데이터 분석가가 되려면 석사는 나와야 할까?
왜 석박사가 데이터 분석가로 취업하는데 선호될까?
안녕하세요.
학사에선 행정학과 통계학을, 석사 과정에선 통계학을 전공했었고 지금 한 통신사 데이터 분석가로 첫 발을 띤 '기억하기쉬운'입니다. 몇 년 전부터 '데이터 분석가'라는 직업에 대한 관심은 많았지만 어떤 식으로 취업을 준비해야 할지 고민이 많은 학생이나 취준생분들을 가끔 뵙게 됩니다. 일반화할 수는 없겠지만 개인적으로 통계학 공부를 하고 데이터 분석 직무 취업을 준비했던 경험과 느낀 점들을 나누고자 합니다.
두 번째 포스트는 대학원, 특히 석사 학위와 데이터 분석가에 대한 내용입니다.
이전 포스트는 아래 링크에 있습니다.
문과 출신도 데이터 분석가가 될 수 있을까? https://brunch.co.kr/@easytoremem/2
[목차]
1. 대학원에선 무엇을 하는가?
2. 왜 데이터 분석 직무를 뽑을 때 '석, 박사' 출신이 선호될까?
1. 대학원에선 무엇을 하는가?
글을 읽고 있는 독자분들께선 대학원에 대해 어떤 인상을 가지고 계신가요? 권위적인 교수님 밑에서 고생하는 석박사생? 깐깐한 학부 사무실 조교? 열정적으로 헌신하며 기어이 길이 남을 논문을 발표하는 연구자? 제가 가장 인상 깊게 본 짤은 이겁니다.
위의 짤은 대학원생의 삶을 다룬 콩트의 일부입니다. 웃고 지나갑니다..ㅋㅋㅋㅋㅋ위의 짤에서 유쾌하게 비틀은 교수와 대학원생 관계에 대해 공감하시는 분들도, 이제는 바뀌었다는 분들도 있으실 겁니다. 하지만 대학원생의 생활이 녹록지는 않다는 점에서는 대학원 생활을 겪은 분들이라면 공감하실 겁니다. 사실 대학원생의 일반적인 삶은 심플합니다. 논문을 읽고 논문을 쓰기 위해 연구나 프로젝트를 하고, 논문을 씁니다. 또 경우에 따라서는 채점이나 연습문제 질문을 받는 수업 조교가 되거나 과 사무실에서 일하거나 인턴 등을 하기도 합니다. 박사과정이라면 교양 수업을 맡아 진행하는 경우도 있고요. 대학원생들은 더 이상 학생이라 불리기도 애매하고 직장인도 아닌 애매한 경계선에 서있는 것 같습니다. 짧게는 석사 1~2년, 길게는 석박사 과정으로 5년 넘게 논문을 읽고, 수업과 프로젝트에 참여하고 용돈벌이도 하는 것이 대학원생의 삶입니다. 물론 혼자 논문도 읽고 팀을 꾸려 공모전도 할 수 있지만 대학원에서는 '어떤 논문을 어떻게 읽어야 할지', '연구할 때 실험 설계와 진행은 어떻게 하는지', '논문은 어떻게 쓰는지' 등을 교수님과 다른 박사님들께 배울 수 있습니다. 그럼 그런 연구 측면에서의 장점이고 취업할 때는 대학원에 가는 게 어떤 이점이 있을까요?
2. 왜 데이터 분석 직무를 뽑을 때 석/박사 출신이 선호될까?
한 데이터 분석가의 발표 중 인상 깊게 들은 내용 일부입니다.
데이터 분석가를 뽑을 때 석/박사를 우대하는 이유는
그들이 삽질에 익숙하기 때문입니다.
처음 들었을 때는 주의를 환기하기 위한 드립인 줄 알았는데 곱씹어보니 통찰력있는 발언이었습니다. 커리어를 참고할 수 없는 신입 데이터 분석가를 뽑을 때 참고로 하는 레퍼런스는 공모전 경험과 학위입니다. 이때, 프로젝트와 공모전 경험을 소개하는 지원자의 입장에서는 '잘할 수 있는 일, 잘된 케이스'만을 소개하기 마련입니다. 하지만 면접자와 회사 입장에서는 '안 되는 걸 어떻게든 기한에 맞춰 결과물을 내놓는 사람'을 찾고 있습니다. 이미 지원자가 내놓은 '베스트 케이스'를 접해본 면접관 입장에서는 '이 사람이 될 만한 분석만 하고 도전해본 경험이 없지는 않은지', '분석에 필요한 의사결정에 참여했는지', '이 분석에서 주어진 자원이나 조건들이 바뀌어도 결과물을 내놓을 수 있는지'에 의문을 표하게 되고 이것을 집중적으로 물어보게 됩니다. 반면에 대학원생들은 '기한에 맞춰 어떻게든 결과물을 내본 경험'이 있습니다. 최소한 졸업을 하려면 어떻게든 기한과 서식에 맞춰 일정 수준 이상의 논문을 써야 하니깐요. 그리고 프로젝트를 하고 연구를 하면서 이런저런 시행착오를 겪고 여러 삽질을 하면서 분석이 막혔을 때 그것을 뚫고 지나가거나, 피해 가는 노하우를 쌓게 됩니다. 개인적으로는 1주일에 한 번씩 논문 일부 요약 또는 재구현을 해오는 랩 미팅에 참여했었고, 학회 포스터 발표, 학위 논문 발표, 학회지 투고 등을 해왔습니다. 돌아보면 부끄러운 부분이 많지만 어떻게든 기한에 맞춰 결과물을 가져오고 이에 대해 '왜 내 결과물이 좋은지 / 좋지 않은 지', '다른 방법은 없었는지' 꾸준히 피드백받았기 때문에 앞서 소개드렸던 면접관들의 추가 질문들에 대해 대처할 수 있었습니다.
덧붙여 데이터 분석 직무가 활동하는 영역에서는 계속 새로운 언어와 함수, 이론과 기법들이 나옵니다. 때문에 데이터 분석가는 이것들을 계속 학습하고 이를 적용해나가야 하는 피곤한 직무입니다. 이때, 이러한 최신 지식들은 1차적으로 영어 논문과 기술 보고서의 형태로 나오기 때문에 대학원에서 이러한 콘텐츠들을 읽고 이해하는 경험들이 업무를 해나가면서도 계속 공부를 해나가는 데에 도움이 됩니다.
3. 중간 요약
일단 대학원에선 무엇을 하고 왜 취업시장에서 석/박사 졸업자들이 선호되는지에 대해 제 생각을 나눠봤습니다. 개인적으로 알고 지내는 분석가분이 계셨는데 그분은 쉰을 향해가는 나이에도 계속 짬이 날 때마다 R과 Python을 공부하며 사이드 프로젝트를 하시고는 했습니다. 사실 데이터 분석가에 대한 관심은 많았지만 데이터 분석은 굉장히 노동 집약적인 일입니다. 그리고 앞서 말씀드렸듯이 기술이 빠르게 발전하고 있기 때문에 꾸준히 배워나가지 않으면 도태되기 쉽습니다. 반면에 학사 출신 분석가들은 물론 개발자나 기획자, 타 분야 연구자분들도 데이터 분석 영역으로 꾸준히 넘어오고 계셔 경쟁력을 찾기도 쉽지 않은 게 현실입니다. 아무쪼록 이 글이 새롭게 데이터 분석을 시작하고 새 길을 찾는 분들에게 도움이 되었으면 합니다.
긴 글 읽어주셔서 감사합니다!
