Data Analyst
데이터 직군은 크게 수평적, 수직적 분석으로 구분
- 수평적 분석 : 직업에 대한 전문적 지식
- 수직적 분석 : 프로그래밍 언어(R, Python등)를 이용한 기술적인 역량이 필요한 영역
기업에서도 수평적 분석가를 채용할까?
채용 자체에서 수평적 분석가를 뽑는다는 '언급'은 없음
각 직군의 차이
- 데이터 엔지니어 :
1. 데이터 파이프라인 구축, 유지+보수
2. 하는 일이 명확하나, 기술 트렌드의 변화로 계속적인 기술적 배움이 필요
- 데이터 분석가
1. 데이터 엔지니어가 수집한 내용을 바탕으로 KPI 설계, 대시보드 제공, 가설 설계 및 검증, 기업 의사결정 도움
2. 비지니스적 관점을 향상시킬 수 있으며, 관심분야를 탐색할 기회가 많으나, 업무가 모호
(데이터 수집, 처음 접하는 문제에 대한 어려움)
- 데이터 사이언티스트 :
1. 데이터를 가지고 활용하는 프로덕트 구축, 개선, 고도화된 통계적 지식, 개발 지식 필요
2. 생각하는 모든 것을 만들 수 있으며, 배워야 하는 분야가 많음(통계, 개발, 커뮤니케이션 등)
데이터 분석가에게 가장 중요한 역량이란?
1. 관련 산업군의 전문적 지식
- 데이터를 분석, 나아가 AI기술을 적용시키기 위해서는 관련 산업군의 전문적 지식에 대해 알 필요가 있음
2. 데이터 가공능력
- 정형 데이터를 주로 다룬다고 하더라도, 필요 시 데이터를 가공해서 사용해야 함
- 프로그래밍 능력. 즉, 데이터를 가공할 수 있는 능력이 필요
Why? 좋은 데이터를 핸들링 할수록 Performance가 높아지는 것은 자명한 사실. 하지만 이러한 실무스킬은 경험이 필요할 것이라고 봄
3. 문제를 발견하는 능력
- 가장 중요한 Data Analyst의 덕목이라고 생각함.
- 툭 던진 생각으로 시작하는 분석이 큰 결과로 돌아오는 경우도 존재
- 항상 "왜?" 라는 생각을 가지고 있는 태도
Start