JOB1. 섹시한 독일의 데이터 분석가 - HOW편1
해외(독일)에서 데이터분석가가 되려면 어떤 준비를 해야 할까
JOB1. 섹시한 독일의 데이터 분석가 - HOW편2
2018년 나를 찾기 위해 떠난 여행은 사실 처음에는 두달을 예정했었지만 결론적으로는 떠난 지 반년이 되던 달 원래 살던 독일 집으로 돌아왔다.
시간적, (다행히도) 금전적인 여유가 있었음에도 독일로 돌아온 이유는 (1) 내가 쉬는 동안 목표로 했던 것들을 이루었고 더 중요한 것은 (2) 새로운 삶을 맞아들일 준비가 되었기 때문이다.
바뀐 나, 바뀐 삶에 대한 희망 그리고 경제활동에 대한 샘솟는 의지는 마지막으로 머무르던 이탈리아 시칠리아의 그 어딘가에도 아쉬움을 남기지 않았다.
독일로 돌아온 나는 매일 도서관에 다니기 시작했다.
전업을 하기 위해서는 취업 준비에 있어 효율적인 전략이 필요했다.
독학이냐 학원이냐의 질문에서 독학을 택했기 때문에(독일 고용청에서 지원해주는 오프라인 강의가 있긴 했지만 일주일 수업 시간이 두 번으로 너무 적었고 통학하는 시간도 길었기에 하지 않기로 했다.) 더욱 그랬다.
구글에 데이터 관련 직업 로드맵을 검색하니 이런 한숨만 나오는 서울 지하철 노선도 같이 복잡한 인포그래픽을 찾았다.
멀고도 험하도다...
데이터 업무의 디테일을 참고하기에는 유용하다고 생각하는 이미지이지만 당시 갓 엑셀에서 벗어나 초급 수준의 R언어 실력을 가지고 있던 프린이(프로그래밍 어린이)의 자신감을 잘 마른 나뭇가지처럼 한 방에 꺾기에는 충분하고도 남았다.
출처: https://towardsdatascience.com/how-to-become-a-data-scientist-2a02ed565336그렇지만 이 이미지의 큰 스텝(1. Fundamentals, 2. Statistics ..)들을 전체를 보는 길라잡이로 잡고 나서 내가 지원하고자 하는 포지션의 요구사항들을 대조해 보니 서서히 어떻게 준비해야 되는지가 보이기 시작했다. 취업 준비 초반부터 데이터 분석가 채용 공고를 찾아본 것은 정말 잘한 일이라고 생각하는 데 그 이유는 (특히 새로운 분야로 전업하는 경우나 학원/지인 등 외부 도움을 받기 어려운 경우에) 원하는 직업의 요구사항들을 보다보면 시장에서 어떤 역량을 필요로 하는지를 알 수 있으면서 나를 그 시장의 입맛에 맞추기 위한 목표 설정을 도와주기 때문이다. 그래서 나는 특정 회사보다는 "데이터 분석가"를 키워드로 찾은 20여개의 채용 공고를 출력해 공통사항, 특별사항들을 비교하면서 가장 자주 보이는, 다시 말해
시장이 요구하는 것을 우선순위로 공부를 시작했다.
나는 MOOC(Massive Open Online Course: 온라인 러닝 플랫폼) 코스들을 100% 가깝게 활용하며 데이터 분석가 취업 준비를 했는데 그 중 가장 많은 강의를 들은 플랫폼은 coursera였다.
내가 약 5개월에 걸쳐 수강한 강의(복습 포함 하루 8시간 정도)는 다음과 같은데 이 순서 및 과정은 개개인의 배경지식, 전공, 데이터 직업군에 따라 다를 수 있다. 또한 나는 약간의 R 기초 지식이 있던터라 R로 데이터분석을 시작했지만 현재 업무는 100% Python(파이썬)으로 진행중이고 개인적으로도 활용도가 높은 Python을 선호하기 때문에 다시 그 때로 돌아간다면 R강좌는 Python강좌로 대체할 것이다. 그렇지만 데이터 분석의 일반적인 지식 습득에 이 강좌들의 기여도는 아직까지도 매우 높게 평가한다.
1. Data Science Specialization (10개의 데이터 사이언스 입문 강좌)
https://www.coursera.org/specializations/jhu-data-science#courses
2. Statistics with R Specialization (5개의 통계학 강좌)
https://www.coursera.org/specializations/statistics
3. SQL for Data Science (SQL: 데이터 처리를 위한 데이터베이스언어)
https://www.coursera.org/learn/sql-for-data-science
4. The Ultimate MySQL Bootcamp: Go from SQL Beginner to Expert
https://www.udemy.com/course/the-ultimate-mysql-bootcamp-go-from-sql-beginner-to-expert/
5. Machine Learning
https://www.coursera.org/learn/machine-learning
6. Data Visualization with Tableau Specialization
https://www.coursera.org/specializations/data-visualization#about
coursera 강좌들은 7일간은 무료, 그 이후는 달에 $49 USD 지불 후 이용 가능하며 완강 후에는 증명서(certificate)가 발급 되므로 이를 이력서나 linkedin 등에 활용할 수도 있다 (회사가 MOOC 증명서를 어떻게 받아들이는 지는 회사에 따라 그리고 본인 어필 능력에 따라 천차만별이긴 하다). 49달러가 부담스러운 사람들에게는 financial aid를 통해 수업료를 지원해 주기도 한다.
데이터 분석가로 전업할 수 있었던 8할, 아니 9할은 이런 고품질의 수업을 저렴한 가격에 가능하게 해 준 coursera 및 전세계 Q&A 커뮤니티 stackoverflow와 quora 라고 해도 과언이 아니다.
지금은 2018년에 비해서 데이터 관련 강의 수가 몇 배는 더 늘어난 것 같다. 배울 수 없어서 못 배운다는 건 (더군다나 코로나로 집에 있는 시간이 많아진 요즘) 그 때보다 배는 더 핑계가 되어 버렸다. 하나 더 덧붙이자면 요새는 한국어 강의 혹은 한글 자막 강의도 예전에 비해 훨씬 많아져서 영어가 걸림돌이었던 사람들도 부담 없이 수강할 수 있다.
이 강좌들 외에 취업 후 현재 사용하고 있는 Python 및 Power BI(BI Tool)는 사내 교육을 통해 습득했다.
데이터 분석가 독학 취업준비 중에 가장 중요시 했던 부분은
(1) 직접 코딩하기 (IT직업군에 있어 Hands-On Practice의 중요성은 아무리 강조해도 지나치지 않은 것 같다)와
(2) 복습이었다 (하루에 배우는 양이 많기에 빠른 시간 내에 복습을 하지 않으면 바로 까먹기 부지일수였기에).
그러나 하루 8시간 정도 공부를 한 나머지는 잘 챙겨먹기, 운동하기, 글쓰기, 재밌는 것 보기, 충분한 수면 등에 시간을 쓰면서 나의 하루가 과도하게 공부 하나에만 치우치지 않도록 노력하기도 했다. 그런 이유에서인지 홀로 공부하는 몇 달의 기간 동안이 고되긴 했어도 포기하고 싶은 마음이 든 적은 없었다. 좋아하는 것을 한다는 게 바로 그것이었다. 늘 즐거운 건 아니지만 절대로 놓을 수는 없는.
그렇게 나는 점차 하고자 하고 싶은 일에 가까워지고 있었고 이제는 회사에 지원해도 되겠다라는 마음이 들면서부터 나는 본격적으로 채용 공고를 찾기 시작했다.
