[출처]https://fastcampus.co.kr/media_branding_ysb2
데이터 분석가 / 사이언티스트 / 엔지니어의 차이는 무엇일까?
- Data Scientist 데이터 사이언티스트 (과학자) DS
- Data Analyst 데이터 애널리스트 (분석가) DA
- Data Engineer 데이터 엔지니어 (기술자) DE
크게 이렇게 나뉘는 직군들!
1. Data Scientist 데이터 사이언티스트 DS
우선 데이터 사이언티스트는 데이터 직군에서 가장 넓은 범위의 업무를 다루는 것 같다. 대기업의 경우라면 좀 더 특화된 업무를 다루겠지만, 중소기업이나 스타트업에 데이터 사이언티스트로 나 혼자 입사하는 경우 DA, DE 의 일까지 모두 맡는 경우도 있다고 한다.
데이터 사이언티스트들에게 요구되는 가장 큰 기술은 머신러닝, 딥러닝 모델을 다루는 것 일 것이다. 이를 위해 데이터를 수집하고, 전처리하고, 기계에 넣어서 원하는 값을 가져오는 것이 주요 업무다. 그렇기 때문에 깊이 들어가면 들어갈수록 수학과 고급 통계가 중요해진다. 머신러닝, 딥러닝 모델은 수학으로 이루어져 있고, 각 모델들의 특성을 파악해 적절한 모델을 사용하거나 파라미터(옵션)를 조절하기 위해서는 모델의 개념에 대한 이해가 꼭 필요하기 때문이다. 그러니 꽤 오랜 시간 동안 공부해야 하는 영역임이 틀림없고, 특히 딥러닝 분야로 더 깊이 들어간다면 이미지처리, 영상처리, 자연어처리 등 석박사 이상으로 하나의 분야를 공부하시는 분들이 많아 진다. 부트캠프를 선택할 당시의 나는 이 사실을 전혀 모르고 있었고, 당연히 코딩만 좀 할 줄 알면 DS 가 될 수 있을거라고 생각했다. 그러니 DS 를 선택하고 싶은 경우 아래와 같은 내용들을 점검해보자. 자신의 적성이나 역량을 떠올리며 질문에 답을 한다면 커리어 패스 결정에 큰 도움이 될 것이다.
Q. 수학으로 이루어진 복잡한 모델의 구조를 이해하는 데 관심이 있는가?
Q. 다양한 툴을 이용해서 코드를 짜고, 이를 통해 과제를 해결하는 데 즐거움을 느끼는가? (학창시절 어려운 수학 문제를 풀 때 어땠는지 떠올려보자)
Q. 코딩을 하다 다양한 에러를 마주한 경우, 에러의 원인을 찾고 해결하며 문제를 해결하는 데 즐거움을 느끼는가? (역시 수학 문제에 비유해 보자)
2. Data Analyst 데이터 애널리스트 DA
데이터 분석가의 경우, DS 보다는 조금 더 기획과 마케팅의 접점이 많은 업무를 한다. 채용 공고를 검색해보면 주로 타부서와의 협력이 많은 것이 명시되어 있고, 데이터를 분석하고 시각화 해 리포트를 제공하는 업무, 비즈니스 의사결정을 내리는 데 도움을 줄 수 있는 업무가 가장 주된 업무이다.
Q, 데이터를 통해 논리적인 인사이트를 얻고, 비즈니스적 의사결정을 내리는 것에 관심이 있는가?
Q. 데이터를 이용해 자신의 주장이나 프로젝트를 뒷받침해본 적이 있는가?
Q. 어떤 회사나 조직의 수익구조 등 전반적인 경영 문제에 관심이 많은가?
3. Data Engineer 데이터 엔지니어 DE
이들은 기업의 수많은 서비스로부터 발생한 데이터를 파이프라인에 모아 저장하고 DS 와 DA 가 사용 가능한 형태로 만들어 주는 일을 한다. 그렇기 때문에 DE 들에게 요구되는 스킬셋은 앞서 말한 DA, DS 와는 조금 결이 다르다. 우선 대용량 데이터를 전문적으로 처리하는 하둡, 스파크 등을 메인 툴로 사용한다. 거기에 기본적으로 DS, DA 들이 하는 일에 대한 이해나 컴퓨터 공학에 대한 제너럴리스트 수준의 스킬셋 역시 요구한다. 또한 직무 특성 상 프론트엔드, 백엔드와의 접점도 있는 편이기 때문에, 일부 대기업들은 JAVA 같은 보편적 프로그래밍 언어들을 요구하기도 한다.
역시 아래의 질문 리스트들에 답변해보자
Q, 기업마다 달라지는 개발 환경과 다루는 툴을 배우는 데에 거부감이 없는가?
Q. 팀원들의 다양한 니즈를 커뮤니케이션 역량이 있는가?
Q.데이터 structure, architecture를 구성하고, 전반적인 프로젝트를 이해해 워크플로우를 구성할 수 있는 프로젝트 통찰력이 있는가?
직군 별 차이와 요구되는 적성의 차이가 눈에 보이는가?
