안녕하세요, 멘토님. 저는 BI1) 컨설팅 회사에서 빅데이터 분석 솔루션을 개발하고 있는 멘티입니다. 통계학과 졸업 후 2년 정도 창업을 하다가 다시 빅데이터 공부를 해서 현재 회사로 입사하게 됐습니다. 이제 2년 정도 됐는데 중고신입으로 재입사하고 싶습니다. 무엇을 준비하면 좋을지 조언 부탁드려요.
저는 금융권 빅데이터 분석 전문가를 꿈꿉니다. 현 직장에서 크게 4개 정도의 지능형 ICT2) 플랫폼 구축 프로젝트와 전사 BI 프로젝트를 진행한 이력이 있습니다. 이 커리어를 토대로 어떤 부분을 보강하면 좋을까요? 데이터 분석 쪽은 어떤 사람을 필요로 하나요?
데이터 분석 쪽은 전문성 때문에 대학원생을 선호한다는 이야기를 들었습니다. 대학원생이 아닌 제가 입사하기 위해서 꼭 고려해야 할 사항이 있을까요? 마지막으로 이 분야에서 추천할만한 기업이 있을까요? 많은 조언 부탁드립니다. 감사합니다.
1) BI: Business Intelligence. 기업이 보다 비즈니스를 합리적으로 이끌어 갈 수 있도록 도와주는 일련의 소프트웨어를 말한다. 기업의 방대한 데이터를 통계분석과 같은 정형·비정형적인 방법으로 다양하게 분석해 주기도 하고, 또 분석된 정보를 이해하기 쉽고 보기 좋은 보고서 형태로 가공하는 역할도 수행한다.
2) ICT: Information and Communications Technologies. 정보기술과 통신기술의 합성어로 정보기기의 하드웨어 및 이들 기기의 운영 및 정보 관리에 필요한 소프트웨어 기술과 이들 기술을 이용하여 정보를 수집, 생산, 가공, 보존, 전달, 활용하는 모든 방법을 의미한다.
안녕하세요, 멘티님. 중고신입으로 이직을 꿈꾸시는군요. 아는 범위 내에서 답변드리도록 하겠습니다.
데이터 분석에는 다양한 직무가 있다
멘티님이 포괄적으로 데이터 분석이라 한 직무는 현업에선 다양하게 분류될 수 있을 것 같아요. 흔히 말하는 데이터 사이언티스트1)라는 직무에도 컴퓨터 비전이나 고급 알고리즘을 연구하는 연구자도 있지만, 마케팅/리스크/서비스 개선을 위해 예측 모형을 개발하는 머신러닝 모델 개발자도 있습니다. 또 의사결정을 위한 데이터 추출 및 분석하는 비즈니스 데이터 분석가도 존재합니다.
직무에 따라 필요한 역량은 조금씩 다르겠죠. 연구자라면 새로운 알고리즘에 대한 이해가 중요하겠지만 모델 개발자라면 분석 과제에 대한 이해도, R, Python, SAS, Spark 등 실제 분석 언어에 대한 숙련도, 그리고 다양한 데이터 수집 및 정제 프로세스에 대한 이해도가 중요할 겁니다.
마지막으로 비즈니스 데이터 분석가라면 인사이트를 발굴하기 위한 로직에 대한 이해, 데이터의 의미 파악, 정확한 데이터 추출을 위한 SQL2) 역량, 보고서 작성 능력 등이 요구될 수 있습니다.
다양한 개발 언어에 익숙하다면 데이터 엔지니어링을 배워보세요
멘티님의 경우 BI컨설턴트로서 BI 컨설팅 및 자동화 구축 프로젝트를 진행한 경험이 있으시네요. 개발 프로젝트를 수행하다 보면 분석 언어인 R뿐 아니라 JAVA 등의 개발 언어에도 익숙하실 것 같습니다. 빅데이터 교육도 받으셨기에 Python과 SQL은 준비되어 있을 것 같아요.
멘티님이 연구자로서의 데이터사이언티스트가 아니라 실무형 분석가로서의 데이터사이언티스트를 꿈꾸신다면, 하둡 에코시스템 기반의 데이터 엔지니어링을 배우면 좋습니다. 향후 이직 및 업무 수행에 분명 도움이 될만한 스킬입니다. 금융권 같은 경우엔 데이터 규모가 큰 만큼 Spark가 필요할 수 있습니다. 환경에 따라 다르긴 하지만 SAS를 사용할 수도 있고요.
데이터 분석은 대학원생을 선호한다? 명백한 거짓입니다
대학원생을 선호한다는 소문은 사실이 아닙니다. 현재 저는 K뱅크 채널 파트에서 CRM 업무를 담당하고 있습니다. 저희 팀은 총 12명인데요. 그 중 4명이 데이터 사이언티스트이고 나머지 인력은 CRM3) 기획 업무와 데이터 분석 업무를 진행하고 있습니다. 팀원의 80%는 통계학을 전공하였으나 최종 학력만 보자면 박사 한 명, 석사 세 명, 나머지 8명은 모두 학사입니다.
알고리즘이나 선행 기술 연구가 주요 업무가 아니라 실무 모형 개발 및 데이터 분석을 통한 서비스ㆍ마케팅이 주요 업무를 이루다보니 그런 것 같습니다. IT본부의 빅데이터 파트의 경우에도 20여명의 팀원 중 9명이 데이터사이언티스트인데요. 석사 이상급이 많지는 않습니다. 다만, 조직이 선행 기술 연구를 주로 한다면 석박사 이상이 다수를 이룰 거예요.
금융권 내에서도 어떤 부서에 가고 싶은지 고민해보세요
금융권에선 다양한 데이터 분석가를 채용하고 있습니다. 빅데이터 센터 등의 부서가 아니더라도 여러 가지의 채용 문이 존재합니다. 다만, 직무에 따라 마케팅, 리스크, FDS4), 서비스 등으로 모형 개발의 주전공 분야가 달라질 수 있습니다. 분야에 따라 모델링 접근 방식도 조금씩 다를 거예요. 따라서 본인이 어느 쪽으로 전문성을 키우고 싶은지에 따라 지원 부서를 정하는 게 좋을 것 같아요.
최근 경향은 IT 조직 내 빅데이터 분석 전문 부서를 만드는 것입니다만, 전통적으로 금융권에서는 부서별로 자체 분석 체계를 고수해왔기 때문에 부서별 자체 분석팀과 IT 조직 사이에서의 역할론이 문제가 되는 경우가 많습니다. 해당 부분에 있어서 충돌이 적고 업무에 집중할 수 있는 기업을 고르는 것이 좋을 것 같아요.
은행권과 핀테크 회사를 눈여겨보세요
추천 기업은 쉽게 답하기 어려운 부분입니다. 개인적인 견해 정도로 들으시면 좋을 것 같아요. 경력을 활용해서 이직한다면 은행을 추천합니다. 최근 은행 및 금융지주사는 다양한 빅데이터 분석 전문가를 채용하고 있습니다. 그만큼 상대적으로 진입이 쉬우며 다양한 프로젝트를 경험해볼 수 있습니다. N페이, K페이, T사, B사 등 핀테크 회사도 알아보면 좋을 것 같아요. 앞으로의 성장이 기대되는 회사들이거든요.
저의 답변이 멘티님의 선택에 도움이 되길 바랍니다. 언제든지 궁금한 것이 있다면 추가로 물어봐 주세요.
1) 데이터 사이언티스트: 데이터를 다각적으로 분석하여 규칙을 찾아내 정보에 숨은 인사이트를 찾아내는 사람. 데이터 분석으로 조직의 전략 방향을 제시하는 기획자이자 전략가.
2) SQL: Structured Query Language. 데이터베이스를 사용할 때, 데이터베이스에 접근할 수 있는 데이터베이스 하부 언어를 말한다.
3) CRM: Customer Relationship Management. 기업이 고객과 관련된 내외부 자료를 분석 및 통합해 고객 중심 자원을 극대화하고 이를 토대로 고객특성에 맞게 마케팅 활동을 계획, 지원, 평가하는 과정.
4) FDS: Fraud Detection System. 이상금융거래탐지시스템으로 결제자의 다양한 정보를 수집해 패턴을 만든 후 패턴과 다른 이상 결제를 잡아내고 결제 경로를 차단하는 보안 시스템.