2023년, 데이터분석가 되는 법

seon·2023년 6월 25일
데이터분석

데이터분석

목록 보기
1/10
post-thumbnail

학교 데이터베이스 강의 수강을 마무리하면서 교수님이 올려주신 데이터 분석가가 되는 방법에 관한 영상을 보고 참 좋은 영상인 것 같아 글로 정리하게 되었다. 무려 50만명의 구독자를 보유중이신 데이터분석가 유튜버신데, 그분 채널의 영상들을 참고하면 앞으로 데이터베이스 관련 공부를 하는데 도움이 많이 될 것 같다.





1. Learn the Skills

1) SQL

  • 회사에서 유용하게 사용
  • 데이터 분석가 면접에서 SQL과 관련된 인터뷰, 기술 인터뷰에 필요

2) Tableau/Power BI

  • bi 툴은 10가지가 넘는다
  • Tableau와 Power BI는 모든 다른 bi 툴들과 대체 가능하다
  • 데이터를 보여주고 표현해주는 툴
  • 인터뷰에서는 묻지 않지만 SQL 데이터 쿼리를 가지고 뭔가를 바로 만들어내기 위해서는 매우 훌륭한 조합의 툴이 될 것

3) Excel

  • 많은 사람들이 엑셀을 사용하긴 하지만 데이터분석가는 조금 다른 방식으로 사용함
  • 깨끗한 데이터를 만들고, 그래프와 차트를 만드는 것
  • 모든 회사에서 알기를 기대하는 가장 기본적인 skill

4) Python

  • 데이터를 조작하거나 visualization(시각화)를 하려고 할 때
  • 수많은 web scraping이 필요할 때
  • Regular expression, 그 외 수백개의 많은 일들이 가능함
  • 단점: 기초를 제대로 배우는 데 매우 긴 시간을 소요하고 어려움
    SQL, bi 툴이 훨씬 더 배우기 쉬움 + 효과가 큼
    이에 비해서 파이썬은 오히려 생각보다 많이 쓰이지 않을 수 있음

5) Cloud Platform (AWS, GCP, Azure)

  • (GCP:Google Cloud Platform)
  • 이 플랫폼들은 데이터분석가 산업에서 데이터를 어떻게 사용할지에 대한 큰 영향을 줌
  • 실제 직업에서 실제로 사용하지 않는다면(Hands-On) 배우기 어려운 편
  • 앞으로 만연할 것이기 때문에 많은 사람들이 배우기 시작해야 함

6) 배울 수 있는 사이트

  • 이분 채널에 1)~4)을 배울 수 있는 영상들이 올라와 있음
    📖Alex The Analyst SQL Playlist:http://bit.ly/3XTIUW8
    📖Alex The Analyst Tableau Playlist: http://bit.ly/3HbMOCS
    📖Alex The Analyst Power BI Playlist: http://bit.ly/3j1WQi0
    📖Alex The Analyst Excel Playlist: http://bit.ly/3JfKFc1
    📖Alex The Analyst Python Playlist: http://bit.ly/3JkeTe2
  • Udemy : 막 시작한 사람들에게 유용. 전 강의를 매우 저렴하게 배울 수 있음(~$75)
    동영상 기반 플랫폼
    (예시) 전 SQL 과정을 $10~$15에 배울 수 있음
  • Coursera : 매우 좋은 강사와 강의. 종종 더 전문적이고 더 나은 컨텐츠를 가지고 있음
    조금 비쌈(전 강의 수강료: $59/월, $399/년)
    이 분은 데이터분석가로써 일하면서 수입이 생긴 뒤에서야 coursera를 이용함
    처음 시작할 때는 udemy를 이용함
    동영상 기반 플랫폼
  • datacamp, data Quest : 게임하듯이 배울 수 있고, 텍스트 기반 플랫폼
    읽으면서 배우는 것을 선호하는 사람들에게 추천



2. Build Projects + Portfolio

(프로젝트 + 포트폴리오 만들기)

1) Building a project

프로젝트를 만든다는 것

  • 배운 skill을 가지고 그것으로부터 고용주에게 보여줄 수 있는 뭔가를 만들어내는 것
  • (예시) Tableau를 배움 > 데이터셋을 가지고 tableau로 시각화, dashboard를 만드는 것

2) Portfolio(website)

  • 이러한 프로젝트들을 모아 '포트폴리오'라는 것을 만들 수 있음
  • 'Portfolio website'는 이렇게 생성한 프로젝트들을 모두 저장할 수 있는 웹사이트를 말한다
  • recruiter(헤드 헌터, HR), hiring managers(채용 담당자)들과 나눌 수 있고 그동안의 내 작업들을 모두 보여줄 수 있음

3) 고용주에게 보여줄 포트폴리오가 반드시 필요한가?

아니다. 하지만 두 가지 면에서 도움이 된다

  • 1 - 이력서에 링크를 달면 그들이 내 skill들과 프로젝트를 본 후 우리가 원하는 것을 정확하게 하고 있다는 것을 알 수 있고 면접으로 이어질 가능성이 높아진다
  • 2 - 면접 질문에서 SQL을 어떻게 사용했는지, Tableau를 어떻게 사용했는지 물어볼 수 있다.
    관련 경험이 없으면, 그저 '관련 강의를 들었다' 라고 하겠지만 '프로젝트'가 있으면 더 구체적인 예시를 보여줄 수 있다.
    (예시) "Tableau로 프로젝트를 한게 있는데, 데이터를 가져와서 엑셀로 Data Cleaning(불필요한 데이터 제거 및 누락된 데이터 처리)한 후, Tableau에 넣고 dashboard로 만들었다. 그리고 이 데이터셋으로부터 발견한 insight가 여기 있다."
    이 분도 채용 담당자신데, 이게 훨씬 더 나은, 이득이 되는 답이라고 하심



3. Build Data Analyst Resume

(이력서 작성하기)

  • 굉장히 매우매우 중요함
  • 면접을 잡고, 따라서 결국 직업을 구할 수 있는데 필요한 것이 이력서
  • 처음에 이력서를 작성했을 때는 모든 것이 데이터 분석학과 아무런 관련이 없었다
  • 데이터 분석 경험이 없을 때 데이터분석가 이력서를 작성하는 방법:
  • 첫번째로 작성될 것들: skills & projects
    경험, 학력이 없다면, 내가 뭘 하고 있는지 알고 있고 그들이 채용해야 한다는 것을 어필하기 쉽지 않다. 그래서 나의 기본 정보 밑에 들어가야 할 것은 바로 나의 skill과 project들이다.
    경험과 관련 교육을 받았다면 그 밑에 작성하는 것이 더 좋다.
  • 관련 학력이 아닌데 바로 위에 적는다면 인사 담당자는 즉시 나를 배제할 것이다



4. Applying for Jobs

(지원하기)

  • skills, projects, resume가 있다면 이제는 데이터분석 직업군에 지원할 준비가 되었다.

1) 하지 말아야 할 것

  • glassdoor, monster, zip recruiter(해외 구인구직 사이트) 등 플랫폼에 보이는 아무 데이터분석가 직업에 무턱대고 지원하는 것
  • 해야 할 일일 수도 있겠지만 오직 그것만 할 것은 아니라고 이 분은 설명한다
  • 회답을 받을 수 있는 기회는 굉장히 낮기 때문

2) 해야할 것

  • 그 기회를 굉장히 높일 수 있는 방법은 바로 recuiter(헤드헌터, HR)를 찾아가는 것이다. (*중요) technical recuiter(헤드헌터, HR)는 말 그대로 내가 일자리를 구하는 데 도움을 주는 사람을 말한다.
  • 회사는 채워지길 바라는 직무의 자리가 있고, 그걸 채우는 데 몇 시간씩 소요하고 싶지는 않기 때문에 recruiter를 고용한다.
  • recruiter들은 그 자리를 채울 사람을 찾는다. 바로 나 말이다. 내가 recuiter를 찾아가 그 자리를 찾는다면 내가 면접을 보는데 도움을 줄 것이다. recruiter는 내가 고용되는 즉시 회사로부터 내 연봉의 10%를 받게 되기 때문에 내가 그 recruiter로부터 잃는 것은 아무것도 없다.

3) recruiter를 찾는 방법

  • Linkedin : 수만명의 recruiter가 있다.
  • 어떻게 찾고 무엇을 말해야 하는지 관련 영상이 있다.
    📖Alex The Analyst Guided Projects Playlist: http://bit.ly/3HbNaJI
    recuiting 회사에 cold email(알지 못하는 사람에게 보내는 홍보 이메일) 또는 cold call을 해서 도움을 구할 수도 있지만 linkedin으로 recruiter에게 직접 연락을 취하는 것이 더 효과적이다.



5. Accept the Job Offer

  • 일자리 제안 수락하기



6. Timeframe for Each Step

    1. 기술 배우기 (3~4달): 대부분의 사람들에게 가장 긴 시간을 소요할 것이다.
      cloud, python(덜 권장) 제외, SQL/API tool in Exel 만 공부한다면 3개월 이내에도 할 수 있을 것 - 단 하루에 적어도 3시간 이상 투자할 수 있는 사람에 한하여
    1. 프로젝트 + 포트폴리오 (3~6주 / 한 프로젝트 당 1~2주): 지원하기 전, 포트폴리오에는 적어도 3~5개의 프로젝트가 필요함
    1. 이력서 작성 (1주 이내): 가장 적은 시간 소요될 것. Skill, projects를 적고 보기 좋게 형식화하면 되는 것뿐이니까. 전문적인 서비스를 통해 이력서를 작성한다면 1~2주 이내 걸릴 것이다
    1. 지원하기 & 수락하기(1~6달): 어떻게 지원하고, 어디에 지원하는지에 따라 걸릴 것 + 약간의 면접 잡기 운. 1달 안에 잡기는 쉽지 않음. 보통은 2-4달 걸림
  • 총 합하면 데이터 분석가가 되는 데 약 6개월 정도 걸릴 것이다. 고도로 더 집중력을 모아 공부한다면 더 빠르게는 3개월 안에도 가능할 수 있다.



이 분은 이걸 아무도 알려주는 사람이 없었기에 1년 가까이 걸렸다고 한다

6개월 안에 이룰 수 있는 과정이라고 하니, 매우 놀랍다
이분 유튜브와 다른 유용한 사이트들을 참고해서 앞으로 데이터분석을 하는데 많은 도움을 얻을 수 있을 것 같다

※번역이어서 글이 조금 매끄럽지 않은 부분이 있을 수 있으니 양해 바랍니다:)

profile
seon
🌻
다음 포스트

데이터과학자 vs 데이터분석가 vs 데이터엔지니어: 무엇이 다른가?

0개의 댓글