Intro.
내가 고등학교 3학년이었을 때, 통계학과에서 학과소개를 하러 온 학생이 했던 말이 기억난다.
'빅데이터는 지금보다 앞으로의 전망이 더 밝습니다. 세상을 분석하는 학과에 오시는 건 어떠신가요?' 라고.
그때부터 난 데이터에 대한 특별한 이유없는 호감을 가졌었다.
이제와서 생각해보면 그때 그 길을 가볼 걸 하는 아쉬움이 잔잔하게 남아있다.
돌고 돌아서 이 시간에 이렇게 다시 공부하게 될 걸 알았다면 말이다.
하지만 또 늦었다고 생각할 때가 가장 빠를 지도 모른다.
늦어진 시간을 채우기 위한 하나의 방법으로 오늘은 데이터 직군을 분석해보고자 한다.
🖥️ Job Group of Data
데이터 직무라고 하면 보통 3가지를 떠올린다.
Data Analyst, Data Engineer, Data Scientist
과거에는 개발자, 엔지니어의 직무와 데이터 직무가 개별적으로 분리된 것으로 봤지만, 근래에는 그 구분이 모호해진 감이 없잖아 있다.
👩🏻💼 Data Analyst
데이터 애널리스트는 말 그대로 데이터를 활용해 분석하는 역할을 수행한다.
데이터베이스에서 SQL등의 언어로 데이터를 추출하고, Python등을 활용해 다양한 방법으로 분석 및 시각화 한다.
이렇게 도출된 결과를 바탕으로 인사이트를 도출하며, 비즈니스 의사 결정을 지원하는 역할을 한다.
물론 때에 따라서 예측 모델 만드는 일을 같이 수행하기도 한다.
하지만 데이터 직무 중에서는 가장 기획자에 가까운 직무다.
❗ 필요 역량
- 데이터 분석 및 통계학 관련 지식
- 데이터 시각화 도구 사용 능력 (Tableau, Power BI등)
- 데이터베이스 및 SQL 쿼리 활용 능력
- 프로그래밍 언어(Python, R)에 대한 이해
- 커뮤니케이션 및 프로젝트 관리 능력
👩🏻💼 Data Scientist
데이터 사이언티스트는 데이터 분석, 통계, 머신 러닝, 예측 모델링, 데이터 시각화 등의 다양한 분야의 기술을 활용하여 데이터 기반의 문제를 해결한다.
머신 러닝을 이용해 미래 예측을 하거나 주어진 데이터를 연구해 데이터 간의 관계, 패턴, 규칙 등을 찾아내 모형화하고 머신 러닝을 서비스에 도입시킬 방법에 대해 고민한다.
가장 두각이 많이 되는 분야의 직무로, 새로 나오는 논문을 읽고 코드를 짜서 비즈니스 모델에 적용시키는 등, 시류에 빠르게 적응하는 능력이 필요한 직무기도 하다.
❗ 필요 역량
- 수학 및 통계학 지식
- 프로그래밍 언어(Python, R등)애 대한 능숙한 이해와 활용 능력
- 머신러닝 및 딥 러닝알고리즘에 대한 지식
- 빅데이터 처리 기술(Hadoop, Spark등)에 대한 이해와 사용 능력
- 데이터 시각화 및 리포팅 도구 사용능력
- 비즈니스 이해력과 문제 해결 능력
- 커뮤니케이션 및 프로젝트 관리 능력
- 논문을 읽고 해석할 줄 아는 논해력
👩🏻💻 Data Engineer
데이터 엔지니어링이란, 다량의 데이터를 효과적으로 처리하도록 하는 것을 말한다.
데이터 엔지니어는 말 그대로 데이터 엔지니어링을 하는 사람으로, 조직의 데이터 인프라(아키텍쳐)를 설계, 구축, 유지보수하는 직무를 수행한다.
또한 가장 효율적으로 다량의 데이터를 정제, 처리하고 처리한 데이터를 데이터 애널리스트, 데이터 사이언티스트에게 전달한다.
데이터의 흐름과 구조를 잡는 사람이다 보니 가장 개발자에 가까운 직무이기도 하다.
❗ 필요 역량
- 데이터 아키텍처 및 데이터 모델링 등 전문지식
- 데이터베이스 관리 및 성능 튜닝에 대한 전문지식
- ETL 도구 및 프로세스 개발 경험
- 대규모 분산 시스템의 설계, 구축 및 운영 경험
- 클라우드 플랫폼(AWS, Azure, GoogleCloud등)의 이해 및 경험
- 프로그래밍 언어(Python, Java, Scala등)에 대한 지식과 경험
- 문제 해결능력, 팀원들과의 협업 능력
🤔 My opinion
내가 마케팅 팀에서 3개월간 인턴을 하면서 느낀 점이 몇 가지 있다.
-
생각보다 데이터를 읽을 줄 아는 사람이 없다.
이건 정말이지 엄청난 충격이었다.
어떤 이유로 매출이 상승하는 지, 어디에서 가장 많은 유입이 발생하는 지 잘 모르기 때문에 광고의 방향성도, 마케팅의 방향성도 잡지 못하고 허둥거리기만 했었다.
그러다 보니 사업이 진행되는 방향을 잡을 때도 타사의 전략을 모방하거나 여러번 도전해서 하나쯤 걸려들길 바라는 마음으로 광고를 뿌렸던 기억이 났다.
매우 비효율적이라는 생각이 들었고, 그래서 데이터를 배우고 싶었다. -
마케터와 개발자의 커뮤니케이션이 어렵다.
이것도 참 난해한 문제 중에 하나였다.
개발자는 데이터를 뽑아줬지만, 엑셀에 죽 나열된 데이터는 알아보기도 어려웠을 뿐더러 어떠한 연결고리도 찾기 어려웠다.
데이터는 존재하지만, 데이터를 가공해 실제 비즈니스 의사 결정에 활용할 수 있는 길은 요원해보였다.
이 두 가지의 불편사항을 바탕으로 나는 데이터 직무의 필요성을 절감했었다.데이터를 활용해 비즈니스 의사 결정에 활용하고, 효율적으로 사업의 방향성을 결정해 수익을 창출해내는 것. 그것이 내가 인턴 활동을 하면서 데이터 직무를 꿈꾸게 된 계기였다.
그리고 이러한 내 생각을 바탕으로 보다 희망하는 직군을 선정하자면 데이터 애널리스트애 가깝다고 할 수 있다. 머신 러닝을 이용해 미래 예측을 하거나, 알고리즘을 활용해 초개인화 마케팅 전략을 짜는 등, 데이터 사이언티스트도 무척이나 매력적이긴 하다. 하지만 결론적으로 내가 원하는 것은 데이터를 읽고 비즈니스의 방향성을 결정하는 기획자의 업무 쪽에 더 가깝다. 물론 아직은 실제 프로젝트를 진행하며 경험해보지 못한 부분들이 많다보니 확정짓기는 어렵다. 그러나 오늘 데이터 직군을 분석한 결과로 데이터 애널리스트가 내게 맞는 직무라는 생각이 들었다.
