일의 본질



모든 역할에는 본질적인 기능이 있습니다. 운동의 기능은 재미와 건강이고, 공부의 기능은 성장과 깨달음입니다. 직장에서의 일 역시 그 종류에 따라 본질적인 기능이 다릅니다. 영업은 돈을 버는 일이고, 마케팅은 기업 브랜드나 제품을 홍보하는 일입니다.

그런데 때로는 일의 기능과 본질이 혼동되는 경우가 있습니다. 특히 데이터 분석 업무가 그렇습니다. 데이터를 수집하고 가공하는 작업 자체가 본질인 것처럼 여겨지는데, 이는 전형적인 착각입니다. 데이터 분석의 진정한 목적은 인사이트를 도출하여 비즈니스 성장에 기여하는 것입니다. 이를 깨닫는다면 데이터 분석가를 꿈꾸는 사람들이 무엇을 준비해야 하는지 명확해집니다.

최근 데이터 분석가 취업을 희망하는 사람들과 멘토링을 진행하고 있습니다. 저는 데이터 분석 전문가는 아니지만, 직장 생활 내내 데이터를 다루며 관련 고민을 많이 해왔기 때문에 가벼운 조언 정도는 할 수 있다고 생각합니다. 이들이 공통적으로 궁금해하는 몇 가지 질문들이 있습니다.

첫째, 데이터 분석가와 데이터 사이언티스트의 차이점에 대해 궁금해합니다. 솔직히 제 경험으로는 이 둘의 구분 기준이 회사마다 다르며, 두 직무가 공존하는 회사는 거의 없습니다. 회사들이 두 직무를 명확히 구분하지 않기 때문입니다. 물론 사전적 의미나 필요한 기술, 지식, 역할 등의 세부 직무 기술서는 다를 수 있습니다. 하지만 앞서 언급한 일의 본질 측면에서 보면, 데이터를 활용해 비즈니스 성장에 기여하는 인사이트를 도출한다는 점에서 매우 유사한 기능을 합니다.

둘째, 데이터 분석가의 전문성을 갖추려면 대학원 진학이 필요한지 궁금해합니다. 빅데이터, 머신러닝, 딥러닝, 나아가 AI 엔지니어링 분야까지 역할을 확대하는 것을 고려할 때, 최근 채용 공고에서 석사 출신 우대 조건을 자주 볼 수 있기 때문입니다. 채용 기업이 요구하는 역할을 수행하려면 대학원 진학을 진지하게 고려해야 할 것입니다. 다만 데이터 분석가나 비즈니스 애널리스트 직무로 취업하여 같은 분야에서 계속 성장하고자 한다면, 반드시 대학원 진학이 필요한 것은 아니라고 생각합니다.

셋째, AI 기술 발전으로 데이터 분석가 역할이 AI 도구로 대체되지 않을까 우려합니다. 이런 고민에 대해 섣불리 답하기는 어렵습니다. 이미 해외에서는 AI 기술 발전으로 인한 인력 대체 사례가 늘어나고 있기 때문입니다. 하지만 아직 국내에서는 이런 움직임이 표면적으로 활발해 보이지 않습니다. 언젠가는 대한민국도 사람의 역할을 AI가 대신하는 날이 올 것입니다. 그렇다고 이를 우려하여 직업 선택을 주저할 필요는 없습니다. 기계가 인간을 완전히 대체할 수는 없다는 것이 제 생각입니다. 사람의 사고 능력과 기계 기술은 본질적으로 다릅니다. 그 차이를 이해하고 사람만이 할 수 있는 강점을 발휘한다면, 데이터 분석가뿐만 아니라 어떤 직무에서든 전문가로서 가치를 인정받을 수 있습니다.

이 외에도 포트폴리오 작성, 프로젝트 선정, 도메인 선택 등 다양한 고민이 많지만, 이는 거의 모든 직무에 해당하는 공통된 걱정입니다. 처음 일을 시작하거나 익숙하지 않은 시기를 지날 때 생기는 불안과 근심은 일의 종류와 관계없이 비슷한 것 같습니다. 아직 경험해보지 않아서 일의 본질을 깨닫지 못했기 때문에 드는 고민일 것입니다. 일의 본질을 안다면 이 모든 것을 충분히 극복할 수 있다고 믿습니다. 포트폴리오 작성도, 역량 강화를 위한 프로젝트 선정도, 입사 지원과 행복한 직장 생활을 위한 도메인 선택도 모두 마찬가지로 일의 본질부터 고민해봐야 합니다.

취업을 고민하시는 분들에게 권하고 싶은 것이 있습니다. 자신이 일하려는 이유를 먼저 구체적으로 정리해보시면 좋겠습니다. 일을 통해 얻고 싶은 것이 무엇인지 생각해보시기 바랍니다. 물질적인 것과 가치적인 것을 나누어 생각해보시는 것도 도움이 됩니다. 그리고 일할 수 있는 곳을 회사로만 한정하지 않으셨으면 좋겠습니다. 일은 회사 밖에서도 얼마든지 할 수 있습니다. 월급에 매여서 일의 범위를 스스로 제한하지 마시기 바랍니다. 일을 통해 성취하고 싶은 것이 무엇인지 깨닫는 오늘이 되시길 진심으로 응원합니다.