[ 데이터 분석을 산업과 연계하기 위해서 ] 데이터 분석가와 계리사의 특징을 비교하고 서로에게 배울점을 소개한 글 입니다. 데이터 분석을 산업과 연계하여 활용하고자 한다면 계리사들로부터 배울점이 분명히 있어 보입니다. 보험에 국한된 이야기지만 다른 부서와 긴밀한 협업이 필요한 데이터 분석가분들이라면 얻어가실 점이 있는 글이라고 생각합니다. 요약: 비데이터 분석가와 협업해야 하는 데이터 분석가는 기존의 스킬을 충분히 활용하는 동시에 비즈니스를 이해하고 적용해야 유의미한 결과를 가져올 수 있다. 📣 아래는 데이터 분석가와 계리사의 특징들 입니다. 데이터 분석가의 특징이라고 볼 수도 있지만 어떻게 보면 다른 사람들이 데이터 분석가에게 기대하는 특징들이기도 합니다. 따라서 데이터 분석가가 다른 업을 가진 분들과 교류를 통해 조직에 진정으로 융화되기 위해서는 아래에 소개되는 특징을 기본적으로 갖고 있으며, 적극적으로 활용해야 합니다. ● 기본 스킬 🖊️ 데이터 분석가 - 이미지, 텍스트 등과 같은 비정형 데이터를 다룰 줄 안다 - 프로그래밍을 통해 컴퓨팅, 자동화, ETL 등을 할 수 있다 - 데이터 모델 배포/관리와 같이 프로젝트의 전체적인 사이클을 관리할 수 있다 ✏️ Actuary (계리사) - 산업에 대한 깊은 이해 - 특정 주제에 대해 오랜 기간의 검증 기간을 거친 정형화된 접근 방법론을 알고 있다 - 전문성을 바탕으로 사업상의 의사결정이 진정으로 의미하는 바를 이해할 수 있다 ● 마인드셋 🖊️ 데이터 분석가 - 새로운 툴이나 방법론을 바탕으로 더 좋은 성과를 가져온다 - 전문성이 산업에 국한되어있지 않고, 데이터 분석가 커뮤니티의 기준을 따른다 - 커리아 발전 방법과 길이 정해져 있지 않고, 발전이 빠르다 ✏️ Actuary (계리사) - 전달하고자 하는 이야기가 숫자보다 중요할 수도 있기 때문에 주관적 판단이나 경험에 의존하기도 한다 - 연차와 경험이 쌓이면서 데이터 작업과 거리가 멀어진다 - 커리어 발전 방향이 정해져있다 ● 강점 🖊️ 데이터 분석가 - 최신 방법론을 통해 인사이트나 새로운 형태의 데이터를 제공한다 - 산업에 매몰되지 않은, 다른 시각을 갖고있다 - IT 배경의 workflow를 빌려옴으로써 프로젝트/솔루션 사이클을 규모의 경제에서도 관리할 수 있다 ✏️ Actuary (계리사) - 실제 임팩트를 줄 수 있도록 노력한다 - 산업에 대한 깊은 이해를 바탕으로 문제 해결에 있어서 전체적인 시야를 확보할 수 있다 - 다양한 상황에 적용될 수 있는 정형화된 접근 방법이 있다 ● 약점 🖊️ 데이터 분석가 정형화된 접근 방법이 딱히 없다 데이터 분석에 대한 기대치가 너무 높은 경우 달성하는데 어려울 수도 있다 데이터 자체 보다는 툴 자체에 중점을 둘 우려가 있다 ✏️ Actuary (계리사) 제한된 방법론만 알고있다 커리어가 안정적으로 정해져 있기 때문에 개인 발전이 더딜 수 있다 📣 계리사는 보험회사의 전반적인 위험을 분석/평가하고 상품 개발도 하기 때문에 통계는 물론 산업에 대한 이해도 필요합니다. 계리사과 데이터 분석가가 시너지를 내기 위한 첫 단추는 서로의 장점을 배우면서 시작 됩니다. ✏️ 계리사가 배울 점 - 비선형 모델링을 통한 더욱 높은 정확도 - 데이터 분석에서 활용하는 모델 검증 방법 활용하기 - 다른 도메인에서 활용되는 다양한 접근법/방법론을 가져오는 마인드셋 - 큰 데이터 셋이나 새로운 변수를 적극적으로 활용하기 🖊️ 데이터 분석가가 배울 점 (산업과 연계할 때 유의할 점) - 정확도가 높다고 해서 항상 좋은 모델인 것은 아니다 - 데이터가 맞는지 매우 꼼꼼히 확인하고 분석을 시작하라 - 조금이라도 활용되기 위해서는 모델을 설명/해석할 수 있어야 한다