커피챗 활동 업데이트 및 FAQ

작년 4월 커피챗 1년 6개월 활동 후의 회고 글을 작성 했었습니다. (링크 - 커피챗 파트너 1년 6개월 활동 정리) 오늘은 지난 글 작성 후로부터 약 10개월 간의 커피챗 파트너로서의 추가 활동 후기를 정리하고자 합니다.

추가로 커피챗 후기와 함께 커피챗을 신청주시는 신청자 분들이 가장 많이 여쭤보시는 질문을 리스트업하고 나름대로 생각이 정리된 부분에 대해서 작성하고자 합니다. 제가 정리한 답변이 모두 정답은 아니지만, 글을 읽으시는 데이터 분석가로 취업 혹은 이직을 준비하시는 분들에게 작은 부분이라도 도움이 되면 좋겠습니다.

커피챗 소개

• 커피챗(Coffee Chat)이란 서구권에서는 자연스러운 문화로 자리매김한 미팅으로서, 내가 궁금한 사람/회사/업계 등에 대해서 만남을 통해 커피 한 잔 마시는 시간 동안 정보를 얻어가는 미팅을 의미합니다. 이런 커피챗을 플랫폼 형태로 제공하는 서비스가 있습니다. 익명을 기반으로 하고, 대면 미팅이 아닌 비대명 음성 채팅 방식으로 서비스가 운영 되고 있습니다.
• 대화를 원하는 파트너를 선정하고 시간을 20/30/40분 등으로 선택한 뒤, 파트너와 시간을 조율하고 해당 시간에 대화를 하는 방식으로 진행 됩니다. 대화는 앱 내에서 진행되며, 외부로 연결 되는 것이 아니라 앱 내에서 바로 대화가 가능하여 편리하게 이용할 수 있습니다.

커피챗 활동 업데이트

• 작년 4월까지 약 18개월 동안 누적 35회 정도 진행을 했었는데, 이후 10개월 동안 총 33회 정도 진행을 해서 현재는 68회 진행을 했습니다. 최근에는 월 3회 정도로 빈도가 늘어났습니다.
• 많다면 많고, 적다면 적은 수치이지만, 커피챗이 아니였다면 기회를 얻을 수 없었던 60여명의 소중한 인연을 만난건 큰 행운이라고 생각하고 있습니다.
• 슈퍼파트너는 감사하게도 여전히 유지하고 있습니다. 유의미한 성과는 데이터 직군 슈퍼파트너 중에서도 최상단에 노출되고 있고 더 많은 커피챗 기회를 받을 수 있게 되었습니다.

데이터 분석가 FAQ

데이터 분석가의 정의와 역할은 회사마다 그리고 세부 직무마다 차이가 있을 수 있습니다. 이하에서는 비즈니스 데이터 분석가의 시선에서 작성했습니다.

데이터 분석가로 일하기 위한 스킬?

데이터 분석가의 스킬은 크게 소프트 스킬과 하드 스킬로 나눌 수 있습니다. 하드 스킬은 일반적으로 이야기하는 기술적인 영역이고, 소프트 스킬은 커뮤니케이션 역량, 논리력 등 기술적이지 않은 영역을 의미합니다. 소프트 스킬은 이전 글에서 작성해 둔 부분이 있어서, 하기에서는 하드 스킬 위주로 작성 해보았습니다. (링크 - 데이터 분석가에게도 세일즈가 중요할까?)

• 하드 스킬은 크게 3가지로 분류할 수 있습니다. 데이터 추출 / 데이터 분석 / 데이터 시각화입니다. 데이터 분석가는 회사 내에 유저들이 남기고 있는 로그를 기반으로 업무를 합니다. 유저의 로그 데이터를 분석할 수 있도록 데이터를 변환 및 추출하고 해당 데이터에서 인사이트를 찾아내고, 찾아낸 인사이트를 지속적으로 트래킹하고 변화를 추적할 수 있도록 시각화를 합니다.
• 먼저, 데이터베이스에서 원하는 데이터를 추출, 저장, 관리하기 위한 SQL 쿼리 역량이 필요합니다. 쿼리 역량은 실무에서 꽤나 많은 비중을 차지하고 있고, 데이터 분석가는 필요한 데이터를 정확한 타입으로 효율적으로 저장하는 것도 필요하기 때문에 데이터베이스에 대한 지식 습득도 필요합니다.
• 다음으로, 데이터 분석을 위한 프로그래밍 언어와 통계 지식입니다. 프로그래밍 언어로는 Python, R을 주로 사용합니다. 두 프로그래밍을 학습할 때 추천 드리는 방법은 너무 깊은 수준으로 접근하기 보단, 기본 문법을 익히고 분석하는 과정에서 실제로 적용해보는 것이 중요합니다. 분석에 필요한 다양한 라이브러리를 사용해보고, 다양한 데이터 형태를 접해보는 것을 추천드립니다.
• 마지막으로는, 데이터 시각화 역량입니다. 시각화 툴은 회사마다 다양하게 사용하고 있습니다. 대표적으로는 Tableau, Power BI 등을 사용하고 있습니다. 개인적으로는, 어떤 툴을 사용했으냐가 중요하기 보다는 그 툴을 이용해 어떤 메시지를 전달하느냐가 중요하다고 생각합니다. 따라서, 툴의 사용 방법을 익힌 후에는 내가 만들고자 하는 대시보드나 리포트의 독자가 누구인지, 독자에게 어떤 메시지를 전달하고 싶은지, 어떤 차트를 이용해서 보여주는 것이 효과적일지 등을 생각하며 연습해보는 것이 중요하다고 생각합니다.

데이터 분석 포트폴리오?

• 데이터 분석 포트폴리오를 작성하는 툴을 질문을 많이 주셨는데, 개인적으로는 노션 / PDF 등 읽기 편한 형태면 어떤 것이든 관계 없다고 생각합니다.
• 단, 포트폴리오를 인사 담당자 혹은 실무자가 전부 꼼꼼히 읽을 것이라는 기대는 하지 않고 작성하는 것이 좋습니다. 현실적으로는 시간적인 제약 등으로 인해 전체 포트폴리오를 검토할 시간이 부족하고, 관심 있는 부분만 읽을 가능성이 높습니다.
• 따라서, 포트폴리오 작성시에는 각 결과물 별로 요약 페이지가 들어가면 좋습니다. 내 결과물의 중요한 부분은 나는 가장 잘 알지만, 내 결과물을 처음 보는 사람은 무엇이 중요한지 모르고 읽을 가능성이 높습니다. 내 결과물에서 내가 중요하다고 생각하는 부분과 이 결과물을 통해서 얻어낸 성과에 대한 것을 가장 앞단에 요약해두어서 더 세심하게 읽을 확률을 높여두는 것이 중요하다고 생각합니다.
• 포트폴리오의 결과물은 내가 지원하는 팀 혹은 조직에 핏하게 선택해서 작성하는 것이 좋습니다. 전략적으로 접근하여 지원하는 팀에서 관심 있어할만한 주제에 대해 작성하는 것이 좋다는 의미입니다. 예를 들어, 게임 회사의 분석가로 지원하는 지원자라면, Open API 등으로 공개된 데이터로 분석을 해보거나 게임 플레이를 해보며 유저로서 개선점을 확인하고, 개선점을 수정하기 위해서는 어떤 전략이 필요할지를 데이터 분석가의 관점에서 생각해보는 등의 전략적 포트폴리오가 구성되면 좋을 것 같습니다.

데이터 분석가로 직무 전환?

• 직무 전환을 위해서는 현재 하고 있는 직무에서 데이터 분석가처럼 일해보는 경험이 중요합니다. 회사에서의 업무 중 중요한 부분은 설득의 과정이라고 생각합니다. 비용을 사용해서 성과를 내야하면, 왜 그 비용을 지출해야 하는지 설득해야하고, 회사에서 신제품을 출시한다면, 어떤 컨셉으로 개발할지, 마케팅은 어떻게 할 것인지 등을 설득해야 합니다. 즉, 대부분의 과정이 설득의 과정입니다.
• 데이터 분석가는 그 설득의 과정을 데이터로 풀어낸다는 것만 차이가 있다고 생각합니다. 따라서, 현재 직무에서 무언가 설득의 과정을 할 때 데이터를 통해 설득해 본 경험이 있다면, 그 경험을 어필하는 것이 좋다고 생각합니다. 앞서 언급한 데이터 하드 스킬을 이용하여, 업무에 적용해보고 설득을 통해서 얻게 된 성과를 수치적으로 잘 정리해두면 추후 좋은 포트폴리오로 활용 될 수 있다고 생각합니다.

막상 적고나니 생각했던 것보다는 매우 당연하고 아주 작은 인사이트라고 생각이 들기는 하지만, 그동안 말로 설명 드렸던 부분을 정리 해둘 수 있어서 의미 있었습니다. 누군가 지나다가 제 글을 읽고 조금이나마 도움을 받으실 수 있으면 좋겠습니다. 그럼 올해의 첫 글은 마무리 해봅니다. 모두 새해 복 많이 받으세요!