DS vs DE vs DA

1. DA (데이터 애널리스트)

• 데이터 엔지니어는 데이터를 추출하여 이를 분석도구를 통해 분석 및 시각화하는 직종이다. 이를 통해서 유의미한 비즈니스 인사이트를 도출하고 결정자들에게 전달하여 그들의 의사 결정을 지원한다,

업무:

• 데이터 분석 도구를 통한 데이터 수집과 정제 및 분석
• 수집한 데이터를 분석 및 인사이트 도출
• 수집한 데이터를 시각화 및 대시보드 구성

요구 역량:

• 통계, 커뮤니케이션 능력, 비즈니스 지식, 데이터 시각화, 프로그래밍 언어 능력
  = Excel, Tableau, SQL

2. DS (데이터 사이언티스트)

• 데이터 애널리스트와 비슷하지만, 더욱 고도화된 알고리즘과 통계적인 지식을 요구하는 직종이다. 이들은 머신러닝을 구축 및 학습, 그리고 최적화하여 이를 통해 데이터를 분석하고 비즈니스 인사이트를 도출한다.

업무:

• 머신러닝 모델을 구축, 학습 및 최적화
• 머신러닝 및 딥 러닝 모델의 지속적 학습
• 수집한 데이터를 분석 및 인사이트 도출

요구 역량:

• 통계, 커뮤니케이션 능력, 머신러닝 및 딥 러닝 알고리즘 지식, 데이터 시각화, 프로그래밍 언어 능력, 비즈니스 지식
• SQL, Python, R

3. DE (데이터 엔지니어)

• 데이터 엔지니어는 데이터 파이프라인 및 아키텍쳐를 구축하고 이를 주기적으로 최적화하여 DA와 DS에게 정확한 데이터를 전달하는 것이 목표인 직종이다. 대규모 데이터를 처리하기에 소프트웨어 개발 기술이 필수적인 직군이며, 앞선 두 직군과 차이점을 보인다.

업무:

• 데이터 파이프라인 설계 및 유지 보수
• 데이터 아키텍쳐 구축 및 운영
• 대규모 데이터 추출 및 변환

요구 역량:

• 데이터 아키텍쳐 및 모델링 지식, 데이터베이스 관련 지식, 프로그래밍 언어 능력, 커뮤니케이션 능력, 플랫폼 관련 지식
• NOSQL, Python
  
  

원하는 직군?

• 현재 원하는 직군은 데이터 애널리스트이다. 데이터를 수집 및 가공하여 이를 통해 비즈니스 인사이트를 도출하는 프로세스가 흥미로웠고, 이에 이 직군 쪽으로 취업을 하고 싶다는 결심이 들어 현재 제로베이스에 입과한 상태이다. 또한, 대학 생활 동안 전공 수업으로 많이 들었으며 이를 위해 많은 과제들을 수행하였고 DA 관련 강의 및 스터디를 참여하였기에 현재로서는 DA가 매우 익숙하다. 그러나 DS 또한 DA와 많은 공통점을 보인다는 점에서 이 쪽 또한 관심이 있다. 그러나 머신러닝 및 딥 러닝 기술이 필수적인 직군이기에, 이 부분에서 과연 잘 할 수 있을까라는 걱정이 드는 것 또한 사실이다.