데이터 사이언티스트, 분석한 데이터의 가치를 증명하세요
안녕하세요! 멘토님. 데이터 분석 직무 취업을 준비할 때 어떻게 준비하면 좋을지 조언을 듣기 위해 이렇게 질문 드립니다.
저는 데이터 분석을 공부한 지 얼마 안 됐습니다. 공부에 흥미가 생겨서 올해 데이터 분석 분야로 대학원에도 진학하게 됐습니다. 데이터 분석 분야는 통계, 전산, 컴퓨터공학, 산업공학 등을 전공한 인재를 원하는 것 같은데 저는 경영정보 쪽을 공부했습니다. 여기서부터 어긋난 게 아닌가 싶기도 해요.
예전에 취업공고를 봤을 때 대부분 석박사 위주로 뽑았는데 요즘은 석박사조건을 없애거나 경력을 많이 뽑더라고요. 대학원 커리큘럼만 잘 따라가면 문제없다고 하지만, 아직 입학 전이라 생각했던 것이랑 다를 수도 있고 제가 뭔가를 더 하면 유리하지 않을까 이런 생각도 듭니다.
ⓒChartsTable789
저는 개발보다는 분석을 더 잘해서 분석을 선택했습니다. 학부 시절 공부나 학회 논문 준비로 텍스트 마이닝 쪽 분석을 주로 해서 R은 기본적으로 사용할 줄 압니다. Python은 스스로 개발은 못 하지만 코드를 볼 줄 알며, 인터넷에 제공되는 소스를 끼워 맞춰서 scraping(crawling)1) 코드 정도는 만들 수 있습니다.
현재는 SQL2)을 스스로 공부할까, 혹은 다른 컴퓨터 언어를 공부할까 아니면 열심히 논문 쓰는 게 답인가, 중국어, 일본어 등 제2외국어를 해볼까, 영어 회화를 배울까 갈팡질팡하고 있어요.
멘토님. 어떻게 준비해야 할까요? 멘토님의 조언이 방향을 잡는 데 큰 도움이 될 겁니다. 잘 부탁드립니다.
1) scraping(crawling) : 웹페이지를 그대로 가져와서 데이터를 추출하는 작업
2) SQL : 데이터베이스를 구축하고 활용하기 위해 사용하는 언어
멘토의 답변
컴퓨터 공학, 통계학과의 기초 수업은 꼭 수강하세요
안녕하세요. 제가 대학원 입학할 때와 비슷한 고민을 하는 것 같아 옛날 생각이 나네요. 저도 취업 그리고 어떻게 공부해야 좋은 데이터 사이언티스트가 될 수 있을지 많이 고민했고, 지금도 하고 있거든요.
저도 아직 경험이 많지는 않지만, 현업에서 분석과제를 진행하며 다양한 분석가들을 만났고, 최근에는 분석가 채용 프로세스를 지켜보기도 했습니다. 제 경험에 기반해서 답변하겠습니다.
ⓒfreepik
이 직무에 종사하는 분들이 대부분 통계학이나 산업공학을 전공했습니다. 그렇다고 인제야 전공을 바꿀 수는 없겠죠? 모든 시인이 국문학과 출신은 아니잖아요. 특히 데이터 분석은 다양한 분야의 학문이 필요한 영역이라 경영정보라는 전공이 약점이 될 거라고 생각하면 안 됩니다.
다만 컴퓨터 공학, 통계학과의 필수적인 수업(DB 기초, 통계학습 등)과 프로젝트가 있는 수업은 기회가 된다면 꼭 수강할 것을 권합니다.
학교에서의 실력과 회사에서의 실력은 달라요
신입이 갖출 수 있는 가장 큰 강점은 '분석프로젝트 경험'입니다. 대학원에서 진행하는 분석과제를 하는 게 가장 좋고 그게 아니라도 각종 공모전, kaggle1), 빅데이터 동아리 활동 등등 다양한 루트를 통해 분석 경험을 쌓는 것이 좋습니다.
다만 본인의 ‘강점’ 혹은 ‘하고 싶은 분야’가 구체적일수록 좋습니다. 예를 들어, 영화 관객 수 예측이라는 공모전이 있다고 가정합니다. 3명이 팀을 이룬다면 보통 1명이 기획 및 프레젠테이션 작성, 2명은 데이터 분석 하는 식으로 업무를 나누겠죠. 멘티님은 어떤 역할을 할 것 같아요? 참고로, 회사는 둘 다 필요로 합니다.
ⓒChristina Morillo
학교 다닐 때는 R, Python 배워서 빠르게 데이터 전처리하고 탐색하고 예측 모델링 만드는 게 ‘실력’으로 통할 겁니다. 하지만 회사는 어느 데이터를 활용하고, 분석을 통해 비즈니스적으로 얼마나 가치 있는지 파악하고, 프로젝트를 계획하고 관리하는 역량을 실력으로 봅니다.
만약 멘티님이 R, Python을 활용해 데이터를 직접 분석하고 싶다면 위와 같은 분석 경험을 통해 직접 데이터를 다뤄보세요. 본인이 빅데이터 과제를 직접 기획하고 비즈니스 효과를 내는 사람이 되고 싶다면 데이터를 어떻게 활용해서 가치 있는 결과를 도출할 수 있을지 생각하고 정리해 보세요.
만약 누군가가 "이 분석이 무슨 의미가 있어?", "어떤 가치가 있지?", "이게 최선인가?" 물었을 때 제대로 답변할 수 있다면 충분히 고민한 것입니다.
ⓒChristina Morillo
마지막으로 SQL은 금방 배웁니다. 저도 입사하고 금방 배웠어요. 다른 컴퓨터 언어까지 섭렵할 필요는 없습니다. 아직 일부 기업에서 SAS(통계 프로그램 패키지)를 쓰기는 하지만 R(기초 통계분석, 회귀모델링 등), Python(딥러닝) 2개의 언어가 향후 3~10년은 계속 사용될 것 같습니다. 외국어의 경우 영어, 중국어 좋죠. 다만, 여유가 있으면 하는 것이지 필수는 아니라고 생각합니다.
제 답변이 충분했는지 모르겠습니다. 추가로 궁금한 사항이 있다면 또 질문하세요. 열심히 공부해서 좋은 분석가로 성장하길 바랍니다.
1) kaggle : 2010년 설립된 예측 모델 및 분석 대회 플랫폼. 인공지능 및 머신 러닝에서 핵심이 되는 데이터를 구할 수 있다.
