2015.01.20

기고 | 성과 창출형 데이터 과학자의 조건

Saurabh Sharma | CIO
데이터 과학자의 인기가 치솟고 있다. 하지만 데이터와 과학을 잘 안다고 해서 반드시 훌륭한 데이터 과학자가 되는 것은 아니다. 기업이 훌륭한 데이터 과학자에서 찾아야 하는 역량은 무엇인지 알아보자.


Credit: Thinkstock

다양한 산업에 속한 기업들이 새롭게 떠오르는 빅데이터 분석을 검증하고 비즈니스 성과를 향상시키기 위해 데이터를 어떻게 활용할 수 있는지를 탐구하고 싶어한다. 오늘날 데이터 과학자에 대한 수요가 급증하고 있는 가운데, 실속 있고 효과적인 과학자들의 핵심 특성을 알아보고자 한다.

작년 한해 폭넓은 비즈니스와 사회 분야에 있어서 빅데이터가 가져올 수 있는 긍정적인 효과에 대한 인식이 커짐에 따라 빅데이터에 대한 갈증은 더욱 거세지게 되었다. 2015년으로 접어드는 지금도 이러한 경향은 점점 더 강해지고 있다.

2015년과 그 이후에 벌어지리라 생각되는 한가지 변화는 기술 분야뿐 아니라 분석 분야에 이르기까지 초점이 확대된다는 점이다. 너무나도 많은 사례에서 보아왔듯, 데이터 수집 기술, 시스템, 플랫폼에만 의존하는 이들은 원래의 기대치를 충족시키지 못하곤 했다. 분석 부분이 핵심이고, 실제 가치 창출은 막대한 양의 데이터를 훑어내고 복잡한 수학 기법을 적용하고 실행하며 활용할 수 있게 되면서 목적에 부합하는 결과물을 도출할 수 있느냐는 데이터 과학자들 개개인의 능력에 좌우됐다.

예상한 바와 같이 이런 능력을 가진 인재들에 대한 수요가 높다. 예를 들어 영국에서는 2020년까지 매년 대략 5만 6,000명의 빅데이터 관련 일자리가 생겨나서 데이터와 분석 관련 일자리 성장률을 160%까지 끌어올릴 것이다. 전세계 대학들은 그런 수요 증가에 대처하기 위해 진짜 데이터 과학자들을 교육시키기 위해 노력하고 있다. 예를 들어 노스웨스턴 대학은 최근 데이터 과학자 육성에 특화된 새 프로그램을 발표했다. 노스웨스턴 대학은 그런 데이터 과학 교육을 전담하는 예측 분석 석사(MSPA) 프로그램을 제공하고 있다. 상상하는 바처럼 이런 예비 데이터 과학자들은 뜨겁게 달아오른 채용 시장에 눈독을 들이고 있는데, 조지워싱턴대 비즈니스스쿨에서 운영하는 2년 과정의 애널리틱스 석사 프로그램의 등록자 수가 거의 2배로 뛰었다는 점에서도 확실히 이런 경향을 알 수 있다.

이런 능력을 가진 인재들에 대한 수요와 기존의 인재 부족 상황은 많은 회사들이 발빠르게 IT업체나 직원 채용 결정을 내리기 쉽게 만들고 그로 인해 판단과 실수에 있어서의 오류로 이어질 가능성이 높아짐을 의미한다.


이 모든 게 한가지 질문을 하게 만든다. 좋은 데이터 과학자란 무엇인가? 필자는 ‘데이터’와 ‘과학’에만 실력을 가진 이들은 좋은 데이터 과학자가 될 수 없다고 확신한다. 좀더 자세히 이야기하면, ‘데이터’와 ‘과학’에 뛰어난 것은 필요한 능력이지만, 그렇다고 해서 좋은 데이터 과학자가 되지 않는다는 의미다.

그래서 데이터 과학자들을 간절히 필요로 하는 회사들을 돕기 위해 필자는 채용 담당자와 경영진이 적합한 분석 업체를 선택할 때 신경 써야 하는 대표적인 특성들을 정리해 보았다.

과학으로 들어가기 전에 비즈니스 맥락 이해하기
훌륭한 데이터 과학자들은 비즈니스의 맥락을 이해하는데 시간을 할애할 것이다. 대부분의 상황에서는 문제가 무엇인지에 정확히 파악하는 경우가 많지 않다. 좋은 데이터 과학자라면 비즈니스 파트너와 함께 그 문제를 함께 발견할 것이다. 그들은 질문을 명확히 해주고, 다른 연관 문제/기회들을 논의하고, 여러 접근방식을 공유할 것이다. 그리고 추구해야 할 특정 기회와 이니셔티브로부터의 고위급 기대에 대한 폭넓은 공감대를 형성할 것이다. 이 모든 과정들은 데이터 입력과 통계 모델링 작업에 들어가기도 전에 완료된다.




2015.01.20

기고 | 성과 창출형 데이터 과학자의 조건

Saurabh Sharma | CIO
데이터 과학자의 인기가 치솟고 있다. 하지만 데이터와 과학을 잘 안다고 해서 반드시 훌륭한 데이터 과학자가 되는 것은 아니다. 기업이 훌륭한 데이터 과학자에서 찾아야 하는 역량은 무엇인지 알아보자.


Credit: Thinkstock

다양한 산업에 속한 기업들이 새롭게 떠오르는 빅데이터 분석을 검증하고 비즈니스 성과를 향상시키기 위해 데이터를 어떻게 활용할 수 있는지를 탐구하고 싶어한다. 오늘날 데이터 과학자에 대한 수요가 급증하고 있는 가운데, 실속 있고 효과적인 과학자들의 핵심 특성을 알아보고자 한다.

작년 한해 폭넓은 비즈니스와 사회 분야에 있어서 빅데이터가 가져올 수 있는 긍정적인 효과에 대한 인식이 커짐에 따라 빅데이터에 대한 갈증은 더욱 거세지게 되었다. 2015년으로 접어드는 지금도 이러한 경향은 점점 더 강해지고 있다.

2015년과 그 이후에 벌어지리라 생각되는 한가지 변화는 기술 분야뿐 아니라 분석 분야에 이르기까지 초점이 확대된다는 점이다. 너무나도 많은 사례에서 보아왔듯, 데이터 수집 기술, 시스템, 플랫폼에만 의존하는 이들은 원래의 기대치를 충족시키지 못하곤 했다. 분석 부분이 핵심이고, 실제 가치 창출은 막대한 양의 데이터를 훑어내고 복잡한 수학 기법을 적용하고 실행하며 활용할 수 있게 되면서 목적에 부합하는 결과물을 도출할 수 있느냐는 데이터 과학자들 개개인의 능력에 좌우됐다.

예상한 바와 같이 이런 능력을 가진 인재들에 대한 수요가 높다. 예를 들어 영국에서는 2020년까지 매년 대략 5만 6,000명의 빅데이터 관련 일자리가 생겨나서 데이터와 분석 관련 일자리 성장률을 160%까지 끌어올릴 것이다. 전세계 대학들은 그런 수요 증가에 대처하기 위해 진짜 데이터 과학자들을 교육시키기 위해 노력하고 있다. 예를 들어 노스웨스턴 대학은 최근 데이터 과학자 육성에 특화된 새 프로그램을 발표했다. 노스웨스턴 대학은 그런 데이터 과학 교육을 전담하는 예측 분석 석사(MSPA) 프로그램을 제공하고 있다. 상상하는 바처럼 이런 예비 데이터 과학자들은 뜨겁게 달아오른 채용 시장에 눈독을 들이고 있는데, 조지워싱턴대 비즈니스스쿨에서 운영하는 2년 과정의 애널리틱스 석사 프로그램의 등록자 수가 거의 2배로 뛰었다는 점에서도 확실히 이런 경향을 알 수 있다.

이런 능력을 가진 인재들에 대한 수요와 기존의 인재 부족 상황은 많은 회사들이 발빠르게 IT업체나 직원 채용 결정을 내리기 쉽게 만들고 그로 인해 판단과 실수에 있어서의 오류로 이어질 가능성이 높아짐을 의미한다.


이 모든 게 한가지 질문을 하게 만든다. 좋은 데이터 과학자란 무엇인가? 필자는 ‘데이터’와 ‘과학’에만 실력을 가진 이들은 좋은 데이터 과학자가 될 수 없다고 확신한다. 좀더 자세히 이야기하면, ‘데이터’와 ‘과학’에 뛰어난 것은 필요한 능력이지만, 그렇다고 해서 좋은 데이터 과학자가 되지 않는다는 의미다.

그래서 데이터 과학자들을 간절히 필요로 하는 회사들을 돕기 위해 필자는 채용 담당자와 경영진이 적합한 분석 업체를 선택할 때 신경 써야 하는 대표적인 특성들을 정리해 보았다.

과학으로 들어가기 전에 비즈니스 맥락 이해하기
훌륭한 데이터 과학자들은 비즈니스의 맥락을 이해하는데 시간을 할애할 것이다. 대부분의 상황에서는 문제가 무엇인지에 정확히 파악하는 경우가 많지 않다. 좋은 데이터 과학자라면 비즈니스 파트너와 함께 그 문제를 함께 발견할 것이다. 그들은 질문을 명확히 해주고, 다른 연관 문제/기회들을 논의하고, 여러 접근방식을 공유할 것이다. 그리고 추구해야 할 특정 기회와 이니셔티브로부터의 고위급 기대에 대한 폭넓은 공감대를 형성할 것이다. 이 모든 과정들은 데이터 입력과 통계 모델링 작업에 들어가기도 전에 완료된다.


X