📘 아티클스터디 15 - AI로 대체되지 않는 데이터분석가의 6가지 핵심 역량 (1)

링크: https://community.heartcount.io/ko/ai-data-analyst-skill/

요약

AI 시대에 데이터 분석가가 대체되지 않기 위해 필요한 6가지 핵심 역량을 소프트 스킬 측면에서 설명하며, 실제 업무 경험을 바탕으로 데이터 분석가로서 데이터분석 프로젝트를 어떻게 하면 효과적으로 할 수 있는지에 대한 팁이 담겨있어 향후 프로젝트에 도움이 될 만한 내용.

주요 포인트

1. 문제 정의부터 시작하라

• 명확한 문제 정의: 프로젝트의 시작은 항상 명확한 문제 정의에서 출발해야 한다. 데이터 분석을 통해 무엇을 해결하고자 하는지, 어떤 인사이트를 얻고 싶은지 명확히 설정하면 분석 과정이 더 효율적이 된다.
• 목표 설정: 데이터 분석의 최종 목표를 명확히 설정하고, 그 목표에 맞게 분석을 설계해야 한다. 목표가 분명하면 프로젝트 관리와 리소스 배분이 더 용이해진다.

2. 데이터 정리 및 준비에 시간을 투자하라

• 데이터 정합성 확보: 다양한 소스에서 데이터를 수집할 때 데이터의 일관성과 정합성을 유지하는 것이 중요하다. 데이터가 정리되지 않으면 이후 분석 과정에서 오류가 발생할 수 있다.
• 필드 정리 및 키 정의: 데이터를 정리할 때 중복된 필드와 불필요한 필드를 제거하고, 각 데이터셋에 적합한 키 값을 정의해야 한다. 이 과정에서 데이터를 통합하고 분석하는 데 필요한 기초 작업이 이루어진다.

3. 데이터 프로젝트의 전 과정 관리

• 철저한 커뮤니케이션: 분석이 필요한 부서와의 긴밀한 커뮤니케이션이 필수적이다. 부서 간의 협력 없이는 데이터 프로젝트가 성공하기 어렵다. 데이터를 실제로 활용하는 사람들의 의견을 반영하여 프로젝트를 설계하고, 필요에 따라 조정하는 과정이 필요하다.
• PM 역할 수행: 데이터 분석가는 프로젝트 매니저로서 데이터의 흐름과 분석 과정을 전체적으로 관리하고, 데이터 엔지니어와 협업하여 프로젝트가 원활하게 진행되도록 해야 한다.

4. 데이터 시각화 및 스토리텔링

• 데이터 시각화: 복잡한 데이터를 이해하기 쉽게 시각화하는 것이 중요하다. 청중의 이해도를 높이기 위해 분석 결과를 직관적으로 보여줄 수 있는 대시보드를 제작하는 것이 효과적이다.
• 스토리텔링 기법 활용: 데이터를 단순히 나열하는 것이 아니라, 청중이 공감하고 이해할 수 있도록 스토리텔링 기법을 활용해야 한다. 문제 제기부터 시작하여 해결 방안까지 논리적인 흐름을 갖춘 발표가 중요하다.
  • 예를 들어, ‘현재 저희 기업 방문 비율이 매달 줄고 있습니다. 광고 의존도가 높아지는 현실, 어떻게 해결할 수 있을까요?’ 라고 첫 장을 시작해 청중의 이목을 끄는 것이 중요.

다음은 아파트 단지 별 다양한 변수의 데이터를 K-means 비지도 학습을 통해 군집 분석한 내용이다.

비지도학습이 실제 군집 분류보다, 분류된 결과를 분석하여 라벨링하는 것이 더 어려운 단계라고 한다.

분류된 그룹 별 실제 분석 결과 출처: https://community.heartcount.io/ko/ai-data-analyst-skill/#1️⃣-통계-기술적-역량

필자는 여기서 끝나지 않고, 이 단서들을 바탕으로 페르소나를 그려 ‘신도시요즘엄빠’, ‘맹모백서’등 재미있는 이름과 아이콘도 만들어 전달력을 더 높이는 부분이 인상적.

페르소나 출처: https://community.heartcount.io/ko/ai-data-analyst-skill/#1️⃣-통계-기술적-역량

5. 협업과 크로스 분석

• 다양한 툴 활용: 분석 툴에 갇히지 말고, 필요한 경우 여러 툴을 활용해 크로스 분석을 수행해야 한다. 이를 통해 다양한 시각에서 데이터를 해석할 수 있고, 보다 풍부한 인사이트를 얻을 수 있다.
• 협업 요청: 타 팀과의 협업을 통해 더 큰 그림을 그릴 수 있다. 예를 들어, 경쟁사의 마케팅 활동을 분석할 때 마케팅 팀과 협력하면 더 심층적인 분석이 가능하다.

6. 지속적인 피드백과 개선

• 피드백 수용: 프로젝트가 진행되는 동안 지속적으로 피드백을 수용하고, 분석 결과를 개선해 나가야 한다. 청중의 반응을 관찰하고, 이해도를 높이기 위해 필요한 부분을 보완하는 것이 중요하다.
• 프로세스 개선: 프로젝트가 끝난 후에도 결과를 바탕으로 분석 프로세스를 개선하고, 다음 프로젝트에 적용할 수 있는 교훈을 얻는 것이 중요하다.

핵심개념

• 소프트 스킬: 기술적 역량 이외에 데이터 분석가로서 필요한 대인 관계, 문제 해결, 프로젝트 관리 능력 등을 포함.
• AI 자동화: AI를 활용해 반복적이고 기술적인 작업을 자동화하여 업무 효율성을 높이는 것.
• 데이터 스토리텔링: 데이터를 분석하고 그 결과를 청중에게 이해하기 쉽게 전달하여 의사결정에 반영되도록 하는 기술.

용어정리

• 로우코딩/노코딩 툴: 프로그래밍 지식이 부족한 사람도 쉽게 사용할 수 있는 소프트웨어 개발 도구.
• K-means 클러스터링: 데이터를 여러 군집으로 분류하는 비지도 학습 알고리즘.
• 페르소나: 페르소나 설정은 고객의 행동 패턴, 선호, 목표 등을 분석하고, 이를 토대로 가상의 인물을 만드는 과정.
  • 페르소나 설정은 고객의 입장에서 생각하고, 그들의 요구사항과 문제를 이해하는 데 도움이 되며, 고객 중심의 마케팅 전략을 수립하고, 제품이나 서비스를 개선하는 데 매우 중요한 역할을 한다.