안녕하세요. 저는 데이터를 분석하는 개발자가 되고 싶은 직장인 멘티입니다. 

IT와는 거리가 먼 업계에서 일하고 있지만 빅데이터에 관심이 많아 쭉 공부해 오고 있어요. 빅데이터뿐만 아니라 소프트웨어 쪽에도 흥미를 느껴 학점은행제로 학사 자격을 얻은 뒤, 석사를 취득해 해외취업에 도전해보려 합니다. 

©️Monstar Studio

다만 대학원을 컴퓨터 공학 쪽으로 가야 할지, 여러 과목을 섞어 다양하게 공부할 수 있는 기술정책전공 쪽으로 가야 할지 고민됩니다. 빅데이터 엔지니어를 노려야 할지 데이터 사이언티스트 쪽으로 공부해야 할지도 고민이고요. 

그런데 공부라는 게 아무런 소득이 없으면 지치고 방향성을 잃는 것 같아요. 지금까지는 ADsP1) 자격증 등을 취득하며 공부를 이어왔지만, 이후의 목표를 세우지 못하고 있습니다. 새로운 목표를 세우고 싶은데 중, 장기 적으로 어떤 것에 도전하면 좋을까요?

읽어주셔서 감사합니다.

1) ADsP(Advanced Data Analytics Semi-Professional): 데이터 분석 준전문가.  과학적 의사결정을 지원하기 위해 빅데이터를 활용하여 분석하는 역량을 검정하는 국가공인 민간자격 시험.

 안녕하세요, 멘티님. 데이터분석 개발은 제 전공과 거리가 있지만 어느 정도는 답변을 드릴 수 있을 것 같아요. 

©️pexels

말씀하신 ‘데이터를 분석할 수 있는 개발자’는 상당히 광범위합니다. 멘티님의 궁극적인 목표가 무엇인지 좀 더 자세히 알고 싶은데요. 제 생각엔 빅데이터/머신러닝 소프트웨어 엔지니어와 데이터 사이언티스트 두 가지 중 하나일 듯합니다. 

빅데이터/머신러닝 소프트웨어 엔지니어

데이터 분석 개발자의 롤은 상세하게 정해진 데이터 분석 방향, 도출 결과, 범위 내에서 그것을 어떻게 구현해 낼지를 고민하는 것입니다. 그래서 ‘데이터를 분석하는 소프트웨어 개발자’가 되시는 게 목표라면, 지금의 방향대로 꾸준히 밀고 나가시면 될 듯합니다. 

일하게 될 팀의 규모에 따라 다르겠지만, 크고 많은 데이터를 처리하는 회사일수록 데이터 분석 개발자의 역할은 제한됩니다. 실제로 아마존 빅데이터/머신러닝 팀의 소프트웨어 엔지니어들은 데이터 사이언티스트가 설계한 데이터 파이프라인을 구현하고 스케일링하고 유지보수하는 게 메인 롤입니다. 

저는 빅데이터/머신러닝 분야의 꽃은 개발보다는 문제 정의, 설계, 분석, 모델링 파트라고 생각해요. 빅데이터/머신러닝이 풀고자 하는 문제는 흥미롭고 자유로운 접근 방식이 허용됩니다. 반면 한 번 정해진 문제 해결 방법을 구현하는 것은 비교적 단순하고, 창의력이 더해지기 어렵습니다. 이러한 이유로 데이터 분석 개발은 소프트웨어 엔지니어들 사이에서 크게 선호되지 않는 포지션입니다. 

©️unsplash

데이터 사이언티스트

한편 최종 목표가 데이터 사이언티스트라면 학위는 필수입니다. 석사 혹은 박사까지 생각하시는 게 좋아요. 물론 빅데이터/머신러닝 소프트웨어 개발 경험이 풍부하다면 학위를 건너뛸 수는 있습니다. 

하지만 해외에서도 데이터 사이언티스트는 수학, 과학에서 경쟁력이 결정됩니다. 학위를 결코 무시할 수 없죠. 이 분야로 나가고 싶으시다면 지금부터 준비하셔서 이른 시일 내에 학위 취득을 마치시길 추천합니다. 

업무는 팀의 규모에 따라 결정됩니다.

다만 개인 프로젝트 혹은 작은 회사에서 일한다면 위에서 말씀드린 구분은 큰 의미가 없습니다. 데이터 사이언티스트가 하는 일과 데이터 개발자가 하는 일을 혼자서 맡게 될 수도 있어요. 다른 사람과 협업할 수도 있구요. 이런 경우 단기적으로는 가장 이상적인 커리어 패스를 쌓을 수 있어요. 두 가지를 모두 다룰 수 있다는 것은 큰 장점이며, 자신의 성향과 더 잘 맞는 분야를 파악하기에도 좋죠. 

단점이라면 작은 프로젝트는 문제의 크기와 중요도가 현저히 낮다는 거예요. 그만큼 깊은 고민을 하지 않게 될 수도 있고, 솔루션 검증 과정 또한 생략하기 쉽습니다. 특정 분야 전문가로 자리 잡는 데 조금 더 시간이 걸릴 수 있죠. 하지만 길게 본다면 분명 장점이 많습니다.  

©️unsplash

나만의 프로젝트를 만들어 보세요.

혼자서 할 수 있는 단기적 목표라면 두말할 것도 없이 개인 프로젝트 시작을 추천합니다. 데이터는 이곳저곳에 많으니 그것들을 가지고 멘티님만의 방식으로 솔루션을 찾고, 적합한 데이터 파이프라인을 만들고, 유의미한 결과를 도출해 보세요. 이미 비슷한 프로젝트를 해 보셨다면, 더 어렵고 더 크고 더 복잡한 데이터로 재시도해 보시면 좋을 듯합니다.

도움이 되었길 바랍니다.