으로 의견이 안 맞는 지점이 생기면, 그 자리에서 각자 왜 그렇게 생각하는지 꺼내놓고 장단점을 같이 이야기 나눠보기도 해요. 대부분은 그 과정에서 정리가 되고요. 다만 플랫폼 조직이다 보니 새로운 기술을 도입할 때는 "이게 좋은 기술인가"만큼이나 "이관 비용"을 함께 고려합니다. 영향 범위가 크면 클수록 더 신중하게 접근하게 되는 건 사실이고요. 최종 결정은 해당 영역의 DRI가 가져가되, 그 결정이 나오기까지의 과정은 충분히 같이 고민하는 구조예요.<h2 id="heading-6c93c30e-8">명확한 거버넌스 안에서 자율과 개방이 공존하는 구조가 인상적이에요. 향후 1~2년 내 기술적으로 가장 크게 변화할 영역은 무엇이라고 보시나요?</h2>아무래도 AI 이야기를 안 할 수가 없는데, 저는 두 가지 측면에서 보고 있어요.하나는 직군 간 경계가 흐려지는 것이에요. AI 덕분에 기술 접근성이 낮아지면서, 예전에는 특정 직군만 할 수 있던 작업들을 다른 직군도 할 수 있게 되는 영역이 늘어날 거예요. 다만 거버넌스적으로 중요하거나 영향 범위가 큰 작업은 여전히 제대로 된 전문성이 필요하고, 오히려 그런 영역의 무게는 더 커질 거라고 봐요.다른 하나는 자동화예요. 저희 트라이브 안에서도 기존에 고정된 룰로만 돌리던 이상 탐지나 운영 자동화를 AI로 더 세밀하게 처리하려는 시도들이 팀마다 생기고 있어요. 아직 초기이긴 하지만, 1~2년 안에 꽤 의미 있는 변화가 올 거라고 보고 있어요.<h1 id="heading-0ccfac57-j">잘 해내는 사람들의 공통점</h1><h2 id="heading-14280a18-9">마지막으로, Data Platform Tribe에서 잘 해내는 사람들의 공통점이 있다면 무엇인가요?</h2><figure data-src="https://attachments.datarian.io/prod-7ea5d12f32e741882a943e1fef781b694df3e585430acd21743b1c0c137c3715.jpg" data-alt="[데이터리안] 토스 Data Plaform Tribe 인터뷰 (5).jpg" data-align="center" data-width="791" data-type="image-block" class="is-align-center" style="text-align: center; width: 791px; max-width: 100%;"><img src="https://attachments.datarian.io/prod-7ea5d12f32e741882a943e1fef781b694df3e585430acd21743b1c0c137c3715.jpg" alt="[데이터리안] 토스 Data Plaform Tribe 인터뷰 (5).jpg" style="width: 100%; height: auto;"></figure>여러 가지가 있겠지만, 하나만 꼽으라면 책임감이에요. 다만 여기서 말하는 책임감은 맡은 일을 열심히 하는 것과는 조금 달라요. 우리가 운영하고 만드는 것들에 대해 프로답게 임하는 것을 의미해요.저희 트라이브가 운영하는 인프라나 데이터에 장애가 생기면, 우리 팀만의 문제가 아니라 전사의 프로덕트 팀들이 동시에 영향을 받아요. 그 무게감을 아는 분들이 잘 해내고 계시다고 생각해요. 시스템이 돌아가는 것에서 멈추지 않고, 더 안정적으로 만들 수 있는 부분은 없는지, 문제가 생기기 전에 먼저 잡을 수 있는 건 없는지를 스스로 찾아서 움직이거든요.그게 제가 생각하는 프로페셔널로서의 책임감이고, 그런 분들이 실제로 좋은 임팩트를 내고 있어요.<blockquote>토스의 Data/AI 조직은 지금, 단순히 데이터를 잘 다루는 조직을 넘어 AI Native로 나아가기 위한 기반을 다시 설계하고 있습니다.그 중심에서 Data Platform Tribe는 “믿고 쓸 수 있는 데이터 환경”이라는 가장 본질적인 문제를 풀고 있고요.보이지 않는 곳에서 전사의 프로덕트를 지탱하는 일, 수많은 의사결정의 출발점이 되는 데이터를 더 정확하고, 더 안정적으로, 더 똑똑하게 만드는 일. 이런 문제에 설레는 분이라면 토스의 Data 직군은 분명 매력적인 선택지가 될 거예요.데이터로 세상을 더 명확하게 만들고 싶은 분들, 그리고 그 기반을 직접 설계하고 싶은 분들의 도전을 기다리고 있겠습니다.</blockquote>Interviewee 이성재 Interview &amp; Edit 고정원&amp;박소현 Photo 이욱영<div data-emoji="✍🏻" data-background-color="rgba(235, 236, 237, 0.3)" data-type="callout" style="background-color: rgba(235, 236, 237, 0.3);">Editor 혜정’s comment이 글의 원문은 토스 기술 블로그에 업로드된 “<a target="_blank" rel="noopener noreferrer nofollow" href="https://toss.im/career/article/data-platform-tribe">Data First를 가능하게 하는 사람들, Data Platform Tribe</a>”입니다.전사적으로 데이터를 활용하기 위해서는 데이터를 쓰고자 하는 조직 문화뿐만 아니라, 신뢰할 수 있는 데이터 환경도 중요합니다. 이번 인터뷰를 읽으며, 토스의 데이터 활용 문화에는 Data Platform Tribe의 노력이 숨어있다고 느껴졌습니다. 데이터 파이프라인의 각 단계에서 많은 구성원들이 책임감을 가지고 인프라를 탄탄히 다져온 덕분에 지금의 문화가 완성되었을 것 같아요. 앞으로 AI 기술과 함께 발전해나갈 토스의 데이터 생태계가 더 기대됩니다.</div>

1,600만 MAU면 이미 너무 많은 것 아니야? 여기서 어떻게 더 성장해?

그로스 도메인이 토스를 성장시키는 방법

돈이 흐르는 길목에서 일을 하다 보니 금융에 대한 지식을 쌓을 수 있는 점도 큰 장점이에요

데이터로 프로덕트의 전략과 방향성을 고민하는, 토스뱅크 데이터 분석가

고객들은 퍼널이 늘어도 유용한 정보가 있으면 이탈하지 않는구나!

끊임없는 실험으로 고객에게 큰 가치를 제공하는, 토스뱅크 데이터 분석가

토스가 데이터를 바탕으로 의사결정을 내리는 과정 속에서, 데이터 분석가가 어떤 역할을 하는지 소개합니다.

진짜 A/B 테스트: 토스의 푸시 생태계를 데이터로 재설계한 방법

토스뱅크 합류 이유부터 데이터/ML이 바꿀 금융의 미래, 그리고 리더로서의 철학까지. 토스뱅크 Head of Data의 이야기를 들어보았어요.

데이터로 금융의 미래를 만들어 나가요 - Head of Data

치열하게 고민하고 협업하며, 정답이 없는 문제를 풀어가고 있는 토스플레이스 Data Analyst의 이야기를 담았어요.

데이터 분석을 넘어, 문제 정의와 해결로 오프라인 결제 시장의 변화를 주도하는 사람들 – 토스플레이스 Data Analyst

질문 하나로 시작하는 데이터 문화 혁신

토스플레이스 데이터봇 ‘판다(PANDA)’를 소개합니다 : 모든 팀원이 데이터 전문가처럼 일하는 방법

토스의 Data Platform Tribe는 데이터가 생성되는 순간부터 활용되는 순간까지, 전 과정을 설계하고 운영하고 있습니다.

Data First를 가능하게 하는 사람들, 토스 Data Platform Tribe

데이터 기반 의사결정과 데이터를 바탕으로 비즈니스의 성장을 설계하고 실행하는 조직, Data Analytics Tribe를 소개합니다.

데이터로 비즈니스 방향을 만드는 사람들, 토스 Data Analytics Tribe

이번 달, 우리에게 매출을 발생시킨 Business Customer는 몇 개인가요?

사업자 데이터 리터러시 높이기: BC Monthly Report 발행기

토스플레이스에서는 왜 Metric Review를 시작했고, 어떻게 운영하고 있으며, 실제로 어떤 변화를 만들었는지 공유해 드릴게요.

Metric Review, 실행을 이끌다

토스 코어에서 자체 개발한, 그리고 의사 결정에 활발히 사용되고 있는 새로운 지표에 대해 소개해 드릴게요.

LTV를 넘어 서비스의 가치를 측정하는 새로운 지표, MTVi

데이터 엔지니어로서 걸어온 커리어

Data First를 가능하게 하는 사람들, 토스 Data Platform Tribe

혼자 SQL 공부하다 막힌 적 있다면?

Contents

데이터 분석 소식을
매월 받아보세요

토스 아티클 모아보기

함께 읽어보면 좋은 글

데이터 역량이 강점이 되는 26년 8월 채용 공고 모음

주니어 데이터 분석가를 시니어로 만들어 줄 책 5권

AI는 일 잘하는 분석가가 될 수 있을까?

데이터 분석 소식을
매월 받아보세요데이터 분석 소식을 받아보세요

Data First를 가능하게 하는 사람들, 토스 Data Platform Tribe

혼자 SQL 공부하다 막힌 적 있다면?

Contents

데이터 분석 소식을 매월 받아보세요

토스 아티클 모아보기

함께 읽어보면 좋은 글

데이터 역량이 강점이 되는 26년 8월 채용 공고 모음

주니어 데이터 분석가를 시니어로 만들어 줄 책 5권

AI는 일 잘하는 분석가가 될 수 있을까?

데이터 분석 소식을 매월 받아보세요데이터 분석 소식을 받아보세요

데이터 분석 소식을
매월 받아보세요

데이터 분석 소식을
매월 받아보세요데이터 분석 소식을 받아보세요