참고 아티클: https://yozm.wishket.com/magazine/detail/2070/
- 요약 :
데이터 분석가가 갖춰야할 특징은 크게 하드 스킬과 소프트 스킬로 나뉠 수 있다.
하드스킬은 해당 직무를 수행하기 위해 필요한 기술적인 능력으로서, 교육을 통해 빠르게 습득가능하다. 예)파이썬이나 SQL
소프트스킬는 사람들간의 상호작용을 바탕으로 실무경험을 통한 비기술적 능력이며, 하드 스킬보다 빠르게 습득하기 어려워 시간이 오래걸린다. 예)프로젝트(커뮤니케이션)
- 주요 포인트 :
하드스킬만 우수하다고 해서 좋은 데이터 분석가가 되기 어렵기 때문에 취업 전에 다양한 협업 과정을 통해 소프트스킬을 키워야한다. 전문성을 바탕으로 본인의 업무를 쉽고, 간결하게 전달할 수 있는 능력을 키워야한다.
- 핵심 개념 :
하드스킬
(1) 사용언어: SQL데이터 분석가가 실무에서 데이터 추출 및 간단한 분석을 할때, 파이썬은 심화된 분석(요인 분석, 예측 모델링 등) 필요시 주로 사용.
(2) 통계학: 기술 통계, 추론 통계로 나뉨. 상관관계, 회귀 분석, 인과 관계 등의 통계 개념들은 데이터 분석에서 EDA 단계를 진행할 때, 활용되는 개념.
(3) 도메인 및 비즈니스에 대한 이해: 산업에 따라 주요 문제와 액션이 다른 만큼 비즈니스와 프로덕트는 직결되어 있으며 관련 재무, 마케팅 등 비즈니스 지료 및 KPI 성공 지표 등에 대해 알아야함. 대부분의 지표는 비즈니스 지표의 증감 원인을 파악하기 위해 활용되며, 서비스 전반을 이해하는데 꼭 필요하기 때문.
(4) 툴을 다루는 역량: 툴을 잘 다루는 것은 구성원이 데이터 기반 의사결정을 빠르게 할 수 있는 환경을 위해 필요하며, 단순히 툴을 다룰 수 있는 것 뿐만이 아닌 툴을 활용하고 습득해야한다.
(5) 업무 자동화와 데이터 엔지니어링: 다양한 부서의 일회성 분석 요청에 대한 대응, 데이터 정합성 및 퀄리티 확인, 플랫폼 운영 이슈를 처리. 일회성 분석(BI 대시보드, 데이터 플랫폼을 통해 자동화로 해결)과 같이 자동화된 단계에서도 데이터 플랫폼 운영 이슈를 처리하고, 플랫폼을 최적화할 수 있도록 개발자와 소통, 필요한 기능을 기획 및 테스트해야 함.
AI rflow, SQL 등 분석을 위한 테이터 엔지니어링 언어와 도수를 활용할 수 있도록 준비해야함.
소프트스킬
(6) 커뮤니케이션 능력: 데이터 분석가의 일은 보고서와 커뮤니케이션이 70%로서, 모두가 이해할 수 있는 언어로 바꿀 수 있어야 함.
(7) 협업 능력 태도: 조직에서 경영진, PO,PM, 마케터 등 다양한 직무의 팀원들과 협업 및 커뮤니케이션을 하는데, 그들이 잘 이해할 수 있는 소통 방식과 태도를 갖추어야함.
(8) 문제 정의 및 문제 해결능력: 데이터 분석을 진행하기 전 문제정의가 선행되어야 하며, 이때 문제를 논리적으로 정의하고 현상에 대한 파악을 토대로 다양한 분석 방법론을 시도하는 것이 중요.
(9) 보고서 작성: 보고서 형식, 논리, 시각화하여 누구나 잘 이해할 수 있는 비즈니스 보고서를 작성해야 함. 분석결과를 토대로 기획, 전략 단계까지 사업화 할 수 있는 액션 아이템을 구상하고, 보고서의 표현과 언어를 비즈니스 관점에서 작성하면 이해관계자들을 설득하기 쉬워지기 때문.
- 용어 정리 :
(1) KPI 지표(Key Performance Indicator): 핵심성과지표로, 조직의 성과를 정량적으로 평가하기 위해 사용되는 지표.(MAU, Gross Margin 등)
(2) 데이터 마트: 조직의 사업부와 관련된 정보를 포함하는 데이터 스토리지 시스템
(3) 일회성 분석: 임시방편의 해결책, 불충분한 계획, 또는 즉석 이벤트라는 뜻을 함축. 필요에 따라 데이터를 분석하는 원칙. 에드혹이라고도 함
(4) 데이터드리븐: 선택의 기로에 섰을 때 가장 올바른 의사결정을 내리기 위해 인공지능과 빅데이터를 적용하는 경우
(5) Ai rflow: 초기 에어비엔비 엔지니어링 팀에서 개발한 워크플로우 오픈 소스 플랫폼
(6) 워크플로우: 의존성으로 연결된 작업들의 집합
(7)데이터 분석 프로세스: 보통 문제 정의>가설 수립>데이터 분석>문제 해결 순서로 진행
