데이터 기반 채용시장과 커리어 설계 방향성
나의 경험과 내가 지원한 직무와의 연관성
- 지금 단계에서 갈 수 있는 기업 찾아보기
- 스프린트 정신을 배웠음
(올바르게가 아니라 빠르게 시도해보기)
-> 열개 스무개 이상 지원해봐야 함
인재 채용 트렌드의 변화
- 기술 역량 중시 (1990) -> 다양성과 글로벌 역량 강조 (2000) -> 혁신과 창의성 중시 (2010) -> 융합형 인재와 지속 가능성 (2020)
데이터 분석가: 데이터를 분석하여 마케팅적으로
소프트 스킬
- 커뮤니케이션 능력: 의사소통을 통해 더 나은 의사결정 -> 설득, 논리적으로 설명하는 능력
- 도메인 이해
(일반 it 기업에 비해 특수한 기업 (ex) 우아한형제들 - 배송) 도메인에 대한 이해 필요
데이터 직무 VS 데이터 기반 직무 구분하기
취업 준비 과정
- 이력서 작성하기(자소서, 포폴, 이력서 중에 가장 중요)
-> 회사 관점 알아야함
(이력서를 가장 먼저 봄 -> 이 사람이 이런거 해봤네? 궁금해해야 자소서를 봄 -> 기술블로그, 포폴을 봄) - 채용공고 살펴보기
- 서류 지원하기
- 서류 통과 후 면접보기
내가 하고 싶은 일인가? VS 고객(회사)가 원하는 일인가?
회사가 원하는 채용의 목적
- 조직이 원하는 인재를 뽑고 싶어함
- 조직내에 스며들어
- 조직이 추구하는 지속적인 성장과
- 성과 달성에 기여하도록 하는 것
-> 지원하고자하는 부서의 장기적인 방향성 & 기업의 원하는바를 잘 파악하고 어필할 수 있어야함
(데이터 직무라고 내가 이렇게 데이터를 잘 다뤄요 나열하지 말기)
인재 채용 마케팅 퍼널
- 직무에 대해 알아보고 지원할 의향을 보인 사람들
AI 기술의 단계별 활용
#1 물류 빅데이터와 AI
물류 데이터의 특징
- 다양성, 대량성, 변동성, 실시간성, 위치 기반 데이터, 다중 참여자 데이터, 복잡한 데이터 구조, 데이터의 연관성
디지털 전환하는 데에 데이터 분석 역량 필요로함
데이터 분석을 통한 고객 경험 개선
- 관심있는 분야를 더더욱 찾아서 파고 들어야 좋음
#2 재고 최적화를 위한 수요 예측
수요 예측의 목적
- 미래 수요에 대한 파악
-> 신뢰할 수 있으려면 과거 ~ 현재 데이터를 기반으로 예측
수요 예측의 필요성
- 수요 기반 공급
ex) 지난주에 이렇게 팔렸으니 이번주는 이렇게 준비하자 - 채찍 효과
- 재고 운영
- 고객 기대 충족
ex) 지속적인 품절을 경험하게 X
예측 배송의 핵심: 수요 예측과 재고 최적화
수요 예측 방법
-
정성적 기법
- 데이터를 갖고 있다면 경영자 판단법 / 판매원 의견 통합법 / 델파이법(전문가들의 합의를 도출함)
-
정량적(계량적) 기법
- 시계열 분석(예측 목적인 수리 모형)
- 확산모형(데이터 모델링)
시계열 분석
- 정략적, 단기적, 지속가능한 예측
-> 과거의 데이터 충분할 수록 앞으로의 시계열 예측이 가능해짐
인공지능을 활용한 수요예측 절차
- 문제 정의(목표와 범위) -> 데이터 준비 -> 데이터 탐색 -> 모델 설계 -> 예측 수행
주제 찾을 때
이런거 관심 있는데
왜? -> 이런 문제가 있는데 이를 개선해보고 싶어
문제 정의: 수요 예측의 기본 특성
수요 예측
- 기업에서 예측 하고 싶은 건 많지만
실제 비즈니스에 영향을 미치는 것은 수요임
수요 변동성
-
제품군/개별 제품 예측
-> 정확도나 성능 다름
-> 제품군이 더 성능 잘 나옴 (연관된게 많으니까) -
예측 구간
-> 연간 예측은 어느정도 사람도 가능
-> 장기적이 예측도가 높아짐 -
예측 기간
-> 기간이 짧으면 데이터가 적으니까 성능 낮음
좋은 성능을 내는게 목적이 아니라 개선될 수 있는 방법을 찾는다면 짧아도
https://velog.io/@lllimmm2/250109
https://velog.io/@lllimmm2/250110
