< 요약 >
현재 트렌드를 비추어 볼 때, 비즈니스에서 데이터 기반 의사결정이 선택이 아닌 필수인 시대이다
이로 인해 데이터 관련 직군이 화제가 되었는데 그 중에서 "데이터 분석가" , "데이터 사이언티스트" , "데이터 엔지니어" 가 대표적이며 이 직군들은 서로 차이가 분명히 있다.
-> 직군들의 차이점과 데이터 분석가가 하는 일을 중점적으로 말하고 있음
▶ 데이터 분석가 / 데이터 엔지니어 / 데이터 사이언티스트
- 데이터 분석가 : '기획자 관점'으로 경영과 비즈니스 카테고리에 속함
- 데이터 엔지니어, 데이터 사이언티스트 : '개발자 관점'
→ 하지만, 이런 구분된 직무와 다르게 현실에서는 회사마다 직무 구분의 정도가 다르다고 한다. 나도 데이터 분석과 관련된 직업을 꿈꾸는 취준생으로써 가끔 취업 공고를 볼때, 자격요건이 정확히 일치하지 않는 부분이 많았다. 그래서 어떤 부분을 중심으로 채워나가야 할지에 대해 의문이 많다. 그래서 단순히 데이터 분석가를 희망한다고 하더라도 내가 어떤 분야에서 일을 하고 싶은지에 대해 먼저 생각을 해야될 것 같다고 느꼈다.
▶ '데이터 분석가'가 하는 일
(1) 수학 & 통계 : 일반적으로 "기초 통계학" 에 대한 이해 필요
만약 머신러닝 기술을 활용한다면 미적분,벡터 등에 대한 지식 필요
(2) 비즈니스 & 도메인 전문지식 : 로우 데이터에서 데이터 내에 숨겨진 의미 있는 패턴을 찾는 업무가 중심이 되어야 함
즉, 분석/기술 및 비즈니스 목표들을 통합하여 수집된 데이터가 회사의 목표를 달성하는데 사용되도록 하는 역할을 수행함
→ 즉, 프로젝트의 효율성이나 시장의 수요 예측을 효과적으로 하기 위해서는 "데이터에 대한 통계적 지식"과 더불어 해당 통계에 대해 숫자만 파악하는 것이 아닌 해당 수치가 지니고 있는 의미를 파악해야 한다.
▶ 데이터 분석가의 필요한 역량
(1) 도메인에 대한 이해 : 서비스가 어떤 흐름으로 진행되는지에 대해 파악하고 있어야 어떤 아이템을 분석할지,
어떤 부분을 개선할지 알 수 있다.
(2) 문제 해결 : 실제로 사용할 수 있는 데이터에 비해 회사에서 알고 싶어하는 데이터가 다를수 있다.
이런 상황을 해결 해 나갈 수 있어야 한다.
(3) 의사소통 : 분석한 내용을 상대방에게 설명할 때 되도록이면 수치 기반으로 이해할 수 있도록 풀어서 설명해야 한다.
(4) 의미있는 결론 도출 : 데이터 내에 숨어 있는 더 큰 메시지를 가리키는 작은 단서를 알아차릴 수 있어야 한다
따라서 "지표" 를 쪼개서 보는 것이 중요하다.
용어정리 ☞ OMTM : 서비스의 성장을 위해 지금 우리가 꼭 집중해야 하는 지표 (지표 간 우선순위 정하기)
허영 지표(vanity Metric) : 보기에는 좋지만, 실제 중요한 숫자들과 상관이 없는 지표