CWN(CHANGE WITH NEWS) - [비전공자를 위한 딥러닝] 빅데이터 관련 직업, 무엇이 있을까?

1. 데이터 사이언티스트

[httpscareerly.co.krcomments11415]

데이터 사이언티스트는 대규모의 데이터셋을 보아서 분석 및 해석한다. 상품이나 서비스를 만들어서 판매하고 이익을 얻는 회사에서 일하는 데이터 사이언티스트는 회사가 돌아가면서 축적된 데이터베이스(고객 관련 데이터)를 이용하고 분석하면서 상품 판매 전략 인사이트 혹은 솔루션을 제공한다.

데이터 사이언티스트는 데이터를 회사의 경영과 운영에 관해서 활용하기도 한다. 회사의 구조와 수익 등을 분석해, 경영에 어려움을 겪고 있는 회사에 ‘데이터 주도형 해결책’을 제시하기도 한다.

데이터 사이언티스트는 뒤에서 소개할 직무 중, 학위를 가장 많이 보는 직업이다. 데이터에 대한 통계적인 분석이 중요한 역량으로 평가되는 자리이기 때문이다. 데이터에 대한 통계 자료를 구체적으로 분석할 수 있으며 통계학과 학위가 필요할 만큼 관련된 지식을 많이 요구한다.

데이터 사이언티스트의 필수 역량은 기본적인 머신러닝과 데이터 마이닝 스킬, 데이터베이스로부터 데이터를 불러오고 내보낼 수 있는 SQL 지식, 프로그래밍 스킬(주로 파이썬), 깊이 있는 통계학 지식, BI TOOL 활용 능력(서버와 연동해서 데이터를 활용하는 도구로서 주로 데이터를 시각화하는데 중점을 두고 사용)이다.

추가로 데이터 사이언티스트가 갖고 있으면 유리한 역량들은 데이터베이스를 구체적으로 다룰 수 있는 스킬과 소프트웨어 엔지니어 수준의 개발 지식이다.

2. 데이터 애널리스트

[httpsmedium.com@srinjoy35detailed-analysis-comparison-of-data-analyst-data-engineer-data-scientist-and-machine-learning-f21475ec5b0c]

데이터 애널리스트는 데이터 사이언티스트와 똑같이 데이터를 분석하지만, 담당 직무가 다르다.

앞서 설명했던 데이터 사이언티스트는 데이터를 분석하고 활용할 때, 주로 회사의 미래 또는 상품의 판매에 관한 장기적인 조사 및 예측에 관여한다. 하지만, 데이터 애널리스트는 즉각적인 필요나 요청에 따라 회사의 경영진이 신속한 전략적인 결정을 내리기 위한 인사이트를 제공해준다.

예를 들어, 화장품 회사에서 일하는 데이터 애널리스트는 고객의 제품 활용 방식과 제품으로 얻는 효과 등과 같은 정보를 이해하는 데 도움을 준다.

반면, 데이터 사이언티스트는 앞서 데이터 애널리스트가 분석한 인사이트를 활용해서 새로운 고객의 요구를 예측하고 반영해서 신제품을 고안할 수 있는 인사이트를 회사에 제공하는 역할을 한다.

혹자는 데이터 애널리스트가 데이터 사이언티스트가 되기 위한 과정 또는 직전 단계라고 생각하지만, 그 둘이 요구하는 역량은 앞서 설명했듯이 분명히 다르다.

데이터 애널리스트의 필수 역량들은 데이터 사이언티스트와 비슷하다. 기본적으로 데이터를 분석하기 위해 데이터베이스로부터 데이터를 불러올 수 있는 SQL 지식, 통계적인 지식, BI TOOL이다. 다만, 데이터 사이언티스트보다는 BI TOOL 능력이 더 많이 요구되며, 통계 지식은 상대적으로 요구 정도가 낮다.

또, 데이터 애널리스트가 머신러닝 능력과 파이썬 활용 능력을 갖추고 있다면, 뛰어난 업무 능력을 뽐낼 수 있을 것이다.

3. 비즈니스 애널리스트

비즈니스 애널리스트는 데이터 애널리스트와 비슷하지만, 직무의 초점이 다르다. 앞서 설명했던 데이터 애널리스트가 데이터의 수집, 분석 그리고 처리에 중점을 두고 있다면, 비즈니스 애널리스트는 회사의 내부 의사결정을 할 수 있도록 도와주는 데 중점을 두고 있다.

비즈니스 애널리스트는 빅데이터 시대가 도래하기 전부터 존재했던 직무이다. 따라서 빅데이터와 관련이 없더라도 회사를 경영하면서 축적되는 보고서와 재무제표 등을 분석하는 업무를 주로 하면서 운영진들의 의사결정을 도와준다. 하지만, 인터넷이 발전하고 데이터가 수많이 축적되어 빅 데이터 시대가 열리면서 데이터 애널리스트와 비즈니스 애널리스트 사이의 경계가 많이 허물어졌다.

현재 미국의 경영 대학원에서는 엔지니어링 비전공자들이 빅데이터에 입문할 수 있도록 도와주는 프로그램을 많이 운영하고 있다. 그 커리큘럼을 살펴보면 대부분이 데이터 애널리스트의 직무와 연관이 되어 있으며, 개인의 노력에 따라 경영 대학원에서 데이터 애널리스트 그리고 데이터 사이언티스트까지 충분히 노려볼 수 있다고 한다.

비즈니스 애널리스트의 필수 역량은 기본적인 BI TOOL 활용 능력, SQL 기본지식, 데이터 분석 스킬이다.

기업이 비즈니스 애널리스트에게 머신러닝이나 파이선과 같은 프로그래밍 역량을 요구하는 경우는 거의 없다. 그러나 기업은 프로그래밍 능력을 지니고 있는 비즈니스 애널리스트를 선호한다.

4. 데이터 엔지니어

[httpswww.lynda.comlearning-pathsITbecome-a-data-engineer-mastering-the-concepts]

앞서 설명했던 세 가지 직군은 그 경계가 모호해서 구분하기 어려울 수 있지만, 데이터 엔지니어는 확연히 다른 경계선을 갖고 있다.

데이터 엔지니어는 앞서 소개한 데이터 사이언티스트, 데이터 애널리스트 그리고 비즈니스 애널리스트가 데이터 분석을 쉽게 할 수 있도록 데이터들을 수집, 가공, 관리 그리고 제공해주는 업무를 수행한다.

일반적으로 많은 기업이 데이터의 분석은 나중에 할 일이라고 여기면서 수집된 데이터를 데이터베이스에 아무렇게나 쌓아두기만 한다. 이러한 데이터를 분석하기 쉽게 바꿔주는 작업을 ETL(뒤에서 설명할 데이터 파이프라인의 대표 격)이라고 한다.

회사의 판매량, 홈페이지에서 판매하는 특정 제품의 클릭 수 등의 정보들을 보기 좋은 표로 정리해서 제공해주는 것이 데이터 엔지니어의 역할이다.

빅데이터라는 큰 데이터세트를 다룰 때는 일반적인 데이터 파이프라인(데이터를 한 장소에서 한 장소에서 다른 장소로 차례대로 전달하는 데이터로 구성된 일련의 시스템)으로는 할 수 있는 작업이 재한된다. 데이터 엔지니어는 이러한 빅데이터를 처리하는 엔진을 전문적으로 다루는 능력이 있으며, 벡엔드(서버)에서 데이터를 관리하는 경우가 많다.

최근에는 데이터 엔지니어의 역할이 확장됨에 따라 데이터 사이언티스트와 데이터 애널리스트가 좋은 환경에서 데이터를 빠르게 처리할 수 있도록 그 인프라를 구축해주기도 한다.

데이터 엔지니어의 필수 역량들은 그 수준이 매우 높다. 일단 고수준의 프로그래밍 능력, 고도의 SQL을 다루는 능력, 데이터베이스에 대한 아주 깊은 이해 등이 있다.

5. 연봉 비교
마지막으로 앞에서 설명한 직군들의 연봉을 비교해보았다. 한국의 경우 회사마다 연봉 거의 공개하지 않지만, 미국은 매우 공개적으로 자료를 제공한다. 다음은 미국의 글래스도어(Glassdoor)의 웹사이트에서 발췌한 자료이다.

비즈니스 애널리스트는 약 9,000만 원, 데이터 애널리스트는 약 7쳔만원, 데이터 사이언티스트는 약 1억 3,000만 원, 그리고 데이터 엔지니어는 약 1억 1,000만 원이다.

위 자료에서는 데이터 엔지니어의 연봉이 데이터 사이언티스트보다 적게 나왔지만, 주로 비슷한 연봉을 받는다고 한다.

[저작권자ⓒ CWN(CHANGE WITH NEWS). 무단전재-재배포 금지]