데이터 직군, 대학원을 가야만 취업할까요?

데이터 취업, 대학원이 유일한 길일까요? 대학을 졸업한 후 대학원을 가는 것이 전혀 이상하지 않은 요즘 시대. 데이터 과학을 배우기 위해 많은 사람들이 대학원을 가는 것을 목표로 삼고 있습니다. 실제로 데이터 과학을 검색하면 어떤 대학원을 가야하는지가 다음 고민으로 검색되는 경우가 많은데요. 하지만 대학원이 데이터 과학을 배우기위한 유일한 길일까요? 여러 가지 견해들이 있겠지만, 제 개인적인 견해는 [대학원은 절대 필수가 아니다]로 말할수 있습니다. 먼저 제가 그렇게 생각하는 이유들을 몇가지 말씀드리고자 합니다. [1] 대학원은 교육의 연장선이다 교육은 정교하게 커리큘럼이 짜여져 있는 하나의 시스템입니다. 그리고 고학력자를 키우는 고등 교육의 분야에서는 각 분야의 전문가들이 모여서 시스템을 체계적으로 구성하는 과정이 필요합니다. 하지만 현업자가 바라보는 데이터 과학은 조금 다릅니다. 데이터 과학은 수많은 실험과 연구가 축적된 학문입니다. 그리고 그 실험과 연구들은 세상이 원하는 방향, 조금 더 세속적으로 보자면 기업이 원하는 방향으로 대부분 일어납니다. 그리고 그 방향은 얼마나 많은 이익을 기업에게 가져다 주느냐에서 많이 결정됩니다. 실용성, 즉 어떻게 현실에 적용할 것인가를 중점으로 두는 학문이 바로 데이터 과학입니다. 결국 현실에 반영하는 데이터 과학을 알기 위해서는 결국 그 안에서 살펴보는 것이 필요합니다. 그 말은 곧, 기업 안에서 데이터 과학이 어떻게 사용되는지, 그리고 기업이 데이터 과학으로 무엇을 이루고자하는지를 파악하는 것이 중요합니다. [2] 자신의 목표가 학위보다 중요하다 여러 연구기관과 정부의 연구과제들도 있겠지만 현재 데이터 과학이 가장 많이 사용되는 영역은 테크 기업들로 대표되는 ‘네카라쿠배당토’입니다. 만약 순수하게 데이터 과학의 매력에 빠진 분들이라면 앞의 이야기들은 잊어주시길 바랍니다. 저 역시 데이터 과학을 알면 알수록 점점 더 깊이와 매력이 있는 학문인 것을 알아가고 있으니까요. :) 현재 개발자와 IT로 대표되는 테크 기업에서 필요한 데이터 인재는 바로 기업의 비전과 아이템을 데이터로 찾아내고 데이터로 구체화시키는 사람들일 것입니다. 결국 데이터 과학은 기업이 성장하기 위한 밑거름으로 사용됩니다. 대표적인 데이터 인재가 바로 데이터 과학자이지요. 데이터 과학자가 가장 많이 알려진 직종이지만, 현재 데이터 과학자의 역할은 여러 세부 분야로 점점 나누어지고 있습니다. 데이터를 미리 저장하고 관리하는 데이터 엔지니어, 기계학습을 프로그래밍을 통해 자동화시켜주는 머신러닝 엔지니어, 데이터의 의미를 분석하고 전달하는 데이터 분석가까지 현재 데이터 과학은 계속 변화하고 있습니다. [3] 개인적인 경험에 비추어본 데이터 과학 저는 비전공자 출신으로서, 데이터 과학을 잘 모르던 시절부터 수치로 의사결정하는 것을 좋아했습니다. 학생 시절, 여행을 좋아하던 저는 가장 싼 비행기 값을 찾기위해 엑셀로 만든 조잡한 스프레드시트형 계획표를 만든 다음, 그곳에 검색한 내용들을 하나씩 넣어서 비교할수 있는 여행 의사결정 테이블을 만들었습니다. 나중에 취업한 후, 많은 회사들이 저와 비슷한 행동을 통해 의사결정을 한다는 사실을 깨달은 다음에는 제가 잘할수 있는 분야를 찾을수 있었죠. 이처럼 데이터 과학과 관련한 전문적인 교육없이도 데이터를 사용한 의사결정을 하기 위한 마음만 있다면 대학원은 필수가 아닐수 있습니다. [4] 자전거를 타기 위해서 자전거를 만들 필요는 없다 결론은 돌아돌아, 데이터 과학을 얼마나 현실에서 사용할수 있으냐로 정리할수 있을것 같습니다. 자전거를 잘 타기 위해서는 자전거의 동작 원리나, 어떻게 페달을 밟을 것인지를 연구하는 것보다 자전거를 여러번 타면서 넘어지는 것이 훨씬 빠른 방법입니다. 많은 머신러닝 알고리즘과 딥러닝 이론들은 우리가 자율주행으로 목적지에 도착하는 자동차를 만들수 있는지, 미리 어떤 비행기가 가장 싸고 빨리 목적지에 도착하는 지, 그리고 우리가 어떻게 하면 좋은 의사결정을 내릴수 있을지를 알려주기 위해 존재하는 것이라고 생각합니다. 세상을 이롭게 하는 데이터 과학을 위해 오늘도 데이터 리차드는 달려가겠습니다. #데이터리차드 #데이터교육 #데이터분석