나이 많으면 데이터 직무 취업 못해?
빅데이터/AI 취업과 나이
빅데이터, 데이터 과학 관련하여 이런저런 곳에서 강의를 하다 보면 Q&A 시간에 공통적으로 받게 되는 질문이 하나 있다. 바로 질문자의 나이가 너무 많은데 데이터 직무로 새롭게 취업을 하는 것이 가능할까에 대한 고민이다. 이 내용은 경험상 데이터 직무 취업과 관련하여 가장 많이 나오는 TOP3에 해당하는 질문이다. 아마 남들보다 늦게 데이터 과학 분야에 대해 공부를 시작한 것에 대한 불안감 때문에 나오는 질문이지 않을까 싶다. 일반적으로 새로운 직무로 커리어 전환을 가장 망설이게 하는 요소는 나이이다. 이는 데이터 직무 역시 다를 바가 없다. 다만, 이 질문에 대답은 한 가지 문장으로 밖에 이루어질 수 없다.
나이가 너무 많은데 데이터 직무 취업은 힘들까요?
정답은 정해져 있다. 나이가 얼마나 많은 지는 모르겠지만 일반적인 경우라면 나이가 많다고 해도 데이터 직무 취업이 불가능하지는 않다. 물론 일찍부터 프로그래밍, 통계, ML/DL 등을 공부한 사람들에 비하면 여러모로 불리한 점이 있는 것은 사실이다. 하지만 이는 불리함일 뿐이지 불가능을 의미하지는 않는다. 물론 나이가 많다는 것은 사람마다 그 기준이 다 다르기에, 새로운 분야에서 '취업'이라는 행동을 하기에 정말 너무 늦은 시기라면 데이터 직무에서도 새롭게 커리어를 시작하는 것이 사실상 어렵기는 하다. 정확한 기준은 없지만 데이터 관련 경험이 일절 없는 40대 이상 사람이라면 현실적으로 커리어를 전환하는 게 어려울 수 있다.
하지만 이러한 질문을 주는 사람들의 대부분은 30대이며 질문자 중 나이가 많은 편이라 할지라도 30대 중후반 정도인 경우가 대다수이다. 애초에 새로운 분야에 새롭게 취업을 하는 것이 객관적으로 어렵다고 판단되는 나이라면 스스로 현실적인 어려움을 알아 질문을 하지 않는 것일 수도 있다. 어찌 생각하면 나이가 많아도 데이터 엔지니어, 분석가, 과학자 등 데이터 직무 취업이 가능하느냐고 묻는 것은 "충분히 할 수 있어요"라는 응원의 말을 듣고 싶어서 던지는 것일 수도 있다. 하지만 절대로 응원 차원에서 "불가능하지 않다"라고 말하는 것이 아니라 실제로 데이터 직무에서는 나이의 중요성이 상대적으로 중요한 경향이 있다.
데이터 분야 취업에서 가장 중요한 것은 나이가 아니라 실력입니다.
그렇다고 나이가 많은 사람이 무조건 데이터 직무에 취업이 보장된다는 것은 아니다. 나이보다 데이터 직무 취업에 훨씬 중요한 요소가 있다. 바로 데이터 분야에 대한 경험과 실력이다. 일반적으로 대학생이나 취업준비생이 특정 채용공고에 지원을 할 때면 실력이라는 개념이 존재하지 않는 경우가 많다. 영업, 기획, 마케팅 등 채용의 대상이 되는 많은 직무에서는 실제 업무 경험이 생기기 전까지는 관련 역량을 확인할 수 있는 방법이 매우 제한적이기 때문이다. 하지만 데이터 분야는 상대적으로 현직자가 아니라도 실력이라는 개념을 파악하기 쉽다. 코딩, ML/DL 지식, 논문 실적, 경진대회 성적 등 다양한 지표가 지원자의 성격을 나타낼 수 있다.
극단적인 예로 나이가 매우 많고 데이터 분야에 대해 현업 경험이 하나도 없는 지원자가 있다고 할 때, 하지만 그 지원자가 캐글(Kaggle) 컴피티션 분야의 그랜드마스터 등급이라고 한다면 그 지원자는 아마 거의 대부분의 기업에 합격을 할 수 있을 것이다. 실력을 나타내는 보증 수표를 지녔기 때문이다. 방금 예시를 든 캐글의 경우 대표적인 경진대회 플랫폼이다. 꼭 캐글이 아니더라도 타 경진대회, 연구 실적, 개인 프로젝트, 개인 포트폴리오 등을 통해 실력을 뽐낼 수만 있다면 나이와 상관없이 데이터 직무 취업에 있어 어마어마하게 유리한 고지를 점할 수 있다. 기업에서 원하는 인재는 어린 사람이 아니라 역량이 뛰어난 사람이기 때문이다.
물론 나이가 많은 것은 불리한 요소로 작용할 수밖에 없습니다.
그렇다고 나이가 많은 것을 마냥 무시해도 된다고 말할 수는 없다. 아무래도 데이터 직무 취업 역시 다른 일반적인 취업 상황과 유사한 성격을 공유하는 면도 분명히 있기 때문이다. 만약 신입 채용 과정에서 여러 지원자가 유사한 역량을 지녔다고 판단이 된다면 젊은 지원자와 나이가 많은 지원자 중 어느 지원자를 선호할까? 이는 굳이 별다른 부가설명을 하지 않더라도 어느 정도 결과 상황을 유추할 수 있다. 이는 비단 나이뿐 아니라 다른 영역에도 공통적으로 적용될 수 있다. 영어 점수, 자격증, 기타 스펙 등 취업에는 다양한 요소가 있으나 대부분은 결과에 치명적인 영향을 미치지 않는다. 데이터 직무 역시 마찬가지이다.
하지만 다행히 데이터 직무에서 나이의 중요성은 다른 직무에서보다 훨씬 덜하다. 나이와 데이터 직무 취업의 상관관계를 이해하고자 하는 사람이라면 이 말의 뜻을 잘 이해하고 있어야 한다. 분명히 나이가 많더라도 충분히 데이터 직무에서 새롭게 취업을 하는 것이 가능하다. 하지만 유사한 조건이라면 기업 입장에서 굳이 나이가 많은 사람을 채용할 이유는 없다. 거꾸로 말하면 유사한 조건이 아님을 잘 어필한다면 분명히 기회가 올 수 있다. 그리고 유사한 조건이 아님을 어필하는데 가장 중요한 요소는 역량과 경험이다. 입사 시 서류나 포트폴리오를 준비할 때 직무에 적합한 역량을 어떻게 보여줄지가 훨씬 중요하게 작용할 수 있다.
실제로 데이터 직무 신입사원은 평균적으로 나이가 많습니다.
지금까지 나이가 많아도 데이터 직무 취업이 충분히 가능함을 설명했다. 하지만 이는 단순히 머릿속의 추정으로만 하는 말이 아니다. 구체적인 통계 자료를 살펴본 것은 아니지만 주변 사람들을 바라볼 때 데이터 직무라면 평균적으로 신입 입사자의 나이가 훨씬 많음을 분명하게 체감할 수 있다. 실제로 데이터 직무에서 회사 경험이 아예 없는 30대 신입사원을 마주하는 것은 아주 흔한 일이다. 일반화할 수는 없겠지만 30대 초중반의 나이라고 할지라도 이 분야에서는 '그럴 수 있지' 정도의 생각을 들게 하는 나이로 입사를 할 수 있다. 특정 기업에 함께 입사한 동기들 중 데이터/AI 직무 신입사원이 가장 나이가 많은 것은 정말 관찰하기 쉬운 현상 중 하나이다.
이 현상은 다양한 원인으로 해석해 볼 수 있다. 우선 데이터 직무의 경우 석사 이상의 학력을 가진 사람의 비율이 높다. 대학원을 진학하는 것이 대다수는 아니라는 점을 감안했을 때, 데이터 직무에서 석사 이상의 학력을 가졌다는 것은 남들보다 학교를 적게는 2년, 많게는 5~6년을 더 다녔다는 의미를 가진다. 즉, 신입사원의 나이가 많아질 수밖에 없다. 여기에 더해 데이터 직무가 상대적으로 최근에 주목을 많이 받게 된 영향도 있다. 최근에 들어 갑자기 주목을 받기 시작한 만큼 어떻게 표현하면 급작스럽게 데이터 직무로의 진입을 생각하는 경우가 많고 그렇다면 모든 것을 0에서부터 다시 시작해야 한다. 즉 상대적으로 늦은 시기에 준비를 시작하여 입사까지의 과정을 거칠 확률이 높다는 것이다.
사실 불합격의 핑계는 대려면 얼마든 댈 수 있습니다.
다시 한번 말하지만 나이가 많은 것이 불리한 요소로 작용할 수 있지만 그렇다고 새로운 취업을 불가능하게 만들지는 않는다. 특히 데이터 직무라면 더더욱 그렇다. 하지만 많은 사람들이 지원을 하기 전부터 나이라는 부분을 굉장히 민감하게 받아들이고 심지어 많은 채용 절차에서 불합격 통보를 받았을 때에도 그 원인을 나이로부터 찾는 경우도 있다. 그리고 그 생각은 틀렸다. 데이터 직무 채용공고를 낸 기업이 지원자가 "역량이 부족해서" 혹은 "직무와 fit이 맞지 않아서" 불합격 통보를 낼까 아니면 "나이가 많아서" 불합격 통보를 낼까. 아마 많은 사람들이 전자를 선택할 것이다.
사실 나이와 같이 채용에 있어 불합격의 핑계를 찾고자 한다면 얼마든 찾을 수 있다. 나이를 비롯하여 최근 많이 차가워진 채용 시장, 데이터 직무와는 관련 없는 대학교 전공, 자격증이나 영어 점수 등 서류에 적을 다양한 스펙의 부재 등을 모두 원인으로 보자면 볼 수 있다. 그리고 이 내용들은 모두 채용 과정에 영향을 줄 수 있다. 하지만 이 모든 것들보다 훨씬 더 중요한 것이 지원자의 실력이다. 데이터 과학자 공고라면 데이터 과학 실력이 있어야 하고 데이터 분석가 공고라면 데이터 분석 실력이 있어야 한다. 나이와 같이 노력해도 바뀌지 않으면서도 중요하지 않은 요소보다는 채용의 핵심에 대해 본질적으로 노력을 기울일 필요가 있다.
