채용 공고를 바탕으로 본 기업이 원하는 데이터 분석가는?
경력 없는 쌩신입들은 데이터 분석가가 되기 위해서 어떻게 준비 해야 할 까?

직군 및 역할

1. 데이터 사이언티스트(엔지니어)

AI/ML(머신러닝) 모델 학습 및 개발 및 검증. 신기술을 다루는 만큼 논문을 해석하고 응용할 줄 알아야 하기에 석사 이상의 학위나 관련 모델 개발자 경력이 있는 사람을 채용한다.

2. 데이터 분석가

데이터를 이용한 분석과 시각화를 통한 사업 전략이나 운용 업무를 담당한다. 데이터를 해석 하기 위한 도메인 지식이 중요하며, 다른 부서에서 지식을 쌓은 뒤 직무를 전환하는 경우가 많다.

1. 비즈니스 분석가(BA)

• 사업 운영 및 서비스 기획자 입장에서 데이터를 분석
  (ex) 경영학과를 졸업한 데이터 분석가가 회계팀과 현업을 할 때, 관리 회계,원가 회계 같은 지식이 있으면 데이터를 분석하는데 당연히 도움이 됨.

2. 프로덕트 분석가(PA)

• 회사가 운용하고 있는 제품(앱, 웹서비스, 기능)을 분석, 서비스의 유저 입장에서 데이터를 분석. 기능 개선 및 마케팅 전략 수립.
  (ex) 상품의 개선 전후를 위한 A/B 테스트를 능력을 필수로 요구하는 추세.

현직자 팁💬 깊이있게 알 필요는 없지만, 모르는 분석가는 없다. 또한 경력이 쌓일 수록 데이터 분석가지만 데이터 엔지니어링의 필요성을 많이 느끼기도 한다. 빅데이터를 다루는 일은 필연적으로 AI와 ML에 대한 관심을 꾸준히 가져야 한다.
(토스 채용공고 중) 데이터 마트, 데이터 파이프라인 구축 or 유저 행동 로그 설계 경험

채용 공고 해석하기

✨ 채용 공고를 분석에 앞서 TIP
직업으로 자리 잡은 지 긴 시간이 지나지 않아, 업계의 표준이 없다. 살펴보면 수행 하는 업무는 데이터 분석이지만 회사마다 다양한 명칭으로 채용 공고를 올림. 그래서 “데이터 분석가”라 검색 하기 보단 “데이터”만 입력하여 검색 결과 살펴보는 것을 추천!

자격요건? 우대사항?

• 자격 요건: 이 직무에서 바로 일을 시작 하기 위해서 필요한 스킬과 역량.
• 우대 사항: 업무에 도움이 될 만 하지만, 완벽하지 않아도 괜찮음. (출처)
  

💬 이제 막 데이터 분석을 시작한 입장에서는 우대 사항까지 모두 완벽히 준비 하는 것은 당연히 어렵다. 기업들이 가장 많이 요구하는 자격 요건에 우선순위를 두어 방향성을 잡으면 좋을 거란 생각이 듭니다!

기업이 원하는 자격 요건 순위

1. SQL 쿼리 작성 능력 (논리적으로, 가독성 좋게 데이터를 추출)
2. Python 또는 R 등 (다양한 라이브러리 사용으로 데이터를 가공하고 통계적인 요소들을 접목)
3. 문제 해결 능력
4. 커뮤니케이션 스킬
5. 가설설정 및 실험 설계(A/B 테스트)
6. 데이터 분석 방법 (퍼널,코호트,리텐션 분석 등)

기업이 원하는 우대 사항 순위

1. 데이터 시각화 방법, 툴 활용 능력
2. 도메인 지식
   도메인 지식을 필수로 요구하지는 않으나, 도메인 지식이 있을 시 현업에서 유의미한 데이터들을 분석 할 수 있다. 기업 입장에서는 당연히 도메인에 대한 이해도가 높은 지원자를 선호. 그렇지 않더라도, 도메인에 대한 관심이 꾸준히 있었고, 노력해왔던 점과 학습할 의지를 증명하는 것이 중요.
3. 통계 전공

2024년 6월 기준 채용 공고

넥슨 코리아(게임)

✅ 동일한 부서에서 똑같은 데이터 분석가를 채용하지만, 경력/신입으로 나뉘어서 채용 공고가 올라와 있다. 요구 하는 자격 요건 봤을 때, 경력직은 데이터 분석을 바탕으로 비즈니즈 기획 및 사업 고도화를 수행, 신입은 데이터 분석 리포팅에 중점적이다. 데이터를 논리적으로 해석할 수 있는 능력을 요구.

컬리(이커머스/물류)

✅ 통계학은 기본 지식 정보는 알고 있으면 취업에 유리 하겠구나. (기본이 어디까지 일지..)

• SQL 쿼리 논리적으로 가독성 높게 작성하는 연습하기.
• Python으로 통계적으로 의미 있게 데이터 처리 하는 연습 하기.
• 우대 사항에 나열 된 툴들에 익숙해져 보기

야놀자(여행/테크)

끔직한 혼종 같은 느낌. 데이터 사이언티스트와 엔지니어, 비즈니스, 프로덕트 분석가의 역할을 모두 수행하며 개별로 나누어 채용하지 않고 Data Analyst로 묶어서 채용한다. (저걸 어떻게 다하지)

Stake-holder 처음 들어본다. 이해관계자라고 한다. 고위급 의사 결정자 뿐만 아니라, 내부로는 직원, 관리자, 이사회 구성원들, 외부로는 고객, 공급업체, 투자자, 정부기관, 지역 사회가 있다.

Data-Driven 의사 결정 과정이나 전략 수립에 데이터를 기반으로 하는 접근 방식.
명시된 담당 업무 또한 이것 저것 모두 혼재 되어 있어 보인다. 그래도 자격 요건만 보자면, PA의 역량을 가장 많이 요구하는 것 같다.

소감

이번 스터디를 통해 채용공고에 눈이 트였다. 우선순위에 따른 선택과 집중이 중요 할 것 같다. 기업에서는 다양한 능력을 요구하지만, BA에 특화된 데이터 분석가가 되기 위해선, ML, 통계학, 빅데이터 학습을 먼저 하기 보다는 도메인에 대한 데이터를 많이 다뤄 보며, 인사이트를 얻어내는 연습을 많이 하는 것이 유리 할 것 같다.

직무 관련 특강

분석에 필요한 데이터를 구하는 법

캐글, 데이콘에서 제공하는 데이터. 정량적 데이터가 아니더라도 정성적 데이터를 크롤링 해와서 프로젝트를 진행 할 수도 있다.또한 도메인에서 데이터들을 제공해 줄때도 있다.

포트폴리오

일반적인 경력사항 나열인 노션 포폴 보다, 프로젝트를 단위 별로 기재한 워드 포폴을 추천. 또한 프로젝트에 기여하거나 프로젝트를 통해 개선한 부분을 수치적로 표현하는 것을 권장.
프로젝트는 문제정의-가설설정-실험설계 및 검증-결과의 과정이 드러나도록 작성.

석사? 학사?

데이터 사이언티스트는 석사 출신이 많고, 데이터 분석가는 데이터 분석에 관련된 학과들의 신설로 석사 비율이 많이 높아짐. 현직자가 느끼기에는 60% 석사 40% 비석사. 물론 비전공출신의 데이터 분석가들도 있다. 석사가 아닌 경우는 경력이 있는 케이스. 한 분야의 전문가가 되기 위해선 석사는 필수적.

ChatGPT의 침공

인간이 ChatGPT보다 나은 것이 분명 있다. 결국 데이터 분석가는 데이터를 해석하여 사람들에게 논리적으로 설득하고 공유하는 역할을 수행하기 때문에, ChatGPT가 할 수 없는 부분을 역량으로 가져야 한다. 데이터 분석가에게 소프트 스킬이 중요한 이유.

신입의 취업

데이터 분석에 대한 수요는 꾸준히 증가하는 추세이다. 무경력 자이지만 눈에 띄는 지원자란?

• 해왔던 것들을 논리적 정연하게 잘 설명한다.
• 던져지는 질문들에 준비가 잘 되어 있다.
• 도메인에 대한 이해도가 높다.
• 사람 대 사람으로 같은 팀이 되었을 때 긍정적인 시너지를 낼 수 있을 것 같다.

Python/R-SQL/SAS

모든 회사들의 요구조건을 충족 시킬 수 없으니, 채용공고를 살펴 전략을 잘 세워야 함.

• R/SAS: 금융, 보험 등 통계학적으로 수치를 많이 다루는 곳.
• Python/SQL: IT/게임/유니콘 기업