🧑🏻‍💻

Alex | 협업을 잘하는 개발자

8년 차, 프로젝트 경험이 많고 항상 성장하는 개발자 한현규입니다.

Contact.

Mail. busgod1212@gmail.com

Mobile. 010-5713-7283

Channel.

LinkedIn. https://www.linkedin.com/in/hyeonkyu-han-86453113a

Github. https://github.com/hanhyeonkyu

#BE #FE #Typescript #Go #Python #NestJS #NextJS #ExpressJS #Gin #Fiber #FastAPI #Django #Pandas #Torch #k8s #GCP #AWS #Azure

---

Main Skill 🎯

• 헬스케어, 보험, 제약 도메인에 대한 이해
• SQL, Selenium, Nifi, Airflow, Pandas, Torch 등을 활용한 데이터 수집/ETL/ML.
• 클라우드(GCP, AWS, Azure 등) 환경과 On-prem 환경에서의 서비스 구축 및 운영.
• FastAPI, ExpressJS 를 활용한 ML 모델 서빙.
• Fiber(Go) 또는 FastAPI, Celery, Redis를 활용한 분산 처리 서버 구축 및 운영.
• Pandas, Torch를 활용한 ML 모델 개발 및 서비스 운영 경험.
• NextJS, NuxtJS 등을 활용한 프론트엔드 개발.
• ReactNative, Flutter, Flet(Python)을 활용한 크로스플랫폼 앱 개발.

---

Introduce.

다양한 포지션과 다수의 프로젝트 경험

스타트업 경험이 많고 백엔드를 메인으로 하는 풀스택 개발자입니다. 초기 기획부터 참여하여 개발, 배포, 운영까지 End-To-End로 프로젝트를 수행한 경험이 있습니다. 또한 필요 시 PM 역할도 겸했습니다. 스타트업 특성상 기술적으로 다양한 포지션을 경험했고, 필요 시 혼자 프로젝트를 시작해 완료한 경험도 있습니다. 그래서 포지션들마다의 고충과 개발 필요사항들에 대해 이해하고 있습니다. 협업에서 여러 포지션의 동료들에게 알려야 할 지점을 알고 효율적인 업무 수행을 위해 능동적으로 노력합니다. 또한 프로젝트 전 과정을 직접 관리하고 개발해 봤기 때문에, 프로젝트 수행을 효율적으로 하는 편입니다.

업무 자동화를 통한 리소스 절약

반복적인 일을 자동화하고 비효율적인 프로세스를 개선하는 것을 좋아합니다. 데이터 연구팀의 반복적인 데이터 수집, 검증 업무를 웹크롤링, RPA 등의 기술을 활용하여 프로그램을 개발했고, 2명이 2주 정도 소요 되던 수집/검증 업무를 반 자동화하여 2일로 줄여 업무를 85% 가량 절감시킨 경험이 있습니다. 그리고 수동으로 수집하던 데이터를 자동으로 수집하는 앱을 개발해 매년 발생하던 데이터 수집 프리랜서 비용을 절약 했습니다. 이를 통해 이전 보다 에러가 줄어 전보다 많은 데이터를 정확도 있고 빠르게 수집할 수 있게 됐습니다. 그리고 기존 인프라와 코드를 검토해 불필요한 구성과 프로세스를 제거하고 개선하여 매월 요금을 35.5% 절약한 경험도 있습니다.

1인 개발과 리드 경험

스스로 배우고 성장하는 것에 익숙합니다. 이전에 다닌 회사들은 입사 후 기존 개발자들 모두 예정된 퇴사를 한 일이 많았습니다. 이로 인해 인수인계 없이 혼자 시작하게 됐는데, 이것이 신입 때부터 책임감을 갖고 능동적으로 일 하는 계기가 됐습니다. 시작부터 혼자 여러 서비스를 운영하고, 처음 보는 언어, 프레임워크를 공부하며 빠르게 배워 나갔습니다. 사내 유일한 개발자로 시작해 기존 서비스 운영과 버그 수정 및 서비스 개선, 신규 서비스 런칭, 기존 기능 고도화까지 수행했습니다. 이후 시리즈 A에서 200억이 넘는 시리즈 C 투자 유치까지, 그리고 15명 규모의 개발팀으로 성장할 때까지 기술적 임무들을 수행 및 리드한 경험이 있습니다.

코드와 인프라 개선을 통한 성능 최적화

운영 중인 서비스에 새로운 로직, 기술, 솔루션들을 적용해 성능 향상을 개발 작업을 간소화합니다. 많은 솔루션들을 공부해 비교하고 테스트및 벤치마크를 진행해, 나은 인프라와 코드로 개선해 왔습니다. 기존 코드들도 주기적인 리펙토링을 통해 기능 단위로 재구성하여 복잡하게 얽혀 있는 프로세스를 단순화 했습니다. 이런 습관 덕에 이미 리펙토링을 통해 기능 단위로 분리된 기존 솔루션을 API 당 요금을 부과하는 API 비지니스 요구사항과 연결되면서 빠르게 API Service를 런칭해 회사 매출에 기여할 수 있었습니다. 추가적으로 코드 내에 불필요한 프로세스를 줄이고 로직을 개선해 기존 성능 대비 40배 정도 개선됐고, 인프라 구성도 기능 단위로 분리해 요금을 절감할 수 있었습니다.

현재 회사에서의 경험

현 회사에서도, 입사 후 얼마 지나지 않아 기존 개발자들이 모두 퇴사하고 혼자 여러 개의 데이터 시각화 웹 서비스를 개발 및 유지보수하게 되었습니다. 또한 글로벌 기준의 규정과 보안을 적용하고, 충족하기 위해 글로벌 동료들과 기술적 소통을 이어가고 있습니다. 그리고 데이터 시각화 서비스가 메인이기 때문에 이전보다 많은 데이터 엔지니어링 업무를 풀스택 업무와 겸하여 수행하고 있습니다. 업무 외적으로 Kubernetes과 ML, 웹, 앱 개발 관련 사이드 프로젝트들을 지속적으로 병행하며 성장하고 있습니다.

---

Main Project Experience.

분산 스케줄러를 통한 데이터 백그라운드 및 서비스 서버 개발

2024.07~2024.10

풀스택 개발

#Go #Fiber #Asynq #Redis #NextJS #Postgres #Scala #Playframework #AKKA #AngularJS #CoffeeScript #MySQL #NuxtJS

소개

의약품의 종류는 아주 많고, 관련 특허와 소송은 현재도 계속 진행중입니다. 특허와 허가, 그리고 소송 등의 과정들을 한눈에 볼 수 있는 특허 소송 모니터링 서비스입니다.

개발 이유

Scala, Playframework로 개발한 개발자들은 모두 퇴사했고, 익숙치 않은 언어이기에 요청에 따라 간단한 수정만 하고 있었습니다. 2023년 중순 쯤 보안팀에서 EOL이 지난 라이브러리에 대해 업그레이드를 지시 받았습니다.

하지만 다른 긴급 이슈들이 많아 우선순위가 밀리고 있었습니다. 그러던 중요한 서드파티 API가 메이저 업데이트 되면서 큰 규모의 코드 업데이트가 불가피해지며 개발이 시작됐습니다.

개발 검토

매일 스케줄된 시간대에 대량의 API를 요청하여 데이터를 가공하여 수집하고 있었는데, 이를 수행할 때 AKKA 를 이용해 비동기 분산 처리를 했습니다. 3가지 이슈를 해결해야 했습니다. 첫째는 서드파티 API 메이저 업데이트, 둘째는 전체 라이브러리 업데이트, 셋째는 유료 AKKA 라이브러리의 대체하는 것이었습니다.

Scala-Playframework에서 첫째, 둘째, 셋째를 시도해 봤지만, 작은 기능을 수정해 가는 것도, 라이브러리 1개를 최신화하는 것도 오래 걸리는 상황이었습니다. 차라리 로직을 정리해 새로 만드는 것으로 결론을 냈습니다. 그래서 우선 md 파일을 열어 서비스 구현에 필요한 내부 로직, UI, API를 문서로 정리했습니다.

개발 계획

사전 작성한 문서는 기획서 처럼 촘촘해졌고, 실제 개발을 이미 한 것처럼 해야 할 일이 머리에 그려졌습니다. 그리고 이를 통해 가장 중요한 부분은 내부적인 스케줄러와 함께 동작하는 비동기 분산 처리 라는 것을 알았습니다. 그래서 비동기 분산 처리에 좋은 서버 조합을 비교해 봤습니다.

조합들을 간단히 구성해 벤치마크를 돌려보면 좋겠지만 여유가 없어, 검색을 통해 동시성 처리가 쉽고 성능이 좋으면서 코드 가독성도 좋은 Go를 선택했습니다. Go로 만들게 될 조합으로 Fiber, Asynq를 선택 했습니다. Asynq는 AsynqMon과 세트로 있어 Task 수행 현황을 쉽게 파악하고 조작할 수 있어서 좋았습니다.

이제 개발에 필요한 작업은 Infra를 구성, DB 마이그레이션 자동화 스크립트, 스케줄 태스크 동작, 관리자 API/UI 개발이었습니다.

Docker 환경 구성

빠른 환경 구성과 팀 내 편리한 공유를 위해 로컬과 배포 환경의 Docker 설정 파일을 정의했습니다. Postgres, Redis, Asynqmon, Fiber(App)에 대해 정의했고, 공식 문서에 정의들이 있어 이를 참고해 수월하게 구성했습니다.

DB 마이그레이션 스크립트 개발

로컬과 배포 환경에서 데이터와 프로시져 등을 참조하며 프로세스가 진행되기에, 필요한 DB 정의와 데이터를 가져와 적용하는 스크립트 작성은 필수였습니다. 우선 운영 DB의 테이블, 뷰, 프로시저를 탐색해, 꼭 필요한 정의와 데이터를 선별하는 작업을 진행했습니다. 이 과정에서 그 동안 방치됐던 불필요한 데이터 행들과 정의들을 덜어낼 수 있었습니다.

선별된 내용을 토대로 운영 DB에서 로컬 컨테이너 DB로 작은 단위의 테이블 데이터를 마이그레이션을 테스트하고, 로그를 확인하며 동작을 확인했습니다. 그런 뒤 정의들을 3개의 그룹으로 나눴습니다. 전체 행을 옮길 데이터 그룹, 특정 시간대만 가져올 그룹, 커스텀 쿼리가 필요한 그룹으로 나누어 스크립트를 작성했습니다. 그렇게 실시간으로 로그를 확인하며, 운영 DB를 안전하게 마이그레이션 할 수 있었습니다.

백그라운드 프로세스 개발

개발 환경 구축이 끝나고, 로컬 DB로 접속해 GORM 에서 제공하는 Gen 툴을 활용해 DB 구성을 Go에서 사용할 struct로 자동 생성했습니다. 하지만 GORM 툴에서 완전히 모든 구성을 가져오지 못하기 때문에 Cascade 설정과 Json 처리 등과 같이 커스텀이 필요합니다.

먼저 필요한 서드파티 API 요청을 개발하고 데이터 확인과 테스트를 위해 Swagger 설정한 뒤, 테스트를 진행했습니다. 서드파티 API의 데이터를 변경 전과 후로 비교해 값을 맵핑했습니다. 서드파티 API 개발을 끝내고, Asynq를 활용해 Task에서 사용할 Client, Inspector, Scheduler, Server(Worker)를 구성 했습니다.

API 요청과 DB 데이터와 연동된 가공 작업을 Task로 나누어 정의했고, 주기적으로 실행될 Task의 시작 Task들을 스케줄러에 등록했습니다. 그런 뒤 전체 동작의 처리 과정을 테스트 했습니다. Worker를 12개~24개까지 늘리며 리소스 사용과 수행 속도를 비교 했고 24개가 적절하여 선정했습니다. 실 동작 개발을 완료하고, 수행할 Task가 없을 때도 24개의 Worker가 Task를 기다리는 것은 비효율적이라 생각했습니다.

그래서 요청이 적을 때는 2개의 Worker가 Task를 수행하고, Inspector로 확인해 Pending Task가 20개 이상이면 24개로 Scaling하고 20개 미만으로 내려오면 다시 2개로 줄이는 Auto Scaling을 구현했습니다. 이 작업을 수행하면서 AsynqMon에서 제공하는 대시보드를 자주 확인하며 에러 체크도 하고 Task 관리도 했는데, 굉장히 유용해서 배포 환경에도 추가하게 됐습니다.

관리자 웹 API/UI 개발

이제 본격적으로 서비스의 데이터를 관리하는 관리자 웹 앱 개발을 시작했습니다. 사전에 조사한 UI 필요 항목에는 Table, DatePicker, Breadcrumb, ... 등이 있었는데, NextJS, TailwindCSS, NextUI, Flowbite를 이용하면 모두 만족할 수 있어 그렇게 개발을 시작했습니다.

기존 DB 구성을 거의 유지했기 때문에, 기존 코드에서 사용하는 UI 코드에서 이용하는 데이터 필드 이름을 참고해 개발했습니다. 덕분에 API 개발 시 데이터 필드 이름에 대한 혼선이 줄었고, 통신은 RestAPI - Json 형태로 주고 받아 NextJS에서 빠르게 적용할 수 있었습니다.

NextUI에서 Dark, Light 테마 적용했는데, 기본 색 설정인 Primary, Secondary, Success등의 설정을 따르면 자동으로 테마 변경 시 색 적용이 되지만, 커스텀 컬러는 변경 시 dark도 같이 설정해줘야 했습니다. 그리고 피씨를 주로 이용하지만 모바일에서도 볼 수 있어서, 모바일 먼저 UI를 개발 후, 피씨 화면 크기일 때의 UI 설정하는 식으로 개발했습니다.

개발 한계 및 소회

개발 시 백엔드 서버에 중점을 두었고, API 개발 이전에 분산 처리 부분 개발 때 관리자 웹의 UI를 병행하여 개발해서 Global State 관리, 유용한 Hook, StoryBook 등을 설정 하지 않고 시작했습니다. 추후 Recoil을 활용해 State 관리를 통합할 예정입니다.

NextJS 14에서는 Html의 meta 태그를 그대로 사용하지 않고, Metadata에 설정하는 것으로 변경됐는데, 여유가 없어 단순 변경 적용에만 집중했습니다. 추후 마켓팅 부서와 협의해 변경할 예정입니다. 비용과 시간의 여유가 없어 아쉬운 점이 많지만, 그래도 새로운 것을 배우고 개선점을 알 수 있던 프로젝트였습니다.

자체 보험 청구 프로그램 개발

2022.02~2022.05

PM, 풀스택 개발

#Go #ExpressJS #NextJS #NestJS

소개

앱에서 보험 간편 청구에 필요한 데이터를 받아 이를 이용해 청구서를 생성하고 보험사로 전달하는 솔루션입니다.

개발 이유

기존에는 앱에 타사의 API를 활용해 간편 청구를 했는데, 그 프로세스가 간단했습니다. 고객이 앱에서 청구를 위해 텍스트 입력과 파일 입력을 하면 텍스트 입력은 보험사 청구서 양식의 특정 위치에 넣어주고, 첨부 이미지 파일을 보내주는 로직이었습니다. 그런데 API는 가끔 전송 실패나 생성 실패 등의 문제들이 발생했습니다. 그래서 비용절감과 서비스 안정화를 위해 자체 API 개발 방법을 알아봤습니다.

개발 과정

사용 중인 API를 통해 40개 보험사의 청구서 양식 PDF 파일들과 팩스 번호, 이메일을 알 수 있었습니다. PDF 파일에서 원하는 위치에 텍스트를 삽입하는 것과 보험사 청구서 양식을 PNG로 변환한 파일에서 텍스트를 삽입하는 것을 비교해 봤습니다. Python과 Go의 여러 라이브러리를 테스트 했고, Go 라이브러리들이 비교적 빨랐습니다. 그리고 PDF에서 바로 텍스트를 삽입하는 작업은 PDF를 해석 시간이 오래 소요되고, 반면에 PNG에서 텍스트를 삽입하는 작업은 빨랐습니다.

시간이 오래 걸리면 서비스에서 API를 사용에 무리가 있으니 PNG에서 작업 완료 후, PNG -> PDF 변환으로 결정했습니다. 모든 청구서 PDF를 PNG로 변환하고 Go의 Imagor 라이브러리를 활용해 특정 포지션에 Text 라벨을 삽입하고 PNG로 청구서 양식을 완성했습니다. 완성된 PNG는 Go의 기본 라이브러리를 활용해 다시 PDF로 변환했고, Node Mailer를 이용해 PDF 파일을 첨부해 보험사 메일로 보낼 수 있었습니다. Go를 웹서버로 만들었는데 Beego 프레임워크를 활용해 개발했고, 메인 서버인 NestJS 서버에서 통신해 기능을 이용할 수 있게 했습니다.

개발 한계 및 소회

개발이 끝나고 개발된 서비스를 이용하는데 여러 한계점이 있었습니다. 청구서 양식이 변경 시 누군가 수정 관리해야 했습니다. 그래서 관리자 웹 앱을 NextJS와 NestJS를 간단히 만들어, 청구서 양식이 변경 시 입력 텍스트의 좌표를 변경할 수 있게 만들었습니다.

다음은 기존의 청구 서비스 외부 업체와 월요금으로 계약되어 청구 API 요금이 저렴한 상태였습니다. 하지만 Node Mailer를 이용해 보내던 메일도 운영에서는 유료 메일, 팩스 API를 사용해야 했는데 청구 횟수가 많다면 오히려 외부 API 사용 보다 비싸지는 것을 알게 됐습니다. 게다가 청구 로직을 수행하는 Beego서버의 서버비와 서비스 유지를 위한 운영 인원 비용을 생각하니 점점 더 한계점이 느껴졌습니다. 또한 간편 청구를 통해 수익으로 이어지기 보다 무상 서비스 기능이어서 외부 업체 서비스 불안정에 대응하기 위해 투자하기에도 좋지 못했습니다.

처음에는 개발 가능성을 알아보는 것이었지만, 논의를 하다 보니 빠르게 개발하게 됐습니다. 하지만 개발과 비용을 덜 고려한 구현에 목적을 둔 개발이 되었습니다. 추후에는 개발 시작 전 유지 관리, 비용을 더 생각하게 된 계기가 됐습니다.

보험엔진v2

2020.11~2021.01

PM, 풀스택 개발

#Typescript #Python #ExpressJS #Pandas #Sklearn

소개

보험 시장에서 가입자들은 설계사들의 설명에 따라 보험을 가입합니다. 보험 설계에서 고려할 점은 나이대, 보장, 보장금액, 만기 등 복잡하게 연관되어 있고, 또한 1개 상품으로 필요 보장을 충족할 수 없어 여러 보험 상품의 조합이 필요하기 때문에 고객이 알기 힘든 구조입니다. 이런 설계사와 소비자 간의 정보 비대칭을 해결하기 위해 고객 정보와 보험 상품 정보들을 토대로 한 개인화된 보험 진단과 필요 보험 상품 묶음을 추천하는 보험 솔루션입니다.

개발 이유

초기 보험 솔루션은 여러 서버 간 상호작용을 통해 동작하고 코드와 ERD의 복잡도가 심한데다, 초기 개발자 분의 개인 라이브러리를 참조해 운영되고 있었습니다. 그러던 중 초기 개발자 분이 퇴사하셨고, 아무도 솔루션을 업그레이드할 수 없는 기술 부채 상태가 되었고, 테크 리드 분들이 수차례 입사해 시도 했지만 마이그레이션하지 못하고 있었습니다. 그러다 갑자기 보험사와 보험 솔루션 납품에 대한 논의가 있었고, 내부적으로 빠른 업그레이드가 필요해지면서 급 개발을 맡게 되었습니다.

개발 계획

우선 코드를 쉽게 만들고 싶었습니다. 그래서 엔진 개발에 필요한 프로세스를 상세히 정리했습니다. 보험 엔진은 크게 2가지 기능이 있었는데, 고객이 가진 보험에 대한 진단과 고객에게 필요한 보험 상품 조합을 추천하는 것이었습니다. 보험 진단을 개발하기 전 2가지 사전 작업이 필요했습니다. ML 모델을 이용해 개발되었기 때문에, 훈련에 사용되는 기반 데이터를 만들고 모델을 만들어야 했습니다. 그리고 보험 진단 솔루션의 입출력 데이터에 대한 파싱 및 구조화 모듈을 만들어야 했습니다.

다음으로 보험 상품 조합 추천은 보험 상품 조합을 통한 보장과 보장금액의 묶음을 도출해야 했습니다. 진단을 통해 얻은 고객의 보험 상태와 고객 정보를 바탕으로 일정 기준에 맞게 부족한 보장을 도출하고 상품들로 체워주는 방식입니다.

ML 모델과 솔루션 개발

기존 코드를 분석 후, 보험 설계 연구원분들과 협업을 통해 진단에 사용할 입력 데이터를 선정했습니다. 그 동안 플랫폼을 통해 쌓인 데이터의 개인정보를 비식별화하고 정제하는 작업을 수행했습니다. 그렇게 정제된 데이터로 실제 설계사 분들과 상품에 대한 점수를 도출했고, 점수 기준에 따라 3개의 진단 클래스의 기준을 만들었습니다.

그렇게 만들어진 데이터로 Sklearn을 활용해 다중 로지스틱 회귀 모델을 만들어 보험 상품에 대해 고객 정보에 따라 3개의 클래스로 판단되도록 모델을 만들었습니다. 이 후 모델의 검증과 테스트, 점수 변경, 모델 파라미터 변경 등의 반복 작업을 수행했고 보험 연구원분들과 합리적으로 판단되는 모델이 완성되어 수식에 사용되는 파라미터를 도출할 수 있었습니다.

다음으로 솔루션의 입력 데이터인 신용정보원 데이터를 파싱하는 모듈을 만들었고, 도출된 수식과 파라미터를 통해 진단을 완료하고 솔루션의 결과값의 데이터 구조를 만들어주는 모듈을 만들어 결과를 API 요청으로 얻을 수 있게 만들었습니다. 이후 신규 솔루션으로 플랫폼에 업데이트하였고, 보험사에서 원하는 진단 기준과 결과 데이터 구조를 커스텀하며 납품용 엔진도 만들 수 있었습니다.

타협과 해결 과정

보험 추천의 목적은 필요한 보장과 금액 기준을 가성비 좋은 상품을 이용해 충족시켜 주는 것입니다. 보장을 충족시켜주려다 보니 문제가 있었습니다. 보장의 종류가 너무 많았고, 금액 기준도 다양한데다 상품의 특약에 따라 상품의 성격도 달라졌습니다. 모든 특성을 다 고려하기에는 제한 시간에 기능을 만들 수 없었습니다.

타협을 시작했습니다. 필요 보장 기준에서 필수 보장을 선정하고 금액 기준도 줄여나가며 범위를 좁혀갔습니다. 그리고 소속 설계사 분들이 가입 시킬 수 있는 상품들을 업데이트하고 보험 연구원분들과 연구를 통해 안 좋은 규약이 없는 좋은 상품들만 엔트리에 두도록 매달 상품 업데이트를 기준을 정했습니다.

이제 추천을 위해 개인 정보가 입력되면 충족한 보장들을 제외하고 필요 보장과 금액의 조합이 만들어지고, 이를 충족하기 위한 보장과 금액을 가진 상품 조합들을 만들어야 했습니다. 12개의 보장과 각각 다른 보장 금액 기준이 있었고, 충족을 위해 가능한 모든 조합을 만들고 가장 저렴한 조합을 찾아야 합니다.

만약 보장할 금액이 A,B,C 보장 모두 5000만원이고 A,B,C 보장이 0~5000만원까지 1000만원 변화값이면, 이 3개 보장의 조합을 모두 만들면, (000),(001),...(555)까지 216개였고, 이제 216개에서 [[(555)],[(001)(554)],[(101)(222)(232)],... 이런식으로 부분집합의 경우의 수가 2^216 이었습니다. 10진수로 보면 10^64~10^65 사이였습니다. 당연히 조합을 만들다가 컴퓨터가 연산을 멈췄습니다.

이번에는 모든 조합이 아닌 가능한 조합을 먼저 선별해 계산하게 했습니다. 216개의 조합을 순회하며, 우선 (555)가 될 수 있는 조합만 찾아내니, 개수가 42738개가 되었습니다. 입력 조합 생성이 빠르게 만들어졌고, 그 조합을 만족할 수 있도록 업데이트된 상품들에서 찾아내 가격을 비교하고 가장 저렴한 상품 조합을 구성하도록 만들었습니다. 그렇게 개인화된 보험 상품 조합을 도출하는 솔루션이 개발됐습니다.

프로젝트 성과

모듈 단위로 분리해 개발하여 독립된 기능으로 여러 API 서비스를 만들기에 용이하게 변경됐고, 여러 서버 간의 상호 작용이 아닌 단독 서버 동작으로 개발되어 엔진 솔루션 납품에도 수월해졌습니다. 그리고 복잡한 ERD가 쉽게 개선됐고, DB에 저장할 데이터와 로그성 데이터가 분리되고, DB 통신도 최소화하였으며, 솔루션 로직이 개선되고, 불필요한 동작을 제거해 기존 대비 평균 40배 가량 속도가 개선 되었습니다.

연구원 분들이 수동으로 하던 데이터 검증 및 가공 작업도 리뉴얼 되면서 ReactJS, ExpressJS로 관리자 웹사이트를 만들어 많은 부분 자동화하여 관련 작업에 대해 업무 소요 시간을 85% 절감시켰습니다.

---

Job Experience.

한국아이큐비아솔루션스(주)

미국 IMS헬스와 퀸타일즈가 합병해 만든 외국 상장 회사로서 최대 규모의 보건의료 데이터, 맞춤형 솔루션 뿐 아니라 환자 관리 개선을 위한 머신 러닝, 정확한 상업 전략 등을 포함해 휴먼 데이터 사이언스 활용에 기여하는 회사로서, 매출액 850억 이상으로 헬스케어 데이터 통계 분석과 컨설팅을 지원하는 글로벌 헬스케어 빅데이터 기업

AA, DS

인프라 및 서비스 운영

풀스택 개발

2022.10~2024.12

• KINX Cloud 베어 메탈 서버 및 NAS 장비 관리 및 KT, Azure Cloud 가상화 인프라 관리
• 각 서비스의 버그 수정 및 고객 요구사항에 따른 개선(NuxtJS, ExpressJS, Scala, Playframework, AngularJS)
• 사내 데이터 ETL 작업(MSSQL) 및 데이터베이스 서버 유지 관리(MSSQL, PostgreSQL, MySQL)
• IT 기준과 보안 규정 준수를 위한 유지보수 및 솔루션 적용
• Script를 통한 인프라 관리 및 데이터베이스 관리(Python, Powershell, NodeJS)
• 공공 데이터(API, Crawler) 자동 수집 앱 개발 및 데이터베이스 구축(Selenium, Celery, Django, Redis, PostgreSQL, MSSQL)

데이터 파이프라인 및 시각화 프로젝트

데이터 엔지니어링 및 시각화

2024.10~2024.12

• 데이터 엔지니어분들과의 협업을 위한 Nifi, Airflow, MageAI를 활용한 ETL 구성 및 개선
• 데이터베이스 통합을 위한 Snowflake -> Azure MI SQL Server로의 데이터 마이그레이션
• 제약사를 대상으로 한 PowerBI, Spotfire를 활용한 데이터 및 시각화 프로젝트 딜리버리

분산 스케줄러를 통한 데이터 수집 및 서비스 개발

풀스택 개발

2024.07~2024.11

• 분산 스케줄러를 통한 효율적인 데이터 수집 자동화 및 서비스 서버 개발(Go, Fiber, Asynq, Redis, PostgreSQL, MySQL)
• 관리자 및 서비스 웹 앱 개발(Typescript, NextJS, NextUI)
• 서비스 인프라 및 CI/CD 구성(Nginx, Jenkins, KT Cloud)

사내 인프라를 통한 비용 절감 및 로그 시스템 적용

풀스택 개발

2024.03~2024.06

• Spotfire Server 관련 KT Cloud 가상화 자산을 Azure Cloud의 사내 물리 자산에 다시 구성해 요금 절감(Spotfire, KT Cloud, Azure)
• KINX 물리 NAS 장비 중 필수 데이터를 스크립트로 선별해 Azure SA로 이관(Synology NAS, Azure Storage Account / File Share)
• 유저 행동분석을 위한 서비스 로그 적용 및 Windows, Linux 서버 내 오류 로그 시스템 개발 및 적용(Python, NuxtJS, ExpressJS)

사내 인프라 이용을 위한 기반 작업 및 서비스 버그 해결 및 개선

풀스택 개발

2023.12~2024.02

• 사내 Spotfire Server 인프라와 서비스 간 JWT 토큰 인증으로 Authentication 연결 적용(Spotfire, ExpressJS)
• 좌표 데이터 간 직선, 도보 거리 로직 개선을 통해 프로세스 복잡도와 시간, 요금 절감(Python, MSSQL)
• SOAP API 버그 수정 및 서버 버전 업그레이드(Scala, Playframework, AngularJS, NuxtJS, ExpressJS)

데이터 수집 자동화 및 요금 절감을 위한 대시보드 앱 개발

풀스택 개발

2023.08~2023.11

• 신규 Spotfire Analyst 인프라의 요금 절감을 위해 Dashboard 모바일/데스크탑 앱과 서버 개발(Flutter, Flet, Fastapi)
• 서버 인프라 및 CI/CD 구성(Jenkins)
• 웹사이트 주기적 크롤러 웹 앱 및 서버 개발(Selenium, Celery, Django, Redis, React)
• 기존 Spotfire Server 및 Analyst의 버그 수정 및 운영(Spotfire)

사이버 공격 대응과 보안 및 백업 시스템 개선, Spotfire 인프라 메이저 업그레이드

풀스택 개발

2023.05~2023.07

• 사이버 공격으로부터 데이터 및 서버 복구, 백업 시스템 추가 개선(Bash Script)
• letencrypt ssl 인증서 갱신 및 도메인 맵핑 자동화(Bash Script, Nginx, Docker)
• 사이버 공격에 대한 Windows 서버 로그 분석 및 방화벽 로그 분석(Python, Bash Script)
• 공공 데이터 수집 및 ETL을 자동화(Python, Golang)
• Spotfire 7.11 -> 11.4 인프라 업그레이드, 테스트 및 운영(Spotfire)
• Global VPN을 통한 Cloud VPN 접속 구성(KT Cloud, Azure)

데이터 분석 시각화 프로젝트 및 데이터 구축 프로세스 간소화, 사이버 보안 강화

풀스택 개발

2023.03~2023.05

• 데이터 시각화 프로젝트를 위한 통계 구성 및 Spotfire Server 인프라 성능 테스트(Spotfire, MSSQL)
• TMAP API 데이터 구축 자동화 및 기존 구성 간소화 및 속도 개선(Python, MSSQL)
• 글로벌과 협업을 통한 KT, KINX 보안 취약점 개선 및 보안 강화, 네트워크/방화벽/포트포워딩 재구성
• KT, KINX에 불필요한 자산을 제거해 요금 절약

데이터 분석 및 시각화 프로젝트 및 클라우드 모니터링 웹 앱 개발

풀스택 개발

2023.01~2023.02

• 사내 Spotfire Server 인프라를 활용해 SK Chemical 데이터 시각화 프로젝트 개발(Spotfire, MSSQL)
• KT Cloud 서버 모니터링 웹 앱 개발(SvelteJS, Fastapi)
• 클라이언트 웹사이트 UI 통일 작업(NuxtJS, NestJS)
• 관리자 웹사이트 프로젝트, 분석 맵핑 개선(NuxtJS, ExpressJS)
• 데이터 분석을 통한 잘못된 원본 데이터 검출 및 가공(Python, Spark, Pandas, MSSQL)

글로벌 보안 솔루션 적용 및 신규 서비스 개발

풀스택 개발

2022.10~2022.12

• 글로벌 보안 준수 사항 및 솔루션 적용
• 보안 가이드라인에 맞는 기존 웹 서비스 OAuth 재구성(NuxtJS, ExpressJS)
• 신규 서비스 PP의 데이터 분석 및 시각화 프로젝트를 위한 데이터 가공, 분석 시각화(Spotfire, NuxtJS, ExpressJS)
• 클라이언트 웹사이트 UI 개선 및 신규 분석 페이지 추가(NuxtJS, ExpressJS)
• 관리자 웹 싸이트 검색 및 유저 권한 설정 개선(NuxtJS, NestJS)

인프라 및 서비스의 라이브러리 버전 업그레이드

풀스택 개발

2022.10~2022.10

• KT, KINX의 OS 및 EOL 지난 소프트웨어(라이브러리) 업그레이드
• 데이터베이스 메이저 버전 업그레이드 및 데이터 마이그레이션(MSSQL, PostgreSQL)

아이지넷

100만 유저와 보험 중개액 성장률 3년 안에 3000% 성장 뿐 아니라 보험 가입 유지율이 99%로 업계 평균인 70%를 크게 웃돌고 있는 누적 중개액 3000억을 돌파하고 누적 투자액 221억 이상의 Series C 인슈어 테크 스타트업

앱개발(선임연구원), 데이터연구실(책임연구원), 기술개발실(프로)

증권사 보험 엔진v4 개발

백엔드 개발

2022.07~2022.09

• 증권사 요구에 따라 보험 분석 및 추천 엔진 개발(ExpressJS, PKG)
• 보험 분석 엔진 점수에 대한 설명 세분화 개발(ExpressJS, Pandas, 보험 도메인 연구)
• 로지스틱 회귀 및 다중 분류를 통해 신규 분석 엔진 모델 개발(Keras)
• 엔진의 메타 데이터와 마이데이터의 신규 데이터 포맷을 규합(Pandas)
• 신규 엔진의 데이터 관리 시스템 구축(ExpressJS)

보험 엔진v3 신규 버전 개발

PM, 풀스택 개발

2022.04~2022.08

• 담보 단위의 분석을 통한 고객 보험 분석 엔진 개발(Golang, Python, Keras, Pandas)
• 신규 엔진의 메타 데이터에 맞도록 데이터 관리 시스템 재구축(ExpressJS)
• API Service(SaaS) 서비스 운영을 위한 관리자 웹 앱 구축(NestJS, NextJS)

자체 보험 청구 프로그램 개발

PM, 풀스택 개발

2022.02~2022.05

• 기존 이용하던 보험 청구 API를 분석해 기능 설계
• 입력에 따른 PDF 생성 자동화 및 메일, 팩스 전송 기능 개발(Golang)
• BToB 솔루션을 위한 API Service(SaaS)에 청구 기능 추가(ExpressJS)
• 보험 청구 관련 관리자 웹 앱 개발(NestJS, NextJS)

API Service 서비스 웹 앱 개발 및 약관 분석 기능 개발

PM, 풀스택 개발

2021.11~2022.01

• 외부 API Service를 벤치마킹하여 보험 API Service의 소개 / 테스트가 가능한 웹 앱 개발(Hugo)
• 간편한 정보성 페이지와 관리자 웹 앱 개발을 위한 사내 웹 프론트엔드 템플릿 개발(NextJS, TailwindCSS, Storybook, Recoil)
• 전 보험사의 약관을 분석해 고객이 이해하기 쉬운 약관의 기능/보상적 특징을 잡아내 제공하는 신규 API Service 연구 및 개발(Python, Pandas, ExpressJS)
• 약관 데이터와 실제 받을 수 있는 보상을 구체화하기 위해 KOICD 질병코드 간 연결성을 찾아 맵핑하여 고객에게 필요한 보험을 추천하는 엔진 개발(ExpressJS, Pandas)

보험사 보험 엔진v2.1 개발 및 API Service 개발

PM, 풀스택 개발

2021.05~2021.08

• 보험 진단/추천 엔진 솔루션 개발 및 납품, 타사에 엔진 설치 및 사용을 위한 컨설팅(Golang)
• API Service 사용량 확인 및 모니터링을 위한 관리자 웹 앱 개발(NestJS, NextJS)
• 44개 보험사 공시실 파일 수집 서버 및 대시보드 웹 앱 개발(Selenium, Celery, Django, React)
• 데이터 검증 업무를 위한 서버 개발(ExpressJS)
• API Service를 위한 기능 단위로의 서비스 분리 개발(ExpressJS)
• API Service의 GCP 서비스를 통한 로그 관리 시스템 구성(GCP, API Gateway, Cloud Run, Cloud Logging, BigQuery)
• API Service 설계와 토큰을 통한 고객 사용량 체크 및 과금 관리 시스템 개발(ExpressJS)

보험 엔진v2 개발 및 성능 개선

PM, 풀스택 개발

2020.11~2021.01

• 데이터 분석을 통해 신규 보험 분석 엔진 설계 및 개발(Sklearn, Pandas, ExpressJS)
• 엔진 메타 데이터 관리를 위한 관리자 웹 앱 개발(ExpressJS, ReactJS)
• 엔진의 방대한 로그성 데이터를 Elastic Search로 분리 저장하여 서비스 데이터베이스 성능 개선(ElasticSearch, Logstash, Kibana, MongoDB, PostgreSQL, ExpressJS)
• 보험 엔진의 불필요한 로직 제거와 중복 작업 제거, 로직 성능 개선을 통해 기존 대비 40배 가량 성능 향상(ExpressJS)
• 엔진 유지를 위한 주기적 데이터 업무 자동화를 통해 관련 업무 시간 85% 절감(ExpressJS)

마이데이터를 대비한 사전 마이그레이션 및 관리자 및 회사 소개 웹 앱 개발

풀스택 개발

2020.04~2020.08

• Laravel과 ExpressJS, MySQL로 구성된 기존 보험 엔진 및 서비스 서버를 ExpressJS, MongoDB로 구성된 신규 보험 엔진으로 마이그레이션(Laravel, ExpressJS, Koscom Cloud, NCP)
• 데이터베이스를 MySQL -> MongoDB로 마이그레이션(MySQL, MongoDB)
• 통합 관리자/플래너 웹 앱 및 회사 소개 페이지 개발(ReactJS, ExpressJS)

심화 청구 서비스 개발과 유지보수 및 개선

PM, 풀스택 개발

2019.11~2020.03

• 모바일 앱 및 Webview(웹 앱) 간 통신 모듈 개발 및 앱 내 광고 효율 측정을 위한 애드브릭스 적용(Adbrix, React Native, ReactJS, ExpressJS)
• 딥링크를 활용한 플래너 개인 고객 전용 프로세스 개발해 앱 내 고객 확보(Adbrix, ReactJS, ExpressJS)
• 안내 팝업 및 앱 푸시 개발을 통해 광고 및 유저 리텐션 증대(ExpressJS, ReactJS, Onesignal, Adbrix)
• 간편 청구와 청구 상담, 분쟁조정사례 및 보상사례를 분석하여 고객의 청구에 따라 정보도 같이 제공하는 서비스 개발(AWS, ExpressJS, ReactJS, Pandas, Pyautogui)
• 앱 내 공지, 이벤트 게시판 추가 개발(ExpressJS, ReactJS)
• 공지, 이벤트 게시판 컨텐츠 작성을 위한 에디터 구축(Github, ReactJS, ExpressJS)
• ReactJS 프론트엔드 코드를 Class Component -> Functional Component로 마이그레이션(ReactJS)
• React Native 개발 코드의 라이브러리 버전 업데이트(React Native)
• Google-Referrer 정책 업데이트 및 스토어 가이드라인에 따른 수정(React Native)

비링크헬스케어

100만 명의 건강검진 빅데이터를 통한 데이터 표준화와 의료지식 데이터베이스 구축을 통한 의료정보컨텐츠와 건강관리를 제공하는 헬스케어 서비스 신생 스타트업

헬스케어빅데이터분석팀(주임연구원)

건강검진 데이터를 위한 관리자 웹 앱 개발

PM, 풀스택 개발

2019.08~2019.10

• 건강검진 PDF 파일 공유 및 전송을 위한 외부 관리자 웹 앱 개발(ReactJS, ExpressJS, MySQL)
• 100만 건강검진 PDF 파일을 이용해 자동 텍스트를 추출 모델 개발 후 검증 기능 개발(Pyautogui, Django, Selenium, Chrome)
• 자동 텍스트 추출 모델 실패 시 진행할 이미지를 조작 및 수동 입력과 수정이 가능한 관리자 웹 앱 개발(ReactJS, ExpressJS, MySQL)
• 소규모 병원에서 사용할 통계 제공용 웹 앱 개발(ReactJS, ExpressJS, MySQL)

프로토타입 앱 개발

PM, 풀스택 개발

2019.08~2019.08

• 투자 유치를 위한 시연용 프로토타입 모바일 앱 개발(React Native)
• 웹/모바일 앱, 서버, DB 개발(React Native, ReactJS, Django, ExpressJS, MySQL, GCP)

텍스토리

10만명 이상의 리텐션 높은 유료 유저들을 보유한 대량 메시지 서비스 기술 기반의 메시지 플랫폼 스타트업

웹개발팀(연구원)

음성 데이터 수집 및 분석 환경 구축

데이터 엔지니어

2019.06~2019.07

• SRT 내 음성 수집 물리 장치 설치
• 에트리 음성 분석 엔진을 위한 필요 데이터 가공 및 전달(Python)
• 에트리 음성 분석 엔진 도입을 위한 고사양 데스크탑 셋팅(Tensorflow GPU)

포인트스토리 앱 개발

PM, 풀스택 개발

2019.04~2019.05

• 신규 서비스 발굴을 위한 시장 조사
• 포인트 관리가 필요한 상점과 협업해 포스기 장비의 구매 정보를 가져오는 모듈 구축(Dotnet)
• 고객 관리, 메시지 전송, 예약 전송, 포인트 관리, 이벤트 전송 등의 기능을 데스크탑 앱으로 개발(ElectronJS, ReactJS, ExpressJS)

슈퍼메시지 앱 개발

풀스택 개발

2019.01~2019.03

• 신규 서비스 발굴을 위한 시장 조사
• 프로토타입 개발을 통한 UI/UX 검증(Kakao Oven)
• 여러 대의 스마트폰을 하나의 아이디로 연결해 스마트폰 당 문자 횟수 제한 문제를 해소한 고객 관리 데스크탑 앱 개발(ElectronJS, ReactJS, ExpressJS)
• 서비스 관리를 위한 관리자 웹 앱 개발(ReactJS, ExpressJS)

코드 마이그레이션(프론트엔드/백엔드)

풀스택 개발

2018.12~2019.01

• 프론트엔드는 Marionettejs -> Reactjs로 마이그레이션(ReactJS)
• 백엔드는 Backbonejs -> Expressjs로 마이그레이션(ExpressJS)

---

Freelancer Experience.

Grablo

코딩 없이 웹을 통해 나만의 IOT 컨트롤러를 개발할 수 있는 플랫폼.

Freelancer

PM, 풀스택 개발

2023.12~2024.12

• 웹 앱 개발 관련 이슈 해결 및 해결 방안 제시(NextJS, NestJS, GraphQL)
• 웹 앱 신규 기능 기획 및 개발(NextJS, NestJS)
• Kubernetes를 활용한 테스트, 라이브 인프라 구성 및 유지보수(Kubernetes, GCP, Jenkins)
• 기존 웹 코드를 신규 코드와 인프라로 마이그레이션(GCP, Kubernetes, NestJS, NextJS, Fastify, GraphQL, MikroORM)
• 마이크로 컨트롤러의 버전 관리를 위한 데스크탑 앱 개발(PyQt, Flet, Windows, Mac, Linux)

Vectorspace

MZ들의 취미 기반의 소통을 위한 SNS.

Freelancer

PM, 풀스택 개발

2022.08~2022.12

• 모바일/웹 앱의 이슈 해결 및 해결 방안 제시(Flutter, NestJS, NextJS)
• Retool을 이용한 관리자 웹 대시보드 개발(Retool)
• 테스트, 라이브 인프라 구성 및 유지보수(Docker, GCP, Jenkins)
• 전체 코드 분석 및 리펙토링, 개발 관련 컨벤션 구성(JS->TS, 재사용 코드, Swagger 및 문서 작성, Pre-commit, Slack)
• 백엔드 기능 별 테스트 자동화 개발(NestJS)
• 앱 내 딥링크 및 스키마 적용(NestJS)

리얼리티매직

15년이상 AAA급 PC/콘솔/모바일 게임들을 개발해온 개발자들에 의해 설립되어, 세계적 수준의 게임 타이틀들을 공급하고 있습니다.

freelancer

프론트엔드 개발

2021.08~2021.12

• 어드민 웹 앱 개발(ReactJS)
• 설계, 사용방법에 대한 문서 작성
• 변경 요청 사항 적용(ReactJS)
• 요구사항에 대한 설계 문서 작성(IA, 와이어프레임, UI/UX)

---

Side Project Experience.

Dabinsa

결혼식에서 QR을 통해 답례품을 선택하고 배송해 주는 간편 답례품 전송 서비스.

PM, 풀스택 개발

2022.05~2023.05

• 웹/모바일 앱의 초기 기획 및 개발(Flutter, SvelteJS, NestJS, Figma)
• 인프라 구성(Oracle Cloud)

---

Skill.

프로젝트에서 성공적으로 사용한 기술 스택만 작성했습니다.

(⬇️아래 버튼을 눌러 펼쳐서 확인하세요.)

프론트엔드

NodeJS(TS)

NextJS, NuxtJS, NextUI, Recoil, Tailwindcss, Shadcn, SvelteJS, ReactJS, VueJS, Redux, MUI

Dart

Flutter

백엔드

NodeJS(TS)

ExpressJS, NestJS, BullMQ, TypeORM, MikroORM, Mongoose, GraphQL, Socket.io

Golang

Fiber, Asynq, GORM, Beego, Gin

Rust

Rocket, ActiX

Python

FastApi, Django, Celery, Sqlalchemy

데이터

데이터베이스

PostgreSQL, MSSQL, SQLlite, MongoDB, ElasticSearch, Redis

수집 및 자동화

Selenium, BeautifulSoup, Pyautogui, Scrapy

ETL

MageAI, Airflow, Nifi, Pandas

시각화

Spotfire, PowerBI, Plotly, Retool, Tooljet, Redash

분석

Torch, Tensorflow, Keras, Huggingface, Transformers, Sklearn

인프라

GCP

GCE, LB, GCS, GKE, SQL, Cloud Run, Artifact Registry, Cloud Armor, Google Domains, Cloud DNS, BigQuery

AWS

Route53, EC2, ACM, RDS, S3, LB, API Gateway, Lambda

AZURE

Network, Azure MI SQL Server, ContainerInstances, StorageAccount(FileShare, BlobStorage), VM, Network, LB

KT Cloud

VM, Networking, NAS, ObjectStorage

3rd Party

Jenkins, GitlabCI, SynologyNAS, Pusher, AlgoliaSearch, Heroku, Netlify, Vercel, Firebase, CloudFlare, ElasticCloud, RedisLab, MongoDBAtlas

Cloud Native

Kubernetes, Helm, Istio, Prometheus, ArgoCD, Telepresence, Infisical

크로스플랫폼 앱

NodeJS(Typescript)

ReactNative, Expo

Dart

Flutter

Python

Flet

---

Education.

• 2018.04~2018.11 - 인크레파스 - 딥러닝을 활용한 웹 개발 교육 과정(수료)
• 2008.03~2015.02 - 남서울대학교 - 전자공학과(졸업)