수포자인 나는 왜 데이터 분석을 공부하게 되었을까?
반드시 기억해야 할 세 가지 포인트
TED를 상상하며 쓴 글입니다. "구어체"임을 참고하여 발표를 듣듯 읽어주시면 됩니다.
안녕하세요, 여러분. 반갑습니다.
여러분, 데이터 좋아하시나요? 데이터 분석은요? 이런 걸 좋아하면 이상한 사람처럼 보이나요? 그런데 여러분이 좋아하든 좋아하지 않든, 데이터 분석, 머신러닝, AI 이런 것들이 중요하다는 사실만큼은 최근에 정말 지겹도록 들어보셨을 거예요. 맞아요. 정말 중요해진 것이 사실이에요.
오늘 저는 여러분에게
전공자가 아닐 뿐만 아니라
수포자이기까지 했던 제가
왜 데이터 분석을 공부하게 되었는지
알려 드리려고 해요.
간단히 제 소개를 드리면, 저는 앞서 말씀드렸듯이 수학을 정말로 잘 못하는 사람이고요. 13년 차 HR 담당자이기도 해요. 2017년부터 데이터에 관심을 갖기 시작했고 사람들의 데이터 분석 학습을 도와주는 일을 오래도록 해왔어요. 이 데이터 분석과 AI 교육프로그램을 만들고, 글을 쓰고, 팟캐스트도 하고 있습니다. 그러다 보니 나름 HR 분야에서는 데이터를 잘 아는 사람으로 알려지게 되었고 오늘의 주제를 준비하게 되었어요.
문과 태생인 저로선 참 신기하고 재미있는 일이에요. 그렇다고 뭔가 으쓱거리며 자랑을 하려는 게 아니고요, 저 같은 사람도 할 수 있었으니 여러분도 얼마든지 할 수 있다는 메시지를 전해드리기 위해 이 자리에 섰어요.
이제 시작할까요? 오늘 저는 데이터 분석이 왜 중요한지로 시작해서 비전공자가 데이터 분석을 공부하는데 가장 중요한 세 가지 포인트를 여러분에게 알려드려 볼게요.
데이터 분석, 왜 중요할까요? 특정 시대에 어떤 역량이 얼마나 중요한지를 확인해 볼 수 있는 아주 간단한 바로미터가 있어요. 그건 바로 채용이에요. 요즘 모든 기업이 가장 모시고 싶어 하는 가장 귀한 직군이 있어요.
바로 데이터 사이언티스트입니다. 뛰어난 분들은 경력 기간에 상관없이 억대 연봉 이상을 쉽게 받아요. 그뿐이 아니에요. 데이터 분석 전문 직군이 아니더라도 데이터를 분석하는 역량이 필수 조건으로 자리 잡는 추세를 보이고 있어요. 제가 관심 있는 HR 담당자 채용 공고를 보더라도 우대사항에 데이터 분석 역량이라고 언급되어 있는 것을 어렵지 않게 찾아볼 수 있거든요.
HR만 그런가요? 전략, 마케팅, 세일즈, 콘텐츠, 생산 등등 굉장히 다양한 직군에서도 데이터 분석 역량을 요구하고 있어요. 이렇게 데이터 분석을 잘하는 사람들을 많이 확보한 기업일수록 더 높은 가치를 고객에게 제공하며 경쟁사들이 따라오기 어려운 경쟁력을 만들어나가고 있어요. 이제 거의 모든 기업에 데이터 분석 전문 조직이 있고 분석할 수 있는 도구와 시스템을 갖추고 있습니다.
여기까지 듣고 나면, 아 그건 해도 되고 안 해도 되잖아. 나는 억대 연봉 필요 없고 굳이 우대받지 않아도 돼.라고 생각하실 수 있을 텐데요. 여러분, 과거에 엑셀이나 파워포인트 같은 오피스 프로그램의 활용이 굉장히 특수한 역량으로 인정받았던 것을 기억하시나요?
우리가 원하든 원치 않든,
데이터 분석이 엑셀과 같은
일반 직무 역량으로 자리 잡을 날이
제가 보기엔 채 5년이 남지 않았어요.
어때요, 이제 제 이야기에
조금씩 관심이 생기기 시작하시죠?
자 이제 본론으로 들어가 볼게요. 데이터 분석을 공부할 때 염두해야 하는 세 가지 포인트예요. 아주 구체적인 방법론을 말씀드릴 수 있는 자리는 아니니까, 아 저런 것들이 중요하구나 정도로 들어주시면 좋겠어요.
첫 번째, 확실한 목표를 세운다.
데이터 분석을 처음 공부하며 가장 먼저 마주하는 불편함은 공부할 내용이 너무 많다는 거예요. 명확한 목표를 세우지 않고 교육 프로그램을 찾아보면 혼란이 커지기만 해요. 통 계책은 또 얼마나 두꺼워요? A부터 Z까지 학습하다간 금세 질려버릴 거예요.
우리가 학습해야 하는 범위를 정해 볼게요. 냉정하게 말해 우리는 데이터 사이언티스트가 되기 어려워요. 그분들은 최소 4년에서 길게는 10년 이상의 시간을 관련 전공을 학습했을 뿐 아니라 다양한 분석 경험을 가지고 있어요. 우리가 지금까지 다른 영역에서 공부하고 일해왔는데 어느 날 갑자기 몇 주 또는 몇 개월 공부한다고 해서 그분들처럼 될 순 없어요. 가끔 10주 만에 데이터 분석가로 만들어주겠다! 같은 광고를 보는데, 그건 엄연히 말해 거짓말이에요.
그럼 우리는 무엇을 지향해야 할까요? 바로 도메인 데이터 분석가예요. 다시 말해 우리가 속해있는 직무와 산업 분야에서 데이터를 분석할 수 있는 사람이 되어야 한다는 거예요. 예를 들어서 HR 데이터 분석가를 목표로 한다면 R과 같은 분석 도구를 선택하면 되고, 퇴직 예측, 리더십 평가 등과 같은 업무를 수행하는데 필요한 통계 지식을 선택적으로 학습하면 돼요. 목표를 확실하게 세우고 나면 학습에 필요한 콘텐츠를 선택할 수 있게 돼요.
목표가 확실하면 학습해야 하는 콘텐츠도 그리 많지 않아요. 그러니까 “나는 무엇을 하고 싶을까?” “내가 속한 산업과 조직에서는 데이터로 무엇을 하고 싶을까?”를 가장 먼저 고민해보세요. 욕심을 내지 말고 작은 목표부터 달성해보세요. 그리고 그 목표에서 천천히 확장 해나 가세요. 그래야 재미도 있고 효율적이고 효과적이기까지 합니다.
두 번째, 적합한 분석 도구를 선택한다.
데이터 분석을 위해 어떤 도구를 선택해야 할까요? 조금이라도 관심이 있었던 분들은 아마 Python이나 SQL, R과 같은 프로그램의 이름이 익숙하실 거예요. 특히 Python이 요즘 굉장히 핫하죠. 그럼 모두가 Python을 공부해서 Hello World!부터 타이핑하면 되는 걸까요?
어떤 도구를 선택해야 할지 고민이 많으실 텐데 이건 사실 첫 번째 포인트랑 관계가 있어요. 여러분이 목표를 제대로 세웠다면 그것을 하기 위한 가장 좋은 도구는 대부분 정해져 있어요. 중요한 것은 어떤 도구를 사용하는가가 아니라 실제로 분석할 수 있는 역량을 갖추고 있느냐예요.
저는 R과 Python을 모두 경험하고 난 뒤에 R을 선택했어요. 물론 간단한 분석에는 여전히 엑셀도 쓰고요. 도구 선택에 너무 스트레스받지 않았으면 좋겠어요. 중요한 건 뭐라고요? 맞아요. 목표입니다.
마지막 세 번째, 여전히 도메인이 가장 중요하다.
데이터 분석에 가장 중요한 것은 문제의 정의와 결과의 해석이에요. 아무리 뛰어난 데이터 사이언티스트라도 도메인 전문가의 지식과 경험을 능가할 수 없어요. 맞아요. 여러분이 여러분의 직무에서 지금까지 쌓으신 그 지식과 경험이 데이터 분석에 가장 중요해요. 그게 우리의 강점이에요.
데이터 분석 프로젝트는 한 명의 개인이 아닌 다수의 인원 또는 조직 단위에서 진행돼요. 이때 어렵고 복잡한 통계분석과 고급 수준의 프로그래밍은 데이터 사이언티스트의 도움을 받을 수 있어요. 하지만 문제를 정의하고 결과를 해석하고 해석한 결과를 기반으로 현장에 적용해서 새로운 가치를 만들어내는 일은 도메인 전문가이신 여러분의 손에 달려있어요. 그러니까 지금처럼 여러분의 직무에 몰입하시되 여러분의 가치를 더 높일 수 있는 ‘기술'로서 데이터 분석을 접근하시면 됩니다.
이제 정리해볼게요. 우선 데이터 분석. 정말 중요하다. 이제 필수 역량이 될 것이다. 피할 수 없다. 그렇다면 데이터 분석을 학습할 때 무엇을 생각해야 할까?
첫 번째, 목표를 확실히 세우자. 그래야 어떤 콘텐츠를 학습할지 선택할 수 있다. 모든 것을 다 공부하려고 하기보단 무엇을 할 수 있어야 할까에 집중하자. 그래야 재미도 있다.
두 번째, 도구 선택은 목표에 달렸다. R이 좋은지 Python이 좋은지 선택하느라 너무 스트레스받지 말자. 정답은 없다.
세 번째, 여전히 도메인이 가장 중요하다. 우리 본연의 직무에 집중하며 경쟁력을 높이는 도구로서 데이터 분석 역량을 확보하자.
처음에 말씀드렸듯이 수포자인 제게 가능했기에 여러분은 훨씬 더 빨리, 잘하실 수 있을 거예요. 여러분의 가치를 더 높여 줄, 여러분의 경쟁력과 연봉을 더 높여줄 데이터 분석 학습을 하루라도 빨리 시작하시길 바라고, 그 학습의 여정에 오늘 제가 드린 이야기가 조금이라도 도움이 되셨길 바랍니다. 감사합니다.
image source: TED
자세하게 설명된 글을 보려면
당신이 HR Analyst를 꿈꾼다면
https://brunch.co.kr/@chanrran/19
