데이터 사이언티스트

데이터 사이언티스트는 분석 기술만 다루는 기술자가 아니다. 데이터를 분석해 의미를 찾고, 그 의미를 조직이 이해하고 실행할 수 있는 전략으로 바꾸어 전달하는 사람이다. ADsP 과목 1의 세부항목 '전략 인사이트 도출을 위한 필요 역량'에서 다룬다.

필요 역량

데이터 사이언티스트에게 필요한 역량은 하드 스킬(Hard Skill)과 소프트 스킬(Soft Skill)로 나눈다.

하드 스킬은 교육으로 비교적 빠르게 갖출 수 있지만, 분석 결과를 가치로 연결하는 것은 소프트 스킬이다. 그래서 데이터 사이언티스트의 역량을 설명할 때 소프트 스킬의 비중이 강조된다.

분석 결과가 곧바로 가치가 되지는 않는다. 데이터 사이언티스트는 "무엇이 일어났는가"를 넘어 "그래서 조직은 무엇을 해야 하는가"라는 전략적 인사이트를 끌어내야 한다. 이를 위해 다음이 필요하다.

단순히 업무별로 데이터를 분석하는 일차원적 분석과 전략을 도출하는 분석의 차이는 데이터 사이언스의 '전략 인사이트' 절을 본다.

데이터 사이언티스트에게 인문학적 사고가 요구되는 것은 외부 환경이 다음과 같이 바뀌었기 때문이다.

변화	이전	이후
세계화의 성격	단순한 세계화(컨버전스, Convergence)	복잡한 세계화(디버전스, Divergence). 지역과 문화에 따라 다양성이 커진다
비즈니스의 중심	제품 생산	서비스. 고객 경험이 경쟁력이 된다
경제와 산업의 논리	생산	시장 창조. 공급자가 아니라 고객과 시장을 이해해야 한다

이런 환경에서는 사람과 사회를 이해하는 능력, 즉 고객이 왜 그렇게 행동하는지를 해석하는 능력이 분석 기술만큼 중요해진다. 데이터에 담긴 행동의 맥락을 읽고, 윤리적 문제를 판단하고, 설득력 있는 이야기로 전달하는 힘이 인문학적 사고에서 나온다.

데이터를 다루는 직무는 이름이 비슷해 헷갈리기 쉽다. 무엇을 만들고 무엇을 책임지는지로 구분한다.

직무	주된 일	예
데이터 엔지니어	데이터를 수집·저장·처리하는 인프라와 파이프라인을 구축하고 운영·모니터링한다	하둡 같은 빅데이터 플랫폼 구축, 관계형 데이터베이스를 하둡 기반으로 전환·이관하고 그 과정을 모니터링, ETL 작업 관리
데이터 아키텍트	전사 데이터의 구조·표준·흐름을 설계한다	데이터 표준 수립, 데이터베이스 구조와 데이터 흐름 설계
데이터 모델러	업무 요구를 데이터 모델(개념·논리·물리 모델)로 표현한다	ER 다이어그램 작성, 엔터티·속성·관계 정의(데이터 모델링)
데이터 애널리스트	준비된 데이터를 분석·시각화해 현황을 해석하고 보고한다	통계 분석, 대시보드·리포트 작성
데이터 사이언티스트	고급 분석과 예측 모형으로 비즈니스 전략 방향을 제시한다	기계학습 모형 개발, 분석 결과의 전략적 해석

플랫폼 전환·이관을 수행하고 모니터링하는 것은 시스템을 운영하는 데이터 엔지니어의 일이다. 아키텍트와 모델러는 설계를, 애널리스트는 분석을 맡는다.