응? 마케팅 데이터 사이언티스트?
모바일 게임이 피처폰에서 스마트폰으로 넘어오면서 순위 부스트 캠페인, 비보상형(Non-incentivized CPI) 캠페인 집행이 늘어나면서 내가 바로 그 ‘퍼포먼스 마케터’ 인가라는 생각이 든 적이 있다. 몇 년 뒤 해외에만 있던 모바일 앱 ‘UA(User Acquisition) 매니저’라는 포지션도 우리나라의 대기업이나 외국계 게임사를 중심으로 생겨나기 시작했다.
‘데이터 사이언티스트’는 많이 들어봤어도 ‘마케팅 데이터 사이언티스트’라는 직업을 들어본 적이 있는가? 우리나라 사이트에서 검색해 보면 아직 없는 것 같지만, 구글이나 미국 채용 사이트를 검색해보면 ‘마케팅 데이터 사이언티스트(Marketing Data Scientist)’라는 포지션이 생기고 있다.
마케팅 데이터 사이언티스트는 어떤 일을 하는 지 퍼포먼스 마케터, 마케팅 분석과 같은 포지션과 비교해 보고, 그 주요업무와 자격 요건에 대해 살펴보도록 하자.
퍼포먼스 마케터 vs. 마케팅 분석가 vs. 마케팅 데이터 사이언티스트
일반적으로 퍼포먼스 마케터는 앱 인스톨이나 리텐션, 전환과 같은 구체적인 KPI와 매출 달성을 목표로 하는 마케팅 직군이다. 주로 디스플레이나 소셜 미디어와 같은 유료 매체에 광고 집행을 하고 데이터 분석을 통해 성과를 최적화한다. 요즘에는 그 업무 범위에 모바일 앱, 웹을 아우르고 내부 데이터를 활용한 CRM 마케팅까지 추가되는 경우도 있는 것 같다. 퍼포먼스 마케팅을 위해서는 GA나 Tune, Appsflyer과 같은 같은 제 3자 트래킹 툴의 사용이 필수적이다.
조금 더 규모가 크거나 마케팅 분석에 대한 명확한 목표가 있는 회사의 경우 마케팅 분석가라는 포지션이 따로 있는 경우가 있다. 마케팅 분석가는 마케팅 주요 지표를 정의 관리하며, 캠페인 전후 퍼포먼스 마케팅에 도움을 줄 수 있는 데이터를 리포팅해 효율적인 의사결정을 지원한다. 또한 반복적으로 이뤄져야 하는 데이터 분석, 요청에 대한 프로세스를 만들고 개선한다. (리포트 설정이나 시각화, 자동화 등)
DB와 트래킹툴에 대한 이해는 물론이고, 엑셀, 타블로(Tableau)와 같은 BI 툴 등 데이터 분석과 시각화 툴을 사용할 수 있어야 한다. 우리나라에서는 아직 마케팅 데이터 사이언티스라는 직군은 없지만 업무내용을 살펴보면 마케팅 분석 포지션이여도 파이썬을 통한 데이터 분석이나 SQL 등에 대한 경험을 요구하는 경우도 있었다.
그렇다면 마케팅 데이터 사이언티스트는 어떤 일을 할까? 미국 채용 사이트 글래스도어에 올라온 마케팅 데이터 사이언티스트의 주요 업무와 자격 요건을 살펴보자.
1) 주요업무
- 비즈니스 문제 해결을 위해 마케팅 이해관계자들과 함께 데이터를 이용한 문제해결 모색
- 모든 관련 데이터들이 적절히 수집되고 있는 지 데이터 수집에 대한 절차 관리 및 개선
- 데이터 분석을 위한 데이터 전처리(클렌징), 병합, 완결성 확인
- 고객 리텐션, 매출 등 성과를 높이기 위한 예측 모델링 및 검증
- 내부 사용을 목적으로 한 머신러닝 기반 제품 개발 등
2) 자격요건
- 통계학 혹은 컴퓨터 프로그래밍, 수학 관련학과 석사 이상
- 파이썬, R 등의 언어를 사용해 빅데이터를 분석한 경험
- 데이터베이스, 쿼리 언어, 데이터 구조 관련 경험
- 랜덤포레스트, SVM, 나이브 베이즈 등 머신러닝 알고리즘을 실제 적용해 본 경험
- 어트리뷰션 모델링, 미디어믹스, ROI 분석 등 마케팅 관련해 데이터 사이언스를 적용해 본 경험
어떤가? 흥미롭게 들리거나 살짝 도전의식이 솟는가? 즉, 마케팅 데이터 사이언티스트는 데이터 사이언스를 활용해 마케팅 데이터 분석 및 모델링에 특화된 마케팅 직군이라 할 수 있다. 마케팅 백그라운드를 가진 마케터가 데이터 사이언스를 공부해 될 수도 있을 것이고, 데이터 사이언티스트가 마케팅 분야에서 계속 경험을 쌓을 수도 있을 것이다.
저기에 나와 있는 자격요건이 생소하게 들린 다면 걱정할 것은 없다. 참고로 초보적인 데이터 사이언스 분석과정을 한 번만 경험해도 저런 머신러닝 알고리즘에 대한 용어에 익숙해지고 파이썬 라이브러리를 공부하게 되기 때문이다. 문제는 수준(정도)이고 원하는 잡 포지션에 맞는 경험과 수준을 만들어 가는 것이 중요할 것이다.
마케터의 스킬셋 (Skillset)그럼, 어떻게 마케팅 데이터 사이언티스트가 될 수 있나요?
미디엄(Medium)에는 자신이 어떻게 데이터 사이언스 잡을 가지게 되었는 지 이야기하는 글들을 많이 올라오고 있다. 보건 관련 통계학 업무를 하다가 회사를 그만두고 지인들의 추천으로 파이썬과 R, SQL 기초를 온라인 코스로 배워 신입 데이터 사이언티스트로 재취업한 이야기를 읽은 적이 있다. 데이터 사이언스로는 완전 초보라고 할 수 있지만 신입 포지션이고 통계학 백그라운드가 긍정적으로 평가받은 것으로 보인다.
또, 다른 케이스는 문과 출신, 비프로그래머 출신이지만 데이터 사이언티스트의 꿈을 품고(?) 온라인에서 독학으로 수십 개의 온라인 코스를 독학한 끝에 어렵게 금융 회사에 인턴으로 취직했는데 그 이후 실제 데이터 세트를 다루면서 다시 공부하게 되고 온라인 머신러닝 경진대회 ‘캐글’에 참여하면서 캐글 마스터가 된 이야기다.
https://towardsdatascience.com/data-science-from-zero-to-kaggle-kernels-master-f9115eadbb3
국내 브런치에 온라인 코스, 책 등으로 파이썬과 R 등의 프로그램 언어를 독학하다 미국으로 실제 데이터 사이언스 석사 학위를 따러 간 이야기도 있었다. 저자는 값비싼 대학원 학위에 대해 동료들과 네트워킹하고 학위를 획득한다는 측면에서는 좋지만, 실제 배우는 내용은 독학할 때 더 많이 배웠다고 한다.
https://brunch.co.kr/magazine/ms-data-science
데이터 사이언티스트라고 해서 막연히 아주 어렵거나 엄격한 자격증이 필요할 것이라 생각할 필요는 없다. 무엇보다 현재 자리에서 자신의 업무 경력을 쌓으면서 마케팅 분석이든 마케팅 데이터 사이언티스트든 지원하고자 하는 분야와 관련해 계속해 공부를 해 나가고 실제 회사업무나 프로젝트 참여를 통해 경험을 쌓고 포트폴리오를 만들어 나가는 것이 중요하다.
나 역시 문과 출신으로 파이썬 기초 코스를 온라인에서 한 번 배워봤는데 이걸 어떻게 쓰는 지 전혀 감이 없으니 추상적인 이해에 그친다는 생각이 들었다. 기본 문법을 배우는 것도 좋지만 데이터 사이언스가 어떤 것이고 실제 어떻게 사용되는 지 빨리 감을 익히기 위해 온라인 데이터 사이언스 경진대회 ‘캐글’ 대회에 참여해 보기로 했다. 그래서 다음 글에서는 약 두 달간에 걸쳐 처음으로 캐글에 참여해본 경험에 대해 써보고자 한다.
