AI / CIO / How To / 디지털 트랜스포메이션 / 머신러닝|딥러닝 / 보안 / 비즈니스|경제 / 빅데이터 | 애널리틱스 / 애플리케이션 / 훈련|교육
이미 있는 구성원을 데이터과학자로 양성할 방법은 없는가?
지난 스물여섯번째 글[9]에서 자세히 살펴본 문제인 어떻게 좋은 데이터 과학자를 찾을 수 있는가, 그리고 어떻게 좋은 데이터 과학자를 선별하여 영입할 수 있는가 하는 문제와 함께 필자에게 가장 많이 오는 문의는 이미 기업에서 일하고 있는 내부 구성원을 어떻게 데이터 과학자, 또는 데이터 분석 마인드를 가진 구성원으로 육성하고 훈련할 것인가 하는 문제다.
기업 입장에서 내부 구성원을 데이터 과학자로 훈련하거나, 데이터 과학자로 만들지는 못하더라도 데이터 분석 마인드를 가지고 데이터 기반의 의사 결정과 업무 방식에 익숙한 구성원으로 업그레이드하려 노력하는 것은 빅데이터 시대에 데이터 기반 비즈니스 및 경영 환경에 적응하려는 노력으로서 당연할지 모르겠다. 새로이 인력을 뽑아 제대로 활용하지 못하여 생기는 비용과 시간 낭비의 위험을 감수하는 것보다, 이미 어느 정도 업무 능력과 성품이 검증되어 기업에서 일하고 있는 구성원들의 업무 역량을 높이고, 기존 인력을 다시 활용하는 것이 바람직할 수도 있다.
필자도 이렇게 할 수 있다면 참 좋겠다는 생각이 든다. 기존의 기업 구성원들을 잘 훈련해 데이터 과학자로 탈바꿈시킬 수 있다면 기업으로서는 여러 가지로 좋을 것이다. 먼저, 기존 구성원들의 업무 역량을 향상하면서 조직의 역량을 동반 성장시킬 수 있다. 두번째로, 아무래도 보통 구성원들보다는 학력이나 역량에서 더 앞서고 뛰어날 수밖에 없는 데이터 과학자들과 기존 구성원들과의 갈등이나 대립을 걱정하지 않아도 된다. 세번째로, 빅데이터 비즈니스와 데이터 과학을 위해 새로이 인력을 영입하지 않아도 되니 새로이 영입된 인력들의 인건비와 복지 혜택을 위한 비용과 투자를 위한 추가의 가치 창출과 성장을 염두에 두어야 하는 경영진들도 부담을 덜 수 있다.
결론을 먼저 얘기하자면, 이 문제에 대해 필자가 많은 분에게서 문의를 받고 고민해보고, 실제 현장에서 개선을 위해 큰 노력을 해보았지만, 지금까지의 경험으로는 기존 구성원들을 교육이나 훈련을 통해 데이터 과학자로 탈바꿈시키게끔 육성하자는 생각은 전혀 현실적이지 않고 효과도 없는 방법이다. 다시 분명하게 얘기하자면, 기업의 업과 조직 문화에 따라서 다소 차이가 있기는 하지만, 이미 기업에서 일하고 있는 내부 구성원을 데이터 과학자로 육성하는 것은 불가능에 가까우며 비용과 효과 측면에서도 효과적이지 않다.
왜 그럴까? 그 이유는 현재 대부분 기업이 운영되고 경영되는 방식이 데이터 과학자들을 길러낼 만한 성장 경로를 제시해줄 수 있는 환경을 만들어주지 못하기 때문이다. 다시 다른 말로 얘기하자면, 현재 대부분 기업의 업무 환경과 방식이 데이터 과학 패러다임에 기초한 방식이 아니므로 근본적으로 데이터 과학자가 양성될 수 없는 환경이기 때문이다.
사실 이 말은 전혀 이상한 말이 아니다. 이미 기업이 데이터 과학이 필요한 데이터 기반의 의사 결정 문화와 비즈니스 모델을 가지고 빅데이터 비즈니스를 잘 성장시키고 있다면 데이터 과학과 빅데이터 비즈니스를 통해 새로이 성장의 길을 모색할 필요가 있을까? 대부분 기업이 데이터 기반의 과학적 의사 결정과 빅데이터 비즈니스를 하고 있지 않아 성장의 한계를 느끼고 있기 때문에 결국 빅데이터 비즈니스와 데이터 과학에 관심이 있는 것이다.
기업의 비즈니스 운영 방식이 데이터 기반 의사 결정과 문제 해결이라는 패러다임을 채택하고 있지 않은데 데이터 과학자 교육, 훈련 과정을 몇 개 개설해서 구성원들이 수업을 듣고 과정을 마친다고 해서 데이터 과학자가 양성될 수는 없는 것이다. 이전 스물일곱번째 글[2]에서 필자가 언급한 바와 같이 데이터 과학자로서 역량이 양성되는 것은 데이터 과학자의 경력 성장 경로에서 겪었던 업무 경험과 문제 해결 경험이 매우 중요하기 때문이다.
반대로 어떤 기업이 내부 구성원들을 효과적으로 데이터 과학자로 양성했다고 하면, 그 기업은 자신들이 의식하지 못하는 사이에 이미 데이터를 이용한 의사 결정과 과학적 문제 해결에 기초한 업무 수행 환경과 시스템을 이미 어느 정도 갖추고 실무에 적용하고 있을 가능성이 크다. 그러니까, 이미 데이터 과학자가 업무를 수행하면서 역량을 키워갈 수 있는 업무 환경과 시스템을 갖추고 있을 가능성이 크다는 것이다.
위와 같은 이유로 내부 구성원의 교육과 훈련을 통해서 데이터 과학자를 내부 육성하고 데이터 기반 의사 결정과 문제 해결 문화를 확산시키고자 하는 노력은 현재 대부분 기업에 맞지 않는 방식이다. 필자의 경험에 따르면 대부분 경우 이런 방법으로 구성원들의 데이터 과학과 데이터 기반 의사 결정의 중요성에 대한 인식을 제고하고 환기하는 정도까지는 갈 수 있지만, 데이터 기반 의사 결정과 문제 해결 마인드가 스며들어 있지 않은 기업 경영 시스템과 문화를 근본적으로 혁신하는 것은 내부 구성원 육성만으로는 불가능하다.
내부 구성원들을 데이터 과학자로 육성하는 데 성공했다면 이미 그 기업에서 데이터 과학자의 역량을 어느 정도 갖추었거나 훈련을 받았던 구성원을, 데이터 과학자라는 타이틀만 걸지 않은 상태에서, 영입해서 데리고 있었을 가능성이 크다. 또 한 가지 가능성은 기업이 의도했건 의도하지 않았건, 기업의 비즈니스 모델이나 업이 이미 데이터 과학에서 전제하고 있는 과학적 의사 결정과 문제 해결 패러다임이 곳곳에서 쓰이고 있는 비즈니스 모델이거나 업일 가능성이 크다. 예를 들면, CERN과 같이 고에너지 물리학을 연구하는 연구소이거나, 보잉이나 록히드마틴과 같은 항공우주기술 전문 기업과 같이 이미 데이터 과학자로서 소양과 역량을 갖춘 엔지니어를 대거 보유하고 관련 전문 업무를 수행하고 있는 회사일 가능성이 크다는 것이다.
따라서, 기업에서 이미 있는 내부 구성원들을 데이터 과학자로 양성하기 위한 지나친 노력은 하지 않기를 필자는 권장한다. 현재 빅데이터 기반 신사업을 수행하려는 기업이나 데이터 기반 의사 결정과 경영 문제 해결 역량을 기르고 싶어 하는 대부분 기업에 맞지 않는 방식이다. 정말 이런 회사들이야말로 새 술은 새 부대에 담아야 한다는 옛 말씀이 잘 들어맞는 상황이다.
기업 경영진이 데이터 과학자로 일할 수 있는 전문 인력을 영입하려는 노력을 등한시하면서 내부 구성원들을 데이터 과학자로 육성하기 위해 지나치게 기존 구성원들을 몰아붙이거나 부담을 줄 경우 오히려 데이터 기반 문제 해결 문화에 대해 기존 구성원들이 거부감을 갖게 되어 그런 문화가 확산되는데 걸림돌이 될 수 있다. 그리고, 전혀 효과가 없는 방법에 들이는 비용과 노력으로 오히려 기업 전반에 부담으로 다가와 역효과가 날 수 있으니 조심해야 한다.
그렇다면, 기존 구성원들은 데이터 과학을 이용한 의사 결정 방법이나 데이터 기반의 과학적 문제 해결 마인드를 가지도록 변화, 성장시킬 시도조차 아예 하지 말아야 하는가? 데이터 과학은 오직 데이터 과학자들의 전유물이 되어야 하고, 기업의 기존 구성원들은 이들 데이터 과학자들이 분석하여 풀어내는 기업 경영 현안에 대해 마치 신의 말씀을 듣고 받는 것같이 그저 묵묵히 따라야 하는가?
전혀 그렇지 않다. 필자가 얘기하고자 하는 것은 기존 구성원들을 데이터 과학자로 단기간에 길러내어 활용하려는 기업의 조급한 행태에 관해서 얘기하고자 하는 것이지, 기존 구성원들이 데이터 기반 의사 결정과 문제 해결 방식을 받아들이고 훈련시키게끔 할 방법이 전혀 없다고 얘기하는 것이 아니다. 현재까지의 필자의 경험에 바탕을 두어 데이터 과학에 대한 효용을 높이고 구성원들에게 데이터 과학 마인드와 문제 해결 문화를 확산시킬 수 있는 우리나라 현실에 맞는 효과적인 방법을 아래와 같이 제안하고자 한다.
데이터 과학자를 데이터 기반 문제 해결의 생산자로, 기존 구성원들이 데이터 기반 문제 해결의 산출물을 자동화된 의사 결정 도구를 이용하여 실제 기업 실무를 수행하는 데이터 소비자로서 역할을 할 수 있는 플랫폼을 기업 내부에 구축하고 운영함으로써 기존 구성원들의 데이터 과학 마인드를 고취하고 손쉽게 데이터 기반 문제 해결 마인드와 문화를 조직에 확산하는 방법을 제안한다.
조직에서 데이터 기반의 문제 해결, 의사 결정의 마인드를 구성원들이 가지게 하고, 결과적으로 이런 데이터 과학 문화가 기업 문화로서 확산되어 가기 위해서 꼭 조직의 모든 구성원을 데이터 과학자로 채워야 하는 것은 아니다. 모든 기업 구성원들이 데이터 과학자가 된다면 오히려 기업의 운영이 더 어렵게 될 것이다. 데이터 과학자와 같이 기업 경영을 진단하고 정밀하게 조사할 수 있는 데이터를 분석해서 경영 현안에 대한 깊이 있는 고민과 분석을 하는 사람도 필요하지만, 이러한 깊이 있는 고민과 분석의 산물을 이용해 빠르게 실행하고 기업의 실적과 이윤으로 연결하는 실행력 있는 사람도 필요한 법이다.
그러므로 기존 구성원을 모두 데이터 과학자로 훈련하거나, 또는 데이터 과학 마인드를 단기간에 갖추도록 경영진이 지나치게 조바심을 내면 오히려 구성원들이 데이터 기반 의사결정과 문제 해결 문화에 대해 경영진이 구성원 통제에 사용하는 또 다른 선전 도구로 오해해서 거부감을 느낄 가능성이 크다. 이런 거부감과 저항을 최소화하고, 데이터 과학의 효용을 빠르게 조직에 보여주기 위해서는 데이터 과학의 성과물들이 실제 업무 현장에서의 현안과 연결되어 직접 지원할 수 있는 일종의 플랫폼이 필요하다고 얘기하는 것이다.
이전에 필자의 다섯번째, 일곱번째 글[3, 4]에서 소개하였던 빅데이터 비즈니스 모델의 방법론을 이 데이터 과학 문화의 확산에 같이 한번 적용해보자. 우선, 기업과 조직에서 데이터 과학을 통해 기대하는 것은 대부분 이런 목적일 것이다.
-데이터 과학을 통해 고객 및 시장 데이터를 분석해서 새로운 사업과 틈새시장의 요구를 파악하는 것
-데이터 과학을 통해 기존 비즈니스와 상품을 개선할 방향과 방법을 찾아내는 것
-데이터 과학을 통해 현재 기업과 조직의 업무의 속도, 효율, 생산성을 향상할 방법을 찾아내는 것
빅데이터 비즈니스 플랫폼은 비즈니스 지원 시스템(Business Support System; BSS)과 운영 지원 시스템(Operation Support System; OSS)으로 구성된다고 얘기했다. 위의 세 가지 목적 중 우리가 지금 생각하는 소위 ‘데이터 과학 문화 확산 플랫폼’을 통해 달성하려고 하는 것은 세 번째의 목적에 해당하는 것이다. 지금 우리가 시도하려고 하는 것은 운영 지원 시스템(OSS)을 ‘데이터 과학 문화 확산 플랫폼’화하는 것이다.
이 ‘데이터 과학 문화 확산 플랫폼’을 만드는 데 필요한 것은 먼저 이 플랫폼의 비즈니스 모델을 돌아가게 하는 주체를 파악하는 것이다. 우리가 만들 ‘데이터 과학 문화 확산 플랫폼’의 서비스 제공자는 바로 데이터 과학자들이나 데이터 과학팀이 된다. 그리고, ‘데이터 과학 문화 확산 플랫폼’의 고객은 바로 기존의 기업 구성원과 경영진이 된다. 그렇다면, 이들 서비스 제공자와 고객 간 필요를 어떻게 이어주도록 이 플랫폼을 설계해야 할 것인가?
Surfshark
VPN (가상 사설 네트워크, Virtual Private Network)은 인터넷 사용자에게 개인 정보 보호와 보안을 제공하는 중요한 도구로 널리 인정받고 있다. VPN은 공공 와이파이 환경에서도 데이터를 안전하게 전송할 수 있고, 개인 정보를 보호하는 데 도움을 준다. VPN 서비스의 수요가 증가하는 것도 같은 이유에서다. 동시에 유료와 무료 중 어떤 VPN을 선택해야 할지 많은 관심을 가지고 살펴보는 사용자가 많다. 가장 먼저 사용자의 관심을 끄는 것은 별도의 예산 부담이 없는 무료 VPN이지만, 그만큼의 한계도 있다. 무료 VPN, 정말 괜찮을까? 무료 VPN 서비스는 편리하고 경제적 부담도 없지만 고려할 점이 아예 없는 것은 아니다. 보안 우려 대부분의 무료 VPN 서비스는 유료 서비스에 비해 보안 수준이 낮을 수 있다. 일부 무료 VPN은 사용자 데이터를 수집해 광고주나 서드파티 업체에 판매하는 경우도 있다. 이러한 상황에서 개인 정보가 유출될 우려가 있다. 속도와 대역폭 제한 무료 VPN 서비스는 종종 속도와 대역폭에 제한을 생긴다. 따라서 사용자는 느린 인터넷 속도를 경험할 수 있으며, 높은 대역폭이 필요한 작업을 수행하는 데 제약을 받을 수 있다. 서비스 제한 무료 VPN 서비스는 종종 서버 위치가 적거나 특정 서비스 또는 웹사이트에 액세스하지 못하는 경우가 생긴다. 또한 사용자 수가 늘어나 서버 부하가 증가하면 서비스의 안정성이 저하될 수 있다. 광고 및 추적 일부 무료 VPN은 광고를 삽입하거나 사용자의 온라인 활동을 추적하여 광고주에게 판매할 수 있다. 이 경우 사용자가 광고를 보아야 하거나 개인 정보를 노출해야 할 수도 있다. 제한된 기능 무료 VPN은 유료 버전에 비해 기능이 제한될 수 있다. 예를 들어, 특정 프로토콜이나 고급 보안 기능을 지원하지 않는 경우가 그렇다. 유료 VPN의 필요성 최근 유행하는 로맨스 스캠은 인터넷 사기의 일종으로, 온라인 데이트나 소셜 미디어를 통해 가짜 프로필을 만들어 상대를 속이는 행위다. 이러한 상황에서 VPN은 사용자가 안전한 연결을 유지하고 사기 행위를 방지하는 데 도움이 된다. VPN을 통해 사용자는 상대방의 신원을 확인하고 의심스러운 활동을 감지할 수 있다. 그 외에도 유료 VPN만의 강점을 적극 이용해야 하는 이유는 다음 3가지로 요약할 수 있다. 보안 강화 해외 여행객이 증가함에 따라 공공 와이파이를 사용하는 경우가 늘어나고 있다. 그러나 공공 와이파이는 보안이 취약해 개인 정보를 노출할 위험이 있다. 따라서 VPN을 사용하여 데이터를 암호화하고 개인 정보를 보호하는 것이 중요하다. 서프샤크 VPN은 사용자의 개인 정보를 안전하게 유지하고 해킹을 방지하는 데 유용하다. 개인 정보 보호 인터넷 사용자의 검색 기록과 콘텐츠 소비 패턴은 플랫폼에 의해 추적될 수 있다. VPN을 사용하면 사용자의 IP 주소와 로그를 숨길 수 있으며, 개인 정보를 보호할 수 있다. 또한 VPN은 사용자의 위치를 숨기고 인터넷 활동을 익명으로 유지하는 데 도움이 된다. 지역 제한 해제 해외 여행 중에도 한국에서 송금이 필요한 경우가 생길 수 있다. 그러나 IP가 해외 주소이므로 은행 앱에 접근하는 것이 제한될 수 있다. VPN을 사용하면 지역 제한을 해제해 해외에서도 한국 인터넷 서비스를 이용할 수 있다. 따라서 해외에서도 안전하고 편리하게 인터넷을 이용할 수 있다. 빠르고 안전한 유료 VPN, 서프샤크 VPN 뛰어난 보안 서프샤크 VPN은 강력한 암호화 기술을 사용하여 사용자의 인터넷 연결을 안전하게 보호한다. 이는 사용자의 개인 정보와 데이터를 보호하고 외부 공격으로부터 사용자를 보호하는 데 도움이 된다. 다양한 서버 위치 서프샤크 VPN은 전 세계 곳곳에 여러 서버가 위치하고 있어, 사용자가 지역 제한된 콘텐츠에 액세스할 수 있다. 해외에서도 로컬 콘텐츠에 손쉽게 접근할 수 있음은 물론이다. 속도와 대역폭 서프샤크 VPN은 빠른 속도와 무제한 대역폭을 제공하여 사용자가 원활한 인터넷 경험을 누릴 수 있도록 지원한다. 온라인 게임, 스트리밍, 다운로드 등 대역폭이 필요한 활동에 이상적이다. 다양한 플랫폼 지원 서프샤크 VPN은 다양한 플랫폼 및 디바이스에서 사용할 수 있다. 윈도우, 맥OS, iOS, 안드로이드 등 다양한 운영체제 및 디바이스에서 호환되어 사용자가 어디서나 안전한 인터넷을 즐길 수 있다. 디바이스 무제한 연결 서프샤크 VPN은 무제한 연결을 제공하여 사용자가 필요할 때 언제든지 디바이스의 갯수에 상관없이 VPN을 사용할 수 있다.