
"우리도 한낱 직장인일 뿐인걸요...😇" 
일하는 방식도 수치적으로 완벽해야만 할 것 같은 직무 '데이터 분석가', 하지만 잘 들여다보면 다들 실수투성이라는데..?
잘못 뽑은 데이터와 거친 세상과 동료들의 불안한 눈빛을 피해 위로받고 싶은 분석가를 찾습니다!

🗣️ 업무하면서 아찔했던 순간, 실수에 대한 에피소드를 들려주세요
실무에서 데이터 분석을 할 때 저질렀던 아찔한 실수, 창의적인 실수, 나만 아는 실수 등 여러분이 경험했던 다양한 실수에 대한 에피소드를 들려주세요.
옛날 옛적 이야기도 좋고, 현재 진행형인 고민에 대한 사연도 좋습니다.
정말 트라우마로 남은 최악의 실수도 용기 내어 사연으로 보내주시면, 옆자리 분석가들과 함께 이야기 나누며 작고 소중한 추억으로 바꾸어드릴게요 💝

🎙️ 데이터 분석 실수담 예시 모음.zip
Ex) 입사 초반에 예쁜 차트를 만든다고 컬러풀하게 꾸몄어요. 그런데 보고서를 발표할 때 디자이너 분께서 "색깔이 너무 많아서 정보가 하나도 안 보이네요..."라고 하더라고요. 데이터가 예술작품이 되면 안 된다는 것 그때 깨달았어요.
Ex) 분석 프로젝트 결과를 CSV로 저장해 공유했는데, 모두가 이상한 글자만 나온다고 하더라고요. 알고 보니 인코딩을 ANSI로 저장해서, 한글이 죄다 ‘���’로 깨져버렸어요ㅠㅠ

✅ 보내주신 사연은 데이터리안 유튜브 콘텐츠로 사용될 수 있습니다.
✅ 유튜브 콘텐츠에서 사연이 소개된 모든 분들께 스타벅스 기프티콘을 보내드립니다.

📌 '옆자리 분석가' 

'옆자리 분석가'에게 여러분의 이야기를 들려주세요.

"그러면 참 좋겠네요... 😇" 

일하는 방식도 수치적으로 완벽해야만 할 것 같은 직무 '데이터 분석가', 하지만 잘 들여다보면 다들 실수투성이라는데..?

잘못 뽑은 데이터와 거친 세상과 동료들의 불안한 눈빛을 피해 위로받고 싶은 분석가를 찾습니다!

🗣️ 업무하면서 아찔했던 순간, 실수에 대한 에피소드를 들려주세요

실무에서 데이터 분석을 할 때 저질렀던 아찔한 실수, 창의적인 실수, 나만 아는 실수 등 여러분이 경험했던 다양한 실수에 대한 에피소드를 들려주세요.
옛날 옛적 이야기도 좋고, 현재 진행형인 고민에 대한 사연도 좋습니다.
정말 트라우마로 남은 최악의 실수도 용기 내어 사연으로 보내주시면, 옆자리 분석가들과 함께 이야기 나누며 작고 소중한 추억으로 바꾸어드릴게요 💝

🎙️ 데이터 분석 실수담 예시 모음.zip

 * Ex) 입사 초반에 예쁜 차트를 만든다고 컬러풀하게 꾸몄어요. 그런데 보고서를 발표할 때 디자이너 분께서 "색깔이 너무 많아서 정보가 하나도 안 보이네요..."라고 하더라고요. 데이터가 예술작품이 되면 안 된다는 것 그때 깨달았어요.
 * Ex) 분석 프로젝트 결과를 CSV로 저장해 공유했는데, 모두가 이상한 글자만 나온다고 하더라고요. 알고 보니 인코딩을 ANSI로 저장해서, 한글이 죄다 ‘���’로 깨져버렸어요ㅠㅠ

✅ 유튜브 콘텐츠에서 사연이 소개된 모든 분들께 스타벅스 기프티콘을 보내드립니다.

데이터리안의 새로운 콘텐츠 '옆자리 분석가', 사연 보내기
👉 https://forms.gle/kGsote9ctX1PbEWx8

'옆자리 분석가' 지난 에피소드 다시 듣기
👉 https://dub.sh/e2MdrIB

"그러면 참 좋겠네요... 😇"&nbsp; 일하는 방식도 수치적으로 완벽해야만 할 것 같은 직무 '데이터 분석가',&nbsp;하지만 잘 들여다보면 다들 실수투성이라는데..? 잘못 뽑은 데이터와&nbsp;거친 세상과 동료들의 불안한 눈빛을 피해 위로받고 싶은&nbsp;분석가를 찾습니다! 🗣️ 업무하면서 아찔했던 순간, 실수에 대한 에피소드를 들려주세요 실무에서 데이터 분석을 할 때 저질렀던 아찔한 실수, 창의적인 실수, 나만 아는 실수 등 여러분이 경험했던 다양한 실수에 대한 에피소드를 들려주세요.옛날 옛적 이야기도 좋고, 현재 진행형인 고민에 대한 사연도 좋습니다. 정말 트라우마로 남은 최악의 실수도 용기 내어 사연으로 보내주시면, 옆자리 분석가들과 함께 이야기 나누며 작고 소중한 추억으로 바꾸어드릴게요 💝 🎙️ 데이터 분석 실수담 예시 모음.zip <ul ><li>Ex) 입사 초반에 예쁜 차트를 만든다고 컬러풀하게 꾸몄어요. 그런데 보고서를 발표할 때 디자이너 분께서 "색깔이 너무 많아서 정보가 하나도 안 보이네요..."라고 하더라고요. 데이터가 예술작품이 되면 안 된다는 것 그때 깨달았어요.</li><li>Ex) 분석 프로젝트 결과를 CSV로 저장해 공유했는데, 모두가 이상한 글자만 나온다고 하더라고요. 알고 보니 인코딩을 ANSI로 저장해서, 한글이 죄다 ‘���’로 깨져버렸어요ㅠㅠ</li></ul> ✅&nbsp;유튜브 콘텐츠에서&nbsp;사연이 소개된 모든 분들께 스타벅스 기프티콘을 보내드립니다. 데이터리안의 새로운 콘텐츠 '옆자리 분석가', 사연 보내기👉 https://forms.gle/kGsote9ctX1PbEWx8 '옆자리 분석가' 지난 에피소드 다시 듣기👉 https://dub.sh/e2MdrIB

Google Docs

"데이터 분석가는 일하면서 실수 같은거 안 하죠? 🤔"

YouTube에서 마음에 드는 동영상과 음악을 감상하고, 직접 만든 콘텐츠를 업로드하여 친구, 가족뿐 아니라 전 세계 사람들과 콘텐츠를 공유할 수 있습니다.

 - YouTube

전 직장에서 함께 실험 플랫폼을 구축했던 방태모님의 토스 메이커스 컨퍼런스 강연이 공개되어 공유드립니다 :)

실험 수준과 문화를 개선하는 일에는 고민해야 할 것들이 많은데,
실험 프로세스와 데이터 분석 조직, 그리고 기술에 대한 얘기까지 잘 정리해주셨네요.

https://youtu.be/GC5Einv-2iQ?si=FXUbxkpovy0Z5-nM

전 직장에서 함께 실험 플랫폼을 구축했던 방태모님의 토스 메이커스 컨퍼런스 강연이 공개되어 공유드립니다 :) 실험 수준과 문화를 개선하는 일에는 고민해야 할 것들이 많은데,실험 프로세스와 데이터 분석 조직, 그리고 기술에 대한 얘기까지 잘 정리해주셨네요. https://youtu.be/GC5Einv-2iQ?si=FXUbxkpovy0Z5-nM

youtu.be

요 며칠 GPT-5 Reasoning - High 를 사용해서 진지한 개발을 몇가지 해보고 있는데 진짜 레벨이 다르네요.

Claude가 잘한다고 생각하는 분들이 많은데, 뭐랄까, 좀 단순한 일을 Claude가 잘해서 그런 착시가 있는 것 같아요. GPT-5가 어려운 걸 진짜 잘합니다.

조금 전에 Codex랑 같이 심심풀이로 서버 코드 최적화를 진행했는데요. 생각지 못했던 방법으로 높은 수준의 최적화를 달성했습니다.

스타트업 시간 약 2.9배 속도 향상, 메모리 약 46.6% 절감이라는 엄청난 결과를..😳

저는 진짜 코드 한 줄을 안썼어요. 물론 휴먼 코드 리뷰를 한 번 하고 코드 정리는 해야겠지만, 직접 했으면 최소 며칠은 걸렸을 일..이 아니라 다른 일을 하느라 최적화는 생각도 못했을겁니다.

어느정도 최적화를 해두기도 했었고, 뭔가 더 최적화 할 수 있는 여지가 있을 것 같았지만, 기존에도 나쁘지는 않아서 그냥 냅두고 있었던거였거든요.

게다가 시간을 좀 써서 총 1,300만개 정도의 토큰을 썼는데, 비용이 약 $3.24 밖에 안합니다. 이정도 개선에 든 비용이 겨우 5천원..?! 😳

내년 정도가 되면 이런 최적화는 그냥 무한 루프로 돌려두면 알아서 계속 최적화하고 계선하겠죠? 비용도 거의 무료에 가까울테고요.

개발을 잘 한다는 것이 무엇인지를 개인과 회사 차원에서 진지하게 다시 고민해봐야 할 것 같습니다.

요 며칠 GPT-5 Reasoning - High 를 사용해서 진지한 개발을 몇가지 해보고 있는데 진짜 레벨이 다르네요. Claude가 잘한다고 생각하는 분들이 많은데, 뭐랄까, 좀 단순한 일을 Claude가 잘해서 그런 착시가 있는 것 같아요. GPT-5가 어려운 걸 진짜 잘합니다. 조금 전에 Codex랑 같이 심심풀이로 서버 코드 최적화를 진행했는데요. 생각지 못했던 방법으로 높은 수준의 최적화를 달성했습니다. 스타트업 시간 약 2.9배 속도 향상, 메모리 약 46.6% 절감이라는 엄청난 결과를..😳 저는 진짜 코드 한 줄을 안썼어요. 물론 휴먼 코드 리뷰를 한 번 하고 코드 정리는 해야겠지만, 직접 했으면 최소 며칠은 걸렸을 일..이 아니라 다른 일을 하느라 최적화는 생각도 못했을겁니다. 어느정도 최적화를 해두기도 했었고, 뭔가 더 최적화 할 수 있는 여지가 있을 것 같았지만, 기존에도 나쁘지는 않아서 그냥 냅두고 있었던거였거든요. 게다가 시간을 좀 써서 총 1,300만개 정도의 토큰을 썼는데, 비용이 약 $3.24 밖에 안합니다. 이정도 개선에 든 비용이 겨우 5천원..?! 😳 내년 정도가 되면 이런 최적화는 그냥 무한 루프로 돌려두면 알아서 계속 최적화하고 계선하겠죠? 비용도 거의 무료에 가까울테고요. 개발을 잘 한다는 것이 무엇인지를 개인과 회사 차원에서 진지하게 다시 고민해봐야 할 것 같습니다.

90%의 기획자들이 빠져있는 문제 

필터 프로블럼(Filter problem)은 무엇인가

매우 공감하는 글. 좀 더 첨언해보자면,

- 문제가 뭔지 정의하고 그에 대한 솔루션을 만들기보다, 머릿속 솔루션(이라기보단 개발 아이디어)을 꺼낸다음 문제를 역으로 정의해서 끼워 맞추려는 경우도 자주 발견할 수 있음

- 문제가 무엇인지 발견하고 정의하는 일이 어려울 때 가장 많이 선택하는 가설 패턴은, ‘OO의 부재로 GMV가 낮다‘ -> ’OO 하면 GMV가 상승할 것‘

- OO 를 런칭한 후 GMV가 상승하지 않으면 기획이 실패한 것이 되므로(가설 입증 여부는 이미 관심이 없는 상태), 성공해야만 함

- 실패했다면 실패한대로, 성공했다면 성공한대로 GMV 올려줄 것 같은 다음 솔루션을 머릿속에서 또 꺼낸 다음, GMV가 상승하는지 또 실험함

이쯤 되면, ‘문제’나 ’가설‘은 온데간데 없고 GMV 상승 아이디어 맞추기 게임이 되어버림. 모든 실험의 성공지표는 GMV로 통일되고, 가설입증을 위한 지표를 살펴야 한다는 의견은 무시당해버림 - GMV 가 오르면 되지, 다른 지표가 왜 중요한데! 라는 태도로 나타남.

비즈니스에서 GMV는 당연히 중요하지만, 그 GMV 를 ‘어떻게’ 확보할 것인지에 대한 전략이 부재한 기업 또는 이를 이해하지 못하는 사람들에게서 나타나는 특징.

매우 공감하는 글. 좀 더 첨언해보자면, - 문제가 뭔지 정의하고 그에 대한 솔루션을 만들기보다, 머릿속 솔루션(이라기보단 개발 아이디어)을 꺼낸다음 문제를 역으로 정의해서 끼워 맞추려는 경우도 자주 발견할 수 있음 - 문제가 무엇인지 발견하고 정의하는 일이 어려울 때 가장 많이 선택하는 가설 패턴은, ‘OO의 부재로 GMV가 낮다‘ -&gt; ’OO 하면 GMV가 상승할 것‘ - OO 를 런칭한 후 GMV가 상승하지 않으면 기획이 실패한 것이 되므로(가설 입증 여부는 이미 관심이 없는 상태), 성공해야만 함 - 실패했다면 실패한대로, 성공했다면 성공한대로 GMV 올려줄 것 같은 다음 솔루션을 머릿속에서 또 꺼낸 다음, GMV가 상승하는지 또 실험함 이쯤 되면, ‘문제’나 ’가설‘은 온데간데 없고 GMV 상승 아이디어 맞추기 게임이 되어버림. 모든 실험의 성공지표는 GMV로 통일되고, 가설입증을 위한 지표를 살펴야 한다는 의견은 무시당해버림 - GMV 가 오르면 되지, 다른 지표가 왜 중요한데! 라는 태도로 나타남. 비즈니스에서 GMV는 당연히 중요하지만, 그 GMV 를 ‘어떻게’ 확보할 것인지에 대한 전략이 부재한 기업 또는 이를 이해하지 못하는 사람들에게서 나타나는 특징.

takyoh.com

alias cdx=“codex -m gpt-5 -c model_reasoning_effort=high --search”

alias cdx=“codex -m gpt-5 -c model_reasoning_effort=high --search”

이 글에 대한 질문이 많아서 답변드립니다

Q. 뭘로 쓰세요?
A. Codex CLI로 사용합니다.

Q. Gemini나 Grok은 어떤가요?
A. (어휴..)

Q. 어떻게 지시하셨나요?
A. 최적화 해야 하는 목적과 포인트를 몇 개 알려주고 분석해보라고 함 → 같이 여러 아이디어를 탐색하다가 좋은 아이디어가 있으면 그 아이디어를 구현해보라고 함 → 코드를 살펴보고 개선점을 제시함 → 수정 후 벤치마크 → (반복)

개선 포인트를 알려주고 같이 탐색하긴 했지만, 최종 아이디어는 GPT의 아이디어를 채택했습니다. 컨텍스트를 거의 다 소진할 정도로 긴 토론을 거쳤고요.

코드는 진짜로 제가 한 줄도 쓰진 않고 말로만 지시했습니다만, 검토 후 문제가 있거나 적절하지 않은 코드는 수정하라고 지시하는 과정을 거쳤습니다.

즉, 어느정도는 알아야 지시 할 수 있긴 하고요. 알아서 최적화를 한다고 해도, 그 방법이나 결과가 적합한, 제대로 된 결과인지는 알아야 시킬 수 있습니다. 앞으로도 그렇겠죠.

그리고 무엇보다 어려운 문제를 생각해내고 정의 할 수 있어야 높은 가치를 이끌어 낼 수 있겠죠.

보통은 눈에 쉽게 보이는 표면적인 일만 시키니까 그 진가를 알아채지 못하시는 것 같습니다.

이 글에 대한 질문이 많아서 답변드립니다 Q. 뭘로 쓰세요?A. Codex CLI로 사용합니다. Q. Gemini나 Grok은 어떤가요?A. (어휴..) Q. 어떻게 지시하셨나요?A. 최적화 해야 하는 목적과 포인트를 몇 개 알려주고 분석해보라고 함 → 같이 여러 아이디어를 탐색하다가 좋은 아이디어가 있으면 그 아이디어를 구현해보라고 함 → 코드를 살펴보고 개선점을 제시함 → 수정 후 벤치마크 → (반복) 개선 포인트를 알려주고 같이 탐색하긴 했지만, 최종 아이디어는 GPT의 아이디어를 채택했습니다. 컨텍스트를 거의 다 소진할 정도로 긴 토론을 거쳤고요. 코드는 진짜로 제가 한 줄도 쓰진 않고 말로만 지시했습니다만, 검토 후 문제가 있거나 적절하지 않은 코드는 수정하라고 지시하는 과정을 거쳤습니다. 즉, 어느정도는 알아야 지시 할 수 있긴 하고요. 알아서 최적화를 한다고 해도, 그 방법이나 결과가 적합한, 제대로 된 결과인지는 알아야 시킬 수 있습니다. 앞으로도 그렇겠죠. 그리고 무엇보다 어려운 문제를 생각해내고 정의 할 수 있어야 높은 가치를 이끌어 낼 수 있겠죠. 보통은 눈에 쉽게 보이는 표면적인 일만 시키니까 그 진가를 알아채지 못하시는 것 같습니다.

일반적인 커뮤니티나 쇼핑몰 수준의 서비스는, 캐시 없이도 16vCPU/64GB 다섯대 정도면 MAU 100만 정도를 단순한 페일오버까지 고려하여 커버할 수 있다. 이 정도만으로도 튜닝이 잘 되어 있다면 꽤 여유로울 것.

일반적인 커뮤니티나 쇼핑몰 수준의 서비스는, 캐시 없이도 16vCPU/64GB 다섯대 정도면 MAU 100만 정도를 단순한 페일오버까지 고려하여 커버할 수 있다. 이 정도만으로도 튜닝이 잘 되어 있다면 꽤 여유로울 것.

We are deploying digital pseudo-therapists at an unprecedented scale, and those most at risk of negative outcomes are teens.

Opinion | Teens Are Using Chatbots as Therapists. That’s Alarming.

미 청소년 72%가 AI 챗봇 동반자로 사용하며, 약 8명에 1명꼴로 “정서적 또는 정신건강 지원”을 요청함.

AI봇 대화 상대로 마케팅되면서 청소년들의 디지털 상담치료사로 빠르게 자리 잡아가는 추세.

—

물론 안전 문제도 있는데요. 이 추세는 거스를 수 없는 것이라, 제한하기보다는 오히려 잘 활용하게 만드는 쪽으로 지원해야한다고 생각합니다.

무엇보다 상담은 비용이 엄청나게 들기 때문에 문제가 있어도 상담받기가 힘들거든요. 잘 활용한다면 전체적으로 큰 도움이 될겁니다.

기사에서는 “전례 없는 규모로 가짜 치료사들 배포되고 있다”는 말을 하지만, 이미 평균적인 의사나 상담사보다는 훨씬 낫다는 연구 결과도 있고요.

그리고 프론티어 AI 회사들은 이 문제들에 대해 이미 가드를 하도록 훈련시키고 있으니, 메이저 LLM 위주로 사용하도록 가이드를 하면 문제를 크게 줄일 수 있습니다.

현재 그리고 앞으로도 가장 큰 문제는 최근에 돈을 많이 벌고 있다는 캐릭터 챗류의 서비스들, 혹은 Grok 같은 비윤리적인 답변을 서슴치않는 서비스들인데요.

이 회사들은 이 가드를 뚫는다는 걸 장점으로 내세우기까지 할 정도로 윤리적으로 큰 문제가 있습니다. 그중에 국대 AI 컨소시엄에 들어가 있는 회사도 있는데..

아무튼, 거스를 수 없다면 긍정적으로 사용할 수 있도록 적극적으로 개입해야겠죠. 정부에서 진행하는 다양한 국책 AI 사업에는 이러한 부분들을 꼭 고려해주시면 좋겠네요.

https://www.nytimes.com/2025/08/25/opinion/teen-mental-health-chatbots.html

미 청소년 72%가 AI 챗봇 동반자로 사용하며, 약 8명에 1명꼴로 “정서적 또는 정신건강 지원”을 요청함. AI봇 대화 상대로 마케팅되면서 청소년들의 디지털 상담치료사로 빠르게 자리 잡아가는 추세. — 물론 안전 문제도 있는데요. 이 추세는 거스를 수 없는 것이라, 제한하기보다는 오히려 잘 활용하게 만드는 쪽으로 지원해야한다고 생각합니다. 무엇보다 상담은 비용이 엄청나게 들기 때문에 문제가 있어도 상담받기가 힘들거든요. 잘 활용한다면 전체적으로 큰 도움이 될겁니다. 기사에서는 “전례 없는 규모로 가짜 치료사들 배포되고 있다”는 말을 하지만, 이미 평균적인 의사나 상담사보다는 훨씬 낫다는 연구 결과도 있고요. 그리고 프론티어 AI 회사들은 이 문제들에 대해 이미 가드를 하도록 훈련시키고 있으니, 메이저 LLM 위주로 사용하도록 가이드를 하면 문제를 크게 줄일 수 있습니다. 현재 그리고 앞으로도 가장 큰 문제는 최근에 돈을 많이 벌고 있다는 캐릭터 챗류의 서비스들, 혹은 Grok 같은 비윤리적인 답변을 서슴치않는 서비스들인데요. 이 회사들은 이 가드를 뚫는다는 걸 장점으로 내세우기까지 할 정도로 윤리적으로 큰 문제가 있습니다. 그중에 국대 AI 컨소시엄에 들어가 있는 회사도 있는데.. 아무튼, 거스를 수 없다면 긍정적으로 사용할 수 있도록 적극적으로 개입해야겠죠. 정부에서 진행하는 다양한 국책 AI 사업에는 이러한 부분들을 꼭 고려해주시면 좋겠네요. https://www.nytimes.com/2025/08/25/opinion/teen-mental-health-chatbots.html

www.nytimes.com

📰 청소년 상당수가 AI한테 상담받는다

DA 조직의 역할이 현상 해석에 머물러 있다면, 높은 확률로 다른 조직의 역할로 대체될 수 있다. 영업/마케팅/기획/전략 등 비즈니스 조직은 이미 도메인 경험이 풍부한 만큼 더 빠르게 결정할 수 있다. 굳이 ‘느린’ 데이터 분석을 기다려야 한다면, 오히려 속도에 민감한 이들 조직의 저항에 직면하기 마련이다. 이 과정에서 DA 조직이 제대로 대처하지 못한다면 비즈니스에 기여할 기회들을 놓치면서, ‘DA는 중요하지만 DA 조직은 중요하지 않은’ 기현상이 벌어지게 된다. 여기까지 오게 되면 DA 조직의 역할은 보통 크게 두 가지 정도로 압축된다.

1. ‘빠르게’ 분석 요청을 처리한다

‘빠른’ 분석 역량을 확보하는 것은 당연히 중요한 일이지만, 빠르게 분석 결과를 쳐내는 방식으로 일하는 것이 곧 ‘생산적’이라 할 수 있는지는 다른 문제다. 주어진 역할은 생산적으로 해낼 수 있을지언정, 그것이 곧 비즈니스 효율을 높이는 생산성인가 하는 관점은 DA만의 문제가 아니기 때문이다.

아무리 빠르게 분석하더라도 DA 없이 내리는 결정보다 빠를 수는 없다. 게다가 ‘그 결정이 데이터 기반이었는가’를 두고 벌어지는 논쟁은 대부분 소모적이다. 실제로는 데이터 없이도 빠르고 잘 결정하고 있는 경우가 많다. 그리고 DA 조직이 따로 구성되어 있을 정도의 기업이라면, 이미 DA 없이도 돈 잘 벌고 있을 텐데 무슨 걱정인가.

2. ‘어려운 문제’만 골라 요청받는다

협업 부서에서도 의사결정하기 어려운 문제가 발생한다면, 이제 DA 조직을 찾을 명분이 생긴다. 이런 문제야말로 데이터 조직이 일 좀 해야지, 라고 여길 수 있다. 하지만 반은 맞고 반은 틀렸다.

첫째, 현업에서 어려운 문제는 DA 조직에게도 어렵다. 아니, 오히려 더 어렵다. 현업에서도 풀기 힘든 비즈니스 문제에 대한 가설을 DA가 더 잘 세울 수 있으리라 기대하기 어렵다. 게다가 그 가설을 데이터로 뒷받침해야 하니, 이게 쉽겠나. 아무리 현업과 머리를 맞대고 논의해도 뾰족한 결론을 내기란 어렵고, 결국 현업의 입맛에 맞는 데이터들이 취사선택되기 십상이다.

이런 상황이라면 과연 DA 조직을 잘 활용하고 있다고 말할 수 있을까? 오히려 기업 환경이 어려워지면 우선적으로 축소 또는 해체 대상이 될 뿐이다. 그 정도까지는 아니더라도 DA 직군이 계속 성취감을 갖고 일하기는 쉽지 않다. 물론 이런 상황에서도 빠르고 의미 있는 분석 결과를 내고, 현업이 미처 생각하지 못한 방식으로 어려운 문제를 다루는 슈퍼 분석가들이 있는 것도 사실이다. 그러나 개별 분석가가 아니라 DA 조직 자체가 그렇게 수행해낼 확률은 거의 없다(분석가의 역량은 천차만별이다).

-----

그래서 어쩌란 말인가? 한마디로 정리하자면, ‘일 시키기 전에 먼저 나서서 일해야 한다’는 것이다. 비즈니스 의사결정 과정에 들어선 뒤에야 데이터 분석이 개입되는 게 아니라, 그 이전 단계에서 필요한 데이터와 분석 결과를 미리 공급하는 체계를 갖추는 것이 필요하다.

대시보드를 활용하더라도 현업 요청에 따라 구축하는 것과 선제적으로 공급하는 것은 큰 차이가 있다. 전자는 외부 업체를 통해서도 개발·유지할 수 있는 수준의 일이지만, 후자는 단순히 기술이 있다고 되는 것이 아니라 비즈니스 전략에 대한 관점을 제시하고 논의를 촉발하는 출발점이 되기 때문이다.

이미 데이터 활용이 어느 정도 자리 잡은 기업이라면, 그 효율과 정확도를 높이는 활동도 의미가 있다. 예컨대 온라인 실험 기법의 신뢰성을 높이거나, 비즈니스적으로 의미 있는 지표를 찾아내 의사결정에 활용할 수 있도록 돕는 일이 이에 해당한다. 문제는 이런 활동의 가치를 이해하지 못하는 경영진으로부터는 지원은커녕 성과 인정도 받기 어렵다는 것이다 (과감히 이직하자..).

정리해보자면,
 * 필요한 데이터와 분석 결과를 선제적으로 공급하고,
 * 비즈니스 전략 논의의 출발점을 마련하며,
 * 이러한 활동들의 신뢰성과 효율을 높일 수 있는 환경을 구축해나가는 것.

나는 이것이 DA 조직이 대체 불가능하고 중요한 역할을 해내는 방법이라 생각하고, 현재도 그렇게 하려고 노력하고 있다.

-----

DA 직군과 교류하다 보면 회사에서 여기저기 치이며 시달리다가, 최근에는 AI가 DA를 대체하는 것 아닌가 하는 걱정까지 더해져 회의감을 갖는 경우를 종종 본다. 그러나 모든 직군과 업종이 그렇듯, 내 일이 대체되지 않으려면(다른 직군에 의해서든, 혹은 AI에 의해서든) 내가 하는 일의 가치를 만들어내고 입증해내야 한다. 위에 정리한 내용이 정답은 아닐 수 있다. 그러나 이런 고민과 노력을 해나가는 과정이야말로 누군가에 의해 대체되지 않는 영역 아닐까.

DA 조직의 역할이 현상 해석에 머물러 있다면, 높은 확률로 다른 조직의 역할로 대체될 수 있다. 영업/마케팅/기획/전략 등 비즈니스 조직은 이미 도메인 경험이 풍부한 만큼 더 빠르게 결정할 수 있다. 굳이 ‘느린’ 데이터 분석을 기다려야 한다면, 오히려 속도에 민감한 이들 조직의 저항에 직면하기 마련이다. 이 과정에서 DA 조직이 제대로 대처하지 못한다면 비즈니스에 기여할 기회들을 놓치면서, ‘DA는 중요하지만 DA 조직은 중요하지 않은’ 기현상이 벌어지게 된다. 여기까지 오게 되면 DA 조직의 역할은 보통 크게 두 가지 정도로 압축된다. 1. ‘빠르게’ 분석 요청을 처리한다 ‘빠른’ 분석 역량을 확보하는 것은 당연히 중요한 일이지만, 빠르게 분석 결과를 쳐내는 방식으로 일하는 것이 곧 ‘생산적’이라 할 수 있는지는 다른 문제다. 주어진 역할은 생산적으로 해낼 수 있을지언정, 그것이 곧 비즈니스 효율을 높이는 생산성인가 하는 관점은 DA만의 문제가 아니기 때문이다. 아무리 빠르게 분석하더라도 DA 없이 내리는 결정보다 빠를 수는 없다. 게다가 ‘그 결정이 데이터 기반이었는가’를 두고 벌어지는 논쟁은 대부분 소모적이다. 실제로는 데이터 없이도 빠르고 잘 결정하고 있는 경우가 많다. 그리고 DA 조직이 따로 구성되어 있을 정도의 기업이라면, 이미 DA 없이도 돈 잘 벌고 있을 텐데 무슨 걱정인가. 2. ‘어려운 문제’만 골라 요청받는다 협업 부서에서도 의사결정하기 어려운 문제가 발생한다면, 이제 DA 조직을 찾을 명분이 생긴다. 이런 문제야말로 데이터 조직이 일 좀 해야지, 라고 여길 수 있다. 하지만 반은 맞고 반은 틀렸다. 첫째, 현업에서 어려운 문제는 DA 조직에게도 어렵다. 아니, 오히려 더 어렵다. 현업에서도 풀기 힘든 비즈니스 문제에 대한 가설을 DA가 더 잘 세울 수 있으리라 기대하기 어렵다. 게다가 그 가설을 데이터로 뒷받침해야 하니, 이게 쉽겠나. 아무리 현업과 머리를 맞대고 논의해도 뾰족한 결론을 내기란 어렵고, 결국 현업의 입맛에 맞는 데이터들이 취사선택되기 십상이다. 이런 상황이라면 과연 DA 조직을 잘 활용하고 있다고 말할 수 있을까? 오히려 기업 환경이 어려워지면 우선적으로 축소 또는 해체 대상이 될 뿐이다. 그 정도까지는 아니더라도 DA 직군이 계속 성취감을 갖고 일하기는 쉽지 않다. 물론 이런 상황에서도 빠르고 의미 있는 분석 결과를 내고, 현업이 미처 생각하지 못한 방식으로 어려운 문제를 다루는 슈퍼 분석가들이 있는 것도 사실이다. 그러나 개별 분석가가 아니라 DA 조직 자체가 그렇게 수행해낼 확률은 거의 없다(분석가의 역량은 천차만별이다). ----- 그래서 어쩌란 말인가? 한마디로 정리하자면, ‘일 시키기 전에 먼저 나서서 일해야 한다’는 것이다. 비즈니스 의사결정 과정에 들어선 뒤에야 데이터 분석이 개입되는 게 아니라, 그 이전 단계에서 필요한 데이터와 분석 결과를 미리 공급하는 체계를 갖추는 것이 필요하다. 대시보드를 활용하더라도 현업 요청에 따라 구축하는 것과 선제적으로 공급하는 것은 큰 차이가 있다. 전자는 외부 업체를 통해서도 개발·유지할 수 있는 수준의 일이지만, 후자는 단순히 기술이 있다고 되는 것이 아니라 비즈니스 전략에 대한 관점을 제시하고 논의를 촉발하는 출발점이 되기 때문이다. 이미 데이터 활용이 어느 정도 자리 잡은 기업이라면, 그 효율과 정확도를 높이는 활동도 의미가 있다. 예컨대 온라인 실험 기법의 신뢰성을 높이거나, 비즈니스적으로 의미 있는 지표를 찾아내 의사결정에 활용할 수 있도록 돕는 일이 이에 해당한다. 문제는 이런 활동의 가치를 이해하지 못하는 경영진으로부터는 지원은커녕 성과 인정도 받기 어렵다는 것이다 (과감히 이직하자..). 정리해보자면,<ul><li>필요한 데이터와 분석 결과를 선제적으로 공급하고,</li><li>비즈니스 전략 논의의 출발점을 마련하며,</li><li>이러한 활동들의 신뢰성과 효율을 높일 수 있는 환경을 구축해나가는 것.</li></ul> 나는 이것이 DA 조직이 대체 불가능하고 중요한 역할을 해내는 방법이라 생각하고, 현재도 그렇게 하려고 노력하고 있다. ----- DA 직군과 교류하다 보면 회사에서 여기저기 치이며 시달리다가, 최근에는 AI가 DA를 대체하는 것 아닌가 하는 걱정까지 더해져 회의감을 갖는 경우를 종종 본다. 그러나 모든 직군과 업종이 그렇듯, 내 일이 대체되지 않으려면(다른 직군에 의해서든, 혹은 AI에 의해서든) 내가 하는 일의 가치를 만들어내고 입증해내야 한다. 위에 정리한 내용이 정답은 아닐 수 있다. 그러나 이런 고민과 노력을 해나가는 과정이야말로 누군가에 의해 대체되지 않는 영역 아닐까.

대체되지 않는 DA 조직이 되려면?

LLM 기술에 대한 내년 이맘때의 예측 포스팅을 내년으로 예약을 걸어두었다. 과연 적중 할 것인가. 😎🍿🥤 커밍 넥스트 이어~

LLM 기술에 대한 내년 이맘때의 예측 포스팅을 내년으로 예약을 걸어두었다. 과연 적중 할 것인가. 😎🍿🥤 커밍 넥스트 이어~

요 며칠 GPT-5 Reasoning - High 를 사용해서 진

‎나만의 대한민국 여행 지도를 만들어보세요!

내가 가본 우리나라는 여러분이 방문한 한국의 모든 지역을 색칠하는 여행 기록 앱이에요.
제가 쓰려고 만들었어요. 죽기 전에 다 색칠하는 게 제 소원이에요. 광고나 결제 따윈 없으니 안심하고 사용하세요.

* 지역별 색칠 기능
- 방문한 시/군/구를 터치 한 번으로 색칠
- 직관적인 터치 인터페이스

* 여행 통계 한눈에
- 전국 방문율 실시간 확인
- 지역별 방문 현황 통계

* 도전 과제, 성취감
- 전국 완주 도전
- 지역별 컬렉션 완성
- 특별한 여행 기록 달성

* 간편한 사용
-…

‎색칠 지도 - 내가 가본 우리나라

내가 가본 우리나라.
웹서비스에 이어... 아이폰 앱과 안드로이드 앱까지 모두 출시했습니다.

여행 중에 짬짬히 작업해서 웹, 안드로이드, 아이폰까지 출시하다니...
AI 코딩 시대가 좋긴 좋습니다.


기술 스택은 Ruby on Rails + Flutter 로 만들었습니다.
Rails 의 기본 기능을 활용해 거의 90% 를 만들었고, Flutter 로 감싸는 부분이 나머지 10% 정도 인 것 같네요.


AI 때문에 좋아진 것도 맞지만, 웹/앱 만드는 기술들이 예전보다 훨씬 좋아져서 이렇게 혼자서도 웹과 앱을 뚝딱 낼 수 있는 세상이 된 것 같아요.

광고도 없고, 완전히 무료로 사용할 수 있게 만들었어요.
국내 여행 좋아하시는 분들이라면 아마 좋아하실 겁니다.


https://apps.apple.com/kr/app/%EC%83%89%EC%B9%A0-%EC%A7%80%EB%8F%84-%EB%82%B4%EA%B0%80-%EA%B0%80%EB%B3%B8-%EC%9A%B0%EB%A6%AC%EB%82%98%EB%9D%BC/id6749817480

내가 가본 우리나라.웹서비스에 이어... 아이폰 앱과 안드로이드 앱까지 모두 출시했습니다. 여행 중에 짬짬히 작업해서 웹, 안드로이드, 아이폰까지 출시하다니... AI 코딩 시대가 좋긴 좋습니다. 기술 스택은 Ruby on Rails + Flutter 로 만들었습니다.Rails 의 기본 기능을 활용해 거의 90% 를 만들었고, Flutter 로 감싸는 부분이 나머지 10% 정도 인 것 같네요. AI 때문에 좋아진 것도 맞지만, 웹/앱 만드는 기술들이 예전보다 훨씬 좋아져서 이렇게 혼자서도 웹과 앱을 뚝딱 낼 수 있는 세상이 된 것 같아요. 광고도 없고, 완전히 무료로 사용할 수 있게 만들었어요. 국내 여행 좋아하시는 분들이라면 아마 좋아하실 겁니다. https://apps.apple.com/kr/app/%EC%83%89%EC%B9%A0-%EC%A7%80%EB%8F%84-%EB%82%B4%EA%B0%80-%EA%B0%80%EB%B3%B8-%EC%9A%B0%EB%A6%AC%EB%82%98%EB%9D%BC/id6749817480

App Store

내가 가본 우리나라

요즘 직업과 돈에 대해 깊이 생각하게 됩니다. 회사를 떠나 홀로서기를 했을 때 과연 생계를 유지할 수 있을지 고민되기 때문입니다. 안타까운 것은 아무리 고민해도 명확한 답이 나오지 않는다는 점입니다. 시뮬레이션은 가정에 불과하고, 현실과 미래는 예측할 수 없으니까요. 저와 같은 생각을 하는 많은 분들이 비슷한 딜레마에 빠져 있을 것입니다. 나가야 할까, 머물러야 할까. 마치 죽느냐 사느냐의 기로에 선 것 같습니다.


생계는 곧 생명입니다. 특히 가정이 있는 사람들에게 생계는 가족의 생명과 직결됩니다. 그래서 자연스럽게 더 많은 돈을 벌 수 있는 직업을 떠올리게 됩니다. 돈을 벌 수 없는 일은 선택하기 어렵죠. 최소한 먹고살 만큼은 벌어야 직업으로서 의미가 있으니까요.
결국 행복하지 않더라도 돈을 벌기 위해 일을 선택해야 합니다. 행복해지려고 사는데, 이보다 큰 아이러니가 또 있을까요?


어쩌면 우리에게 필요한 것은 확신이라는 생각이 듭니다. 알 수 없는 미래를 향한 확신만 있다면 무엇이든 과감하게 도전할 수 있을 테니까요.
 * 먹고살 만큼 돈을 벌 수 있다면
 * 진짜 행복한 나날을 보낼 수 있다면
 * 일을 통해 세상에 선한 영향력을 줄 수 있다면
이런 확신이 있다면 과감히 도전할 수 있을 것입니다. 하지만 믿음이 어렵습니다. 자신에 대한 확신과 미래에 대한 믿음을 갖기가 쉽지 않습니다.


그래서 현재를 기준으로 열심히 계산해봅니다. 이렇게 하면 얼마, 저렇게 하면 어떤 결과가 나올지, 지금 가진 것을 포기하면 얼마나 힘들어질지 따져봅니다. 당연히 해야 하는 생각이고, 충분히 고려해야 할 부분입니다.
하지만 그런 계산으로는 결국 선택할 수 없다는 것도 알고 있습니다. 미래는 계산으로 도전하는 것이 아니라, 해보지 않은 일에 더 열심히 부딪혀 돌파해 나가는 것임을 잘 알고 있으니까요.


어쩌면 지금보다 더 열심히 살 자신이 없는 것일 수도 있습니다. 어쩌면 지금보다 더 힘든 도전이 두려워 망설이는 것일 수도 있고요. 힘든 것은 싫으니까, 지금처럼 고정적으로 수입이 나오고 매일 출근할 곳이 있다는 안도감에 머무르고 싶은 것이겠죠.
언제 그만둬도 이상하지 않을, 내가 아니어도 충분히 잘 돌아갈 그런 곳에서 편안히 머물고 싶은 마음일 수도 있습니다.


무엇이 내 삶에 확신이 되는지 자신에게 물어봅시다. 그리고 과연 나는 행복하기 위해 어떤 노력을 하고 있는지 확인해봅시다. 행복하려고 노력하지 않고 있다면, 어떤 방해 요소가 있는지 찾아봅시다. 그리고 오늘 그 장애물을 빠르게 치워봅시다.
돈과 명예는 진정한 확신의 근거가 될 수 없습니다. 오직 행복하기 위한 조건만이 진정한 확신의 바탕이 될 수 있다는 것을 깨닫는 우리가 되길 진심으로 응원합니다.

﻿요즘 직업과 돈에 대해 깊이 생각하게 됩니다. 회사를 떠나 홀로서기를 했을 때 과연 생계를 유지할 수 있을지 고민되기 때문입니다. 안타까운 것은 아무리 고민해도 명확한 답이 나오지 않는다는 점입니다. 시뮬레이션은 가정에 불과하고, 현실과 미래는 예측할 수 없으니까요. 저와 같은 생각을 하는 많은 분들이 비슷한 딜레마에 빠져 있을 것입니다. 나가야 할까, 머물러야 할까. 마치 죽느냐 사느냐의 기로에 선 것 같습니다. 생계는 곧 생명입니다. 특히 가정이 있는 사람들에게 생계는 가족의 생명과 직결됩니다. 그래서 자연스럽게 더 많은 돈을 벌 수 있는 직업을 떠올리게 됩니다. 돈을 벌 수 없는 일은 선택하기 어렵죠. 최소한 먹고살 만큼은 벌어야 직업으로서 의미가 있으니까요.결국 행복하지 않더라도 돈을 벌기 위해 일을 선택해야 합니다. 행복해지려고 사는데, 이보다 큰 아이러니가 또 있을까요? 어쩌면 우리에게 필요한 것은 확신이라는 생각이 듭니다. 알 수 없는 미래를 향한 확신만 있다면 무엇이든 과감하게 도전할 수 있을 테니까요.<ul ><li>먹고살 만큼 돈을 벌 수 있다면</li><li>진짜 행복한 나날을 보낼 수 있다면</li><li>일을 통해 세상에 선한 영향력을 줄 수 있다면</li></ul>이런 확신이 있다면 과감히 도전할 수 있을 것입니다. 하지만 믿음이 어렵습니다. 자신에 대한 확신과 미래에 대한 믿음을 갖기가 쉽지 않습니다. 그래서 현재를 기준으로 열심히 계산해봅니다. 이렇게 하면 얼마, 저렇게 하면 어떤 결과가 나올지, 지금 가진 것을 포기하면 얼마나 힘들어질지 따져봅니다. 당연히 해야 하는 생각이고, 충분히 고려해야 할 부분입니다.하지만 그런 계산으로는 결국 선택할 수 없다는 것도 알고 있습니다. 미래는 계산으로 도전하는 것이 아니라, 해보지 않은 일에 더 열심히 부딪혀 돌파해 나가는 것임을 잘 알고 있으니까요. 어쩌면 지금보다 더 열심히 살 자신이 없는 것일 수도 있습니다. 어쩌면 지금보다 더 힘든 도전이 두려워 망설이는 것일 수도 있고요. 힘든 것은 싫으니까, 지금처럼 고정적으로 수입이 나오고 매일 출근할 곳이 있다는 안도감에 머무르고 싶은 것이겠죠.언제 그만둬도 이상하지 않을, 내가 아니어도 충분히 잘 돌아갈 그런 곳에서 편안히 머물고 싶은 마음일 수도 있습니다. 무엇이 내 삶에 확신이 되는지 자신에게 물어봅시다. 그리고 과연 나는 행복하기 위해 어떤 노력을 하고 있는지 확인해봅시다. 행복하려고 노력하지 않고 있다면, 어떤 방해 요소가 있는지 찾아봅시다. 그리고 오늘 그 장애물을 빠르게 치워봅시다.돈과 명예는 진정한 확신의 근거가 될 수 없습니다. 오직 행복하기 위한 조건만이 진정한 확신의 바탕이 될 수 있다는 것을 깨닫는 우리가 되길 진심으로 응원합니다.﻿

확신은 어디에서 오는가?

매우 공감하는 글. 좀 더 첨언해보자면,

- 문제가 뭔지 정의하

1. 모른다는 말은 알려고 노력하지 않기 위한 구실이자 핑계다.

2. 문제에서 당장 답을 찾고 지름길로 가려고 하지마라. 이런 손쉬운 길은 각자의 잠재력을 방해한다.

3. ’모른다‘라는 말이 입 밖에 나올 때 무슨 일이 벌어지는지 아는가? 뇌가 더 알려고 하지 않는다.

4. 인간은 본래 알아채고 적응하고 행동하고 반복하는 존재다. 무언가를 알아채도록 타고났는데 답을 찾으려고 애쓰지 않는다면, 삶을 변화시킬 중요한 순간을 스스로 가로막는 일이다.

5. 따라서 이런 중요한 순간에 마음을 열어두려면, ”모른다“라고 말할 때마다 깨닫고 당장 다른 말로 바꿔야 한다.

6. 디즈니랜드의 신입 직원은 손님들에게 ”모른다“라고 답하지 않고 대신 ”제가 알아보겠습니다“라고 답한 뒤 실제로 알아보도록 교육받는다.


#예술가의해법

1. 모른다는 말은 알려고 노력하지 않기 위한 구실이자 핑계다. ​2. 문제에서 당장 답을 찾고 지름길로 가려고 하지마라. 이런 손쉬운 길은 각자의 잠재력을 방해한다. ​3. ’모른다‘라는 말이 입 밖에 나올 때 무슨 일이 벌어지는지 아는가? 뇌가 더 알려고 하지 않는다. ​4. 인간은 본래 알아채고 적응하고 행동하고 반복하는 존재다. 무언가를 알아채도록 타고났는데 답을 찾으려고 애쓰지 않는다면, 삶을 변화시킬 중요한 순간을 스스로 가로막는 일이다. ​5. 따라서 이런 중요한 순간에 마음을 열어두려면, ”모른다“라고 말할 때마다 깨닫고 당장 다른 말로 바꿔야 한다. ​6. 디즈니랜드의 신입 직원은 손님들에게 ”모른다“라고 답하지 않고 대신 ”제가 알아보겠습니다“라고 답한 뒤 실제로 알아보도록 교육받는다. #예술가의해법

< 모른다고 말하는 순간, 뇌도 멈춘다 >

자바 사용자에게 NullPointerException(NPE)은 정말이지 지긋지긋한 예외입니다. 우리 모두는 이로 인한 운영 장애를 수없이 겪으며 디버깅으로 밤을 지새운 경험이 있을 겁니다.

JSpecify로 끝내는 NPE 전쟁

Optional, @Nullable, 다양한 정적 분석 도구.. 그동안 자바의 널 안전성을 지키기 위해 많은 꼼수를 써야 했다. 이제 곧 판이 뒤집힌다. JSpecify가 그 파편화된 규칙을 하나로 통일하고 있기 때문이다.

이 글을 통해 JSpecify가 어떤 배경에서 태어났고, 왜 스프링이 이를 전면 채택했는지, 그리고 실무에서 우리에게 어떤 변화를 가져올지 알아본다.

https://www.linkedin.com/pulse/jspecify%EB%A1%9C-%EB%81%9D%EB%82%B4%EB%8A%94-npe-%EC%A0%84%EC%9F%81-springrunner-kythc?utm_source=share&utm_medium=member_ios&utm_campaign=share_via

Optional, @Nullable, 다양한 정적 분석 도구.. 그동안 자바의 널 안전성을 지키기 위해 많은 꼼수를 써야 했다. 이제 곧 판이 뒤집힌다. JSpecify가 그 파편화된 규칙을 하나로 통일하고 있기 때문이다. 이 글을 통해 JSpecify가 어떤 배경에서 태어났고, 왜 스프링이 이를 전면 채택했는지, 그리고 실무에서 우리에게 어떤 변화를 가져올지 알아본다. https://www.linkedin.com/pulse/jspecify%EB%A1%9C-%EB%81%9D%EB%82%B4%EB%8A%94-npe-%EC%A0%84%EC%9F%81-springrunner-kythc?utm_source=share&amp;utm_medium=member_ios&amp;utm_campaign=share_via

www.linkedin.com

나의 소중한 시간과 에너지를 들여
매일의 순간들을 이 두가지 질문에 집중하며 살아간다.


1. 어떻게 살아가야 할 것인가?
2. 어떻게 더 나은 내가 될 수 있을까?


어떤 곳들에서는 타인을 긁고, 깎아내리고,
타인을 평가하느라 소중한 시간과 에너지를 할애한다.
그럴수록 독이 되어 자기 자신에게 돌아온다.
안타깝다.


남들을 평가하느라 남은 생애를 바치기보다는
남들의 평가를 받기 위해 에너지를 쏟아내기보다는
내 남은 생애를 더 나은 세계로 만들기로 결심을 했다.


그렇게 나는 나를 평가하는 평가자로 살아간다.
나를 평가하고 키우는 평가자가 될 것인가
타인을 평가하고 깎는 평가자가 될 것인가


오늘 마음에 새기는 초인의 이야기

나의 소중한 시간과 에너지를 들여매일의 순간들을 이 두가지 질문에 집중하며 살아간다. 1. 어떻게 살아가야 할 것인가?2. 어떻게 더 나은 내가 될 수 있을까? 어떤 곳들에서는 타인을 긁고, 깎아내리고, 타인을 평가하느라 소중한 시간과 에너지를 할애한다.그럴수록 독이 되어 자기 자신에게 돌아온다.안타깝다. 남들을 평가하느라 남은 생애를 바치기보다는남들의 평가를 받기 위해 에너지를 쏟아내기보다는내 남은 생애를 더 나은 세계로 만들기로 결심을 했다. 그렇게 나는 나를 평가하는 평가자로 살아간다.나를 평가하고 키우는 평가자가 될 것인가타인을 평가하고 깎는 평가자가 될 것인가 오늘 마음에 새기는 초인의 이야기

타인의 평가자가 되어 삶을 허비하지 않기로 하였다

프로그래밍에서 정말 중요한 개념이라고 생각하는 함수에 대해서 에릭이에게 알려주었습니다.

평소에 개발을 하면서는 몰랐는데 함수에 대한 어려운 용어가 참 많더라고요? 선언, 호출, 매개변수, 반환... 이런 말들을 7살 아이가 이해할 리가 만무하죠.

그래서 복잡한 설명은 생략하고, 무작정 그냥 같이 코드를 짜보기로 했습니다. 다행히도 아이가 금방 흥미를 느끼고 따라오더라고요.

그동안 아무렇지 않게 쓰던
print()
나
range()
가 사실 다 파이썬에 내장된 함수라는 걸 알게 되자, 눈이 동그래지고 입을 떡 벌리며 신기해하네요.

특히 마지막에는 뭔가 깨달았다는듯이 스스로 "Everything is a function!"이라고 외치는데, 저도 괜히 전율이 느껴졌습니다. 😆

📱 짧게 보기: https://youtube.com/shorts/_zKml5PB--Q
📺 전체 영상: https://youtu.be/tgBXKj0Tl00

프로그래밍에서 정말 중요한 개념이라고 생각하는 함수에 대해서 에릭이에게 알려주었습니다. 평소에 개발을 하면서는 몰랐는데 함수에 대한 어려운 용어가 참 많더라고요? 선언, 호출, 매개변수, 반환... 이런 말들을 7살 아이가 이해할 리가 만무하죠. 그래서 복잡한 설명은 생략하고, 무작정 그냥 같이 코드를 짜보기로 했습니다. 다행히도 아이가 금방 흥미를 느끼고 따라오더라고요. 그동안 아무렇지 않게 쓰던 <code>print()</code>나 <code>range()</code>가 사실 다 파이썬에 내장된 함수라는 걸 알게 되자, 눈이 동그래지고 입을 떡 벌리며 신기해하네요. 특히 마지막에는 뭔가 깨달았다는듯이 스스로 "Everything is a function!"이라고 외치는데, 저도 괜히 전율이 느껴졌습니다. 😆 📱 짧게 보기: https://youtube.com/shorts/_zKml5PB--Q📺 전체 영상: https://youtu.be/tgBXKj0Tl00

재미있는 함수에 대해 배워볼까요! 😄

일과 사랑, 그리고 인생을 위한 명언 1697개

Books to Read as a Developer

📰  개발자로서 읽어야 할 책 8권

✍️ dev.to에 올라온 개발자 도서 추천글을 번역해보았습니다. 추천된 8권 중 7권이 한글 번역이 되어있으니, 한 권씩 차근 차근 읽어나가보면 좋을것 같아요! 특정 프로그래밍 기술 혹은 언어에 대한 것이 아닌 큰 맥락으로서의 개발 서적들이니 도메인과 분야를 막론하고 한번 도전해보시길 추천합니다. :)  

저는 목록 중에 '코드 컴플리트' 한번 도서관에서 빌려서 앞에 조금 펼쳐보다가 그대로 반납한 기억이 있네요 ^^.. 궁금하시다면! 실물 한번 찾아보시면 바로 끄덕끄덕 하실꺼에요 ㅎㅎ 

--- 

# 실용주의 프로그래머 
- http://www.yes24.com/product/goods/107077663
- 프로그래밍 언어가 아닌 논리 관점에서의 언어 지혜를 다루고 있습니다. 코드 작성, 우수한 팀 구성, 관리, 도구 등 더 나은 프로그래밍을 하기 위한 여러 방법에 대한 이야기를 하고 있습니다. 
- https://pragprog.com/tips/

# 리팩토링 
- http://www.yes24.com/Product/Goods/89649360
- 왜 그리고 언제 리팩토링을 해야할까요? 클래스나 메서드는 어떻게 구성해야 하나요? 유닛 테스트란 뭔가요? 이 책에서 리팩토링에 대한 모든 답을 찾아 볼 수 있습니다. 

# 코드 컴플리트2 
- http://www.yes24.com/product/goods/44130507
- 무려 960 페이지!!! 이 책은 코드 구조, 형식, 변수, 메서드, 팀 관리 등 소프트웨어 개발의 모든 면들을 다 다루고 있어요. 이 엄청난 지식의 양에 감사한 마음이 절로 들지도 모릅니다. 

# 피플웨어 
- http://www.yes24.com/Product/Goods/13657193 
- 프로그래머 관리와 동기부여에 관한 책입니다. 개발 프로세스는 그저 벽돌 쌓기가 아닌 창의적인 과정이니까요! 

# 헤드 퍼스트 디자인 패턴 
- http://www.yes24.com/Product/Goods/108192370 
- 13개의 필수 디자인 패턴를 풍부한 예시와 재밌는 삽화와 함께 설명하는 책입니다. 그저 텍스트만 있는 것이 아니라 손으로 그린 다이어그램과 그림을 통해 개념을 학습하고 몰입할 수 있게 해줍니다. 
- https://longbiao.spatial-crowdsensing.com/courses/scad/files/head-first-design-patterns-compressed.pdf 

# 클린 코드
- http://www.yes24.com/Product/Goods/11681152
- 사람이 읽고 이해하고 유지하기 쉬운 코드를 작성하는 방법에 대한 책입니다. 

# 레거시 코드 활용 전략 
- http://www.yes24.com/Product/Goods/64586851
- 레거시 코드를 가지고 작업하는 건 많은 개발자들이 크게 선호하는 것은 아니지만 피할 수 없는 것이기도 합니다. 이 책은 레거시 코드를 어떻게 올바르게 접근 할 것인지, 그리고 어떻게 안정화 시킬 수 있는지에 대해 이야기 하고 있습니다. 
- https://understandlegacycode.com/blog/key-points-of-working-effectively-with-legacy-code/ 

# A Philosophy of Software Design 
- https://www.amazon.com/Philosophy-Software-Design-John-Ousterhout/dp/1732102201
- 한글 번역본은 없는것 같네요 ㅠ.ㅠ 
- 특정 프로그래밍 언어에 종속 되지 않는 디자인 설계 측면에서 시간을 넘어 통용되는 프로그래밍 원칙에 대한 내용, 그리고 개념 설명을 하고 있습니다.

DEV Community

📰  개발자로서 읽어야 할 책 8권

✍️ dev.to에 올라온 

혹시 실무하면서 이런 고민 해보신 분 있나요?

찝찝한 마음을 걷어내고, 올해 안에는 꼭 내 손으로 직접 데이터 뽑아보고 싶은 분들을 위해!

현업 데이터 분석가들에게 직접 SQL 문법을 배울 수 있는 오프라인 핸즈온 세미나 정보를 공유합니다.

🐣 ‘카피바라도 할 수 있는 SQL 기초’ 핸즈온 세미나

• 행사 일시: 8/30(토) 오전 10시~12시
• 장소: 서울시 강남구

참가 신청하기 (이번 주 일요일, 8/24 신청 마감)
👉 https://dub.sh/BYs5fc6

세미나가 필요할 것 같은 팀 동료나 지인이 있다면, 소식을 공유해 주세요 :)

혹시 실무하면서 이런 고민 해보신 분 있나요? 찝찝한 마음을 걷어내고, 올해 안에는 꼭 내 손으로 직접 데이터 뽑아보고 싶은 분들을 위해! 현업 데이터 분석가들에게 직접 SQL 문법을 배울 수 있는 오프라인 핸즈온 세미나 정보를 공유합니다. 🐣 ‘카피바라도 할 수 있는 SQL 기초’ 핸즈온 세미나 • 행사 일시: 8/30(토) 오전 10시~12시• 장소: 서울시 강남구 참가 신청하기 (이번 주 일요일, 8/24 신청 마감)👉 https://dub.sh/BYs5fc6 세미나가 필요할 것 같은 팀 동료나 지인이 있다면, 소식을 공유해 주세요 :)

지수inc 유지관리팀 사원

최광우

빛나는광우 빛광해돋을우 최광우입니다 ♥️ 🍒 💘 똥광코알라호랑이입니다 👍👍👍광우C최광우입니다☺️😍😀

중요한 데이터를 뽑을 SQL 쿼리 AI에게 온전히 맡겨도 괜찮을까?

데이터리안

매월 현업 실무자들과 데이터 분석 역량 업그레이드 하기!

데이터 분석가 되려면 어떤 역량이 필요할까요?(채용 공고 57건 분석)
https://dub.sh/kUYyhJH

#현업전문가 #데이터분석 #DataAnalyst #data-driven

중요한 데이터를 뽑을 SQL 쿼리 AI에게 온전히 맡겨도 괜찮을까?

댓글 0

비슷한 게시물

주간 인기 TOP 10

추천 프로필