원래 검색엔진 개발을 오래 하다가 본의 아니게 데이터 쪽으로 업무를 바꿔서 팀 빌딩 등 다양한 경험을 한지 12년이 되어 간다. 폴리보어와 유데미에서 혼자 시작해서 데이터팀의 크기를 각각 15명, 30명으로 키워보고 다수의 회사들(실리콘밸리와 한국)에서 데이터 관련 어드바이저 역할을 하면서 비슷한 관찰을 반복하며 했는데 그 이야기를 하나 해보려고 한다.

1. 정확히는 현업팀에 소속된 데이터 분석가의 비애라고 하는 것이 정확할 듯 한데 내부 임직원을 위해 다양한 데이터 분석을 수행하고 지표(KPI/metrics) 정의하고 대시보드 만드는 일을 하는 데이터 분석가의 삶은 고달프기 쉽다.

2. 현업에서 일단 비슷하거나 조금 다른 질문들이 반복해서 들어오는 경우들이 많고 많은 경우 빨리 답을 원한다. 또 data-driven (혹은 data-informed)하려고 하지만 흉내만 내는 경우 적은 수의 중요한 지표를 정의하고 그걸 바탕으로 개선하기 보다는 계속해서 새로운 지표를 만들어내게 된다.

3. 예를 들어 미팅에서 뭔가 결정을 하는 것보다는 새로운 데이터 기반 리포트를 만들어내거나 새로운 지표를 대시보드에 추가하거나 새로운 대시보드를 만들어야하는 신박한(?) 경험을 하게 된다. 이는 나중에 어느 대시보드를 써야하는지 알기 힘든 대시보드 discovery 이슈로 이어진다. 이는 의사 결정권자에게 결정장애가 있는 경우 더 심하며 조직의 데이터 문해력과도 관련이 있다.

4. 이런 쪽으로 잘못 들어가게 되면 반복해서 비슷한 SQL을 작성(SQL Monkey라고 많이 불렀다 ^^)하며 하루를 바쁘게 보내지만 막상 돌아보면 무슨 일을 했는지 성취감이 떨어진다. 또 조직구조상 현업팀에 소속되면 커리어 관점에서 가이드나 다음 스텝이 잘 안 보이기에 의욕도 떨어지고 외부에 더 좋은 기회에 생기면 그만두기 십상이다.

5. 그래서 데이터 조직은 하이브리드 형태로 운영하는 것이 최상이라 본다. 먼저 중앙 데이터 팀이 있어 데이터 일을 하는 모든 사람들이 포함되고 (커리어 패스와 데이터 관련 지식 공유 등의 장점 이외에도 데이터 엔지니어링 팀과 협업도 편해짐), 현업팀과의 협업에 있어서는 파견 형태로 일을 하고 주기적(1년?)으로 팀을 바꿈으로써 다양한 경험을 할 수 있게 해주는 것이 좋다고 본다.

6. "좋은 데이터 분석가는 어떤 사람인가?"라는 질문을 종종 받는데 여러 가지 측면이 있겠지만 수동적으로 주어진 요청에 응하지 않고 질문을 많이 해서 문맥을 이해하고, 자주 들어오는 질문들을 매번 노동을 통해 답하는 것이 아니라 어떤 형태로건 self-service로 만드는 사람이란 것이 내 대답이다. 하나 더 추가하자면 단순 분석으로 끝나는 것이 아니라 가치를 낼 수 있는 스토리를 이야기할 줄 아는 사람이다.

#데이터분석 #데이터문해력 #의사결정