선정 아티클
개인 요약
김여진
이예리
어떤 역량을 특화할 것인가?
데이터 사이언티스트가 성장할 수 있는 경로는 다음과 같다.
1.
PM, 경영자 등 도메인 전문가의 길
2.
통계, 머신러닝에 특화된 분석 전문가의 길
3.
개발, 시스템 역량 갖춘 데이터 엔지니어의 길
여러 경로를 경험하기보다는 이 중 하나의 경로를 정하는 것을 추천한다. 커리어의 방향성을 정하면 본인에게 맞는 기회를 잘 찾을 수 있게 된다. 추가로 1) 특정 도메인에 대한 깊이 있는 이해 2) 기술과 시장 전반의 트렌드를 넓게 아는 것, 이 둘을 겸비하는 것이 필요하다.
어떤 업계/ 회사/ 팀에 지원할 것인가?
데이터 전문가가 일하기 좋은 회사의 조건은 무엇일까? 첫 번째로, 데이터가 회사의 미래에 얼마나 중요한 전략적 역할을 하는지를 판단하면 된다. 구체적으로 판별하려면 채용 규모가 어떤지, 매니저와 팀원을 동시에 뽑는지 등을 확인하면 된다. 두 번째로는 그 회사의 데이터 직군이 실질적으로 가치를 창출하는 포지션인지 알아보아야 한다. 인터뷰에서 팀의 현재 니즈와 전략적 방향에 대해 상세히 물어보면 된다. 마지막으로, 회사가 얼마나 기술적 성장을 중시하는지가 중요하다. 새로운 기술 도입, 자동화 등을 통한 개선 시도에 열려 있는 회사가 좋다. 채용 공고에 언급된 회사의 기술 스택이 어떤지 확인하고, 외부에 공개된 회사 기술 역량에 대한 자료를 찾아보면 좋다.
코딩과 모델링은 얼마나/ 무엇을/ 왜 잘 해야 할까?
단순 리포팅만 수행하는 것은 데이터 전문가의 성장에 기여하지 않는다. 데이터 분석 인프라, 툴이 빠르게 발전하고 있어 비 데이터 직군도 단순 리포팅을 할 수 있도록 변화하고 있기 때문이다. 이런 상황에서 데이터 사이언티스트가 가치를 만들 수 있는 부분은 분석의 스케일링과 자동화다. 분석 스케일링은 개발된 분석 기법을 활용해 라이브러리, 템플릿 만들거나 인프라에 이 기능을 추가하는 것이다. 자동화의 예시는 반복되는 의사결정을 단순화 자동화하는 모델을 만드는 것이다. 분석의 스케일링과 자동화는 데이터 친화적인 환경을 만든다. 사내의 구성원이 데이터를 전문적으로 다룰 수 있게 되는 것이다. 이런 업무를 수행할 수 있도록 데이터 팀에 분석가와 엔지니어가 모두 있는 회사를 선택하는 것이 좋다.
인터뷰는 어떻게 준비할 것인가?
지원하려는 회사, 제품, 팀에 대해 이해하는 것이 좋다. 많은 회사에서 기술 블로그 등에 팀의 기술적 상태 등을 공유하니 확인하면 된다. 이력서에는 지원하는 회사와 관련성 있는 핵심적인 이력 위주로 언급한다. 인터뷰 전에는 다음의 질문을 생각해보고 가는 것이 좋다.
•
이 회사에서 나는 어떤 인프라와 데이터를 사용하게 될 것인가?
•
이 중 내 스킬셋과 관심사에 부합하는 부분은 무엇일까?
•
지원 회사/ 팀/ 분야에 대한 공개된 자료는 어디서 찾을 수 있을 것인가?
•
내 성장 목표는 지원 회사/ 조직의 중장기 목표와 얼라인(align) 되는가?
전민정
신운홍
김르탄(복사용 템플릿)
팀원 전체의 인사이트
[공통 인사이트]
•
데이터 사이언티스트가 가치를 창출할 수 있는 부분은 분석의 스케일링과 자동화라고 필자가 언급한 바 있다. 데이터 분석가가 회사의 발전에 어떤 방식으로 기여할 수 있고, 어떤 면에서 차별화될 수 있을지 방향성을 찾을 수 있었다.
[의미 있었던 의견]
•
데이터 분석가와 데이터 사이언티스트가 하는 일에 약간 차이가 있다. 데이터 분석가는 데이터를 취합/분석하고 그에 맞게 비즈니스 인사이트를 제시한다. 반면, 데이터 사이언티스트는 데이터 분석가들이 분석하기 좋은 환경을 만드는, 즉 데이터 분석을 자동화하는 업무를 수행한다.