길벗에서 출판한 '빅데이터 커리어 가이드북'에 따른 데이터 직무 구분
해당 책에서는 빅데이터 직무를 '데이터 엔지니어', '데이터 애널리스트', '데이터 사이언티스트', '데이터 리서처', '데이터 기획자'로 분류한다.
데이터 엔지니어
데이터 자체와 데이터를 둘러싼 시스템을 책임지는 사람으로, 데이터 관리뿐 아니라 수집/보관/처리 시스템의 개발, 구조 설계, 유지보수를 담당한다.
업무
- 데이터 가공
- 데이터 파이프라인 개발 및 관리
- 클라우드 환경 내 빅데이터 관리 백엔드 시스템 개발
- 하둡, 스파크 등을 이용해 대용량 데이터 분산 처리 시스템 개발
요구사항
- 컴퓨터 관련 전공 우대
- SQL 필수
- 개발 프로그래밍 언어 사용 스킬 필수
- 도커 개발 및 배포 경험 우대
데이터 애널리스트
데이터에서 기업의 현재 상태와 관련된 인사이트를 도출해 경영진에게 효율적으로 전달하는 업무를 담당한다. 주로 간단한 데이터 분석 도구나 대시보드 등과 같은 시각화 도구를 활용해 데이터에서 인사이트를 발견하는 일을 한다.
업무
- 비즈니스 인사이트 제공
- 데이터의 경향, 패턴, 이상치 등을 인식하기 위한 시각화 진행, 보고서 작성
- 팀 전략 수립, 업무 효율화에 필요한 데이터 수집 및 분석
요구사항
- 대학 졸업 필수
- SQL, 기초통계 지식 필수
- 대블로, 스팟파이어 등 데이터 시각화 도구 사용 경험 우대
- AWS 등 클라우드 솔루션 활용 경험 우대
- 분석 프로그래밍 지식 우대
데이터 사이언티스트
통계 방법론, 머신러닝 그리고 데이터 마이닝 지식을 바탕으로 데이터 분석을 통해 인사이트를 발굴하는 일을 담당한다. 보다 깊이 있는 분석 기법을 적용함으로써 현재 상황을 묘사하고 분석할 뿐만 아니라 미래 상황을 예측하거나 발생할 수 있는 위험을 예방한다.
업무
- 머신러닝 모델을 통한 정형, 비정형 데이터 에서 인사이트 창출
- 데이터를 이용해 고객 행동 패턴 모델링 진행, 패턴 인식, 이상치 탐지
- 예측 모델링, 추천 시스템 등을 개발해 비즈니스 의사결정에 필요한 인사이트 제공
요구사항
- 통계, 수리 등 수리/전산 기반의 대학원 졸업자 우대
- 데이터 애널리스트 경력자 우대
- SQL 필수
- 분석 프로그래밍 언어 1개 이상
- 머신러닝 알고리즘으로 데이터 분석 프로젝트 진행 경험자 우대
데이터 리서처
데이터를 분석하기 위한 새로운 알고리즘과 방법론을 연구, 개발하는 일을 담당한다.
업무
- 최근 머신러닝, 인공지능, 통계 접근법의 연구와 구현
- 데이터 엔지니어와 협업해 알고리즘과 모델의 구현 및 배포
- 최신 연구 동향과 기술 습득해 문서화
- 머신러닝 문제를 정의하고 해결하기 위한 알고리즘 및 모델 개발
요구사항
- 수리/전산 기반 대학원 졸업자(박사) 우대
- 데이터 분석/처리 및 인공지능 학회 논문 게재 실적 우대
- 독자적 연구 진행 경험 우대
- 프로그래밍 스킬 필수
데이터 기획자(데이터 앙트레프레너)
빅데이터 비즈니스 사이클의 계획과 원활한 운영을 책임지는 사람으로, 간단한 시각화나 분석을 통해 프로젝트의 방향을 정하고, 데이터 기술의 동향을 파악해 적절한 기술이 프로젝트에 적용되고 있는지를 살피는 역할을 한다.
업무
- 클라이언트 요구와 분석가능한 데이터를 파악해 프로젝트의 범위와 문제 정의
- A/B Test, 시각화 등을 통해 서비스 ㄱ래선 방안 제안
- 프로젝트팀 구성원들과 경과를 추적해 다수의 프로젝트를 기한 내 완성
- 프로젝트 내 데이터 분석 알고리즘의 적절한 활용 진단 및 적용
요구사항
- 기획 업무 경력자 우대
- 프로그래밍 언어 1개 이상 우대
- 데이터 시각화 도구(Power BI), 분석 도구(태블로, 스팟파이어) 사용 스킬 필수
나의 이상적인 취업 직무 루트를 생각해 보면
데이터 애널리스트 -> 데이터 사이언티스트 -> (최종 목표) 데이터 기반 서비스 기획자
로 이직해 가는 것이 최종 목표인 서비스 기획자로 가는 효율적인 방법 같다.
보통 서비스 기획자는 신입을 뽑지 않기 때문에, 애널리스트 혹은 사이언티스트로 취업 후 프로젝트 경력을 쌓아 서비스 기획자로 전직하는 것이 좋을 것으로 판단된다.
해당 직무로 취업하기 위해 공통적으로 요구되는 스킬은 다음으로, 시각화 툴 능력을 더 길러야 하는지에 대한 의문이 생긴다.