데이터 분석 관련 책 추천, 그 안에서 내가 느낀 것들에 대한 기록
커리어 전환을 어쩌다 보니 기획자 > 퍼포먼스 마케터 > 브랜드 마케터 > PM > 데이터 분석가
이렇게 여러가지 짬뽕(?)된 커리어를 경험하다 보니 "데이터 분석"에 대한 궁금증이 생기더라구요
"일단 뭐든 해본다"의 저의 마인드가 이렇게 여러가지 업무를 경험할 수 있게 된 것 같습니다.
물론 찍먹 느낌이 날 수도 있다고 바라 보는 분들도 계실 것 같아요.
그렇지만 지금의 저는 그렇게 생각하지 않습니다.
저의 커리어 속에서 저만의 강점을 발견했고 약점도 발견할 수 있었어요.
그 속에서 약점은 보완을 하되 강점은 더 키울 수 있도록 노력해야 한다고 생각합니다.
그럼 "어디서든 어떤 상황에서든 어떤 일도 적극적으로 할 수 있는" 마인드를 갖게 되지 않을까 믿어봅니다.
저의 커리어는 아래와 같습니다.
데이터 사이언스 교육 기획자 > 퍼포먼스 마케터 > 브랜드 마케터 > PM > 데이터 분석가
문득 걱정이 들더라구요. 이렇게 커리어가 휙휙 바뀌면 어떻게 하지..? 하는 걱정.
그런데 곰곰이 생각해보니 저는 커리어의 변화를 거치면서 그냥 그 순간에 집중했던 것 같아요.
그렇지만 그럼에도 불구하고 한번 해보자
일단 재밌어보여? 일단 해 그러면 ! 뭐든 되겠지, 해보고 싶은 건 다 해보자.
그렇다면 그 속에서 길이 열리지 않을까?라는 생각을 했던 것 같아요.
지금의 회사에서도 PM으로 여러가지 가설에 따른 개선 액션들을 기획하고 리딩하는 일을 했다가
데이터 분석의 필요성이 높아짐에 따라 데이터 분석가로서의 업무를 진행하게 되었습니다.
지금의 저는 업무적으로의 어려움을 겪고는 있지만 업무 자체는 저에게 잘 맞고 즐겁습니다.
그렇기 때문에 솔직히 커리어가 꼬였다는 생각도 크게 들지 않는 것 같아요.
나의 커리어 속에는 공통점이 있다.
업무 속에서 공통점을 찾아 보면, 무언가를 기획해야 한다는 것입니다.
"기획"은 모든 업무에 있어서 가장 중요하다고 생각하는 데,
첫 커리어를 교육 기획자로서 기획이 80% 이상 했던 덕분에 기획하는 일은 크게 어렵진 않습니다.
특히나 정리를 하고 의사소통 하는 것에 강점을 가지고 있다고 생각합니다.
이건 기획자, 퍼포먼스 마케터로 업무를 해오면서 커뮤니케이션을 자주 할 수 밖에 없는 업무 환경에 노출되어 있던 덕분인 것 같습니다.
물론 아직도 더 나의 의도와 주장을 간결하게 정리해 말로서 전달하는 건 어렵고 배워야 한다고 생각합니다.
문과생 데이터 사이언티스트가 되다 책을 읽고 느끼다.
문과생 데이터 사이언티스트되다, 20년도 참 재밌게 읽었던 책입니다.
그 책을 최근 들어 다시 읽어 봤어요. 20년도에는 데이터 사이언스 업계가 막 핫해질 무렵이었고
그에 따른 교육들도 수요가 높아졌으며 그에 저도 일조를 하고 있었죠.
그때는 이해는 가면서도 공감이 가지 않았던 것들이 많습니다.
그런데 지금 다시금 읽어보니 문과생으로서 공감도 되고 위로도 참 많이 받았던 책이었습니다.
데이터 사이언티스트는 3가지 영역 즉, 데이터를 분석하는 기술, 상황에 맞게 '통계'를 적용할 수 있는 지식, 분석의 결과를 해석하고 전달하는 '인문'학적 역량을 각각 일부라도 갖춰야 한다
여기서 제가 그나마 있는 건 인문학적 역량, 그리고 통계적인 지식 조금입니다.
다행히도 대학 전공 때 사회 통계를 전공해서 통계에 대한 개념을 알고 분석에도 활용해 본 경험이 있습니다.
19년도에 국비 교육으로 들었던 개발자 과정에서 직접 테이블 구조를 짜고 분석해본 경험이 있으니 잘 알지는 못하지만 보면 이해는 한다.는 수준입니다.
위로가 되더라구요, 그리고 제가 앞으로 해야 할 일들에 대해서 곱씹어보게 해준 것 같습니다.
이 데이터로 어떤 결과를 이끌어낼 지 데이터의 목적을 논의하면서 ‘주기’란 무엇인지, ‘짧다와 길다’의 기준은 무엇인 지 정의하는 과정이 있다면 데이터를 비즈니스에 의미있게 활용할 가능성이 높아진다.
데이터를 다루는 데에 있어 정말로 중요한 관점인 것 같아요.
"기준에 대해 정의하는 것" 그래야 더 정교한 분석을 할 수 있고 의미있는 분석이 가능한 것 같습니다.
나 혹은 타인이 왜 불편했는지 각자의 입장을 돌아보면서 지금 문제가 무엇인지, 이 문제를 수치화할 수 있는지, 수치화할 수 있다면 개선 가능성을 데이터로 어떻게 찾아낼 수 있는지 생각하는 것. 이 모든 시작에 약간의 호기심이 필요하다.
늘 호기심이 가득하던 저에게 공감을 준 문장입니다. "왜"에 대해서 생각하는 걸 좋아하는 사람이다 보니
이 부분을 데이터로 풀 수 있지 않을까? 생각하는 관점 자체가 저에겐 매우 흥미로운 것 같아요.
“왜”에 대해서 가장 명쾌하게 답변을 내려준 게 데이터 분석이다. 해석하는 역량도, 데이터 분석의 방향성을 기획하는 것도 재밌어요. 다만 이 속에서 가설도 세워가며 나만의 기준을 만들어 가는 게 중요하다 생각합니다.
데이터 분석의 첫 단계는 인간의 언어에서 시작된 질문을 어떻게 숫자로 만들어낼지 탐색하는 일이다.
제품 - 고객 사이를 이해할 수 있는 하나의 방법론이 데이터 분석인 것 같습니다. 직접 그들의 말을 듣는 것도 방법이지만 정량적/수치적으로 확인했을 때 "확신성"을 갖게 될 수 있으니까요.
인간의 언어를 데이터로 푸는 일, 그게 참 매력적인 것 같다는 생각을 했습니다.
지금의 저는 이런 일련의 과정을 겪고 있는 데, 앞으로는 더 잘 해내고 싶고
더 재밌고 즐겁게 일해 나가고 싶습니다. 그리고 저는 앞으로 그렇게 일하게 될 것 같아요.
인생에는 정답이 없고 나를 위한 해답만 존재할 뿐, 그 기준은 내가 되어야 하는 것 같습니다.
지금 당장 해볼만 한 데? 일단 해보면 어때? 라고 생각하면 바로 해봅니다.
그렇게 하다 보면 자연스럽게 나만의 커리어가 쌓일 것이라 믿습니다.