◆ 변화될 사회를 이해하는 것은 필수

제가 첫 직무를 시작할 무렵인 십 수년 전, 데이터 부문에서는 ‘데이터베이스 통합’이 화두였습니다. 데이터베이스 통합이란, 여기 저기 흩어져 있는 데이터를 표준화해서 한군데로 모아서 활용하는 것을 말합니다. 만약 데이터가 표준화되지 않거나 여기 저기 흩어져 있으면 데이터를 활용하는 데 상당한 어려움이 발생하기 때문입니다.

이후 많은 시간이 흘렀습니다.

지금 상황은 어떨까요?

기업 내부 데이터는 많은 기업이 통합에 어느 정도 성공한 듯 보입니다. 하지만 이번에는 굉장히 많은 기업이 온/오프라인 데이터를 통합하지 못(안)하고 있습니다.

예를 들어 온라인으로 제품을 구매한 고객이 오프라인 상점에서는 어떤 제품을 구입했는지 알지 못합니다. 거짓말 같다고요? 이것이 현실입니다.

다만 앞서 말했듯이 코로나라는 방아쇠가 당겨졌습니다. 사회는 급격하게 변화 중이고, 기술을 바탕으로 기업들도 변화해야 합니다. 이젠 버틴다고 버텨지는 게 아니라 변화는 생존을 위해서는 필수가 된 것입니다.

데이터 분석,

생존이 아닌 필수

사람들의 생활 패턴이 오프라인에서 온라인으로 급격히 옮겨지고 있습니다. 기업 활동도 같은 방향으로 움직여야 살아남을 것입니다.

그럼 마케팅과 데이터 분석은 어떻게 해야 할까요?

마찬가지로 같은 방향으로 움직여야 합니다.

제 예상으로, 디지털 마케팅은 성과 중심의 ‘퍼포먼스 마케팅’으로, CRM 마케팅은 머신 러닝 기반의 ‘자동화 마케팅’ 중심으로 변화할 것입니다. 그리고 이 둘은 점차 융합해 갈 것입니다. 그와 관련된 기술과 기법들이 많이 필요할 것입니다.

그럼 우리가 모두 이와 관련된 지식과 기술들을 모두 알아야 할까요? 그렇지는 않습니다.

◆ 데이터 분석, 어떤 일을 하고 싶은 건지 확실하게 정하세요

데이터 분석 분야는 우리나라뿐만 아니라 전 세계적으로 떠오르는 영역입니다. 앞으로 수요는 꾸준할 것이라고 생각됩니다.

데이터 분석가에도 여러 종류가 있습니다.

솔루션 적용을 위한 사전 분석가, 마케팅 데이터로 인사이트를 구하는 CRM 전문가, 알고리즘을 모델링하는 모델러, 공공기관에서 학술 사업을 수행하는 연구가, 보안 안전성을 모니터링하는 보안 분석 요원 등 다양합니다.

이것도 중간 정도로 분류한 것일 뿐, 사실은 더욱 세분화될 수 있습니다. 막연하게 ‘데이터 분석가이니까 이것저것 다 하겠지’라고 생각하면 큰 오해입니다.

머신 러닝이 뜬다고 해서 여러분들 모두가 알고리즘을 개발하진 못합니다. 사실 알고리즘을 개발하고 모델링하는 사람은 기업 내에서도 아주 소수에 지나지 않습니다. 여러분이 알고리즘 개발이 목표라고 하면 Goal을 그렇게 설정하고 나아가면 됩니다. 하지만 시대가 인공지능 시대로 간다고 할지라도 여러분이 가고자 하는 방향에 따라, 오히려 비즈니스 응용에 초점에 맞춰야 하는 경우도 많을 것입니다.

여러분들이 데이터 분석 분야에서 어떤 일을 하고 싶은 건지 확실하게 정하세요. 그리고 해당 분야에 집중하세요. 다만 꼭 명심할 것은 앞서서 언급한 이들 분야를 다루는 위한 기초 기술들이 반드시 토대에 깔려 있어야 한다는 것입니다.

예를 들어 온라인 분석 전문가라면 온라인에서의 지표 개념과 웹 동작 원리, 각종 SEO 등, CRM 마케터라면 캠페인 원리와 함께 데이터베이스를 다루기 위한 SQL과 약간의 프로그래밍 언어 등이 필요합니다.

기본을 토대로 한 다음, 프런트엔드 기술이라든지, 클라우드 기술, 데이터 마이닝 기법을 학습할 수도 있고 머신 러닝 알고리즘을 학습할 수도 있을 것입니다.

◆ 데이터 분석가에게 꼭 알아야 지식 영역 3가지

데이터 분석가에 필요한 지식 영역은 크게 다음 3가지로 분류됩니다.

비즈니스 지식: 종사하는 영역의 업무 지식

IT 기술: 랭귀지, 웹, 인프라 등

분석 기술: 데이터베이스, 통계, 마이닝 알고리즘 등

데이터 분석 분야에 따라 영역의 비중이 커지거나 작아지거나 할 뿐, 대체로 비슷할 것입니다. 본인의 영역에 맞게 세부 요소를 선택해서 집중하기 바랍니다. 추가적으로 문서 작성 능력과 추론, 판단력, 커뮤니케이션 스킬도 필요하다는 점도 인지하기 바랍니다.

데이터 분석가는 끊임없이 학습해야 하는 숙명을 지니고 있습니다. 이건 IT 분야하고도 유사한 특징인데, 시간이 지날수록 새로운 이론과 알고리즘, 기법들이 출현하고 어떤 것들은 도태되기 때문입니다. 따라서 데이터 분석가는 새로운 트렌드를 숙지하고 끊임없이 학습해야 합니다.

‘데이터 분석 = 통계학과’가 마치 공식처럼 여겨지는데, 사실 통계학과라고 데이터 분석에 대단히 유리한 것도 아닙니다. 분야마다 다르겠지만 통계 기법이 그렇게 많이 쓰이지 않는 경우도 많습니다. 경험상 데이터 분석 현장에서 통계학과 출신은 10명 중 3, 4명 정도입니다. 본인이 통계 출신이 아니라고 “반드시 통계를 더!”라고 고집할 이유는 없습니다.

데이터 분석, 빨리 실무로 입문해서

실전 경험을 쌓는 것이 중요하다.

학원에서 이론적 지식을 쌓아도 기업에서는 열정에 대한 것만 참고할 뿐입니다. 데이터 분석 분야는 실무 경험이 대단히 중요합니다. 그렇기 때문에 어떤 분야이든지 빨리 실무로 입문해서 데이터 분석에 대한 경험을 쌓는 것이 좋습니다.

◆ 데이터 분석가? 고액 연봉? 결국 자신에게 달렸다

이런 저런 얘기가 길어졌는데 어떤 데이터 분석가가 될지는 결국 여러분에게 달렸습니다. 가장 중요한 것은 Goal을 정확히 하고, 기본에 충실하며, 경험을 많이 쌓으라는 것입니다. 영업 멘트에 호도되어 방향성을 잃지 마시기 바랍니다. 내가 나아가고자 하는 방향인지, 어떤 것이 정말 내게 필요한 것인지 선택과 집중하시기 바랍니다.

데이터 분석가 또는 데이터 사이언티스(누군가 ‘나는 데이터 사이언티스트예요’라고 하는 게 개인적으로 낯간지럽지만)는 일부에서 떠드는 것처럼 초고액 연봉자가 많은 것도 아니고, 기업의 운명을 바꿀 만한 위치에 있지도 않습니다.

일반적으로 조직의 일원이 되어 협업하며 움직이는 경우가 더 많습니다. 그렇다고 실망할 필요는 없습니다. 그럼에도 불구하고 데이터 분석가는 분명 미래도 밝고 매력적인 직업이기 때문입니다.

‘매트릭스’라는 영화를 보면 주인공에게는 결정의 순간이 있습니다. 파란 약을 먹고 만들어진 프레임에서 안주하면서 살아가느냐, 빨간 약을 먹고 힘겹지만 현실을 깨닫느냐. 이 글은 데이터 분석 분야에 대한 빨간 약입니다. 데이터 분석에 입문하려는 여러분들을 응원하며 계획한 일에 행운이 함께하길 기원합니다. 긴 글 읽어 주셔서 감사합니다.

[참고 도서]

– R로 시작하는 데이터 분석 <모두의 R 데이터 분석>

– SQL로 시작하는 데이터 분석 <모두의 SQL>

– 파이썬으로 시작하는 데이터 분석 <모두의 데이터 분석 with 파이썬>

– 데이터 사이언티스트에 대해 궁금하다면 <문과생, 데이터 사이언티스트 되다>

길벗이 추천하는 글

»‘이것’ 덕분에 20년 만에 처음으로 꿀잠 잤습니다

»“회사에 속았어!” 급여명세서를 볼 줄 모를 때 일어나는 일

»조두순 재범 확률 99%, 그 이유는?

»고액 연봉? 결국 당신에게 달렸다

»회사에서 일 잘한다고 소문난 직원의 카톡 모음.zip