안녕하세요, 데이터 분석가 윤선미입니다.

저는 데이터리안의 데이터 분석 캠프에서 수강생분들의 프로젝트 피드백을 드리고 있는데요. 피드백을 드리다 보니까 대부분의 수강생분이 RFM 분석을 할 때 R, F, M 각각의 기준을 어떻게 잡고 몇 개의 그룹으로 나누어야 하는지 결정하는 걸 가장 어려워하시더라고요. 아마 실무를 하시는 분들도 마찬가지일 것이라고 생각합니다. 그래서 이 글을 통해 RFM 기준을 합리적으로 잡기 위한 가이드라인을 드리려고 합니다.

이 글에서는 RFM 고객 세분화 분석의 기초에 대해서 다루지 않아요. 혹시 RFM 고객 세분화 분석이 처음이신 분들은 데이터리안의 보민님이 작성해 주신 이전 글 ‘RFM 고객 세분화 분석이란 무엇일까요’를 먼저 읽어주세요.

좀 뜬금없게 느껴질 수 있겠지만 이 얘기를 먼저 해야 할 것 같습니다. RFM 고객 세분화 분석은 ‘인사이트’를 내기 위한 분석이 아닙니다. 농담 반 진담 반으로 데이터 분석을 많이 해보지 않은 조직, 사람을 한 번에 알아보는 방법이 있습니다. 바로 ‘인사이트’라는 단어를 들었을 때 진저리를 치느냐 아니냐인데요. ‘인사이트’라는 단어를 좋아하면 초보자, 싫어하면 고인물이라고 생각합니다.

치트 시트(Cheat Sheet)는 한국말로 번역하면 ‘컨닝 페이퍼’입니다. 우리가 시험을 보는 것도 아닌데, 컨닝 페이퍼가 왜 필요하냐고요? 현실은 시험이 아니기 때문이죠!

SQL 입문 단계에서 나아가 윈도우 함수를 다루기 시작하면 고비가 오는데요. 윈도우 함수의 함수명이나 형태가 기존에 사용하던 SQL과 모양이 다른 것뿐 아니라, 집합 지향적인 전통 SQL 문법과 다르게 절차 지향적 생각이 많이 들어간 문법이기 때문입니다. 그래서 이번 치트 시트에는 서브쿼리, WITH 문과 함께 윈도우 함수와 Frame에 대한 내용이 많이 들어갑니다. SQL의 고급 문법과 친해지는 데 도움이 됐으면 좋겠습니다.

안녕하세요. 여기어때에서 Data&AI 센터를 맡고 있는 곽태호라고 합니다. 회사에서는 닉네임으로 앤써라고 부르고 있어요. '분석가는 문제를 잘 이해하고 데이터 기반으로 답을 드리는 역할이 아닐까'라고 생각해서 앤써라는 닉네임을 지었습니다.

제가 데이터 분야에서만 20년 넘게 일을 하였는데요. 오래전에 인프라나 솔루션이 지금과 같이 갖춰지지 않았던 시기에는 데이터 아키텍트 컨설턴트로 일을 했었습니다. 이후 외국계 컨설팅 회사에서 대기업들과 초기 빅데이터 시스템을 구축하거나 활용 과제를 만들고 수행하는 일을 했었고요. 이후에 실제로 스타트업을 창업하기도 했었고, 대기업에서 데이터 기반 신사업을 추진했었습니다. 지금은 여기어때에 자리 잡고 데이터/AI 기반으로 효율화하고 개선하는 일들을 하고 있습니다. 오늘은 일전에 저희 채용공고 리뷰하셨던 거를 저도 봤거든요. 보면서 뜨끔해서 이렇게 직접 등판하게 되었습니다ㅎㅎ

네, 연차별로 기대치가 다르긴 합니다. 가령 2, 3년 차 분인데 업무 이해도도 높고 발전 가능성이 높다고 하면, 기존에 담당하시던 분 업무를 조정해서라도 채용해서 좀 더 성장하실 수 있게 해드리기도 하고요. 반대로 연차가 높으신 분들, 기존에 어떤 업무를 하시다가 전향하셨는데 굉장히 잘하신다고 하면 그분의 역량을 바탕으로 좀 더 잘하실 수 있는 새로운 과제를 기획해 보는 편입니다. 

조금 개인적일 수 있는데, 문제 해결 능력을 많이 보는 편입니다. 사실은 경력이 많이 없으니까 어떻게 해야 하는지 인터뷰 때 바로 답변 못 하시는 경우가 많이 있잖아요. 그렇지만 우선 이분이 어떤 고민을 하고, 또 문제에 어떻게 접근하는지를 보고요. 본인이 가지고 계신 역량, 예를 들어 대학원에서 어떤 공부를 했거나 그 전 회사에서 어떤 걸 해봤다면, 그런 경험을 기반으로 문제를 해결하기 위해 어떤 식으로 접근하시는 지를 봅니다. 그리고 실제로 그렇게 문제를 해결하실 수 있을 만큼의 준비가 되어있으신지도 보는 편입니다.

채용공고에 적혀있는 걸 다 할 줄 알아야 하는지, SQL 능력을 보여주기 위해 자격증이 필요한지, 20년 차 데이터 전문가 앤써의 공식 답변을 아래 유튜브 영상에서 확인해보세요!

정규화 이론이라고 하니 좀 어렵고 딱딱해 보이지만, 상식 선상에서 모두 이해할 수 있습니다. 혹시 글을 보다가 막히는 부분이 있으면 당황하지 말고 ‘상식적으로 다시 생각해 보자 💭’는 마음가짐으로 내용을 곱씹어 보시면 좋겠어요. 1정규형부터 3정규형까지, 데이터 모델링의 꽃인 정규화 이론에 대해서 쉽게 배워봐요.

• 데이터 분석가 3명의 MBTI와 공통점은?
• 숫자 감각이 탁월해야만 데이터 분석가 할 수 있나요?
• 데이터 분석가에게 문제 해결력이 왜 필요한가요? 어떻게 기를 수 있을까요?  
• 데이터 분석가로 일하기에 적합한 성격이 있을까요?
• 커뮤니케이션 스킬이 중요한 이유가 뭔가요?
• 세 분은 데이터 분석가로 일하는 것에 만족하시나요?
• 데이터 분석가로 일하기 전에 생각했던 분석가와 실제 분석가의 차이점이 있나요?
• 데이터 분석가 되려면 자격증이 꼭 필요한가요?
• 데이터 분석가에 관심이 생겼는데, 뭐부터 시작하면 좋을까요?