[취업특강] 데이터 분석가에서 데이터 사이언티스트로 커리어 전환 특강 후기

정말 오래간만에 포스팅을 작성하는 것 같다.

설 명절에 면접준비에 많은 것에 정신을 쏟기 귀찮음까지..ㅋㅋㅋ 

미뤄둔 대신 더 열심히 하고자 깜빡 잊었던 특강들을 먼저 수강하며 머리에 주입식으로 마인드를 갖추라고 요구중이다!

 

 

0. 특강 소개

먼저 이 특강은 중소기업의 데이터 분석가로 근무 하시다가 유통 대기업의 데이터 사이언티스트로 커리어 전환까지 9~10년간 이쪽 직무를 수행하신 강사님께서 강의를 해주셨다.

아래의 링크를 눌러 메타코드 사이트에서 로그인을 해주고 강의 영상 카테고리 > 커리어 정보에서 바로 신청하면 된다.

https://mcode.co.kr/

메타코드M

 

 

 

1. 내용 요약

 

데이터 사이언티스트로 수행하는 업무

 

데이터 사이언스나 분석과 관련된 업무들을 주로 담당하고 계시며, 머신러닝을 활용하신다는데 전형적인 데.싸 의 업무같다.

인사이트를 도출하는 프로젝트를 진행하기도 하고, 데이터 사이언티스트로서 프로젝트를 리딩하는 역할을 하신다고 한다.

프로젝트 진행에 대해서는 현업에서 고객 대상의 데이터를 활용해서 분석하고 기존의 시스템에 배포하기도 한다셨다.

전체적으로는 운영을 직접 하기도 하고, 고도화 시키기도 한다신다.

 

유통 현업에서 사용하는 머신러닝

 

유통도 되게 넓고 다양하고 도메인이 조금씩 다르다곤 하셨다.

주로 수요예측이나, 가격이나 광고에 대한 최적화도 있고 추천하는 알고리즘도 많이 사용한다 하셨다.

그 외에도 재고관리라던가, 물류 배분, 배송 등에도 많이 활용하지만 강사님은 위의 3가지 업무를 주로 담당하신다 하고, 각 과제 별로 자주 사용하는 머신러닝 모델링이나 알고리즘을 함께 말씀해주셨는데 사진으로 확인이 가능하다.

 

유통 산업의 데.싸만의 특징

 

데이터 사이언티스트라면 데이터를 활용해서 문제를 해결하는 사람이라고 생각하기에 특별히 다르다고는 생각하지 않지만, 각 기업마다 개발자의 성향이 높은 곳도 있고 현업과의 니즈를 중요하게 생각하는 것도 있고, 같이 일하는 사람들과의 성향차이도 있기에 전체적으로 봤을 때 유통 산업이라고 따로 다른건 없다고 하셨다.

나는 아직 현업의 실무를 경험하지 않아서 인지 유통산업이라고 다른것이 있을까 싶긴해서 바로 수긍됐다.

 

상경계열 대학원? 취업 난이도?

 

이 강사님이 상경계열의 대학원을 전공하신 분이었어서 해당 질문이 사전질문으로 들어온 것 같다.

강사님은 학부를 상경계열을 전공으로 했기에 그리고 대학 재학시절에 데이터 쪽의 시장이 초기라 핫하지 않았었기에 전공이 잘맞아 선택했다고 하셨다.

대학원에서는 크게 이론을 중심으로 할것인지, 데이터를 기반으로 해서 수학을 활용할 것인지를 선택할 때 후자로 공부를 했었기에 통계코딩이나 R을 다뤄봐서 취업을 할 때 도움이 되었다고 한다.

 

데.분에서 데.싸로 커리어 전환

 

기존엔 데이터 분석쪽으로 상경계열 연구직을 맡았다고 하셨다.

이커머스의 마케팅 관련 데이터 분석쪽으로 일할 기회가 생겼고, 이 시기가 데이터 직무가 급부상한 시기여서 기회를 잡으셨다고 한다.

웹 데이터 등을 다루다 보니 데이터 사이언스 쪽으로도 관심이 갔고, 재직자 교육을 받고 부트캠프 수업도 수강하면서 자연스럽게 데이터 사이언티스트로 넘어가게 되었다고 한다.

 

커리어 전환시 중요한 점?

 

일단은 데이터 분석가라면, 현재 경력을 잘 정리하고 포트폴리오로 정리하는 것이 중요하다고 한다.

교육이나 공부를 하는 것도 다양한 것들을 활용해서 하면 좋고 가장 좋은 것은 대학원 진학 같다고 하신다.

아무래도 머신러닝이나 딥러닝 프로젝트를 해본적이 없다는 약점이 잡힐 수 있기에 교육을 통해 프로젝트를 진행해보는 것들로 보완할 수 있을 것이라 하셨다.

특히 대기업일수록 과거 기업의 프로젝트 경험을 중요하게 보신다하셨다.

 

데.싸로 가져야 할 능력

 

데이터 분석가와 데이터 사이언티스트의 역량 차이는 예측 모형을 만들수 있는가 로 구별하면 되며,

데이터 분석가는 과거나 현재를 분석하며 데이터 사이언티스트는 미래를 예측하는 것을 한다고 하셨다. 

그리고 또다른 차이점으로 예측모형을 응용할 줄 아는지로도 구별된다더라.

나 역시 솔직히 큰 폭에서 볼 때 데이터 사이언티스트가 곧 데이터 분석가의 역할을 하지만 깊이만 다르지 않나 싶었는데,

이 부분에 대해 확실하게 짚고 갈 수 있어서 좋았다.

 

이직 스펙, 과정

 

스펙은 자격증은 따로 없다고 하셨다.

데이터 분석가로 주니어를 보냈기에 경험을 증명해야했어서 경력 기술서를 잘 작성하는게 가장 중요했다 한다.

AI 면접도 본적이 있는데 아마 역량 검사를 말한것 같고 게임등을 활용하는데 그 점수보단 태도가 매우 중요하다고 한다.

실무진, 임원진 면접은 일반적으로 겪는 면접을 말하는 것 같았는데 따로 팁을 주시진 않았다.

 

데.싸 직무에 대해

데이터 사이언티스트는 앞서 말한 것처럼 문제를 해결하는 사람이라고 생각한다며,

문제가 명확하면 그것을 해결하면 되지만, 문제가 정확히 파악되지 않으면 그걸 어떻게 해결해야하는지도 함께 오리무중이 되기에 어렵다고 한다.

실제로 고객들도 문제가 무엇인지를 모르는 경우가 많아서 이럴 때 답답하다고 하신다.

코딩이나 머신러닝을 잘 활용하는 것도 중요하지만 소통과 니즈를 파악하는 것도 정말 중요하다셨다.

 

이직 연령대 / 데.싸 연령대

 

먼저 데이터 분석 직군에서의 이직이라면 40대 초반까지도 가능하다고 생각하신다며, 케이스에 따라 다르다고 하신다.

강사님은 30대 중반에 전환을 했으며, 머신러닝을 활용한 프로젝트 등이 있으면 40대 초반들도 가능할 것으로 본다셨다.

데이터와 관련이 없는 타 직군이라면 2~3년차정도에 할 수 있으면 베스트이고, 개발이나 IT 관련 직군이면 조금 더 늦은 연차에도 가능할 것같다 하신다.

데.싸 현직자로 재직중이신 분들중에 50대 까지도 보셨다고 하시는 걸로 보아 이직만 성공적으로 한다면 근무는 오래 할 수 있을 것으로 파악된다.

 

비전공자 비율은?

 

비전공자를 어떤 계열로 치는가에 따라 다를 것 같다셨다.

기업마다 상경계열을 전공자로 포함시키는 곳도 있고 배제시키는 곳도 있어 명확한 기준을 제시하기는 어렵지만,

상경계열을 비전공으로 포함시킨다면 3~40% 정도 된다고 하신다.

상경계열도 비전공으로 생각한다했을 때 3~40%면 개인적인 생각으론 비전공자의 비율이 높진 않다고 생각한다.

역시 데.싸는 대학원을 졸업한 사람들이 많이 다니는게 맞나보다 싶은 생각도 든다.

 

데.싸의 역량, 기술 스펙

 

통계, 머신러닝, 딥러닝 이 부분은 당연히 핵심적이며 개발 툴을 다룰 줄 알아야 한다.

그리고 IT관련으로는 모두 도움이 된다고 하신다.

API 등으로 예측값을 배포해야되기 때문에 그렇다고 하며, 데.싸가 배포하는 것까지 담당하기 때문이라셨다.

그렇다고 개발자 수준으로 요구되는 것은 아니고 이런 것도 있구나 하면 된다신다.

 

 

2. 수강 후기

먼저 이 특강을 라이브로 신청해두곤 기억하지 못하고 깜빡해서 라이브로 듣지 못한게 아쉬웠다.

강사님이 말씀하시는게 핵심적으로 질문 의도를 잘 파악해서 대답해주셔서 QnA도 못들은것이 덜 아쉬운게 다행이었다.

취업에 대해 고민이 정말 많은 시기라서 특히 나이만 점점 차고있는데 어떻게 해야할지 고민이 많아지고 있었기에 이런 취업 특강들이 정말 도움이 되고 있다.

여태껏 취업 특강 강사님들 중에 가장 요지를 잘 파악하시고 대답하신 것도 깔끔했다고 생각한다.

 

추천여부

현재는 이 강의를 유료로 결제를 해서 수강할 수 있는데, 내가 작성한 부분 외에도 자격증이나 태블로 경험 등에 대해 어떻게 생각하는지 처럼 다양한 이야기를 해주셨기 때문에 들어보는 것도 좋을 것 같다.