데이터 분석가는 데이터 분석만을 맡는 직무일까? 당연히 아닐 것이다. 데이터 분석이 주요 업무지만 그 외에도 해야 할 일이 많다. 데이터 분석가의 업무는 크게 분석, 미팅, 문서화, 기타 업무들로 나눌 수 있다.
👩💻 미팅
데이터 분석가는 잦은 미팅을 가진다. 팀 혹은 타부서, 고객사까지 과제와 요청 사항에 관한 수많은 미팅이 이루어진다.
첫 번째 미팅은 데이터 분석 요청이다. 데이터 분석팀은 마케팅 팀과 같은 타 부서로부터 분석 과제 요청을 받는다. KPI에서 언급했듯 분석 방향을 명확히 잡기 위해 이해관계자로부터 분명한 분석 주제, 대상을 얻어야 한다.
두 번째 미팅은 분석 피드백이다. 앞서 진행한 미팅의 결과로 1차적인 분석이 끝나면 이해관계자와 다시 만나 요청했던 결과가 맞는지 확인하는 작업이 이루어진다. 그 후, 부족한 점이나 고쳐야할 부분 또는 추가적인 요청 사항에 대해 피드백을 듣고 2차 분석을 진행한다.
세 번째 미팅은 아이디어 회의이다. 분석을 진행하던 중에 좋은 아이디어가 떠올랐거나 제품과 프로젝트에 대한 새로운 지표 설정이 필요할 때, 아이디어 회의를 통해 사안을 채택하거나 기각할 수 있다.
네 번째로 비즈니스 현황 보고 미팅이 있다. 말그대로 전체적인 관점에서 사업의 진척도나 달성도를 논의하고 변화된 점을 소개한다. 데이터 분석팀도 결국 기업의 한 일 부분이기 때문에 때로는 전체적 관점에서 팀이 이루어낸 성과에 대해 살펴 볼 필요가 있다.
그 외에 임원이나 고객사와의 중요한 미팅을 위해 분석 결과를 정리하는 Presentation Deck Review, 팀 내의 진행 상황을 보고할 수 있는 팀 미팅 등이 있다.
데이터 분석팀은 여러 미팅을 통해 분석 과제의 방향을 잡고 부족한 부분은 개선해 나가며, 완성한 결과를 설득하는 자리를 가진다. 협력의 자세를 가지고 유기적인 관점에서 자신이 맡아야 할 일이 무엇인지 생각해보는 것이 필요하다.
📌 분석
분석에도 과정이 필요하다. 무턱대고 분석에 돌입하기 보다 중요 지표를 확인하고 지표에 맞게 분석 방향을 설정해야 한다. 따라서, KPI를 우선적으로 설정하고 분석을 진행해 보자. 예컨대, 일간/주간/월간/연간처럼 트렌드를 기준으로 지표를 설정하면 기간별로 변화하는 분석 결과를 확인할 수 있다.
분석의 수준도 나눌 수 있다. Deep Dive 분석은 말 그대로 다이빙 하듯 깊게 주제에 파고들어 분석을 진행하는 것으로 Root Causes 분석이 그 대표적인 예이다. 만약 어떤 특정 제품의 매출이 갑자기 줄어들었다고 하자. 이 때, 매출 감소의 원인을 '왜?'라는 질문으로 깊게 파고드는 것이다. 그 질문의 끝에는 데이터 파이프라인 오류로 인한 오기록이 있을 수도 있고 타사의 새 제품 출시가 있을 수도 있다. 분석을 깊게 진행할 수록 더 즉각적인 원인과 마주할 수 있어 효율적인 문제 해결이 가능하다.
데이터 분석가의 업무 중 하나는 문제와 기회의 포착이다. 수많은 데이터 속에서 특유의 인사이트를 발휘에 사업에 방해가 되는 문제와 도움을 주는 기회를 찾아내는 것이다. 이를 통해 새로운 사업을 제안해 볼 수 있다.
마지막으로 간단한 예측도 가능하다. 예측은 대체로 데이터 사이언티스트에게 맡겨진다. 머신러닝과 딥러닝, 복잡한 통계 분석 등이 요구되기 때문이다. 그러나 직관적으로 예측 가능한 사항들도 있다. 이러한 부분까지 데이터 사이언트스에게 맡긴다면 시간을 오래 잡아먹을 수 밖에 없다. 따라서, 엑셀 등을 활용해 가볍게 미래를 예측해 보는 것을 시도해 볼 수 있다. 이 업무가 익숙해진다는 것은 훌륭한 데이터 분석가로 나아가는 한 걸음이 될 수 있다.
📑 문서화
DA의 전술 측면 KPI 항목에서 문서화의 중요성을 강조했다. 인간의 기억은 시간이 갈수록 쇠퇴하므로 중요한 사항은 문서로 남겨두어야 한다. 대표적인 예가 협의 사항이다. 타부서로부터 사전에 협의한 내용으로 분석을 진행했는데 그 내용을 문서로 남겨두지 않으면 이후 분석 결과에 대해 불만을 토로하더라도 대응할 수가 없다.
데이터 분석팀에서 작성해야 할 것은 팀원과 타부서 동료들의 이해를 돕기 위해 분석의 로직에 대해 설명하는 문서, 분석 결과를 보고하는 문서, 엔지니어와 담당자를 설득하기 위한 Business Requirement 문서, KPI(지표)에 등장하는 용어들이 정리된 사전, 마케팅팀은 마케팅의, 프로덕트팀은 프로덕트의 데이터 도메인을 설명하는 문서, 그리고 팀 운영 방법과 사건사고 발생시 대응법이 담긴 문서 등이 있다.
⏰ 일상업무
이 외에 데이터 분석가들이 해야할 일상 업무들이 있다.
스타트업 회사의 경우 데이터 엔지니어를 따로 뽑지 않고 이들의 업무를 할 수 있는 데이터 분석가를 채용하는 사례가 많다. 즉, 데이터 분석 업무 뿐만 아니라 데이터 파이프라인 구축, 데이터 구조 설정, 서버 관리 등의 데이터 엔지니어의 업무도 데이터 분석가가 맡아서 진행하기도 한다.
Ticket이란, 타부서로 부터 받은 데이터 분석 요구 사항을 말한다. Ticket Management System은 말 그대로 Ticket에 따라 업무를 진행하는 것으로 데이터 분석가는 중요한 Ticket을 항상 염두에 두고 업무에 임해야 한다. 같은 맥락에서 이메일을 체크하는 습관도 중요하다. 매순간 새로운 요청 사항이 들어올 수 있으므로 잦은 이메일 확인이 필요하다.
앞서 작업했던 문서화된 자료를 재검토하는 과정도 필요하다. 로드맵 문서를 확인하는 것은 작업 방향을 잃지 않는 데 도움을 줄 것이다.
🚪 마치며..
이처럼 데이터 분석가의 업무는 참 다양하다. 오히려 분석 업무에는 두 시간 정도만 할애하고 미팅과 문서화 등으로 나머지 시간을 사용하는 경우도 있다고 한다. 훌륭한 데이터 분석가로 인정받기 위해서는 나머지 업무에도 심혈을 기울이도록 하자.
