데이터 분석가가 되려면

데이터 분석가라는 직군에 대한 수요가 증가하고 있다. 이유는 데이터 산업에 대한 수요가 증가세에 있고, 그만큼 데이터가 모든 산업 전반에 전산화 작업이 진행되고 있으며 그 속도는 가속화될 여지만 있을 뿐 줄어들 전망은 희박하기 때문이다. 

출처 : IDC

위의 그림에서 나타나듯이 데이터 분석가에 대한 수요는 앞으로도 증가할 것이고, 시장에서도 데이터를 분석해달라는 요구가 지속적으로 증가할 것으로 보인다. 데이터 분석가 직군의 전망이 좋다는 것을 알았다면, 어떻게 데이터 분석가가 될 수 있을까?

---

데이터 분석가 업무

데이터 분석가가 되기 위한 준비를 하기에 앞서서 먼저 데이터 분석가의 업무에 대해서 살펴보도록 하자. 

1. 데이터 가공/수집 및 데이터 분석
2. 미래 예측
3. 솔루션 제공

4차 산업과 관련된 직군인 데이터 분석가는 빅데이터 시대가 되면서 더 치밀한 분석과 예측을 할 수 있게 되면서 더 각광을 받고 있는 것 같다. 솔루션을 제공할 때도 단순히 제공하는 것으로 끝내는 것이 아니라 제공된 솔루션이 어떠한 효과를 미칠 수 있는지 정확한 수치로 말해줄 수 있고 그 정확도가 낮지 않기 때문에 많은 기업들과 산업이 이를 신뢰하고 더 효율적인 방식으로 기업을 운영할 수 있게 된 것이다. 데이터 분석이 가능해지면서 기업 경영에 대한 패러다임이 바뀌고 있고, 더 과학적인 방법으로 기업을 경영해나가려는 흐름이 생기게 되었다. 

 

데이터 분석가가 되기 위해 준비해야 할 것들!

데이터 분석가가 되기 위해서 반드시 통계나 정보학 혹은 컴퓨터 과학을 전공할 필요는 없다. 있으면 좋겠지만, 그렇지 않더라도 데이터 분석가가 될 수 있다. 아래는 기본적인 소양들을 정리해보았다. 크게 보면 아래와 같이 구성해볼 수 있다. 

• 데이터 조작 능력 : 데이터를 다루는 skill
• 데이터 해석 능력 : 데이터의 값들이 어떤 의미를 지니는지 읽어내는 skill
• 스토리텔링 : 데이터 분석 과정과 결과를 통틀어 전체적인 그림을 설명하고, 솔루션을 제공하는 skill

 

데이터 조작 능력

데이터를 먼저 다룰 줄 알아야 한다. 그렇다고 해서 반드시 python이나 R을 시작해야 하는 것은 아니다. 데이터라고 하는 것은 분야 따라 다른 색과 결을 지닌다. 그렇기 때문에 사용되는 툴이 다를 수도 있다. 어떤 곳에서는 Excel만 이용해서 데이터 분석을 하기도 한다. 요새는 Microsoft Excel의 기능이 워낙 좋아서 통계적인 툴들도 다 들어있다. 하지만 뭐가 됐든, 자신의 분야에 맞춰서 데이터 분석을 할 수 있는 조작능력을 기르는 것이 중요하다. 최근의 추세는 Excel에서 Python 혹은 R을 이용한 데이터 분석으로 옮겨가고 있는 것은 사실이다. 그리고 Python, R 말고도 데이터베이스를 조작할 수 있는 능력도 기본적으로 요구돼, SQL을 다룰 수 있는 능력을 갖추는 것이 중요하겠다. 

1. Python/R 기본 문법에 대한 공부 필요
2. SQL 데이터베이스(MySQL/Postgresql/MicrosoftSQL 등)을 구축하고 쿼리를 통한 데이터 추출 및 가공
3. Python/R 에서의 데이터 분석 라이브러리 사용 : Pandas/matplotlib/Rshiny/Plotly/Dash 등
4. Github

데이터를 조작하는 것은 분석가의 기본적인 소양임을 잊지 말자. 이것들을 공부할 수 있는 곳들은 굉장히 많이 있다. Googling을 해봐서 적절한 곳을 찾아서 배워나가도록 하자.

 

데이터 해석 능력 

데이터의 값들이 왜 이런 식으로 나왔는지, 각 값들이 어떤 의미를 지니는지 읽어낼 수 있어야 한다. 여기서 도메인 지식이 필요함을 알수 있다. 도메인 지식이란, 분야에 대한 전반적인 지식을 뜻한다. 만일 도메인 지식이 없다면 데이터는 그저 숫자일뿐이고 그 어떤 의미도 갖지 못한다. 하지만 도메인 지식을 통해서 데이터들이 갖는 의미를 부여하고 적절히 찾을 수 있다. 이런 것은 어떻게 키울 수 있을까? 바로 현장 경험이다. 그렇기 때문에 이 역량은 신입 데이터 분석가, 특히 도메인에서 별로 활동해본 경험이 없는 데이터 분석가에게는 키우기 상당히 어려운 자질이다. 그러나 간접적으로 익힐 수 있는 방법은 분야에 대한 책이나 자료를 접하는 것이다. 산업이 어떻게 작동하는지 이해한다면 데이터 분석이 더 쉬워진다. 비어 있는 값들을 어떻게 채워야할지, 그대로 놔두어야 할지 등에 대해서 더 잘 알 수 있다. 

데이터 해석 능력은 결국 어떤 솔루션을 제공하는지와도 관련이 있다. 산업에 대한 이해가 깊으면 깊을수록 더 좋은 솔루션, 데이터가 증명하는 솔루션을 제공할 수 있다. 결국 데이터 분석으로 기업이 얻고자 하는 것은 insight를 통한 이윤의 극대화다. 그것이 효율의 향상이건, 생산성 극대화건 모두 데이터 분석가의 안목에서 나오게 된다. 

데이터 분석가의 업무에는 또 데이터를 이용한 미래 예측이 있다. 물론 보통 이런 일들은 데이터 사이언티스트가 하겠지만, 아직 산업에서 그만큼 분업화되어 있지는 못한 것 같다. 예측을 할 때 사용되는 지식이 수학/통계이다. 그러므로 기본적인 통계에 대해서는 공부해 놓을 필요가 있다. 기술통계, pvalue, 신뢰구간, 연속형/명목형 데이터들의 비교에 대해서 어떤 검정(test)를 진행하는지 알아 놓는다면 도움이 될 수 있다.  

 

스토리텔링

데이터 분석가가 하는 일은 결국 소통이다. 데이터를 아무리 잘 분석했다고 하더라도 그것을 제대로 설명할 수 없다면, 데이터 분석가로서의 자질은 0이다. 자신이 했던 모든 프로세스를 잘 정리한 다음에 그것을 보고서 혹은 프레젠테이션을 만든 후에 자신이 분석한 내용으로 의사결정권자, 즉 경영진을 설득하는 일을 한다. 아무리 멋진 플롯을 만든다고 해도, 소통이 안된다면 했던 모든 일들은 무용지물이 된다. 그러므로 데이터 분석가로서 소통하는 방법도 익힐 수 있어야 한다. 

데이터 분석가는 데이터로 소통을 하는 사람이다. 데이터를 기반으로 자신의 솔루션에 대해서 설득해 나갈 수 있어야 한다. 이런 스킬은 어떻게 기를 수 있을까? 바로 자신이 했던 데이터 분석 프로젝트를 누군가에 설명하는 연습을 해보는 것이다. 즉, 프레젠테이션을 통해서 문제를 설명하고, 사용한 데이터는 무엇이었으며, 데이터는 어떤 결과를 나타내었고, 그래서 어떤 식으로 해결해나가면 좋겠다라는 결론을 제시하는 것이다. 

---

오늘은 데이터 분석가가 되려면 어떻게 해야 하는지, 데이터 분석가의 역할은 무엇인지 알아보는 시간을 가졌다. 여러모로 데이터 분석 커리어를 만들어 나가고 싶어하는 사람들에게 도움이 되길 바란다.