👩‍💻 최고 전문가에게 듣는 '데이터, AI' 커리어 완벽 가이드 📊 😄 유튜브 '조코딩' 채널에서 최근 '빅데이터 커리어 가이드북'의 저자 서울대학교 산업공학과 조성준 교수님을 모시고 데이터 분야의 커리어에 관한 인터뷰를 한 영상입니다. 아직 저도 책을 읽어보진 못했지만, 영상에서 데이터 분야에 관심이 많거나 이미 데이터 분야에서 일을 하시는 분들이라면 궁금했던 내용과 공감되는 내용이 많아 추천합니다. ⭐️ 빅데이터가 각광받고 있는 이유 1. 데이터가 많아짐 = 기회가 많다 2. 객관적 의사결정에 대한 필요성 증가 - 과거 현자로 불리는 소수의 의사 결정권자의 경험과 감에 의한 의사결정의 한계 봉착 - '데이터 = 팩트' 위 두 가지 이유로 많은 기업, 공공기관 등에서 빅데이터를 분석하려고 함 ⭐️ 지금은 빅데이터 분야가 유망한데 미래에도 유망할까? '앞으로도 데이터가 더 많이 생길까?'를 생각해 보면 됨 - 데이터는 앞으로도 훨씬 많아질 것으로 예측 - 데이터 시대는 아직 '걸음마' 단계 ⭐️ 빅데이터 커리어 6가지 분야 [전문가 / 기술 영역] ✓ 데이터 엔지니어 > 엔지니어링 백그라운드를 가지고 데이터를 모으고 저장해 주는 역할 > 컴공 기반의 데이터베이스 학습을 하고 클라우딩 컴퓨팅 기술을 보유 ✓ 데이터 사이언티스트 > 빅데이터를 가지고 AI, 통계학, 시각화 등의 전문 분석 방법으로 문제를 해결하는 역할 > 깊이 있는 기술적 역량과 비즈니스 전문성을 함께 보유 (데이터 관련 전공 based) ✓ 데이터 리서처 > 실전보다 분석하는 사람들이 쓸 수 있는 새로운 방법들을 혁신, 개발, 연구하는 사람 > 높은 수준의 수학적 지식, 연구 능력을 보유 (관련 전공 석/박사) [비전문가 / 비즈니스 영역] ✓ 데이터 애널리스트 > 데이터를 활용하여 문제를 해결하는 사람, 데이터 사이언티스트와 유사하나 분석 방법론의 깊이가 낮음 > 도메인 전문성을 보유하고 있고, 자신의 주 업에 데이터를 활용할 수 있는 역량 보유 ✓ 시티즌 데이터 사이언티스트 > 자신의 주 분야에서 데이터를 활용하여 문제를 해결하는 사람, 데이터 애널리스트보다 깊이가 있고, 데이터 사이언티스트보다 전문성은 낮지만 비즈니스 영역에서 전문성과 기획 역량을 보유 > 우리나라에 많지 않으며, 가장 중요한 역할임을 강조 (분석하는 방법도 중요하지만 무엇을 분석하느냐, 기존 방법과 획기적으로 다른 방법이 무엇일까를 잘 아는 사람) ✓ 기획자 > 도메인 전문성을 가지고 기획하는 역할 > 비즈니스에 대한 전문성, 기획 역량 보유 ⭐️ 직무별로 요구하는 역량 [기술적 역량] 1. 대학교 수준의 수학 지식 2. AI, 머신러닝에 대한 콘텐츠 3. 클라우딩 컴퓨팅 4. 코딩 [비기술적 역량] 1. 도메인 지식 2. 의사소통 능력 위에서 분류한 6개의 분야마다 필요한 능력에 대한 비중은 서로 다름 ⭐️ Q & A [도메인은 어떻게 결정하는지] - 기술적 직무로 가느냐, 도메인으로 가느냐는 이미 결정 - 통계, 컴공 등의 전공자라면 기술 트랙으로 진출 - 경영, 경제학 등 비전공자라면 하고 있는 것이 도메인 - 도메인은 취업을 하고 일을 하게 되면 자연스럽게 접하게 됨 [비전공자도 빅데이터를 시작할 수 있을까] - 비전공자도 시티즌 데이터 사이언티스트처럼 될 수 있음. 대학에 있다면 관련 전공의 과목 수강 권장 [독학사, 학점은행제로 데이터 사이언스 관련 전공이 도움이 될까] - 시간적 여유가 있다면 하는 건 괜찮으나, 비전공자라면 업무를 먼저 하는 게 나으며, 본인의 전공에 집중 권장 [데이터 사이언티스트가 되려면 대학원을 꼭 가야 하는가] - 석사는 기본 상황이 허락하면 박사까지 - 비전공자의 경우 시티즌 데이터 사이언티스트가 되려면 오히려 본인 전공 대학원 내 데이터 분석을 연구하는 곳이 많기에 자기 전공을 심화하면서 배우는 방법도 있고, 또 하나의 방법은 먼저 취업을 통해 실무를 익히는 것이 좋음 [데이터 관련 자격증의 종류와 취업에 얼마나 중요한가] - 회사에서는 데이터 자격증만을 가지고 뽑진 않으나, 최근 클라우딩 컴퓨팅 환경이 갖춰지면서 데이터 엔지니어링 쪽에서는 AWS 등 클라우드 자격증은 도움이 됨 [빅데이터 분야에서 선호되는 프로그래밍 언어? Python or R?] - 통계학은 R을 많이 사용, 그 이외에는 전부 Python을 사용 - R은 배우기가 훨씬 쉬움, 파이썬은 할 수 있는 게 많음 - 이 밖에 많이 쓰이는 툴 : SAS (비쌈, 코딩이 필요 없음), 태블로(시각화 목적, 코딩이 필요 없음), 스폿파이어(그림을 보면서 분석하는 비주얼 분석, 실시간 분석 가능), 래피드 마이너(유료), 오렌지(유료), KNIME(무료) [데이터 분야로 취업하기 위한 경험] - 캐글 대회, 해커톤, 공모전 참여 - 개인의 Github 관리 ⭐️ 마무리 커리어 조언 - 100년 전 글을 읽고 쓸 줄 아는 사람이 극소수였고, 1980년대 컴퓨터를 할 줄 아는 사람이 극소수였지만 기술이 사회에 녹아들어 이제는 모르면 사회생활이 불가능할 정도로 되어버림 - 마찬가지로 데이터 사이언스 분야도 현재는 극소수의 전문가만이 해야 된다고 생각하지만 앞으로 모두가 배워야 할 일이 될 수 있음 - 점진적으로 데이터 사이언스 분석 과정이 자동화되고 간소화될 가능성이 많음. 따라서, 분석이 쉬어지게 된다면 결국 모두가 사용할 수 있게 될 것이고 결국 기획 능력에서 판가름이 날 것 - 기획에 필요한 역량은 '도메인 지식'과 '분석 역량' (시장을 알고 비즈니스를 아는 사람)