데이터 사이언티스트는 계속 섹시한 직업일까?
거의 1년 만에 쓰는 브런치네요. 그동안 일하면서 배우고 느낀 점들을 정리해서 써야겠다고 계속 생각만 했었는데 그보다 먼저 번역하고 싶은 글이 있어서 오랜만에 글을 올립니다.
보스턴에 위치한 가구 전문 E-commerce 기업은 Wayfair의 데이터 사이언스 수장 Dan Wulin 씨가 Quora에서 유저들의 질문에 직접 대답한 페이지에서 가져온 글입니다. 공감되는 바가 많이 공유합니다.
원문 출처: https://www.quora.com/What-will-data-science-jobs-look-like-in-the-future
재미있는 질문이네요! 저의 답변을 드리겠지만, 이것은 미래에 대한 예측이기 때문에 제 대답이 틀릴 수도 있다는 점을 염두에 두세요. 다만 제 답변이 생각할 기회가 되기를 바랄 따름입니다.
먼저 세 가지 광범위한 트렌드에 대해 이야기해봅시다:
1. 복잡한 데이터 사이언스 알고리즘들은 점차 패키지나 배포(deployment)가 용이한 기술에 편입될 것입니다: 랜덤 포레스트 같은 알고리즘을 트레이닝하고 확장성 있게(at scale) 배포하는 일이 십 년 전과 비교해서 요즘 어떤지 생각해보세요 - 예전보다 상대적으로 더 적은 통계학과 공학적 지식을 가지고도 더 빠르게, 더 높은 퀄리티로 알고리즘을 적용할 수 있습니다. 이는 데이터 사이언스의 여러 분야에서 쉽게 볼 수 있는 현상입니다.
2. 잘 나가는 회사들은 기업을 근본적으로 바꿀 수 있는 머신러닝, 인공지능, 그리고 관련 기술을 끊임없이 이용할 것입니다: 논란의 여지가 별로 없는 포인트죠? 이 부분은 3번째 트렌드로 연결됩니다.
3. 대학생들은 대학 내 학위 과정을 통해 소프트웨어 엔지니어링, 통계학 등을 더 많이 접하게 됩니다: 빅 데이터, 인공지능으로의 거시적 변화를 고려할 때, 졸업생들이 취업 시장에서의 경쟁력을 높이기 위해 요구되는 결과입니다. 저는 점점 더 많은 학생들이 통계학, 공학, 선형대수, 그리고 머신러닝을 수업에서 배울게 될 거라고 예상합니다.
1번과 3번의 직접적인 결과로, 현재 데이터 사이언티스트들이 하고 있는 많은 업무가 결국 어느 정도의 코딩과 통계학을 바탕으로 훌륭한 패키지와 기술을 쓸 줄 알고 머신러닝 모델을 만들 줄 아는, 상대적으로 덜 숙련된 사람들에게 이전될 것입니다. 아직은 대학교들이 학생들의 테크니컬 스킬을 충분히 끌어올리지 못하고 있기 때문에 그 시점에 이르지는 않았지만, 향후 5년 안에 흔해질 트렌드입니다 - 전문가까지는 아니지만 머신러닝을 적용할 줄 아는 학사, 석사 졸업생들이 더 많이 쏟아져 나올 것입니다. 크게 봐서는 기업들에게 좋은 일입니다: 인공지능의 “민주화”까지는 아니지만, 낮은 진입 장벽과 높은 비용 효율성을 바탕으로 인공지능을 어느 정도까지는 구현할 수 있기 때문입니다.
관련하여, 데이터 사이언티스트의 역할에 크게 두 가지 길이 있다고 생각합니다. 하나의 길은 현재의 데이터 사이언스 팀처럼 흔한 테크닉 이상이 요구되는, 굉장히 리서치 중심적인 역할입니다. 어떤 비즈니스 상황에서는, 현재 나와있는 알고리즘의 변형이나 완전히 새로운 알고리즘을 개발하는 데에 적극적으로 투자하는 것이 시장 내에서 비교 우위를 점하여 ROI를 높이는 길일 수 있습니다. 그리고 이러한 역할을 수행하기 위해서는 상대적으로 높은 수준의 머신러닝 지식과 적용 능력이 요구됩니다 - 무인 자동차나 이미지 분류 기술을 연구하는 팀이 여기에 해당됩니다.
두 번째 길은 전통적으로 기업들이 MBA 졸업생으로 채우던 비지니스 쪽 자리들과 연결됩니다. 데이터 사이언스의 발전으로 비즈니스 문제와 근본적인 기술을 연결하는 능력에 대한 가치가 높아지면서 확실한 커뮤니케이션 스킬과 비즈니스 감각을 가진, 테크놀로지에 대한 트레이닝을 받은 사람들에게 기회가 올 것입니다. 그래서 일부 비즈니스 업무들을 정량적인 접근이 가능한 석박사들이 MBA 출신들보다 더 많아지게 됩니다. 달리 말해서, 전통적인 업계에 있는 기업들조차도 기술 중심적인 문화와 채용을 시작하게 됩니다 - 그렇지 않으면 머신러닝의 이점을 기업에서 활용하는 것이 거의 불가능하기 때문입니다.
