디지털 노마드를 꿈꾸는 여행자를 위한 안내서(2)

디지털 마케터와 데이터 분석가, 그리고 데이터 사이언티스트

디지털 마케터, 데이터 분석가, 데이터 사이언티스트라는 직업군이라고 할 수 있을지는 모르겠지만이 정말 핫한 시대에 살고 있다. 사실 대부분의 사람들이 위 세 단어를 들으면 마치 고등학교 때 경영학과와 경제학과의 차이점을 몰랐던 것과 같은 반응을 보일 거라고 생각한다. 자사고가 많아지고 고등학교 때부터 관련 수상성적과 학생부를 채우는 요즘과는 다르게 정시 70%의 시대를 살았던 나는 경영학과와 경제학과의 차이를 전혀 몰랐다.(전공이 사회학임에도, 입학할 당시에는 사회복지학과 사회학의 차이도 제대로 모른 채 학교를 다녔다.) 그리고 우리가 "좋은 직업"이라고 느끼는 정도 또한 각 단어의 상대적인 섹시함에 거의 대부분 의존하는 것 같다. 데이터 사이언티스트는 21세기의 "가장 섹시한" 직업이고, 데이터 분석가는 조금 덜 섹시할 것이고, 디지털 마케터는...음 잘 모르겠지만 디지털에 마케터가 붙으니 좀 섹시하다. 어쨌든 모두 다 섹시하다는 점에서 말 그대로 섹시한 직업 같다.

섹시한 느낌 말고 진짜 무슨 일을 하는지 알고 싶었다.

이전 포스팅에서 이야기 한 것 처럼 나는 지금 온오프라인 마케팅 매니징과 일정 부분의 데이터 분석을 함께 수행하고 있다. 섹시함이 두 배로 증가되었다.  그렇다 보니 아무래도 디지털 마케팅과 데이터 분석가의 차이점은 어느 정도 인지하고 있다. 또한 현재 데이터 관련 대학원 과정을 수강하면서 빅데이터 엔지니어링의 개념, 데이터 파이프라인의 개념, 데이터 마이닝 기법과 머신러닝, 딥러닝, 그 외의 여타 경영학 지식을 배우는 과정을 밟고 있다. 수업과 실무를 통해 이제는 쌩 주니어 보다는 개념적으로 세 직업군을 구분할 수 있다고 생각한다. 그래도 여전히 주니어 수준의 경력만 가지고 있다는 사실을 염두에 뒀으면 한다.

우선 디지털 마케터와 "데이터"라는 단어가 들어간 데이터 분석가, 데이터 사이언티스트는 완전히 별개의 카테고리로 묶인다. 

디지털 마케터: 구글, 페이스북, 네이버 등 광고 플랫폼을 얼마나 잘 다루느냐가 관건이며 추가적으로 구글 애널리틱스 정도를 잘 다뤄주면 좋다.

데이터 분석가: SQL을 잘 다룰수록 좋고, 파이썬이나 R을 하면 베네핏이 있다. 통계 기법을 통해 가설 검정과 추정을 할 수 있으면 플러스다. 하지만 기본적으로 집계(aggregation)을 잘하면 왠만한 비즈니스 분석은 거의 다 할 수 있다. 이 말은, 엑셀을 수준급으로 잘해도 왠만큼은 통한다는 이야기 이다. 

데이터 사이언티스트: 이런건 없다. 통상적으로 통계 기법에 능통하고, 파이썬이나 R을 활용한 코딩에 능숙하며 데이터 마이닝을 비롯한 머신러닝, 딥러닝 기법 또한 잘 사용한다. 무엇보다, 이 스킬들을 도메인 지식과 버무려서 비즈니스를 만들어 내야 한다. 다시 말하면, 없는 사람들이나 마찬가지이다. 

데이터 사이언티스트가 해야한다고 생각되는 일들은 팀 단위로 움직이지 않으면 해낼 수 없는 일들이 대부분이다. 이것을 크게 나누어 보면 다음과 같다.

데이터 엔지니어: 데이터 파이프라인을 설계하고 데이터의 흐름을 다룬다. 분석가가 데이터를 분석할 수 있도록 raw data를 가공하여 던져주는 일 까지 수행한다. 요즘은 spark, kafka 등을 잘하면 좋은 것 같다. SQL은 필수다.

데이터 분석가: 데이터 엔지니어가 던져준 데이터를 기반으로 유의미한 인사이트를 뽑아낸다. 도메인 지식이 없으면 어떻게 분석해야 할 지 모르기 때문에 종사하고 있는 도메인에도 정통해야 한다. 통계 기법이든 머신러닝이든 딥러닝이든 엑셀이든 뭐든 상관 없이 현 상태에 대한 개선책을 만들 수 있어야 한다. 위에서 이미 언급한 데이터 분석가와 같다.

데이터 모델러: 현재 존재하는 각종 분석 모델보다 더 정교한 알고리즘을 만들어 내어 퍼포먼스를 올릴 수 있을지 고민한다. 수학, 통계, 컴퓨터 공학 박사급들이 많고 Computer vision 스타트업에서 많이 일하고 있는 것 같다. 

그리고 이 세 영역은 겹치는 부분이 많기 때문에 한 사람이 데이터 엔지니어링과 데이터 분석 업무를 함께 수행하거나 데이터 분석 업무와 모델링 업무를 함께 수행하는 경우가 빈번하다.

이 외에도 이렇게 만들어 낸 서비스나 솔루션을 클라이언트에게 판매하는 B2B 컨설턴트, 기술영업 조직 또한 해박하지는 않더라도 데이터에 대해 일정 수준 이상의 이해도를 갖추고 있어야 한다. 데이터에 대한 지식이 불과 1년 전만 하더라도 선택이었으나 이제는 필수가 되어버린 느낌이다.

디지털 마케터와 데이터 Job의 경계가 조금씩 모호해지고 있다.

위에서 디지털 마케터는 나머지 직업들과 카테고리가 확실히 분류된다고 하였지만, 그 경계는 조금씩 허물어지고 있다. 우선 구글 애널리틱스만 하더라도 이전에는 컨설팅사가 유행이었으나 지금은 업계 종사자라면 실시간 유입자와 획득 지표를 확인할 수 있게 되었고, 목표 설정에 대한 일정 수준 이상의 지식을 갖추고 있다. 갖추고 있지 않더라도 갖추려고 마음만 먹는다면 유튜브의 구글 애드워즈 온라인 세미나, Measureschool 채널,  구글 애널리틱스 공식 홈페이지 내 교육 코스 등을 통해 누구나 2달 안에 분석 스킬을 갖출 수 있다. 불과 몇년 전만 하더라도 웹로그 분석은 자사 내 분석 시스템을 갖춘 몇몇 회사에서나 가능한 전문 영역이었다. 

XLMiner는 엑셀을 통해 데이터 마이닝 분석기법을 클릭으로 실행할 수 있도록 하는 도구이다. 파이썬으로도 손쉽게 데이터마이닝 라이브러리(scikit-learn)을 불러와서 분석을 수행할 수 있지만, 이제 엑셀 add-in을 통해 정말 엑셀 다루듯이 데이터마이닝 분석을 수행할 수 있다. 유료 서비스로 가격은 있지만 분석에 대한 진입장벽을 낮추고 경계를 허무는 방향이 나타나고 있음을 알 수 있다. 이제 유일한 경계는 분석 자체에 대한 노하우와 지식, 그리고 분석을 비즈니스로 연결하는 앙뜨리프리뉴어십(기업가 정신)이 될 것으로 보인다.

이것을 두 가닥으로 정리해 보면 다음과 같다.

솔루션의 정교화 경향

도메인과 분석 노하우의 중요성

 

이와 같은 경향성은 Data Science-Thing이 가지고 있는 현재의 진입장벽들이 결국엔 허물어질 것이란 사실을 보여준다. 기술이 정교해지고 인력이 세분화 될 수록 인더스트리 전반에 대한 이해를 기반으로 비즈니스 전반을 매니징할 수 있는 능력이 중요해질 것이라고 본다. 따라서 현재와 같은 업계의 트렌드가 지속 된다면 우리는 결국 IT와 경영, 도메인 지식, 분석 노하우에 대한 이해, 기업가 정신을 고루 갖추고 있는 전략가를 원하게 될 것이다.