AI 시대를 맞이하면서 우리는 다양한

직무(Career)의 구조적인 변화를 맞이하고 있습니다.

특히 IT 업계에서 그 변화가 두드러지고 있는데요.

그 중 ‘데이터 분석’ 분야가 바뀌고 있는 구조적인 방향에

대해 크게 3가지 방향으로 나누어서 이야기해보고자 합니다.

1. AI를 단순한 ‘분석 도구’가 아닌 ‘분석 파트너’로 여기기

AI 시대 이전에는 데이터 분석가가 직접

데이터를 요약 및 전처리하고 시각화하는 부분에

가장 많은 시간을 사용했습니다.

하지만 지금는 AI를 활용하여,

데이터를 요약하고 시각화하고,

데이터 모델까지 생성하는 데 10배나 더 빠르게 수행할 수 있죠.

그렇다면 모든 데이터 분석의 영역이 AI에게 대체될까요?

저는 아니라고 생각합니다.

여전히 AI가 놓치기 쉬운 ‘분석의 맥락’과 ‘문제 정의’는

여전히 사람이 직접 해야합니다.

그리고 “처음부터 끝까지 직접 분석하는 것”이 아니라,

“AI와 함께 나누어 분담”하는 방식으로

분석 방식을 바꿔야 한다고 생각합니다.

2. 실무 역량보다 중요한 ‘질문력’과 ‘기획력’ 키우기

AI 시대 이전에는 분석 도구에 대한

실무 역량과 통계/실험 기법이 핵심 역량이었습니다.

주어진 데이터를 어떻게 효율적으로 다룰수 있는지에 대한 이해도와

데이터의 정확성을 높이는 통계 기법이 분석가의 주요 역량이였죠.

하지만 새로운 AI 시대에는 주어진 데이터를 통해

“무엇을 해결할 것인가” 와 "무엇을 개선할 것인가”를

파악하는 것이 더 중요해졌습니다.

즉 데이터 자체에 집중하기 보다,

‘문제’ 중심으로 데이터를 바라보는 ‘질문력’과 ‘기획력’이

핵심 스킬로 부상하게 된 것이죠.

3. AI의 능력이 증가할수록 중요해지는 ‘인사이트’의 차별성

ChatGPT, Power BI, Tableau, Google Sheets 등으로

복잡한 코드나 프로그래밍 지식 없이도

데이터 기반 시각화나 요약이 상대적으로 쉬워졌습니다.

즉, 도구를 얼마나 익숙하게 사용하는지는

상대적으로 크게 경쟁력을 갖추지 못하게 된 것이죠.

그 대신 같은 데이터를 분석해도

“어떤 인사이트를 끌어내느냐”가 진짜 경쟁력의 본질이 되었습니다.

이제 데이터 분석은 ‘데이터 전문가만의 영역’이 아닌,

모든 직무의 공통 언어가 되어가고 있습니다.

마케터, 기획자, 운영자, PM, HR 등 모든 직무가

데이터 기반 의사결정을 기본 역량으로 요구합니다.

AI에게 데이터 분석의 프로세스를 분담하고,

사람이 데이터 분석을 ‘’기획"하고 ‘해석’하는 능력이 더 중요해진 시대,

앞으로 데이터 분석 분야는 어떤 방향으로 더욱 발전하게 될까요?