

전사 데이터 플랫폼을 기반으로 데이터마트 설계, SQL/Stored Procedure 개발, Spotfire 분석 환경 구축, 리포트 자동화까지 End-to-End로 수행하며 데이터 기반 의사결정을 지원해온 데이터 엔지니어입니다. 현장 제조 환경을 직접 경험하며 공정·설비·품질 등 다양한 직무와 협업해왔고, 요구사항을 데이터 구조와 분석 시스템으로 구체화하여 실제 업무 성과와 의사결정 개선으로 연결해왔습니다.
Data Platform / Engineering
Analytics / BI
1) 데이터 조회/분석 시스템 개발 및 운영
① 극판 공정 품질 Gate 진성 불량 판단 템플릿
문제: MES 기반 데이터 조회로 NG품 진성 판단까지 Lead Time 발생
행동: 실시간 제조 이력 및 측정값 데이터를 연계하여 Lot별 진성 불량 판단 플랫폼 개발
성과: 조회,분석 Lead Time 단축, NG품 장기 방치 방지, 라인 운영 효율 향상
② 개발 DOE Run Report 자동화
문제: 제품 개발 과정에서 라인 데이터 분석 후 Report 작성 반복 공수 발생
행동: 공정 데이터 I/F를 통해 DOE 분석 결과를 자동 Report로 변환
성과: 개발 데이터 납기 준수, 반복 업무 최소화 및 분석 효율 향상
③ Stack 기종 조립 공정 불량 층별 분석 템플릿
문제: 불량 이력 있는 Cell의 층별 분석 필요
행동: 타 공정 이력 데이터 연계 및 층별 불량 분석 시각화 템플릿 개발
성과: Daily Report 확인을 통한 특정 라인/호기 불량 집중 여부 조기 파악, 라인 운영 안정화
*활용 기술: Database 內 데이터 연계 및 Spotfire 시각화(IronPython을 통한 API 활용, JavaScript 및 HTML 기반 UX향상)
2) 불량 원인 분석 및 수율 확보
① 공정 데이터 분석을 통한 원인 분석 및 재발 방지
문제: 개발 제품 전수 불량 발생
행동: 이슈 대상 Panel 공정 이력 데이터 분석, 원인 규명, 설비 Interlock 기능 추가 개발로 재발 방지
성과: 고객 VOC 신속 대응, 불량 재발 방지, 공정 안정화
② 제품 및 설비 변경점 분석을 통한 불량 최소화
문제: 검사 설비 불량률 급증, 신규 제품/신공정 라인 내 추가 시 불량률 증가 가능
행동: 제품/설비 변경점 분석, 잠재 Risk 사전 분석
성과: 불량률 감소, 수율 안정화, 양산 품질 확보
*활용 기술: Python, MATLAB, 2D/3D CAD Tool을 활용한 공정 데이터 분석 및 제품/자재 분석
SQL, Python, Spotfire, Data Mart, ETL, Stored Procedure, Query Tuning, Dashboard, Reporting Automation, Data Quality, Big data handling