김진철의 How-to-Big Data | 빅데이터 조직과 시스템 (10)

CIO KR

데이터 과학팀 리더의 리더십 (5) – 머리와 가슴을 조화시켜라 (집중할 수 있는 환경 만들기)
지난 스물아홉번째, 서른번째 글에서 데이터 과학팀을 이끄는 리더가 자주 범하는 실수인 리더 자신이 걸림돌이 되는 리더십의 문제점, 팀의 문제 해결 역량과 시너지를 높이기 위한 팀 내 투명한 소통, 팀원 간 케미 및 관계, 팀의 집중력을 유지하는 문제를 다루었다. 이번 글에서는 데이터 과학자 및 데이터 과학팀 구성원 개개인의 역량을 최대로 끌어내기 위해 필요한 리 더십 요소들을 같이 생각해보자.
 

ⓒGetty Images Bank

데이터 과학자들은 과학자의 호기심을 보통 사람들보다 강하게 가지고 있는 사람들이어서, 데이터 과학자가 자신의 흥미와 아이디어를 좇다가 팀의 미션과 목표에서 벗어나지 않고 팀이 팀 전체의 집중력을 잃지 않게끔, 팀 리더가 각 데이터 과학자의 업무 집중력을 세심하게 점검하고 부드럽게 조율해줄 필요가 있다고 얘기하였다. 호기심이 원동력이 되는 데이터 과학자들의 자율성과 자발적 헌신을 해치지 않으면서 각 데이터 과학자가 팀의 미션과 업무에 집중하게끔 하여 팀 수준의 집중력을 높이는 것도 중요하지만, 이들 각각이 업무에 집중할 수 있는 환경을 만드는 것도 매우 중요하다.

데이터 과학팀 구성원들이 업무에 집중할 수 있는 환경이란 단순히 조용하고 방해받지 않는 업무 공간을 만드는 것만을 의미하지 않는다. 데이터 과학팀 구성원들이 업무에 집중할 수 있는 환경이란 정서적, 감정적으로 안전하게 느끼고 팀의 미션을 위해 집중해서 풀어야 하는 문제 이외에 스트레스를 주는 다른 문제에 마음을 빼앗겨 온전히 집중하지 못하는 일이 없도록 팀 분위기를 유지하는 일을 포함한다. 

많은 리더는 데이터 과학자와 같은 과학자를 마치 데이터와 자료만 주면 뭔가 대단한 것을 기계적으로 만들어 내는 기계처럼 생각하는 것 같다. 데이터 과학자들도 보통 사람들과 같은 감정과 정서를 지닌 사람이라는 것을 종종 간과하는 것이다. 데이터 과학자들이 보통 사람들보다 더 이성적이고 논리적인 사고에 능하여 보통 사람들이 보기에는 해결이 어려운 데이터 분석과 체계적인 논리적 문제 해결을 컴퓨터 같이 척척 해내는 것을 보고 데이터 과학자들을 컴퓨터같이 다루면 원하는 성과와 결과를 언제나 얻을 수 있을 것이라 잘못 생각하는 사람들이 많은 듯하다.

데이터 과학자들과 데이터 과학팀을 구성하는 소프트웨어 엔지니어들도 보통 사람들과 똑같이 감정과 정서적인 면을 지니고 있는 사람이다. 이들도 종종 감정적 정서적인 문제와 불안감, 스트레스에 압도되어 온전한 역량을 발휘하지 못하는 경우가 많다. 특히 우리나라 특유의 서두르는 문화와 근본적인 비즈니스 문제 해결에 매달리기보다는 경쟁사의 전략과 상품을 재빨리 추격하여 성과를 내는 패스트 팔로워 전략을 따르는 많은 기업의 업무 환경과 분위기에서는 데이터 과학자들이  문제 해결에 온전하게 깊이 집중하여 일하기가 매우 어려운 경우가 많다.

보통 사람들보다 문제 해결에 대한 집중력이 매우 높은 데이터 과학자들도 보통 사람들과 같은 감정적, 정서적인 문제 때문에 데이터 과학 업무에 온전히 몰입하지 못하고 역량을 발휘하기 어려울 수 있음을 데이터 과학팀 리더는 이해하고 배려해줄 필요가 있다. 데이터 과학자들이 본인의 업무 공간과 프로젝트 사이트로 출근은 했더라도 마음은 멀리 다른 곳에 떠나 있을 수도 있고, 겉으로는 일하는 것처럼 보이지만, 머릿속에서는 데이터 과학 문제가 아닌 전혀 다른 문제와 씨름하면서 본인의 영혼이 쪼개지는 깊은 아픔을 느끼는 구성원이 있을 수도 있다. 데이터 과학팀 리더는 팀 구성원들이 업무에 집중하게 하지 못하는 문제에 구성원들이 시달리고 있지는 않은지 점검할 필요가 있다.

데이터 과학자 및 소프트웨어 엔지니어들과 같은 지적이고 창의적으로 일하는 구성원들이 자기 일에 온전하게 집중하여 성과를 내도록 하기 위해서는 그들이 자신이 일하는 조직, 팀, 그리고 동료들에게서 우호적이고 협력적인 환경에서 일하고 있음을 느껴야 하며, 자신들이 조직, 팀, 그리고 동료들에게서 온전히 받아들여지고 있고 일하기에 충분한 배려와 보호를 받고 있다고 느껴야 한다. 그들이 자신들의 일과 역량을 통해서 조직과 팀에 충분히 기여하고 있고 구성원으로서 온전하게 존중받고 가치 있는 존재로 받아들여지고 있다고 여길 수 있어야 한다. 이것은 단순히 데이터 과학자 및 소프트웨어 엔지니어들이 뭘 할 수 있느냐 하는 측면에서뿐 아니라 그들이 어떤 사람인가 하는 이유로도 조직과 팀에서 받아들여질 수 있어야 한다는 의미이다[2].

대개 데이터 과학자들이 과학자로서 품성과 사고방식을 훈련받는 과정에서 자신의 연구조사 결과에 대한 동료 연구자들의 정교한 논리와 혹독한 비판에도 심적으로 흔들리지 않고 견딜 수 있고, 동료 연구자들의 비판과 반박의 옳은 부분은 겸허하게 수용하며, 적절치 못한 비판이나 반박에 대해서는 효과적으로 반박할 수 있는 정교한 논리와 근거를 제시할 수 있도록 체계적으로 훈련받게 마련이다. 

그렇기 때문에 데이터 과학자들은 대개 보통 사람들보다 심적으로 강인한 편으로 성장하기는 한다. 그렇다고 하더라도 아무도 풀어본 적이 없는 문제를 해결해 나가기 위해 사고 체계와 논리를 세우고 탐험가의 정신으로 데이터 분석과 문제 해결을 해나가는 과정에서 자기 생각과 논리에 대해서 적절한 조언과 비판을 해주고, 당면한 문제들이 어려운 문제들이고 이를 풀어나가는 과정이 쉽지 않음을 공감하면서 서로 격려해줄 수 있는 동료들과 지지자들이 있는 것은 데이터 과학자들의 업무 생산성과 성과를 높이는 중요한 요소가 된다.

데이터 과학팀 구성원들의 생산성과 집중력을 높이는 데 필요한 감정적, 정서적인 지지와 지원이란 과연 어떤 것들일까? 사람마다 감정적, 정서적 안정감을 얻기 위해 필요한 것들은 다양하고 필요한 정도도 다 다르겠지만, 일반적으로 데이터 과학팀과 같은 전문가 그룹에서 공통으로 나타나는 문제들은 몇 가지가 있다. 이렇게 공통으로 나타나는 상황을 중심으로 데이터 과학팀 구성원들의 온전한 집중을 리더가 유도하고 지원하기 위한 방법을 같이 생각해보자.

데이터 과학팀 구성원들에게 집중을 위한 심리적 안정감을 제공하기 위해 우선 가장 필요한 것은 이들이 내적 일관성, 내적 안정감을 느낄 수 있게 해주어야 한다는 것이다. 내적 일관성, 내적 안정감은 자기 자신만의 가치와 기준으로 일의 완성도를 높여가며, 이성적인 판단과 사고로 문제를 해결하는데 익숙한 데이터 과학자들과 같은 전문가들에게서 많이 볼 수 있는 심리적인 상태이다. 좀더 쉽게 설명하면 자신의 내적인 가치와 기준을 지켜 일을 소신껏 해나갈 수 있고, 그렇게 완성한 일의 결과물이 조직이 원하는 것과 같은 것일 경우에 느낄 수 있는 감정적, 정서적인 상태로 볼 수 있다. 일상적으로 많이 쓰이는 말로 하면 데이터 과학자 자신과 자신이 일하는 조직의 코드가 맞는다 정도로 표현할 수 있을 텐데, 실상 이런 내적 일관성, 내적 안정감은 좀더 복잡한 과정과 다양한 변수에 의해 만들어진다.

내적 일관성, 내적 안정감을 조금 쉽게 이해해보기 위해 이런 경우를 생각해보자. 실제로 필자도 많이 겪었던 상황이고, 다른 기업이나 지인들의 사례에서도 자주 볼 수 있는 경우이다. 데이터 과학을 처음 도입하는 기업이나 조직에서 자주 볼 수 있는 경우로, 데이터 분석을 통해 시장과 조직의 상황을 편견 없이 객관적으로 보려는 노력보다 당장의 KPI 달성과 실적 문제 때문에 KPI 달성과 실적 달성을 뒷받침하거나 어느 정도 답을 정해 놓은 상태에서 데이터 분석을 하는 경우이다.

데이터 과학자들이 이런 상황에 부딪히게 되면 사람마다 다양한 반응이 나타나게 된다. 과학적 사고과정과 방법론에 신념이 깊고 그런 과학적 문제 해결 역량을 통해 자신이 일하는 조직에 전문가로서 기여하는 것에 자부심을 가진 사람이라면 답을 어느 정도 정해 놓고 하는 데이터 분석 과정에서 맥이 빠지고 회의감이 들어 생산성과 문제 해결의 의지가 많이 꺾이게 될 것이다.

조금 융통성이 있고 대인 관계와 사회적인 유연성을 가치관으로 가지고 있는 데이터 과학자라면 어느 정도의 한계 내에서 그래, 그럴 수도 있지 하면서 조직의 필요에 우선 맞출 수 있게 업무를 할 것이다. 그렇지만, 이렇게 다소 유연한 가치관을 지닌 데이터 과학자라고 하더라도, 자신의 내면에서 어느 정도 정해 놓은 한계 이상으로 적절치 못한 데이터 분석을 조직에서 요구하게 되면 자신의 업무와 가치에 대한 심각한 회의와 이로 인해 이어지는 생산성 저하에 빠지게 될 것이다.

위의 짧은 사례에서 살펴본 바와 같이 데이터 과학자들이 자기 일에 집중하고 역량을 최고로 발휘할 수 있게 해주는 내적인 일관성, 내적인 안정감은 자신이 옳다고 믿고 있는 것, 자신이 일에 대해 가지고 있는 가치와 기준, 자기 일의 수준에 대해 가지고 있는 믿음과 그를 뒷받침하는 역량을 온전히 발휘할 기회가 조직이 데이터 과학자로부터 원하고 그들에게 해주려는 것과 얼마나 일치하는지에 의해 달려 있다. 

위와 같이 데이터 과학자가 데이터 과학 업무에 대해 가지는 신념과 가치가 조직이 원하는 것과 얼마나 일치하고 정렬되는 것에서 오는 내적 일관성, 내적 안정감도 있지만, 전문가로서 데이터 과학자의 삶의 양상과 가족을 이루어 사는 한 사회 구성원, 개인으로서 삶의 양상이 얼마나 일치하느냐 하는 측면에서도 내적 일관성과 안정감이 크게 영향을 받을 때도 있다.

이런 전문가로서 삶과 데이터 과학자 개인사의 불일치에서 오는 내적 불안정의 사례로 많이 볼 수 있는 경우가 이혼이나 실연 등 개인사로 인해 생기는 감정적, 정서적인 불안정 때문에 생기는 생산성 저하일 것이다. 가장 감정적으로 소모적이고 집중을 하지 못하도록 어렵게 하는 일 중의 하나로 가정 내 불화나 가족의 건강 문제로 인한 재정 문제 등을 생각해볼 수 있을 것이다.

로버트 흐로마스와 크리스토퍼 흐로마스가 지은 <아인슈타인의 보스 – 천재들을 지휘하는 10가지 법칙>에 소개된 아인슈타인의 사례를 살펴보면 조금 쉽게 이해할 수 있을 법하다[2]. 아인슈타인과 요즘의 데이터 과학자를 같은 수준으로 생각하는 것은 조금 생뚱맞을 수 있지만, 아인슈타인의 사례가 의외로 데이터 과학자와 같은 전문가들의 사생활에서 많이 나타나는 것을 생각해보면 한번 참고삼아 같이 생각해보는 것도 좋을 것 같다.

아인슈타인의 중요한 업적인 광전효과에 대한 논문과 상대성 이론에 대한 논문은 스위스 베른 특허청에서 근무하면서 낸 업적들이다. 아인슈타인이 이런 중요한 업적들을 낸 시기는 첫 아내였던 밀레바 마리치와 열렬한 사랑에 빠져 있던 해이기도 하다. 밀레바 마리치와의 행복한 시간은 아인슈타인이 새로운 아이디어를 떠올릴 수 있도록 하는 창의력의 연료로 쓰였다.

또한, 아인슈타인과 밀레바 마리치가 이혼할 즈음 이와는 정반대되는 상황이 나타났다. 아인슈타인이 상대성 이론과 광전 효과로 받은 노벨상으로 유명해질 즈음, 일 때문에 가족들에게 많은 시간을 쓸 수 없게 되었다. 이 때문에 아인슈타인과 밀레바 마리치는 싸우는 횟수가 잦아지면서 관계가 악화되었다. 자녀들을 키우기 위해 밀레바 마리치와 결혼 생활은 유지하기로 합의하기는 했지만, 아인슈타인은 자신이 연구할 시간을 내기 위해 밀레바 마리치에게 밀레바가 아인슈타인의 방을 청소한다, 하루 세끼를 대령한다, 아인슈타인이 연구할 시간을 내기 위해 일체의 친밀한 행위와 사적인 대화를 금지한다 등 부부로서 다소 과하다 싶은 요구사항을 내걸기도 했다.

나중에 아인슈타인은 절친한 친구였던 미셸 베소에게 보낸 편지에서 위와 같은 요구사항을 내걸었던 것을 후회하기도 했다. 아인슈타인이 자기 일로 인한 유명세를 타면서 일과 가정생활의 균형을 적절하게 찾지 못해 겪은 아내와의 갈등과 감정적인 소모는 끝내 이혼이라는 최악의 상황으로 치달았고, 이 시기는 아인슈타인이 학문적으로도 좋은 성과를 내지 못하고 침체된 시기와 일치한다.

반대로 두번째 부인인 엘사 로언솔은 아인슈타인이 연구에 몰두할 수 있도록 가사를 전담하고 스케줄을 관리해주었으며, 아인슈타인이 하는 일에 간섭하지 않았다. 심지어는 아인슈타인이 주변의 여인들과 바람을 피우고 다녀도 묵인하고 아인슈타인이 연구에 집중할 수 있도록 배려해주었다. 

데이터 과학자들이 아인슈타인과 같은 천재라는 의미로 위의 예를 든 것은 아니다. 다만, 천재이든 아니든 간에 데이터 과학자나 소프트웨어 엔지니어와 같은 전문가들이 집중해서 본연의 임무를 다하기 위해서는 개인사나 가정사에서 오는 감정적, 정서적인 소모가 업무의 성과와 질에 큰 영향을 미친다는 것을 얘기하고 싶었을 뿐이다.

데이터 과학자들이 기업을 위한 데이터 분석을 통해 성과를 내기 위해 아인슈타인의 두번째 부인인 엘사 로언솔과 같이 배우자가 바람을 피워도 묵인하고 헌신적으로 뒷바라지를 하는 가족이 있어야 한다는 얘기는 아니다. 그렇기는 해도 적어도 데이터 과학자나 소프트웨어 엔지니어들이 프로젝트 마감에 쫓기고 기업의 실적과 급변하는 시장 상황에서 오는 분주함과 바쁜 일정, 집중해서 복잡한 문제를 풀어야 하는 업무상의 어려움에 대해 이해하고 어느 정도 배려할 수 있는 가족이나 배우자가 필요하다.
 

---------------------------------------------------------------
김진철 칼럼 인기기사
-> 김진철의 How-to-Big Data | 연재를 시작하며
-> 김진철의 How-to-Big Data | 빅데이터 활용의 근본적인 질문 - 해결하려는 문제가 무엇인가?
-> 김진철의 How-to-Big Data | 빅데이터 수집에 관한 생각 (1)
-> 김진철의 How-to-Big Data | 빅데이터 수집에 관한 생각 (2)
-> 김진철의 How-to-Big Data | 빅데이터 수집에 관한 생각 (3)
---------------------------------------------------------------
반대로, 데이터 과학팀의 구성원 중 하나가 위와 같이 개인사나 가정사로 인해서 감정적, 정서적으로 안정된 상태에 있을 수 없다면 업무에 큰 지장을 받을 수 있다는 말이기도 하다. 데이터 과학팀 리더가 팀 구성원이 개인사나 가정사로 인해 곤란함과 어려움을 겪고 있을 때 모든 사생활과 배경에 대해서 알고 이해하지는 못하더라도 위와 같은 어려움으로 팀 구성원이 데이터 과학 업무의 생산성과 질이 떨어질 수 있음을 이해하고 감정적, 정서적 지원을 해줄 필요가 있다는 것이다.

데이터 과학자들에게 필요한 내적 일관성, 내적 안정감은 위와 같이 팀과 조직의 다양한 문제들로 인해 흔들릴 수 있고, 구성원의 다양한 개인사와 가정사에 의해 흔들릴 수도 있다. 어느 경우라도 팀 리더의 관심과 배려는 필요하다. 어떤 구성원이 리더가 생각하는 역량보다 못한 생산성과 성과를 내고 있다면 무조건 질책하고 다그칠 일이 아니라, 왜 본연의 역량을 발휘하지 못하는지 진심으로 다가가서 살필 필요가 있다는 것이다. 왜냐하면, 위에서 소개한 어떤 경우라도 팀 구성원 혼자서 해결하기에는 버거운 문제일 수도 있고, 오히려 팀 자체, 혹은 데이터 과학자가 일하는 조직의 문화와 구조적인 문제일 수 있으며, 개인사, 가정사라고 하더라도 구성원 혼자의 힘으로 감당하기에는 벅찬 문제일 수 있기 때문에 무조건 구성원을 질책한다고 해서 근본적으로 해결되지는 않기 때문이다.

팀 리더도 바쁜 팀 업무와 여러 팀 구성원들의 다양한 업무를 관장하다 보면 지나치게 바빠서 한 구성원의 힘든 상황만 붙들고 마음 써주기는 어려울 수 있고, 내적 일관성, 내적 안정감을 지키지 못해 생산성이 떨어지는 구성원의 표면적인 문제의 이면에 있는 어려움을 생각할 만큼 마음의 여유를 내기 쉽지 않을 수 있다. 구성원이 내적 일관성, 안정감을 지키지 못하는 이유를 모두 알지 못하고 모두 해결해줄 수는 없더라도, 때로는 구성원이 자기만의 페이스를 찾을 때까지 팀원들과 같이 구성원을 지지하면서 어려움을 겪는 구성원의 곁을 지켜줄 수는 있을 것이다.

리더가 모두 다 알 수 없는 문제를 어려움을 겪는 구성원이 혼자서 해결해내야 한다는 압박과 고독감을 이겨낼 수 있도록 곁을 지켜주는 것만으로도 구성원에게 감정적, 정서적인 지지가 될 수 있으며, 이런 감정적, 정서적인 지지를 보내는 것만으로도 구성원들이 자신의 역량을 회복하는 데 큰 도움이 될 수 있다.

다행히도 요즘 주요 글로벌 IT 기업과 인터넷 기업들을 중심으로 구성원들의 업무 환경과 조건을  개선하려는 노력을 많이 하고 있다. 데이터 과학자들이 일하는 기업의 대부분도 이런 글로벌 IT 기업과 인터넷 기업들인 경우가 많기 때문에, 데이터 과학자들이 내적 일관성, 내적 안정감을 가지고 일할 수 있도록 업무 환경과 조건도 많이 나아져 가고 있는 상황이다. 데이터 과학자나 소프트웨어 엔지니어와 같이 지적인 창의력과 전문성, 집중력을 필요로 하는 직업들의 수요가 최근 많아져서 자신에게 맞지 않는 근무 환경을 강요하는 기업들을 뒤로하고 자신에게 맞는 기업을 선택하여 옮길 수 있는 선택의 폭이 넓어지고 있어서 데이터 과학자들에게는 다소 유리한 상황이다.

최근 데이터 과학자를 포함한 IT 인력 부족이 심화되고 있는 IT 시장의 상황과, 직장을 옮기면서 자신의 가치를 높이는 것이 당연하게 여겨지는 요즘 시대에 데이터 과학자가 자신이 집중해서 일할 수 없고, 자신이 경력 상으로 성장할 수 없는 곳에 있다면 직장을 옮기는 것이 그리 어렵지 않은 상황이라 사실 집중할 수 없는 근무 환경에 대한 문제는 데이터 과학자 입장에서는 상대적으로 쉽게 해결할 수 있다.

반대로, 데이터 과학자 개개인은 자신의 가치를 인정해주고 자신이 성장할 수 있는 직장으로 옮기는 것으로 자신의 근무 환경을 개선할 수 있지만, 데이터 과학팀 리더 입장에서는 오히려 이런 상황이 팀을 유지하고 이끌어가는데 어려움을 가중시킬 수 있다. 자신의 팀에서 일하는 유능한 데이터 과학자들을 다른 회사나 데이터 과학팀에 빼앗기지 않고 잘 지키기 위해서라도 데이터 과학자들이 집중하고 일할 수 있는 업무 환경과 감정적, 정서적인 지지를 해줄 수 있는 팀 분위기가 되도록 더 신경 쓸 필요가 있다.

지난 7월 16일 오래전부터 예고되어 오던 직장 내 괴롭힘 금지법이 드디어 공식적으로 시행되었다. 해외 주요 선진국에서는 직장 내 괴롭힘에 관련된 법안을 일찍부터 도입하여 직장 내 괴롭힘과 따돌림 등으로 피해를 보는 사람이 없도록 보호하는 조치를 시행하고 있지만, 우리나라는 이제서야 시작하게 된 것이다. 최근 통계에 따르면 2017년 기준으로 직장 내 괴롭힘을 경험한 직장인이 73%를 넘는다고 하니[4] 이번 직장 내 괴롭힘 방지법으로 인해 직장 내 괴롭힘으로 인한 직장 생활의 어려움이 조금이나마 개선될 수 있을 것으로 기대된다. 

데이터 과학팀에서도 이런 직장 내 괴롭힘은 언제든지 일어날 수 있다. 특히, 우리나라와 같이 초, 중, 고등학교 때 좋은 대학에 가기 위한 경쟁을 하는 과정에서 동기들과 협력하고 배려하는 품성을 배우기보다는 동기들보다 앞서 자신에게 좋은 것을 취하기 위해 이기는 법을 먼저 배우고, 이렇게 해서 지위와 사회적 혜택을 먼저 얻는 것을 배우는 환경에서 자란 사람들이 일하는 직장에서 치열한 경쟁과 알력이 일어나지 않는 것이 오히려 이상한 것일 수 있다. 우리나라가 처한 상황 때문이기도 하지만, 지적으로 뛰어난 사람들이 모인 집단에서는 자신의 능력을 과시하거나 증명하기 위해 경쟁이 과열되는 과정에서 동료 간 지나친 알력과 괴롭힘이 자주 나타나기도 한다.

데이터 과학자가 겪고 있는 감정적, 정서적인 압박이 동료들로부터 오는 것은 아닌지 잘 살펴볼 필요가 있다. 리더가 데이터 과학팀 업무에 걸림돌이 되지 않도록 직장 내 괴롭힘을 하지 않도록 잘 처신하고 솔선수범하는 모습을 보이는 것은 지난 스물아홉번째 글에서 자세히 설명했듯이 당연하다. 데이터 과학팀 구성원 간 지나친 알력과 세력 다툼, 또는 경쟁이 일어나 특정한 구성원이 괴롭힘이나 따돌림을 받거나 업무에 집중하기 힘든 정로도 스트레스를 받고 있지는 않은지 수시로 살필 필요가 있다. 팀 내 지나친 경쟁이나 알력으로 인해서 팀워크가 깨지거나 팀 전체의 통합에 문제가 생기지 않는지 팀 구성원들의 상황을 잘 관찰하고 얘기를 잘 들어 점검하는 것이 팀 리더에게 매우 중요하다.

경쟁을 통해 개개인의 실적을 높이는 방향으로 리더십을 발휘하는 것은 데이터 과학팀 수준의 문제 해결 역량을 해치는 좋지 않은 방법이라고 지난 스물아홉번째서른번째 글에서 자세히 설명한 바 있다. 팀 내 지나친 경쟁과 이 과정에서 생기는 동료 간 따돌림, 괴롭힘이 팀의 통합을 해쳐 팀 수준의 문제 해결 능력을 약화시키지 않도록 특히 세심하게 신경 쓰는 것이 좋다.

데이터 과학팀원들이 감정적, 정서적으로 지지를 받고, 내적 일관성과 안정감을 지키며 일할 수 있도록 팀 리더가 배려하고 마음 쓰는 것은 구성원들이 자신이 팀에 주는 가치에 대해 더 확신을 가지고 팀을 위한 더 어렵고 도전적인 문제에 뛰어들 수 있도록 용기를 주고 동기부여할 수 있는 확실한 방법이다. 이뿐만 아니라, 팀원들에게 감정적, 정서적인 지지와 배려를 해줄 수 있는 리더는 꼭 데이터 과학팀이 아닌 어떤 조직을 이끌더라도 팀원들의 신뢰와 지지를 받고 구성원들의 업무 집중도를 높일 수 있다. 리더로서 팀 성과와 업무 효율성을 높이는 데만 온 마음이 빼앗겨 있기 십상인 우리나라 많은 IT 분야 리더들이 데이터 과학팀 리더로서 리더십을 배우면서 리더십의 격을 한단계 높일 수 있기를 바란다.

 


데이터 과학팀 리더의 리더십 (6) – 문제로 유혹하라 (목표 제시의 방법)
데이터 과학팀 리더가 팀 구성원 및 데이터 과학자 개개인의 역량을 극대화할 수 있는 리더십 중 꼭 알아야 할 리더십의 마지막 요소로서 데이터 과학팀의 목표 제시 방법에 대해서 살펴보도록 하자.
  
필자가 강연이나 컨설팅 등을 통해 고객이나 지인들을 만나 조직에서 데이터 과학을 잘 활용하기 위해 풀어야 할 문제로 가장 많이 받는 질문이 좋은 데이터 과학자를 어떻게 찾고 영입할 것인가 하는 문제라고 지난 스물일곱번째 글에서 소개한 바 있다. 반대로 역량 있고 좋은 데이터 과학자들이 특정 기업이나 조직이 자신이 일하기에 좋은 조직이라고 생각하고 자발적으로 채용 공고에 지원하고 찾아오도록 하기 위해서는 기업이나 조직에서 어떻게 해야 할까?

이에 대한 해답은 데이터 과학자들이 자신의 경력을 통해 이루고 싶어 하는 것, 기업과 조직에서 일하면서 얻고자 하는 것이 무엇인지에 달려 있다. 최근 데이터 과학자를 포함한 역량 있는 인재들은 기업에서 얻는 연봉과 복지 혜택 등의 처우뿐 아니라, 자신이 일하는 직장에서 자신이 어떻게 성장할 수 있는지, 자신이 일하는 팀이 자신의 경력 성장에 도움이 되는 팀인지, 자신이 일하게 될 팀에서 어떤 역량이 더 성장하고 더 많은 경험을 할 수 있는지 등 자신의 경력 성장에 관련한 다양한 점을 같이 고려하는 경향이 있다.

위와 같은 이유로 데이터 과학자 및 소프트웨어 엔지니어 등의 IT 분야 인재들을 기업이 끌어들이기 위해서는 연봉과 처우뿐 아니라 같이 일하게 될 팀, 회사가 최근 수행하고 있는 주요 프로젝트와 이를 통한 회사의 성장 가능성, 자유로운 출퇴근 시간을 포함한 유연한 근무 환경까지 신경 써야 할 것이 많아졌다. 이런 여러 가지 요소 중에서도 IT 분야 인재들을 끌어들이는데 필요한 것 중 하나가 회사가 채용하려는 팀이나 프로젝트에서 풀고자 하는 문제, 달성하고자 하는 비전을 설득력 있게 전달하는 것이다.

인터넷 서비스 IT 회사의 대표가 되어버린 구글의 경우를 한번 살펴보도록 하자. 구글의 경우 IT 분야 구직자들에게 많이 알려진 것은 놀이터와 같이 아기자기하고 일과 휴식을 하나의 공간에서 해결할 수 있도록 세심하게 배려한 근무 공간, 최고 품질로 무제한으로 공급되는 식사와 간식, 타 업종에 비해 높은 연봉 때문이기도 하지만, 무엇보다도 IT 인재들이 구글에 가서 일해보고 싶다고 생각하는 배경에는 구글에서 수행하고 있는 유명한 프로젝트 때문일 것이다.

최근 딥러닝 프레임워크 기술로 산업계의 표준이 되다시피 한 텐서플로(TensorFlow)부터, 하둡 열풍을 불러일으킨 빅데이터 기술 붐의 장본인인 빅테이블(BigTable)과 맵리듀스(MapReduce), 컨테이너 기반 클라우드 기술 붐의 주역인 쿠버네티스(Kubernetes), 인터넷 프로그래밍의 문턱을 낮추는데 공헌한 고(Go) 언어, 구글의 자회사인 웨이모에서 선보이고 있는 자율주행차 프로젝트와 역시 구글의 자회사인 구글 딥마인드(Google DeepMind)에서 세계를 깜짝 놀라게 한 알파고(AlphaGo)까지 구글이 만들어 선보인 기술들 대부분은 구글의 주가를 크게 높일 만큼 기술적인 가치가 높고 흥미로운 기술들이었다.

이뿐만 아니라 구글에서 지금까지 만들어 선보인 기술들은 과학자나 엔지니어라면 누구나 해보고 싶고, 자신의 이름을 걸고 도전해 얻은 성과물로 전세계에 선보이고 싶어 할 만한 것들이다. 자신의 재능과 쌓는 동안 갈고 닦아 쌓아온 전문성을 맘껏 발휘해서 세상에 영향을 끼치며 기여하고 있음을 직접 느낄 수 있고 볼 수 있는 프로젝트다. 이런 프로젝트에 참여하는 것 자체가 과학자나 엔지니어들의 이력서를 빛나게 하는 경력인 것도 이들이 구글에서 일하고 싶어 하게끔 하는 이유이겠지만, 이런 프로젝트들 자체가 이미 과학자나 엔지니어들이 자신의 분야에서 큰 공헌을 할 수 있고 의미를 가지는 프로젝트들이기 때문에 자신의 재능과 능력으로 자신만의 무언가를 남기고 선보이고 싶어 하는 과학자와 엔지니어들의 본성을 자극하는 것들이다.

데이터 과학팀도 마찬가지이다. 데이터 과학팀 리더가 팀원들이 자발적이고 자기 조직적으로 성장하면서 팀의 문제 해결 역량이 극대화가 되고 팀원들의 역량이 최고로 발휘될 수 있도록 하기 위해서는 팀원들의 도전 의식과 호기심에 불을 지를 수 있는 좋은 문제와 프로젝트를 만들고 제시하는 것이 가장 좋다.

데이터 과학팀의 모든 문제와 프로젝트를 데이터 과학팀 리더가 만들어주고 제시하지는 못하겠지만, 적어도 조직에서 의뢰해온 경영 현안이나 문제들을 데이터 과학팀원들이 자발적으로 뛰어들 수 있는 흥미로운 문제로 만드는 것은 데이터 과학팀 리더의 전문성과 역량에 많이 달려 있다. 이렇게 하기 위해서는 데이터 과학팀의 리더가 우선 팀원들의 역량 수준 및 문제 해결의 의지, 호기심의 정도 등을 섬세하게 파악하고 있어야 적절한 팀원이 적절한 수준의 문제를 협업하여 풀 수 있도록 조율해줄 수 있다. 데이터 과학팀 리더가 팀원들의 도전 의식과 호기심에 불을 지를 수 있는 문제로 의뢰된 문제들을 바꾸어 전달할 수 있으려면 타 부서의 의뢰 내용의 핵심과 요구 사항을 정확하게 파악하면서 이를 위한 적절한 데이터 과학 문제로 의뢰 내용을 바꾸어 설명할 수 있을 만큼의 데이터 과학과 조직의 업의 본질과 현안에 대한 지식과 통찰도 필요하다.

데이터 과학팀 외부에서 의뢰해온 문제들을 팀원들이 달려들 수 있는 데이터 과학 문제로 바꾸어 커뮤니케이션하고 동기부여할 수 있는 것도 데이터 과학팀 리더의 중요한 역량이지만, 데이터 과학팀원들이 직접 발견하여 상향식으로 조직과 경영진에 제안하는 문제들을 조직과 경영진의 필요와 수준에 맞게 커뮤니케이션하여 해당 문제에 대한 조직의 지원과 관심을 받도록 하는 것도 팀 리더의 중요한 역할과 역량이다.

상향식으로 팀원들이 발견하여 타부서나 경영진에 제안하는 데이터 과학 문제는 데이터 과학팀원들이 직접 발견하여 풀어보겠다는 의지를 가지고 시작한 문제이니 이미 동기부여는 충분히 되어 있다고 볼 수 있다. 이런 문제나 데이터 과학 프로젝트에 대해서 팀원들의 동기와 자발성이 꺾이지 않고 발휘될 수 도록 조직 내 다른 부서와 경영진에게 적절하게 소통하고 지원을 얻어내는 것도 팀 리더에게 중요한 일이다.

좋은 문제와 프로젝트로 데이터 과학자들과 데이터 과학팀의 소프트웨어 엔지니어들을 동기부여하기 위해서는 다음과 같은 점들을 고려할 필요가 있다. 

첫번째로, 데이터 과학팀과 데이터 과학자들이 진행하게 될 데이터 과학 프로젝트가 조직의 목표와 조직 운영의 큰 그림 안에서 어떤 위치를 차지하며, 이렇게 프로젝트가 차지하는 위치 때문에 어떻게 조직 목표 달성과 운영에 도움을 주고 영향력을 끼치는지, 왜 중요한지를 팀원들에게 잘 설명하는 것이 중요하다.

데이터 과학자들과 같이 지적으로 뛰어나고 호기심과 내적인 동기에 의해 움직이는 사람들은 자신이 하는 일이 자신이 일하는 팀과 동료들에게 어떤 긍정적인 영향과 결과를 가져오는지, 자신이 하는 일이 왜 중요한지 알고 싶어 한다. 이렇게 자기 일에 대한 이해로 생기는 내적인 동기 부여에 의해 이들 데이터 과학자들은 자기 일에 더욱더 몰입하고 어려운 문제에 도전하게 된다. 이런 이유로 데이터 과학자에게 동기 부여를 위해 문제를 정의해줄 때 가장 중요한 것 중의 하나는 그 문제가 조직의 필요와 목표를 어떻게 만족시키고, 전체 큰 그림에서 어떤 위치를 차지하기 때문에 중요하다는 것을 잘 납득시켜 주는 것이다.

두번째로, 데이터 과학자들의 내적인 동기 부여가 그들의 자발성과 몰입을 이끌 수 있도록 물질적, 금전적 보상은 그들의 기대를 넘어서는 정도로 충분히 제공하라는 것이다.

데이터 과학자들이 자신들이 해결하게 될 문제에 몰입하기 위해서는 이 문제를 풀었을 때 주어질 보상에 대한 생각조차도 잊고 몰입할 수 있게 배려하는 것이 필자의 경험과 여러 사례를 살펴보면 더 낫다. 많은 기업이 기업 구성원들의 업무 생산성 향상을 위해 기본급 외에 업무 성과에 따른 인센티브나 보너스를 업무가 수행된 후 업무 평가를 통해 추가로 지급하는 식으로 동기 부여를 하거나 생산성을 높이려고 한다. 이런 방식이 데이터 과학자나 소프트웨어 엔지니어들에게는, 물론 사람에 따라 개인차는 있겠지만, 크게 도움이 되지 않는 듯하다.

우선 기본적으로 주어지는 연봉이나 기본급이 이들 데이터 과학자들이 아쉽다는 생각이 들지 않을 정도로 충분히 주어져야 금전적인 보상에 대한 고민이나 생각 없이 주어지는 프로젝트에 온전하게 몰입할 수 있다. 프로젝트의 결과 유무에 따른 보너스나 인센티브를 개인별로 차등해서 지급하는 것보다는 실리콘밸리 스타트업과 기업들이 많이 하는 것과 같이 회사의 주식이나 스톡옵션을 부여해서 그들이 일하여 회사에 기여하는 만큼 그 열매를 공유하는 방식으로 보상을 제공하는 것이 가장 좋은 방법이라는 것을 알게 되었다.

데이터 과학자들과 소프트웨어 엔지니어들과 같이 지적인 업무를 수행하는 전문가들은 일 자체가 주는 성취의 기쁨도 동기 부여에 중요한 역할을 한다. 이러한 성취의 기쁨에 따르는 내적인 동기 부여를 통해 자발적인 몰입과 적극적인 업무 태도를 유도하기 위해서는 금전적인 보상에 대한 생각과 불편함이 마음속에 자리 잡아 프로젝트에 집중하지 못하게 방해하지 않고, 아쉬움이 없도록 하는 것이 프로젝트에의 집중력을 유지하고 유도하는데 더 효과가 크다.

세번째로, 데이터 과학자와 같은 전문가들의 호기심과 도전 의식을 바탕으로 한 내적인 동기 부여는 결코 어떤 구호나 캠페인, 편법으로 억지로 심어주거나 불러일으킬 수 없다는 것을 팀 리더가 잘 알고 있어야 한다.
 
호기심이나 성취의 기쁨과 같은 내적인 동기가 일을 적극적으로 하게 하는 이유가 되는 데이터 과학자와 같은 사람들은 외부에서 자신이 나아가고자 하는 방향을 억지로 튼다는 느낌을 받게 되면 자신이 하는 일의 맥락과 이유에 대해 갖지 못하는 확신과 혼란 때문에 오히려 생산성이 떨어진다. 내적인 동기에 의해 움직이는 사람들에게 동기 부여를 하기 위해서는 조직의 전체 운영과 달성하고자 하는 목표의 큰 그림과 맥락, 전체 큰 그림에서 현재 업무가 가지는 위치에 관해 설명해주는 것이 좋다고 앞의 첫번째 동기부여 요소로서 설명한 것도 바로 데이터 과학자들이 자신의 데이터 과학 업무에 대해서 내적인 확신으로 동기부여할 수 있도록 하기 위함이다.

이렇게 데이터 과학자들의 자발적이고 내적인 동기 부여를 위해서 데이터 과학자들을 납득시키는 과정이 없는 일방적인 업무 부여와 소통은 데이터 과학자와 데이터 과학팀의 생산성을 떨어뜨리는 주요 원인 중의 하나이다. 

조직의 필요에 의해 어쩔 수 없이 새로운 데이터 과학 프로젝트를 진행하지 않을 수 없거나 데이터 과학자들의 업무를 방향전환할 일이 있다면 새로운 프로젝트를 데이터 과학자들이 달려들 만한 매력적인 문제로 바라볼 수 있도록 하는 것이 제일 좋다. 프로젝트의 일정이 허락하는 범위에서 새로운 분석 기법과 데이터 가공 과정을 시험해보거나 프로젝트의 결과물과 이를 만들어가는 과정에서 얻는 기술적인 진보가 회사의 상품이나 프로세스 개선에 어떤 중요성을 가지는지 납득할 수 있도록 잘 설명해주는 것이다.

데이터 과학팀원들을 평소에 인간적으로 잘 이해하고 믿을 수 있는 리더로서 신뢰를 쌓아 놓는 것도 이렇게 데이터 과학팀 업무를 어쩔 수 없이 방향전환할 때 크게 도움이 될 수 있다. 평소에 팀 리더에게서 많은 내적인 지지와 지원을 받고 팀 리더의 언행과 의사 결정에 데이터 과학자들이 신뢰를 가지고 있다면 팀 리더가 어쩔 수 없이 데이터 과학자 각각의 업무와 팀 전체의 업무를 방향 전환하려고 할 때 팀 리더를 돕고 싶은 마음에 기꺼이 팀 리더의 결정에 따르려고 할 것이다.

데이터 과학자들의 내적인 동기부여는 업무 그 자체의 의미와 맥락에 대해 확신을 가지는 것으로도 오지만, 팀 리더와의 인간적인 신뢰로부터 오기도 한다. 지난 스물아홉번째, 서른번째 글에서 자세히 소개한 것처럼, 데이터 과학자들의 인간적인, 감정적인, 정서적인 어려움도 이해하고 도움을 주며, 일관되고 투명한 소통으로 데이터 과학팀원들의 신뢰를 평소에 잘 쌓아놓는 것도 데이터 과학자들의 내적 동기를 유도하는 좋은 방법이 된다.

네번째로, 데이터 과학자들의 내적인 동기부여를 일으키고 유지하기 위해서는 데이터 과학팀의 업무가 단순 반복적인 업무가 되지 않도록 유의해야 한다.

필자가 직접 본 경우 중에 이런 경우가 있었다. 어떤 서비스 상품의 서비스 이용 데이터를 분석해서 차기 버전 서비스 기획 및 개발을 위한 방향과 로드맵을 제시하기 위해 새롭게 데이터 과학팀이 조직되었다. 팀의 리더는 팀원들의 감정적, 정서적인 필요와 기대에 부합할 수 있을 정도로 팀원들과의 관계와 인간적인 면에서 좋은 리더였지만 아쉽게도 데이터 과학에 대한 경험이 없는 리더였다.

이 리더가 한 큰 실수는 서비스 이용 데이터를 분석하는 과정을 개선하거나 새로운 분석 시도를 하지 않고 데이터 분석과정을 자동화, 프로세스화한 후 데이터 과학자들을 이렇게 만들어진 데이터 분석 시스템의 운영자(operator)로 전락시켜 버린 것이었다. 대부분 팀원이 관련 부서의 급한 데이터 요청에 대응하는 일만 하게 되었고, 수집된 데이터에서 새로운 의미나 통찰을 얻는 연구와 분석을 전혀 하지 않고 오히려 마케팅 부서나 관련 부서가 직접 분석을 하거나 외주 용역으로 데이터 분석을 하게 되었다. 당장의 마케팅 및 타 부서의 급하고 필요한 업무에 대응하고 만족시키느라 데이터 과학자들의 내적 동기 부여를 할 여력을 팀이 가지지 못한 것이다.

여러 가지 이유로 이런 일이 생겼겠지만, 이렇게 데이터 과학팀에서 본연의 업무를 수행하지 못하고 데이터 과학팀의 분석 결과를 받아 업무를 수행해야 할 부서가 오히려 직접 데이터 분석을 하거나 데이터만 받아서 외주 용역으로 데이터 분석을 한다는 것은 조직이 이중으로 낭비를 하는 것이다. 이미 보유한 데이터 과학자들을 효과적으로 활용하지 못하는 데다가, 데이터 분석과 비즈니스 방향 제시를 위해 만든 데이터 과학팀이 본연의 업무를 하지 못하고 같은 업무를 다른 부서가 하거나 외주 용역을 쓴다는 것은 같은 일을 하는데 이중의 비용을 들이는 것이기 때문이다.

이런 어처구니없는 일이 생기지 않도록 데이터 과학팀 리더는 팀원들에게 데이터 과학팀의 미션과 본연의 임무에 대해서 지속해서 상기시켜줄 필요가 있고, 조직 내의 정치적인 역학 관계에 의해서 데이터 과학팀의 역할과 책임의 범위가 본연의 임무와 다르게 변질되지 않도록 타 부서와의 관계를 잘 다지고 협업 관계를 공고하게 다지는 것이 중요하다.

그리고 무엇보다도 데이터 과학팀 리더가 팀의 본질을 지키기 위해 해야 할 가장 중요한 일은 데이터 과학자들의 역량을 최대한으로 발휘할 수 있게 해주고 자발적인 동기 부여를 할 수 있게 하는 데이터 과학 문제를 팀원들과 같이 정기적으로 정의, 발견해내고 이를 구체적인 업무 목표로 정의하는 것이다. 앞의 사례에서 팀 리더가 한 가장 근본적인 실수는 데이터 과학팀원들이 본연의 임무를 할 수 있게 하는 목표 제시를 위한 문제 발굴과 정의를 게을리하면서 다른 부서에 데이터 과학팀의 본연의 역할에 대한 브랜딩을 하지 않았다는 데 있다. 이런 실수를 하지 않도록 조심하도록 하자.

다섯 번째로, 데이터 과학자들과 데이터 과학팀원들이 프로젝트를 통해 얻은 성과와 이를 통해 만든 기업 및 조직 문제 해결에의 기여를 팀원들과 같이 공유하고 축하, 격려하는 자리를 자주 만드는 것이 좋다.

데이터 과학자들을 포함한 과학자, 공학자, 연구자들은 대개 실생활과는 다소 거리가 있는 것처럼 보이는 아이디어나 문제에 매달려서 시간을 보내기 마련이다. 과학의 근본적인 문제를 자주 다루는 수학자, 물리학자들은 말할 것도 없고, 많은 과학자, 공학자들은 상품 개발을 하는 연구자들을 제외하고는 대개 자신들이 연구하는 문제와 이를 해결하기 위한 아이디어가 사회에 언제 어떤 결과를 가져올지 정확하게 알지 못한 채 연구하는 경우가 많다.

데이터 과학자들이 해결하기 위해 노력하는 비즈니스와 조직 경영의 문제들은 그래도 일반 과학자, 공학자들이 연구하는 문제에 비해서는 상당히 구체적이고 당장 필요한 문제들임에도 불구하고 경영진이나 기업의 다른 부서, 구성원들이 보았을 때는 굳이 저렇게 데이터 과학팀을 별도로 만들고 어려운 데이터 과학 기법을 쓰면서까지 데이터를 수집하여 분석할 필요가 있겠냐는 생각을 하기 마련이다.

데이터 과학자들 입장에서도 본인들이 해결하기 위해 노력하는 문제, 그리고 해결하여 만든 결론들이 실제 비즈니스와 기업 경영에 어떤 긍정적인 영향을 주었는지 잘 모르는 상황에서 본인들의 업무에 대한 자부심과 확신, 동기부여를 꾸준히 하기는 어려울 수 있다. 문제를 풀기 위해 데이터 과학자 자신이 사용하고 새롭게 고안해낸 분석 기법과 분석 소프트웨어 등의 산출물들을 만드는 과정 자체를 즐기면서 기꺼이 몰입하는 데이터 과학자들도 많이 있을 것이다. 그렇지만 이들이 만든 산출물들이 좀더 유용하고 쓸모 있는 것이 되기 위해서는 이들의 산출물과 분석 결과를 사용해 실제 비즈니스를 수행하고 조직을 운영하는 부서와 구성원들이 그 산출물과 분석 결과가 자신들의 업무에 가져온 긍정적인 결과에 대해서 피드백해줄 수 있다면 데이터 과학팀원들이 훨씬 더 보람 있고 자부심을 느끼면서 동기부여가 될 가능성이 높다.

이렇게 데이터 과학자들을 더 효과적으로 동기부여하고 데이터 과학팀에서 해결하고자 하는 문제를 기업 경영 현안과 더 밀접한 연관이 있는 문제로 만들기 위해서 데이터 과학팀에서 만든 성과와 그 결과에 대해 팀원들과 유관 부서와 같이 공유하고, 이렇게 얻은 성과를 서로 축하하고 격려하는 공식적인 자리를 자주 만드는 것이 좋다. 이렇게 해서 데이터 과학팀원들이 만든 성과를 팀 내부에서 기념할 만한 업적으로 만들어 공유하고, 그 내용을 지속해서 상기시킬 수 있도록 팀 공통의 소통 공간에 전시하거나 기록하여 남겨놓는 것이 좋다.

이런 자리를 통해 데이터 과학자들이 자신들이 데이터 과학을 통해 해결한 문제가 다른 부서의 업무와 기업 경영 현안 해결에 어떤 긍정적인 영향을 주었는지 직접 확인하면서 본인이 하는 업무의 유용성과 전사 업무에서의 위치에 대해 좀더 구체적인 생각을 가질 수 있게 된다. 이런 자리를 통해 얻은 긍정적인 경험은 데이터 과학자들이 자신의 업무에 더 몰입하고 동기부여를 하는 계기가 될 것이다.

지금까지 살펴본 데이터 과학팀의 동기부여를 위해 염두에 두어야 할 다섯 가지 요소들을 관통하는 핵심은 이들이 내적인 필요에 의해 스스로 동기부여할 수 있도록 팀 리더가 팀을 이끌어야 한다는 것이다. 데이터 과학팀 업무에 팀원들이 스스로 동기부여할 수 있도록 하는 제일 좋은 방법은 이들을 매혹시킬 만한 좋은 데이터 과학 문제와 프로젝트를 지속해서 만들어내고 팀 업무 목표로서 제시하는 것이다.

지금까지 데이터 과학팀을 이끄는 리더가 염두에 두어야 할 리더십 요건에 관한 글의 마지막으로, 데이터 과학자 개개인의 집중력과 생산성을 높이기 위해 팀 리더가 고려해야 할 것들에 대해서 자세히 살펴보았다. 

스물아홉번째 글부터 이번 서른한번째 글까지 세 편의 글에서 꽤 많은 지면을 할애하여 데이터 과학팀을 이끄는 리더가 고려해야 할 리더십의 요건에 대해서 살펴본 것은 데이터 과학팀이 성공적으로 조직의 일부로 정착하고 조직의 비즈니스에 기여하기 위해서는 그만큼 리더의 역할이 중요하다는 것을 강조하기 위한 것이다.

이뿐만 아니라, 필자는 역량 있고 뛰어난 데이터 과학자들을 영입했음에도 잘못된 리더십으로 인해 뚜렷한 성과를 거두지 못하고 제 역할을 하지 못하는 안타까운 경우를 많이 보아왔다. 데이터 과학팀이 조직의 비즈니스에 진정한 소금의 역할을 하는 핵심 부서로 자리 잡기 위해 데이터 과학팀 리더들이 시행착오를 덜 겪고 진정한 리더로 성장하기를 바라는 마음으로 자세하게 적다 보니 글이 다소 길어졌다. 이 때문에 글이 다소 지루해졌다면 그것은 필자의 책임이다. 그렇지만, 필자가 언급한 내용을 염두에 두고 리더십을 발휘한 리더가 우리나라 기업들의 비즈니스 현장에서 빅데이터와 데이터 과학 도입의 성공적인 사례를 많이 만들어냈으면 하는 바람이다.

[참고문헌]
[1] 김진철, “LHC에서 배우는 빅데이터와 machine learning 활용 방안”, 2016년 9월 28일, A CIO Conversation for Technology Leadership – Breakfast Roundtable 발표 자료
[2] 로버트 흐로마스, 크리스토퍼 흐로마스, “아인슈타인의 보스 – 천재들을 지휘하는 10가지 법칙,” 더난 출판, 2018.
[3] 프레데릭 라루, “조직의 재창조,” 생각사랑, 2016.
[4] 홍성수, 구미영, 김정혜, 김동현, 박주영, 엄진령, 조경배, 주형민, 문유진, “직장 내 괴롭힘 실태조사”, 국가인권위원회, 발간 번호11-1620000-000662-01, 2017.

*김진철 박사는 1997년 한국과학기술원에서 물리학 학사, 1999년 포항공과대학교에서 인공신경망에 대한 연구로 석사 학위를, 2005년 레이저-플라즈마 가속기에 대한 연구로 박사 학위를 받았다. 2005년부터 유럽입자물리학연구소(CERN)의 LHC 데이터 그리드 구축, 개발에 참여, LHC 빅데이터 인프라를 위한 미들웨어 및 데이터 분석 기술을 연구하였다. 이후 한국과학기술정보연구원(KISTI), 포항공과대학교, 삼성SDS를 거쳐 2013년부터 SK텔레콤에서 클라우드 컴퓨팅과 인공지능 기술을 연구하고 있다. 빅데이터와 인공지능 기술의 기업 활용 방안에 대해 최근 다수의 초청 강연 및 컨설팅을 수행하였다. ciokr@idg.co.kr