뉴비를 위한 '데이터 사이언스' 튜토리얼
데싸팀 교육 PM이 쉽게 말하는 "데이터 사이언스 취업 백서"
'데이터 사이언스' 게임에 오신 것을 환영합니다.
언제부턴가 '데이터'는 전 세계적으로 중요한 키워드가 되었고, '빅데이터'나 '데이터 사이언스'와 같은 분야 또한 생겨나 많은 사람들이 본인의 업무에 '데이터'를 활용하기 시작했습니다. 저 또한 2016년부터 '데이터'에 관심을 가지기 시작했고, 꾸준한 공부 끝에 현재는 데이터 사이언스 분야의 교육을 기획/운영하고 있죠.
저는 교육 PM으로써 1년에 1~2번 정도 모교에서 데이터 관련 직무에 대한 커리어 특강을 진행하기도 했고, 저를 찾아오시는 고객들을 위한 커리어 상담 및 컨설팅을 진행하면서 많은 분들의 이야기를 들어왔습니다.
그들은 주로 학생, 취준생이기도 하지만, 본업으로부터 이직을 고민하는 비전공자 직장인이기도 합니다. 그들은 SNS나 검색 포털을 통해 데이터 관련 분야에 대해 나름 많이 알아보고 오시고, 하다 못해 '빅데이터라는 분야가 유행해서', '데이터 사이언티스트가 유망하다고 해서'라는 이유로 교육 상담을 요청해오십니다.
그런데 말이죠, '데이터'라는 영역은 그 인기에 비해 개념이 정확하게 잡혀 있지 않습니다.
이 영역에 대해 잘 모르고 그저 유망하기 때문에, 비전이 좋기 때문에 무작정 시작하려 한다는 겁니다.
그렇기에 이 영역에 처음 접하시는 분들은 데이터에 대한 정확한 이해가 뒷받침되어야 합니다.
마치 게임을 시작하기 전, 게임의 스토리를 이해하면 더 쉽게 이해하듯이 말이죠.
데이터 사이언스라는 영역을 RPG 게임에 비유해보고 싶었다.이제, 데이터 사이언스 영역에 대한 최대한 많은 내용을 비전공자들도 쉽게 이해하실 수 있게끔 제 마음대로 정리해볼까 합니다.
RPG 게임에 비유해서 말이죠.
Lev 0. Data : 게임 시작 전, 스토리 이해
어서 오세요, 여러분! '데이터 사이언스' 게임에 오신 것을 환영합니다.
이 게임을 시작하기 전, 여러분은 데이터의 생태계가 어떻게 생겼는지, 그리고 어떻게 이런 게임이 나타나게 되었는지 그 역사, 스토리를 잘 이해하시면 좋겠습니다.
※ 정의를 엄밀하게 따지면 한도 끝도 없이 말해야 할 것이 늘어나기에, 충분히 요약했습니다.
사실 데이터는 생소한 단어가 아닙니다. 데이터(Data)는 말 그대로 "자료"죠.
데이터는 엑셀처럼 숫자가 될 수도, 여러분의 주민등록증에 있는 사진이 될 수도, 심지어는 최근 성행하는 주식의 차트가 될 수도 있습니다. 이처럼 어떤 저장 공간에 담기는 것들만 데이터냐고요? 어제 내가 먹은 만두의 개수나 며칠 전 내가 쇼핑몰에서 구매하고 싶었던 상품의 위시 리스트와 같이, 여러분이 정확히 기억하는 것, 여러분이 명확히 아는 것 또한 모두 데이터가 될 수 있습니다. (물론, 컴퓨터 상에 저장이 된다면 말이죠.)
이제는 데이터가 너무 많아지고, 용량이 커져 하나의 저장 공간에 담을 수 없어졌으며, 하나의 도구로 처리하기는 힘들어졌어요. 우리는 이를 '빅데이터'라고 합니다. 다시 정의하면, 빅데이터(Big Data)는 기존의 데이터 베이스로는 처리하기 어려울 정도로 방대한 양의 데이터를 의미합니다.
반면, 여러분의 널브러진(?) 다양한 데이터를 잘 정리해서 분석한다면 새로운 아이디어가 발생하기도 합니다. 예컨대 내가 자주 가는 카페와 비슷한 카페를 추천해주거나, 또는 막 찍은 사진에 자동으로 필터를 걸어주거나 하는 것처럼요.
이처럼 다양한 데이터로부터 새로운 지식, 새로운 인사이트를 추출하는 것에 과학적 방법론, 프로세스, 알고리즘, 시스템을 동원하는 융합분야를 데이터 사이언스(Data Science, 데이터 과학)라고 합니다.
결국 우리가 '데이터 사이언스' 게임을 플레이하는 목적은,
데이터를 과학적 방법론, 프로세스, 알고리즘과 시스템을 동원해
원하는 정보를 습득하기 위한 '모험'을 떠나는 것이죠.
그리고 그 끝에는 '데이터 사이언티스트'라는 값진 보상이 주어질 것입니다.
Lev 1. Career : 캐릭터 생성
이제 게임을 본격적으로 시작하기 위해, 캐릭터를 생성할 것입니다.
난 어떤 성향의 사람이고, 어떤 분야에 능할까? 나를 고민하는 시간, 바로 캐릭터 생성 시간.캐릭터는 나를 대표하는 개성 있는 아바타입니다.
나는 어떤 사람일까요? 어떤 성향을 가지고 있고, 어떤 분야에 능숙할까요?
그전에 잠깐, 우리의 보상이자 목적인 데이터 사이언티스트에 대해 조금 알아보겠습니다.
데이터 사이언티스트는 결국 '데이터 사이언스를 잘하는 사람들'인데, 이게 아무나 할 수 있는 게 아닙니다.
데이터 사이언스라는 분야는 프로그래밍, 수리통계, 실무 도메인의 결합이다.데이터 사이언티스트는 여러 성향을 가지고 있습니다. 때로는 데이터 분석 프로젝트를 리드하는 기획자로서, 때로는 데이터를 조리 있게 다루고 관리하는 개발자로서 데이터를 다루는 일에 적극 참여합니다. 그러다 보니 데이터 사이언티스트들에게는 아주 다양한 능력이 요구됩니다. 본인의 실무에 대한 도메인 지식은 물론, 프로그래밍 능력과 통계적 분석 능력까지.
데이터 사이언티스트는 분석가와 엔지니어의 능력을 고루 갖춘 사람이다.
데이터 분석 프로세스의 대략적인 구성. 엔지니어의 영역과 분석가의 영역이 잘 나눠지는 것이 포인트.간혹 보이는 데이터 사이언티스트 채용 공고에는 통계학 전공, 프로그래밍 전공 우대 또는 석사, 박사 우대를 많이 볼 수 있습니다. 그만큼 데이터 사이언티스트는 많이 배워야 하고, 잘 알아야 하기 때문이죠.
하지만 우리는 비전공자일 수도, 이제 갓 데이터 관련 직무로의 취업/이직을 희망할 수도 있는 뉴비입니다.
뉴비인 우리는 캐릭터를 생성하기에 앞서 어떤 성향을 가지는지(개발자 성향인지? 기획자 성향인지?)를 먼저 고민해본 후, 시작할 수 있는 작은 영역부터 도전해보자는 겁니다.
보통 프로그래밍에 능하시다면 엔지니어 쪽 직무를, 기획에 능하시면 분석가 쪽 직무를 많이 추천드리고 있어요.
여러분의 캐릭터는 어떤 모습을 하고 있나요?
분석가인가요, 엔지니어인가요?
Lev 2. Domain : 종족 선택
나의 캐릭터(희망하는 직무)가 선정되었다면, 이번에는 종족을 선택해야 합니다. 마치 엘프족, 마족, 전사족 이런 종족 말이죠. 이렇게 말하니 정말 게임 같네요. :)
그런데 어쩌면, 여러분은 이미 종족을 선택하셨거나, 원하는 종족이 있을지도 몰라요.
제가 말하는 종족 선택이란 바로 어떤 산업군의 도메인 지식을 가지고 있는가/가질 것인가를 말합니다.
본인이 가장 흥미롭게 생각하고, 가장 자신 있는 분야. 그게 도메인 지식이라고 생각한다.조금 더 이해하기 쉽게, 몇 명의 가상의 유저를 불러오겠습니다.
- A 씨는 한 중소기업의 1년 차 프로그래머로 일하다가, 본인의 업무에서 더 나아가 데이터 파이프라인을 구축하는 '데이터 엔지니어'로의 이직을 희망합니다.
- B 씨는 모 대기업의 10년 차 영양사로 일하다가, 식단을 조금 더 효율적으로 짜고 싶어 '식단 데이터를 분석하는 데이터 분석가'로 이직을 희망합니다.
- C 씨는 이제 막 대학교를 졸업한 통계학과 취업준비생으로, 데이터 분야가 전망이 좋다 하여 '데이터 사이언티스트'로 취업을 희망합니다.
- D 씨는 C 씨와 마찬가지로 이제 막 대학을 졸업한 체육학과 취업준비생인데, 야구를 좋아해 야구선수 데이터를 분석하는 '스포츠 데이터 분석가'로 취업을 희망합니다.
과연 이 네 사람의 몇 년 후 미래는 어떨까요? 사실 저마다 환경이 다르고 학습 정도가 달라 정답은 없겠습니다만, 감히 예상해볼 수는 있습니다.
- A 씨는 프로그래밍에 대한 지식은 있지만 어떤 데이터를 주로 다룰지 몰라 쩔쩔 매고, 결국 계속 해오던 프로그래머를 하게 됩니다.
- B 씨는 경험적으로 식단 데이터를 워낙 잘 다뤘다 보니 약간의 데이터 분석 공부만으로도 충분히 원하는 분석가가 됩니다.
- C 씨는 분명 전공자이지만 어떤 데이터를 다루고 싶은지 몰라 여전히 데이터 관련 학습을 진행합니다.
- D 씨는 야구 데이터만 집중적으로 분석하며 포트폴리오를 쌓은 결과, 원하던 스포츠 데이터 분석가가 됩니다.
다시 말씀드리지만, 위 사례는 가상의 사례입니다. 하지만 현실에서 충분히 있을 법한 사례가 아닐까 싶습니다.
네 사람 모두 저마다 원하는 직무가 있는데 그 결과가 다른 이유가 보이시나요? 바로 도메인 지식입니다. 막연히 '데이터 분석가가 되고 싶어요!', '데이터 사이언티스트가 되고 싶어요!'라고 하며 입사 지원서를 건네더라도, 어떤 기업에서든 똑같은 답변을 보일 것입니다. '그래서 어떤 분석가? 어떤 사이언티스트?'
내가 어떤 종족(산업군)에서 살아갈 것인지를 잘 고민해보고,
그 종족의 문화나 행동(도메인 지식)은 무엇인지를 확실하게 배워야 이 세계에서 살아남을 수 있습니다.
세계관도 잘 이해했고, 캐릭터도 나름 구체적으로 만들었으며, 종족을 잘 이해하고 선택했다면, 지금부터는 정말 데이터 관련 직무에 다가가기 위한 전투가 시작됩니다. (여기서 말하는 전투는 데이터 관련 업무가 되겠습니다.) 이 과정에서 여러분이 해야 할 일은 3가지로 나눠질 것입니다. 앞으로 말씀드릴 이 3가지는 가급적 '동시에' 익히는 것을 권장합니다. 그래야 전투의 효율이 올라가니까요.
Lev 3-1. Data Literacy : 전투 스타일 숙련
데이터 리터러시가 최근 데이터 관련 직무들이 갖춰야 할 필수 역량으로 떠오르고 있는데요. 데이터 리터러시(Data Literacy)는 데이터를 목적에 맞게 활용하는 역량, 데이터 속의 숨어 있는 인사이트를 발굴하는 역량, 데이터로부터 해석된 결과를 업무에 알맞게 적용하는 역량 등을 말합니다. 압축해서 말하자면 데이터로 조직원들과 소통하는 역량 정도가 되겠네요.
데이터를 적절하게 활용할 줄 알고, 데이터로서 조직원들과 소통할 수 있는 '전략', 데이터 리터러시.정의가 조금 어려운가요? 다시 RPG 게임에 비유해보죠.
어떠한 종족(기업)의 전사(데이터 분야 조직원)로서 태어난 당신, 성장하기 위해서는 전투가 필요합니다. 그런데 당신은 다양한 적(프로젝트, 과제)을 상대로 어떤 포지션에서 어떤 전략을 가지고 싸울 것인가요?
창기병으로서 그저 앞의 적만 바라보고 용맹하게 전진할지, 전략가로서 지형 등을 활용해 전략적으로 싸울지, 또는 대장으로서 모든 전장을 전두 지휘할지.
물론 사람마다 주어지는 포지션은 천차만별이지만, 각자가 가진 포지션과 전략을 적절히 조합한다면 전투에서 승리를 거머쥘 수 있을 것입니다. 그 전투에서 여러분은 주어진 포지션(데이터 분야 직무)에서 가진 무기와 전략을 최대한 적절히 활용할 줄 알아야 합니다. 이게 바로 리터러시 역량인 것이죠.
리터러시 역량을 어떻게 키울 수 있는지는 앞서 말한 데이터에 대해 먼저 잘 이해해야 하는데, 리터러시에 대한 자세한 내용은 많은 분들께서 좋은 글을 남겨주셨으니, 꼭 참고해보셨으면 합니다. 기회가 된다면, 제가 새롭게 작성하겠습니다.
Lev 3-2. Programming : 무기 선택 및 수련
전투에 있어 포지션이나 전략도 당연히 중요하지만, 어떤 전투라도 그냥 맨주먹으로 임한다면 무기를 가진 적으로부터 당하기 십상이죠. 여러분에게도 적들로부터 이겨낼 강력한 무기가 필요합니다. 그 무기가 바로 여러분이 흔히 들어봤던, 그리고 무작정 배우려 하는 것들. SQL, 파이썬, R과 같은 '프로그래밍 언어'입니다.
그럼 어떤 무기가 있을까요? 제일 먼저, 아무리 좋은 무기를 가지고 있더라도 반드시 익혀야 하는 맨주먹과 같은 존재, SQL입니다. SQL은 DBMS를 다루기 위해 사용되는 언어입니다. DBMS(DataBase Management System)은 데이터베이스(Database, DB)를 관리할 수 있는 시스템이죠.
또 간단히 비유해볼게요. 어떠한 아이템들(데이터)을 획득하면 자신의 인벤토리(DB)에 들어가는데, 이를 잘 정렬시켜주는 시스템(DBMS)이 게임 기능에 적용되어 있어서, 필터링 작업(SQL)을 통해 포션은 포션대로, 전리품은 전리품대로 모이겠죠.
데이터베이스로부터 데이터를 추출하고, 관리하려면 SQL은 필수가 되었다.회사 내에 데이터가 들어오면 전사적으로 관리하는 DB에 적재될 것이고, DBA와 같은 데이터베이스 관리자들이 사내 DBMS를 통해 잘 정제/처리할 것입니다. 그렇지만 이런 데이터들을 단순히 관리자들이 볼까요? 전략기획팀에서, 마케팅팀에서, 경영팀에서 각자 원하는 DB에 접근하여 데이터를 다뤄야 합니다. 즉, 어떤 업무에 있더라도 여러분은 DBMS와 SQL에 대해 알고 있어야 한다는 것입니다. DBMS에는 Oracle, MySQL, SQL Server 등등 종류가 다양해요. 당연히 각 DBMS마다 사용되는 SQL의 문법은 다 다릅니다. 하지만 다행히, 세계적으로 SQL 표준이 적용되기 때문에 큰 차이를 가지고 있지는 않아요.
TMI) 파이썬은 사실 뱀이다!반면, 어떤 게임이라도 밸런스 파괴에 가까운 만능 무기가 있죠. 바로 파이썬(Python)입니다. 파이썬은 데이터 분석은 물론 웹 개발, 게임 제작, AI 등 다양한 분야에서 꽤나 강력한 퍼포먼스를 가졌음에도 불구하고 무료(!)인 오픈 소스 프로그래밍 언어입니다. 당연히 SQL 뿐만 아니라 다양한 프로그래밍 언어 간의 연동도 가능합니다. 무엇보다 초보자도 쉽게 접근할 수 있는 난이도라 그런지, 아주 많은 기업에서 직무를 막론하고 파이썬을 활용하고 있습니다.
그 외에도 정말 많은 프로그래밍 언어가 있어요. 어쨌든 중요한 것은, 데이터를 다루는 작업은 프로그래밍이 필요한 작업이고, 그렇기 때문에 프로그래밍 언어를 잘 배우면 좀 더 효율적으로 데이터를 다룰 수 있다는 거예요. 그렇다고 모든 프로그래밍 언어를 한꺼번에 빠르게 배우려 하지는 마세요. 물론 뛰어난 전사라면 당연히 모든 무기를 들고 적절한 포지션에서 최고의 전투력을 뽐낼 것입니다. 하지만, 뛰어난 전사가 되고 싶어 무작정 모든 무기를 들고 전장에 나갔다간 되려 어떤 무기 하나라도 제대로 쓰지 못하고 패배하게 됩니다. 이럴 때 여러분께 감히 충고합니다, 선택과 집중이 필요하다는 것을.
당신은 어떤 무기를 들고 싶은가요? 혹은 어떤 무기를 들 수 있나요?
자신의 강점을 살리는 무기들을 잘 선택하여, 쉬지 않고 갈고닦길 바랍니다.
Lev 3-3. Mathematics & Statistics : 능력치 업그레이드
각자의 스타일로, 각자의 무기를 들고 전투에 나가다 보면 자신도 모르게 레벨이 오를 것입니다. 레벨이 오르면 여러분이 하실 수 있는 것은 바로 능력치 올리기! 힘, 민첩, 건강 등 다양한 능력치(Stat)를 올리면서 더욱 강한 무기를 장착할 수도 있고, 더욱 강한 상대와의 전투도 가능해집니다. 데이터 사이언스 세계에서는 '수학과 통계 지식'이 바로 힘이고, 민첩이고, 건강입니다.
내가 꿈꾸는 수학.img(좌) / 내가 실제로 할 줄 아는 수학.img(우)그런데 커리어 상담을 도와드리다 보면 꼭 나오는 질문이 있어요.
"비전공자라 수학은 잘 모르는데 데이터 분석 가능한가요?"
"데이터 사이언티스트 하려면 통계도 잘 알아야 한다는데.."
위에서도 말했던 것처럼 데이터 사이언티스트 채용 공고에 수학/통계학 전공이 최소 우대사항으로 보고 있습니다.
위 질문에 대해 냉정하게 결론부터 말씀드리면, 네. 필요합니다. 반드시 배우셔야 해요.
통계학의 사전적 정의는 산술적 방법을 기초로 하여, 주로 다량의 데이터를 관찰하고 정리 및 분석하는 방법을 연구하는 수학의 한 분야입니다. 데이터를 보고, 정리하고, 분석하는 방법을 알아야 데이터를 잘 다룰 줄 안다는 건데, 그 기반이 바로 수학과 통계학이라는 겁니다. 이 능력치(Stats)를 갈고닦으면 AI 분야(머신러닝, 딥러닝)처럼 조금 더 어려운 분석으로의 도전이 가능해집니다.
전투에서 얼마나 강력한지 판단하는 요소가 능력치(Stats)인 것처럼,
데이터를 잘 다룰 줄 아는지 판단하는 요소가 통계적 지식입니다.
Lev 4. AI : 각성 스킬 습득
이제 어느 정도 이 세계에 적응을 많이 하셨을 것 같습니다. 이미 많은 모험가들의 이야기를 SNS로 많이 봤을 테고, 조금 잘 따라오셨던 분들은 자신만의 길을 닦아 이미 모험을 떠나셨을 테죠. Lev 3까지의 길만으로도 본인의 전장(기업)에서 충분히 높은 퍼포먼스를 보이실 수 있답니다.
그런데 여러분이 전투를 충분히 진행하셨고(경험을 많이 쌓으셨고), 다양한 무기를 다루실 수 있게 되시며(다양한 언어를 활용해 분석이 가능하시며), 능력치를 확실히 끌어올리셨다면(통계 지식을 충분히 배우셨다면), 여러분은 각성하여 새로운 스킬을 얻으실 자격이 생길 겁니다. 바로 AI죠.
로봇, 인간과 유사한 기능을 수행하는 물체.AI(Artificial Intelligence, 인공지능)는 인간의 학습능력, 추론 능력, 지각 능력, 그 외에 인공적으로 구현한 컴퓨터 프로그램 또는 이를 포함한 컴퓨터 시스템'을 말하며, 쉽게 말해 인간의 지능을 구현한 시스템입니다. AI는 사람이 하는 모든 것, 간단한 것부터 복잡한 것들까지 스스로 처리할 수 있는데, 그 이유가 바로 데이터 때문이죠.
재밌게도 요즘 나오는 모바일 RPG 게임에서는 자동사냥이 있습니다. 전투를 오래 하다 보면 싸우는 자세, 스킬 등을 사용하는 일정한 패턴이 존재하는데 그걸 굳이 손으로 일일이 스킬 입력을 하는 것보다 그저 자동사냥 버튼만 누르면 알아서 사냥을 해주도록 되어있죠. (이 자동사냥 시스템도 현실의 AI를 사용합니다.) 이미 플레이한 유저들의 패턴이라는 경험 데이터가 존재하기 때문에 자동사냥이 가능한 겁니다.
이처럼 인간의 경험 데이터를 컴퓨터에게 주입시켜 다음 패턴을 분석 및 예측하는 AI의 한 분야를 머신러닝이라고 합니다. 반면 최근에는 딥러닝이라는 기술도 많이 들어보셨죠? 딥러닝은 머신러닝 기술이 더욱 발전되어 마치 인간의 뇌구조를 닮은 인공신경망(Neural Network) 형태를 지닌 컴퓨터의 기술인데, 아주 쉽게 이야기하자면 컴퓨터에게 인간의 경험 데이터뿐만 아니라 인간의 학습, 추론, 인지 능력 자체를 주입시킨 기술입니다. 결국 딥러닝 ⊂ 머신러닝 ⊂ AI 라고 이해하시면 됩니다.
높은 무기 숙련도(프로그래밍 스킬)와 능력치(수학&통계 지식)가 있다면,
본인의 포지션에 상관없이 AI 기술을 터득해보시는 것은 어떤가요?
Master. Trend : 최신, 최강 아이템 장착
RPG 게임의 끝이 과연 만렙일까요? 모든 전투에서의 승리일까요? 아닙니다. 바로 최신 트렌드 아이템 장착이죠. 계속된 게임 업데이트에서 나오는 새로운 아이템을 획득하고 최강의 아이템을 착용하는 재미 덕분에 RPG 게임의 끝은 없다고 봐도 무방하죠. 데이터 사이언스 세계에서도 마찬가지입니다. 지금도 데이터를 활용한, AI 기술을 활용한 수많은 최신 트렌드 기술이 등장하고 있습니다.
심지어 지금 시점에서는 이 기술들도 어쩌면 한 세대 이전의 기술일지도?저는 말이죠, 그 많은 최신 기술들이 크게 3가지 분야로부터 파생되어 발전된다고 보고 있습니다. (이미 모 보고서에는 해당 내용을 AI 최신 동향의 분야들로 꼽았더군요.)
- 자연어 처리(Natural Language Processing, NLP) : 인간의 언어(자연어) 데이터를 이해/처리
- 컴퓨터 비전(Computer Vision, CV) : 이미지, 영상 등의 데이터를 이해/처리
- 음성 인식(Speech Recognition) : 소리 데이터를 이해/처리
당연히 위 기술들은 머신러닝, 딥러닝 등 AI 기술에 대한 이해가 충분히 있어야 습득할 수 있다는 것, 말하지 않아도 아실 겁니다.
이미 많은 사람들이 이 분야에 도전하고 있고, 뛰어난 데이터 사이언티스트 분들께서 더욱 다양한 최신 기술을 연구하고 있습니다. 유형의, 또는 무형의 데이터로부터 인간에게 편리함을 주는 그런 인사이트나 기술에 도전하길 갈망하는 여러분은, 어쩌면 벌써 이 튜토리얼을 마칠 때가 되지 않았을까요?
최신, 최강의 아이템은 처음부터 끼기에 부담됩니다.
천천히, 차근차근 기본 아이템부터 껴보고 고민하세요.
튜토리얼을 종료합니다.
튜토리얼(Tutorial)은 교육에서는 '무언가를 배우기 위해 사용하는 교습 소재, 지침'을, 게임에서는 '게임을 하기 전에 사람들이 이 게임에 대한 것들을 알게 해서 수월하게 만드는 요소'를 의미한다고 합니다.
사실 이 글을 쓰면서 참 많은 생각을 했습니다. '게임을 좋아하지 않는 사람이라도 쉽게 이해할 수 있을까? 비유가 적절했을까? 잘못된 정보를 주지는 않았을까?'
하지만 금세 이 생각은 접었습니다. 저는 이 튜토리얼을 교육의 목적이라기보다 정말 순수하게 게임의 목적으로 작성했기 때문입니다. 즉, 단지 이 글은 이 세계에 대해 알기 수월하게 만드는 요소이지, 실제로 배워서 사용하는 것은 본인의 몫이라는 것이죠.
어쨌든, RPG 게임에 정해진 길이나 정답은 분명히 없습니다. 그렇지만 어떤 길이 있는지는 보여야 한다고 생각합니다. 그렇기에 적어도, 이 방대한 스토리의 게임에 뛰어드는 뉴비 유저들에게 현생(현업)에서는 쉽게 경험하지 못할 새로운 세계를 보여드릴 수 있다면 그것만으로도 충분히 이 튜토리얼에 가치가 있다고 봅니다.
저는 데이터 사이언스 팀 교육을 기획하는 PM입니다. 이 세계를 고민하시는 여러분에게 최대한 쉽게 입문하실 수 있도록 가이드라인을 제시해드리는 것이 제 미션이지 않을까 싶네요. 앞으로도 재밌는 비유, 깔끔한 정리로 여러분의 데이터 사이언스 교육에 가이드가 되어드리겠습니다.
