데이터 사이언스는 죽지 않는다, 언번들링되고 있을 뿐
학습 차원에서 틈틈이 해외 전문가들이 블로그나 미디어 그리고 책에서 쓴 글을 번역 또는 요약 정리하고 있습니다. 이번 포스팅도 그중 하나고요. 거칠고 오역된 부분이 있을 수 있습니다. 제대로 번역되지 않은 부분은 확인 주시면 반영토록 하겠습니다. 의미 전달이 애매한 문장은 삭제했습니다. 다음은 애널리스트 우탐(Analyst Uttam)이란 필명의 데이터 애널리스트가 미디엄에 공유한 글을 정리한 것입니다.
21세기 가장 섹시한 직업이었다. 이제 사람들은 속삭인다. 끝났다고. 무슨 일이 일어난 걸까? 한 가지만 분명히 하자: 데이터 사이언스는 죽지 않았다 — 흩어지고 있다
아래와 같은 헤드라인들을 봤을 것이다.
“AI가 데이터 사이언티스트들을 죽였다.”
“모두가 ChatGPT를 사용하는데, 왜 분석가를 고용해야 하나?”
“노코드 툴이 데이터 사이언티스트들을 쓸모 없게 만들었다.”
하지만 실제로 일어나고 있는 일은 다음과 같다.
데이터 사이언스는 죽지 않았다. 흩어졌다. 그리고 모든 것을 다 하는 제너럴리스트 데이터 사이언티스트는?
그 역할은 사라지고 있다. 기존 데이터 사이언티스트 역할은 쓸모 없어졌다
2014년부터 2020년까지 기업들은 “데이터 사이언티스트”를 고용해 모든 것을 맡겼다.
혼란스러운 데이터 정리
대시보드 구축
머신러닝 모델 작성
고객 이탈 예측
리더십을 위한 파워포인트 프레젠테이션 제작
그때는 황금기였다. 파이썬, 판다스, SQL을 조금이라도 알면 충분했다. 하지만 지금은?
AI 도구가 지루한 작업을 더 빠르게 수행한다.
비즈니스 팀은 셀프 서비스 대시보드를 사용한다.
그리고 머신러닝 엔지니어는 더 깊은 전문성을 갖추고 있다.
그래서 옛날의 ‘만능 데이터 사이언티스트’?
더 이상 필요 없다.
언번들링된 데이터 사이언스 직무의 부상
2025년까지 기업들은 전문가를 채용할 것이다. 일반인이 아닌.
역할 분할은 다음과 같다.
각 역할은 자체 기술 스택, 급여 범위, 학습 곡선을 가지고 있다.
여전히 자신을 '데이터 사이언티스트'라고 부르고 있다면, 2018년에 머물러 있다는 신호일 수 있다.
AI는 게임을 바꿨지만, 당신이 생각하는 방식은 아니다.
그래, AI는 이제 다음과 같은 일을 할 수 있다.:
파이썬 스크립트 작성
SQL 쿼리 생성
데이터셋 정리
차트 생성
보고서 작성
하지만 이는 인간이 필요 없게 되었다는 의미는 아니다. AI가 아직 잘 못하는 것은 다음과 같다.:
올바른 비즈니스 질문을 제기하는 것
적절한 실험을 설계하는 것
복잡한 조직 정치 문제를 처리하는 것
윤리, 개인정보 보호, 데이터 사용을 균형 있게 조정하는 것
비기술적 경영진에게 타협점을 설명하는 것
요약: AI는 초급 수준 실행을 대체할 수 있지만, 고급 수준 사고는 대체할 수 없다.
2025년(그리고 그 이후)에 여전히 중요한 기술
관련성을 유지하거나 새로운 분야에 진출하려면 역할에 집중하라, 유행에 휘둘려서는 안된다. 현재 실제로 채용 중인 기술은 다음과 같다.
SQL 능숙도
데이터 관련 직종 90%에서 여전히 가장 중요한 기술이다.
섹시하지는 않지만 강력하다.
비즈니스 맥락
지표와 수익을 연결할 수 있다면 승리한다.
커뮤니케이션
데이터로 슬라이드에 단순한 코드만이 아니라 이야기를 전달할 수 있나?
배포 및 MLOps
ML에 관심이 있다면 모델을 배포하는 방법을 배우라
데이터 엔지니어링 리터러시
dbt, Airflow, 클라우드 파이프라인을 이해하거나, 이를 잘하는 사람과 협력한다.
“데이터 사이언티스트” 대신 어떤 직함을 사용해야 할까? 현재 최상위 기업들이 채용 중인 직책은 다음과 같다.
제품 데이터 분석가
분석 엔지니어
결정 과학자
머신러닝 엔지니어
정량적 연구원
마케팅 분석가
데이터 제품 매니저
관심 분야와 기술에 맞는 직책을 찾아보라.
“데이터 사이언티스트”는 이제 모호한 용어일 뿐이다.
최종 생각: 직함은 사라졌지만, 직업은 여전히 존재한다.
세상은 데이터로 움직인다. 항상 그랬고, 앞으로도 그럴 것이다.
하지만 2025년 이후 성공할 사람들은? 그들은 직함을 쫓지 않을 것이다. 그들은 영향력을 쫓을 것이다.
당신은 완벽한 Python을 작성하기 위해 여기 있는 것이 아니다. 당신은 회사가 더 나은 결정을 내리도록 돕기 위해 여기 있다. 따라서 “데이터 사이언스가 죽었다”는 말에 걱정하지 말라. 그리고 스택에서 실제로 어디에서 활동하고 싶은지 알아보라.
나의 3단계 계획이다.
역할 선택: 분석가, 엔지니어, 과학자? 하나를 선택한다.
실제 프로젝트 구축: 코드만이 아닌 당신의 생각을 보여줘라.
채용 트렌드를 따르라.: 인플루언서의 과장이 아닌.
