brunch

You can make anything
by writing

C.S.Lewis

by meal Nov 19. 2020

지속가능한 데이터 분석의 길을 찾아서

여성개발자컨퍼런스 2020 불멍토크 권정민

https://www.notion.so/2020-1e21e135c874412d903a94df7cf1fd19


데잇걸즈를 같이 듣고 있는 오OO님 덕분에 여성개발자컨퍼런스 2020에서 꼬젯님의 불멍토크를 들을 수 있었다.


(데잇걸즈에 관해 궁금하시다면,

https://brunch.co.kr/@dataitgirls2018/33?fbclid=IwAR3MHamNRGGwxzf4QM8SqV4da7WiqZ7LoRnbjX70EAPpHZn62aqWajaW6w0

꼬젯님에 관해 궁금하시다면,

https://cojette.github.io/)


꼬젯님(권정민님)의 주제는 '지속가능한 데이터 분석의 길을 찾아서'였고,

꼬젯님의 강연은 (같이 들은 정OO님의 말을 빌어) 업계 예방주사를 맞은 느낌이었다.



지속가능한 데이터 분석의 길을 찾아서지속가능한 데이터 분석의 길을 찾아서

지속가능한 데이터 분석의 길을 찾아

지속가능한 데이터분석의 길을 찾아서

여성개발자컨퍼런스 2020 불멍토크 권정민



1. 다양한 데이터 조직 형태가 있지만 나아지지 않는 데이터 프로세스


다양한 데이터 조직 형태

DS Center of Excellence (28%), 

R&D (22%), 

Line of business (HR, Marketing, etc) (21%), 

IT (15%), 

None of these (13%)


나아지지 않는 데이터 프로세스

Data loading(19%), 

Data Cleansing(26%), 

Data visualization(21%), 

model selection(11%), 

model training and scoring(12%), 

deploying models(11%)


기술이 늘어나면서 데이터도 늘어나지만, 데이터를 잘 다루는 기술도 늘어나진 않은 것 같다.

데이터 전처리가 70%인건 예전이나 지금이나 중요하다는 뜻이기도 하지만 쉽지 않다는 말이기도 하다.



2. 기술 인식 차이


학생들이 배우는 것

python(85%), 

ML(55%), 

Data Viz(49%), 

Probability & statistics(43%), 

Deep learning(42%)


대학교에서 제공하는 것

python(72%), 

Probability & statistics(59%), 

ML(54%), 

Data Viz(53%), 

Advanced mathematics(49%)


기업에서 실제 부족한 역량

Big data mgmt(39%), 

Advanced mathematics(36%), 

Deep learning(31%),

Engineering skills(26%), 

ML(25%)


데이터 시각화, 파이썬을 많이 배우지만, 실제로 데이터분석 업무에서는 다른 능력을 많이 가지고 있어야 하는데, 다른 능력을 가진 사람은 많지 않다. 

그래서 기업에서 원하는 사람을 찾기는 쉽지 않다.

이런 악순환이 계속 된다.



3. 업무만족도

데이터분석 업무를 3년 이상 할 것인지에 대한 물음에 Yes라고 대답한 사람은 34%에 불과함.



데이터 분석, 계속 할 수 있는 것일까?


when we adapt data science, our big mistake was assuming pitfall would be technical.
- strata conference 2015

데이터는 긴 호흡이 필요하다.

데이터는 혼자 존재할 수 없다.



Data scientist가 아니라 data translator

도메인 내에 존재하는 언어 중의 하나라고 생각하자.

데이터 통역을 원활하게 하는 것이 회사에서 잘 지낼 수 있는 방법. 

communication, support, empowerment 등 데이터는 서포트 개념이라 생각하자.



Data science at work

technical stunner이자 business impactor로 성장할 수 있어서,

버티다보면 길게 가는 것에 도움이 될 것이다.


Accept what is, Let go of what was, And have faith in what will be.


화가 많은 사람이라 '왜 이 바닥은 10년동안 변하는게 없을까...'하며 스트레스도 많이 받았지만, 이걸 좀 내려놓으니 '내가 할 일이 생겼구나~' 하게 됐다고 하셨다.


본인이 할 수 있는 일을 조금씩 하되, 본인이 생각하는 일이 좀 아니더라도, 주변 사람을 보살피며 일을 하는 것이 데이터 분석가라는 생각을 하셨다고..


Sustainability for data analytics

결론, 주변에서 데이터 분석을 지속적으로 수용하게 하면서 현재의 데이터 분석을 지속해 나가자.




Q/A

1. 데이터 과학자로 일하기 좋은 회사? 혹은 도망쳐야 하는 회사의 특징?

-> 데이터분석의 A to Z를 알고 싶다면 작은회사로. 하지만 데이터 엔지니어가 없는 회사는 비추천. 데이터 과학자만 있으면 모든 문제가 해결될 거라 생각하시는 분들이 있을 수 있다. 실제 서비스 DB까지 들어가서 일해야 하는 곳이 많다.


2. 학생이 배우는 것과 회사가 원하는 것의 차이는? 어떤 역량이 회사에서 가장 필요로 하는 부분인지?

-> 실제 배운것과 실제 현업에서 다루는게 다를 때 가지는 마인드셋이 중요하다. 면접에서 엄청 깨졌을 때 본인이 그걸 잘 견뎌낼 수 있느냐를 본다.


3. 데이터 분석가로 일을 시작하게 되었는데 막상 데이터 정리만 하고 전처리도 아니고 전전처리 정도 되는 것 같다... 이런 업무도 데이터분석가의 경력으로 인정받을 수 있을까?

-> 굉장히 중요한 일이기 때문에 인내 수련이 잘 됐을 거라고 생각할 것 같다. 하지만 본인이 얻는 게 없다고 느껴지면 이직을 고민하는 것을 추천. 인내 수련만 하는 것을 기술 중심 회사에서는 경력으로 인정해주지 않을 수 있다.


4. 백엔드 쪽에 대한 이해와 데이터 엔지니어링 능력이 없으면 분석만으로는 진입장벽이 낮아 경쟁력이 없다는 얘기를 들은 적이 있는데... 데이터 분석가로서 강점을 어느쪽으로 계발해야 할지 궁금합니다.

-> 실제 데이터분석가는 많은 일을 처리하고 있다. 데이터분석에게 모든 걸 맡기려 하는 곳이 많다.. 여러가지 하면 좋지만, 여러가지 하다가 하나도 제대로 못할 수도 있다. 데이터 엔지니어링 자체가 손이 많이 가기 때문에, 데이터 분석가로서 일을 못한다. 그래서 본인이 잘 하는 하나는 있는게 좋을 것 같다. 분석가랑 엔지니어랑 얘기를 가장 많이 하기 때문에 알면 나쁠건 없지만, 일을 하다 보면 자연스럽게 쌓인다.


5. 많은 직무에서 데이터 분석 역량을 필요로 하고 있다. 데이터 분석가만의 특장점이 적어지고 있다고 생각하는데, 데이터 분석가만이 할 수 있는 업무에는 무엇이 있나요?

-> 다른 직군도 데이터를 잘 쓰게 되면, 데이터의 민주화가 이뤄지고 있는 것이므로 나쁠 것 없는 것 같다. 하지만 데이터분석가에겐 쿼리 짜서 주는 것만 바라는것은 아니므로 그 이상을 해낼 역량을 가지고 있다고 생각한다.





데이터 분야로 커리어를 가져가려는 사람들에게 조금이나마 도움이 됐기를 바란다.


작가의 이전글 네고왕 광희처럼 당근마켓을 털어보았습니다.
브런치는 최신 브라우저에 최적화 되어있습니다. IE chrome safari