제조업 데이터 분석 노하우 - 0
먼저 내 소개부터 해야겠다
난 데이터분석/AI 직무가 한참 뜰 때 공부를 해서 제조업 데이터분석 직무에 취업을 했다
공대생이어서 제조업에 오고 싶었던 것은 아니었다
사실 학부 때 데이터분석 프로젝트도 종종 하고, 졸업 후 굵직한 IT 기업 부트캠프하며 IT기업에 들어갈 줄 알았다
서두는 이 정도로 마무리하고 남들이 궁금해하지 않을 이 연재글을 쓰고자 하는 연유에 대해서 얘기하고자 한다
햇수로는 3년 차지만 고작 만 2년도 안된 경력을 가지고 데이터분석에 대해서 운운하는지 나 스스로에 대한 정당성은 찾아야겠어서
난 데이터분석을 통해 직접적으로 비즈니스 지표를 향상했던 경험은 없지만 항상 고뇌를 했었다
어떻게 하면 내가 이 회사에 도움이 되는 성과를 낼 수 있을까
어떻게 해야 나의 직무 역량을 향상하여 남에게 인정받고 대체될 수 없는 존재가 될 수 있을까
그럴 때마다 부딪혔던 애로 중 하나는 제조업이라는 산업에서 나의 롤모델을 찾기가 힘들었다
그리고 제조업 관련 데이터분석 서적을 여러 번 찾아도 딱히 실질적으로 도움 될만한 도서는 찾기 힘들었다
나는 그때 조금 느꼈던 것 같다
내가 스스로 나를 증명해서 내가 겪은 경험을 토대로 글을 써봐야겠다고
그러면 나처럼 제조 도메인의 데이터분석가에게 도움 되지 않을까 했다
비록 지금은 증명하지 못했지만 그럴만한 역량도 아직 아니지만 지금부터 나의 하루를 기록하며 남에게 공유한다면
이후에 내가 정말 성공한다면 나의 발자취가 그들에게 도움 되지 않을까 생각했다
그렇다 난 그래서 이 연재글을 쓰기로 시작했다
그래서 난 무슨 내용을 전달하고자 이 글을 쓰냐고?
내가 데이터분석을 하며 느꼈던 팁들과 제조업에서는 어떤 방향으로 도메인 지식을 갖추면 좋을지
그리고 데이터분석가의 태도와 자세에 대해 많이 언급할 예정이다
시니어 데이터분석가는 비웃을 수 있겠지만 난 거듭 말하지만 이건 나의 성장 일기 중 하나다
누군가의 평가를 받고자 쓰는 글이 아니다
서문을 쓰는 글이지만 오늘 업무를 수행하며 느꼈던 몇 개만 써보자면..
- 다름 업계의 분석가들도 당연히 겪고 있겠지만 실무는 다변량 분석이 불가피하다. 장점이라면 장점이고 단점이라면 단점인 제조업의 분석의 특징 중 하나는 하나의 변수가 물고 물리는 구조가 많다. 그 원인으로는 물리적이거나 화학적인 이유일 경우가 대다수일 것이다. 본인이 분석을 통해 유의미하다고 찾은 인사이트가 현업 엔지니어분들에게는 당연한 결과일 확률이 굉장히 높다. 이게 굉장히 제조업 데이터 분석가 입장에서는 억울할 수 있다. 도대체 어디까지 내가 알아야 하는 거야? 내가 엔지니어야? 난 데이터 분석가인데? 라며 푸념을 늘어뜨릴 수 있다. 그렇지만 그건 회사 입장에서는 가찬은 이유다. 결국 데이터 분석가든 어떤 직무 종사자든 비즈니스 지표를 개선해야만 한다. 즉, 회사에 돈 될만한 행동을 해야 하는 것이다. 제조업 데이터 분석가는 엔지니어에 버금갈만한 도메인 지식과 갖추고 자신만의 분석 역량을 발휘해 유의미한 인사이트를 도출하여 번뜩일만한 결과를 갖고 와야만 한다. 적어도 눈에 안 보였던 결과라도.
- 요약하자면 도메인 역량은 다다익선이며 필수적이라는 것이다. 근데 그것의 허들이 높다는 것. 이건 자부한다. 물리와 화학, 그리고 기계 관련 도메인을 갖춰야 하기 때문에
- 신입 제조업 데이터 분석가가 이를 타파할 수 있는 지름길은 커뮤니케이션 역량과 친화력이 아닐까 싶다. 왜냐하면 회사는 먼저 가르쳐주지 않는다. 본인이 자기 주도적으로 질문하고 현업 엔지니어분들을 찾아가며 광물을 캐듯 파헤쳐야 한다. 그리고 본인이 분석한 결과를 지속적으로 컨펌받아서 계속 깨지고 재분석해야 한다.
이렇게 오늘의 2년 차 제조업 데이터분석가의 하루는 여기서 끝!
아 맞다. 그리고, 데이터 분석뿐만 아니라 데이터 사이언티스트 업무도 진행하고 있기에 관련 글도 종종 쓸 예정이다.
나의 글로 도움 될만한 사람이 한 명이라도 있으면 좋겠다!
그럼 이만~