💡오늘의 생각

"데이터 분석 도구로서 R or Python? 데이터 사이언스 산업계 한정 그냥 Python하시기를." 내가 가장 사랑하는 언어는 R이다. 하지만, 산업계에서 데이터 분석을 하고 싶은 마음에 이제 막 데이터 사이언스(이하 데싸)에 입문한 누군가가 내게 R과 Python 둘 중 어떤 도구를 먼저 익혀볼지 고민을 하고있다는 이야기를 한다면, 나는 그냥 Python을 익히라고 말할 것이다. 그렇다고 해서 내가 이전에는 R을 권했다는 것은 아니다. 사실 둘 중 어느 언어를 이용할지는 본질적으로 당신이 하고자 하는 구체적인 일이 무엇인지에 달려있기 때문이다. 그러나, 이제는 이를 차치하고 만약 누군가 이와 관련한 조언을 구한다면 그냥 Python을 권하고 싶다. 대학원 졸업 후, 학계(병원 연구센터)에서 1년반을 보내고 산업계로 넘어오면서 어언 세달이 다되어 간다. 학계에 있을 때는 느껴보지 못한 이 씁쓸한 현실을 받아들이기로 했다. 산업계에 와보니 Python이 데싸에 더 우수한 언어인 것 같아서냐고? 그렇지 않다. 여전히 내 생각은 같다. 둘 중 어느 언어를 사용할지는 당신의 구체적인 일이 무엇인지에 달려있다. 이 글이 R vs Python과 같은 지루하고 무의미한 논쟁으로 비춰질까 하는 마음에서 이 얘기를 두 번이나 하고 있다. 참고로, 링크드인에서 데이터 사이언스 업계의 사람들에게 가장 많은 관심을 불러일으킬 수 있는 방법은 간단하다. 단 한 마디를 적어서 글을 올려보자. "R is better than Python" 또는 "Python is better than R". 해외 데싸 업계 고수들의 댓글에서 많은 것을 배울 수 있을 것이다. 다시 본론으로 돌아가자. Python을 권해야겠다고 생각한 이유는 간단하다. 데이터 사이언스 산업계에서 R 사용자는 찾아보기 힘들기 때문이다. 그냥 힘든 수준이 아니라, 매우 찾아보기 힘들다. 참고로, 우리 직장에 사내 R 사용자는 0명이라고 한다. 이게 현실이다. 그래서, 설사 R을 이용할 수 있는 분석 환경이 갖추어져있다고 해도 데이터 분석에 협업이 필요할 때나 정기적인 유지보수가 필요한 프로젝트를 수행해야 할 때, R을 분석 도구로 사용하는 것은 매우 어렵다. 사내에서 다른 사람들과 협업할 일이 많아질수록 나는 R과 자연스럽게 멀어질 것이다. 나는 사내 분석 환경에 R을 사용할 수 있는 환경을 구축해놓았다. 그 과정이 그렇게 쉽진 않았지만.😂 그러나, 내가 R을 사용할 수 있는 순간은, 나 홀로 데이터 분석을 수행해도 아무 문제가 없을 때 뿐이다. 다행히 이 상황이 꽤나 적을거 같진 않다. 그래서, 나는 앞으로도 R을 꾸준히 사용할 것이다. 그러나, 이런 현실을 맞닥뜨렸을때 느낀 씁쓸함은 지워지지 않을 듯 하다. p.s. 특정 산업계의 경우 R 사용자의 파이가 더 클 수도 있으며(e.g. 바이오), 그외 다른 산업계는 stata나 sas와 같은 언어들이 차지하는 파이가 클 수도 있음. 혹시나, 모든 산업계의 데이터 분석 영역에서 Python이 차지하는 파이가 대부분이라는 식으로 글이 전달되었을까봐 덧붙입니다.