#분석가vs사이언티스트 #생성형AI 🧸
안녕하세요 구독자님, 데이터리안 혜정입니다.
어린이날 연휴 잘 보내셨나요?
오늘도 저희 뉴스레터를 보러 와주셔서 감사합니다 :)
오늘 뉴스레터에는 주니어 데이터 사이언티스트를 위한 글부터, 데이터 분석가와 사이언티스트의 차이, 그리고 데이터를 활용하고 있는 기획자의 인터뷰까지 준비해 봤어요.
5월은 휴일이 많은 만큼 즐거운 시간 많이 보내시길 바랄게요. 저는 6월 뉴스레터에서 다시 뵙겠습니다💌
|
|
|
1. 블로그 | 주니어 데이터 사이언티스트에게 하고 싶은 이야기
2. 세미나 | 생성형 AI와 함께하는 데이터 분석가 커리어
3. 유튜브 | 데이터 분석가 vs 사이언티스트 채용 공고 어떻게 다른가요?
4. 인터뷰 | 데이터를 근거로 반박 불가한 기획을 하고 싶어요 |
|
|
💌 주니어 데이터 사이언티스트에게 하고 싶은 이야기
|
|
|
안녕하세요, 데이터 분석가 선미입니다.
오늘은 네이버의 Data & Analytics(DnA) 조직의 리더, 김진영님의 글을 소개하려고 합니다. 데이터 사이언티스트에게 요구되는 역량의 종류만큼이나 다양한 성장 경로가 있는데요. 20년 차 데이터 사이언티스트 김진영님은 주니어 데이터 사이언티스트에게 어떤 이야기를 전하고 싶으실까요? 이 글의 원문은 김진영님 브런치에 업로드된 “주니어 데이터 사이언티스트에게 하고 싶은 이야기들”입니다.
⋯⋯⋯
채용 관련해서 많은 주니어/시니어 데이터 사이언티스트, 데이터 엔지니어를 만나고 있습니다. 경험상 팀에 지원을 하기 전에 Hiring Manager와 대화를 나누면서 서로 알아가고, 팀과 개인의 fit을 점검하는 과정을 중요시하기 때문에 채용 후보자와 가급적 면담을 꼭 하려고 해요. 줌으로 30분~1시간 정도를 투자해서 미래의 동료를 더 잘 이해할 수 있다면 이보다 더 중요한 일이 있을까요. 대화하면서 공통으로 드러나는 몇 가지 테마를 엮어서 글로 써두면 좋겠다고 생각했습니다. 비슷한 연차 및 업계 사람들이 하는 고민은 대개 비슷하기 마련이니까요. 최대한 일반화될 수 있는 주제로 한정했지만, 데이터의 세계는 넓고 저의 경험은 제한되어 있으니, 해석은 이 글을 읽고 계신 구독자님께 맡기겠습니다.
1. 어떤 역량을 특화할 것인가?
- 데이터 사이언티스트에게 요구되는 역량의 종류만큼이나 다양한 성장 경로가 있습니다. 제가 생각하는 주된 성장 경로는 세 가지를 얘기해 볼게요.
2. 어떤 업계/회사/팀에 지원할 것인가?
- 좀 더 구체적으로 데이터 사이언티스트가 일하기 좋은 회사에 대해 생각해 보겠습니다. 저는 세 가지 조건을 반드시 확인해 봅니다.
3. 코딩과 모델링은 얼마나/무엇을/왜 잘해야 할까?
- 데이터 사이언티스트의 시장 가치에 대해 논의해 보겠습니다. 데이터 사이언티스트가 지속적인 가치를 만들어낼 방법은 무엇일까요?
4. 인터뷰는 어떻게 준비할 것인가?
- 채용 후보자들을 만나면서 놀라는 점은 생각보다 많은 후보자들이 지원하려는 회사와 제품, 팀에 대해서 이해하려는 충분한 노력을 기울이지 않는다는 점입니다. 채용 인터뷰에 임하기 전에 충분히 생각해 보면 좋을 질문 몇 가지를 얘기해 볼게요.
⋯⋯⋯
각 주제에 대한 진영님의 자세한 생각을 아래 블로그 글에서 읽어보세요 :)
|
|
|
🏃♀️ 생성형 AI와 함께하는 데이터 분석가 커리어
|
|
|
안녕하세요, 데이터 분석가 혜정입니다.
구독자님은 ChatGPT를 사용해 보신 적 있으신가요? 요즘 ChatGPT 이외에도 다양한 생성형 AI가 생겨나면서, 업무 혹은 일상생활에서도 도움을 받고 계시는 분들이 많아졌어요. 이런 시대에서 데이터 분석가도 곧 사라지게 될까요? 생성형 AI 시대를 살아가는 우리는 어떤 준비를 하면 좋을까요?
데이터리안의 5월 세미나에서는 '헬로 데이터 과학'의 저자이자 네이버 Data & Analytics(DnA) 조직의 리더이신 김진영님과 함께 이야기를 나눠보겠습니다🙌
⋯⋯⋯
이런 분들께 5월 세미나를 추천합니다
- 데이터 분석의 미래가 궁금한 분
- ChatGPT, Clova X와 같은 생성형 AI를 데이터 분석에 활용하는 방법이 궁금한 분
- 네이버 데이터 분석가는 어떻게 일하는지 궁금한 분
- ‘헬로 데이터 과학’의 저자 김진영님의 인사이트를 직접 듣고 싶은 분
5월 세미나는 이렇게 진행돼요
🗓️ 5/14(화) 오후 3시 ~ 5시
* 이전 세미나와 시작 시각이 다르니, 일정을 반드시 확인해 주세요!
|
|
|
구독자님께 지금까지 들어온 질문을 공개해요
* 라이브 세미나를 신청하고 질문을 남겨보세요. 일부를 선정하여 답변을 드립니다.
- Q. 데이터 분석가, 사이언티스트로서 역할을 잘 하기 위해서는 어떤 역량을 꼭 갖춰야 할까요? 연차별로 기대하는 역량은 무엇이 다른지도 궁금해요.
- Q. 데이터 분석가, 사이언티스트로서 성과를 내기 위해서는 어떻게 일을 해야 할지 고민입니다. 성과에 대해 고민하는 저 같은 사람에게 도움이 될 사례가 있을까요?
- Q. 연사님께서는 어떤 사람을 채용하시나요? 함께 일할 데이터 분석가, 사이언티스트를 뽑을 때 중요하게 보는 것, 혹은 인재상이 있는지 궁금합니다.
1부 강연 다시보기를 제공해요
라이브 세미나를 신청한 분께는 1부 강연 다시보기를 제공합니다. 세미나 다음 날 오전에 이메일, 문자로 안내해 드릴게요. 라이브 세미나는 정가 대비 70% 할인된 로그인 전용 특별 할인가, 1만 원에 신청하실 수 있어요. 📍연사 Q&A와 2부 패널토크는 Live-only 세션으로, 다시보기가 제공되지 않아요. Live-only 세션에서는 라이브 참여자들만 들을 수 있는 더 실무적이고 최신 정보에 관해 얘기합니다. 내용이 궁금하다면 세미나 당일, 놓치지 말고 참여해 주세요!
⋯⋯⋯
📢 이번 세미나에 관심 있을 것 같은 동료, 친구, 지인이 있다면, 세미나 소식을 공유해 주세요.
5월 14일 화요일 오후 3시, 줌에서 뵙겠습니다!
|
|
|
👀 데이터 분석가 vs 사이언티스트 어떻게 다른가요?
|
|
|
🤔: '데이터 분석가랑 데이터 사이언티스트는 어떻게 다른 거지?' 혹시 앞의 두 글을 보면서 구독자님도 혹시 이런 생각을 하셨나요? 저희가 진짜 많이 듣는 질문이기도 하고 많은 분들이 헷갈리는 주제, '데이터 분석가, 데이터 사이언티스트 어떻게 다른가요?'에 대한 답변을 준비했습니다. 각각 채용 공고를 보면서 이야기를 나눠보았는데요. 두 직무의 차이가 궁금하셨다면 이번 내용을 꼭 확인해 주세요!
⋯⋯⋯
✅ 데이터 사이언티스트
AI/ML 모델 개발과 같이 주로 엔지니어링에 가까운 업무를 수행합니다.
|
|
|
이미지 출처: '현대캐피탈' Data Scientist 채용 공고
✅ 데이터 분석가
지표 개발, 서비스 분석, A/B 테스트 분석과 같이 데이터를 이용한 분석이나 시각화 업무를 담당합니다.
1. '비즈니스 분석가' 포지션
- 주로 사업 운영과 관련된 분석을 합니다.
- CEO Staff와 같은 역할을 하며, C-level 직속, 운영 관련 부서에서 채용하기도 합니다.
|
|
|
이미지 출처: '우아한 청년들' 딜리버리 데이터 분석가 채용 공고
2. '프로덕트 분석가' 포지션
- 개발팀, 마케팅팀과 같이 프로덕트를 만드는 부서와 주로 협업하여 제품의 사용성을 분석합니다.
|
|
|
이미지 출처: '당근' 검색팀 Data Analyst 채용 공고
3. '데이터 분석가' 포지션
- 보통 비즈니스 분석과 프로덕트 분석을 모두 진행합니다.
|
|
|
⋯⋯⋯
채용 공고에 여러 내용이 혼재된 경우가 많아서, 공고를 봐도 헷갈리는 경우가 많으실 것 같아요. 분석가와 사이언티스트 채용 공고의 더 자세한 차이점과, 나한테 맞는 채용 공고를 찾는 방법까지 유튜브 영상에서 확인해 보세요!
|
|
|
😎 데이터를 근거로 반박 불가한 기획을 하고 싶어요
|
|
|
안녕하세요, 데이터 분석가 보민입니다.
데이터 분석가, 데이터 사이언티스트 이외의 직무에서는 데이터를 어떻게 활용하고 그 능력을 어필 할 수 있을까요? 3년 차 서비스 기획자인 승승님을 만나, 데이터 분석에 관심을 갖게 된 이유부터 활용 방법까지 이야기를 나누어 봤습니다 :)
⋯⋯⋯
Q. 안녕하세요 승승님, 자기소개 부탁드려요.
안녕하세요, 3년 차 서비스 기획자 승승입니다. 저는 모빌리티 스타트업에서 셔틀버스 좌석을 공유하는 서비스 기획을 하고 있어요. 학원 차들은 지정된 노선을 지나다니잖아요. 만약, 특정 경로로 지나가는 차량에 남는 좌석이 있다면 그 좌석을 예약해서 탈 수 있도록 하는 서비스입니다. 저는 주로 지금까지 개발된 앱을 고도화하거나 어드민 부분을 개선하는 역할을 하고 있었고요. 이번에 새로 오픈한 서비스 관련해서 새롭게 기획하고 개선하는 업무도 추가로 맡고 있습니다.
Q. 데이터 분석은 어떻게 관심을 갖게 되셨나요?
관리자분들이 엑셀로 정리해서 갖고 계신 서비스와 관련한 데이터가 있긴 한데요. 앱에서 어디가 클릭률이 높은지, 어디서 이탈을 많이 하는지 등 사용자 행동을 분석할 만한 데이터를 쌓고 있지 않았어요. 그러다 보니까 뭔가 개선을 해보고 싶은 게 있거나 새로운 아이디어를 내고 싶어도, 정량적으로 보여줄 수 있는 데이터가 없으니까 근거가 너무 부족하더라고요. 의사 결정권이 있는 대표님을 설득해야 하는데, 대표님을 설득하기엔 ‘그럴 것 같다’는 말로는 부족했어요.
다른 회사 기획자분들이랑 이야기할 때도 항상 화두는 데이터였어요. 같이 이야기 나눴던 분 중에 한 분은 데이터를 직접 뽑아서 볼 수 있는 환경에서 일을 하고 계시는 분이었어요. 데이터를 근거로 이야기하니까 기획에 설득력이 더해져서 너무 좋고, 그분 말에 따르면 ‘의견이 잘 먹혀서’ 너무 재밌대요. 기획자가 아무리 논리적으로 이야기를 한다고 해도 구체적인 수치, 데이터가 없으면 반박되기가 너무 쉽잖아요. 또 데이터 없이 ‘이렇게 되겠지’라고 생각해서 기획하는 것보다, 데이터를 열심히 뜯어보고 가설을 세워서 기획하는 게 실제로 효과가 더 좋은 경우가 훨씬 많대요. 그런 경험을 몇 번 하고 나니까 데이터가 너무 좋다고 이야기하더라고요. 이 얘기를 듣고 나니까 기획을 더 잘하려면 데이터에 대해서 더 잘 알아야겠다는 생각이 들었어요.
Q. 데이터 분석을 배우고 나서 변화가 좀 있었나요?
앞서 사용자 행동 데이터 분석을 할 만한 데이터를 쌓고 있지는 못했다고 말씀드렸는데요. 사실 UA*가 설치되어 있긴 했거든요. 근데 이것도 잘 활용하진 못하고 정말 설치만 되어있는 정도였는데요. 기본으로 제공하는 DAU*, MAU* 같은 데이터만 보는 정도였어요.
* UA(Universal Analytics): 구글에서 제공하는 사용자 행동 데이터 분석 툴인 구글 애널리틱스(GA)의 한 버전. 24년 7월 자로 서비스가 종료되며 현재는 GA4 버전으로 사용이 가능하다.
* DAU(Daily Active User): 일간 활성 사용자 수
* MAU(Monthly Active User): 월간 활성 사용자 수
이번에 데이터리안에서 GA4를 배운 후에는 새로 기획하는 서비스에 GA4, GTM *을 설치해서 사용자 데이터를 좀 더 많이 볼 수 있도록 세팅하고 있어요. 전에는 누가 “GA 사용하면 그래서 뭐가 좋은데요? 잘 활용할 수 있어요?”라고 물어볼 때 우물쭈물하고 대답을 못 했는데요. GA를 어떻게 설치하고 활용해야 하는지를 알고 나니까 “잘 쓸 수 있어요! GA 설치하면 이런 것들을 할 수 있고, GTM 사용하면 개발자분들께 최대한 손 덜 가게 할 수 있습니다.” 이렇게 자신 있게 얘기할 수가 있더라고요.
* GTM(Google Tag Manager): 코드 조각을 쉽고 빠르게 업데이트할 수 있는 구글의 태그 관리 시스템. GA와 같은 사용자 행동 데이터 분석 툴과 연동하여 온라인상에서의 사용자 행동을 추적할 수 있다.
⋯⋯⋯
승승님이 하고 계신 업무, 그리고 기획자로서 데이터 활용 능력을 보여주는 방법을 블로그 글 전문에서 만나보세요!
|
|
|
✨ 5월에도 데이터리안과 함께 데이터 분석 능력을 업그레이드 해봐요!
|
|
|
데이터리안
데이터 분석, 데이터리안과 시작하세요
contact@datarian.io
|
|
|
|
|