주니어 데이터 사이언티스트에게 하고 싶은 말
https://brunch.co.kr/@lifidea/51

어떤 역량을 특화할 것인가?

• 여러 회사를 거치며 장기적으로 다양한 역량을 쌓을 수 있지만, 커리어 및 배움의 방향성이라는 측명에서는 한번에 하나씩 선택해서 집중하는 것을 권하고 싶다.
• 스스로 원하는 성장 경로를 안다면 회사에서 담당 프로젝트를 선택할 때에도, 이직 시기 및 직종을 고민할 때도, 자기 개발을 위해 시간과 노력을 투자할 때도 훨씬 손수비게 결정할 수 있다.
• 커리어의 방향성을 결정하면 자신에게 맞는 기회를 찾는 과정이 더 쉬워진다.
  

어떤 업계/회사/팀에 지원할 것인가?

• 데이터 사이언스트가 일하기 좋은 회사 조건은 회사의 미래에 데이터 활용이 얼마나 중요한 전략적 위치를 점하는지이다. 이를 판별하는 방법은 채용 규모, 매니저와 팀원을 동시에 뽑는지 등을 확인하는 것이다.
• 회사에서 데이터 활용부분에 있어서 가치를 만들 수 있는 포지션인지 확인해야 한다. 이를 확인하는 방법은 인터뷰에서 팀의 현재 니즈와 전략적 방향에 대해 상세히 물어보는 것이다.
• 회사가 얼마나 기술적인 성장에 초점을 맞추는지도 장기적인 커리어 성장의 관점에서 중요하다. 이를 확인하기 위해서는 해용 공고에 나타난 회사의 기술 스택이 어떤지, 혹은 회사의 기술 역량이 외부적으로 공유된 자료가 있는지 보면 된다.
• 회사가 지속적으로 비즈니스 가치를 만들어내지 못하는 회사인지 아닌지를 구별할 수 있는 방법은 지원하는 조직이 회사에 어떤 기여를 하고 있는지, 스타트업이라면 비즈니스 성장 커브 및 건강성은 어떤지를 따져보는 것이다.
  

코딩과 모델링은 얼마나/무엇을/왜 잘 해야 할까?

• 데이터 사이언스트가 지속적인 가치를 만들어낼 수 있는 방법은 분석의 스케일링과 자동화이다.
• 분석의 스케일링과 자동화는 개인의 노력으로 이루어지지 않는다. 신뢰할 수 있는 인프라 및 데이터 파이프라인, 분석 코드의 라이브러리화 및 재사용을 강조하는 문화, 이 모든 것을 뒷받침하는 데이터 엔지니어와 분석가의 협업이 필요하다. 즉, 실력있는 엔지니어과 분석가들이 함께 일할 수 잇는 환경을 찾으라는 것이다.
  

인터뷰는 어떻게 준비할 것인가?

• 채용 후보자들의 공통점은 많은 후보자들이 지원하려는 회사와 제품, 팀에 대해서 이해하려는 충분한 노력을 기울이지 않는다는 점이다.
• 채용 인터뷰는 지원자의 기본 소양과 함께 함께 일하는 동료로서 어떤 모습을 보일지 예측하는 과정이다. 만약 회사의 원하는 방향을 생각과 조사를 하고 인터뷰에 임하는 후보자와 그렇지 않은 후보자 사이에는 비슷한 역량을 가정했을 때 인터뷰 퍼포먼스에 큰 차이가 있을 것이다.
• 채용하는 입장에서는 지원자의 경험과 역량을 가늠할 수 있는 핵심적인 이력 몇 개가 있는지가 더 중요하며, 관련성이 떨어지는 경력 사항이 많이 보일수록 이런 '핵심'을 발견하기가 어려워진다.
• 이력서는 자신의 경력에 대한 검색 결과 페이지를 만든다고 생각하고, precision을 recall만큼이나 중요하게 여기는 것을 추천한다.
• 이력서에 적은 모든 사항은 심층 탐구를 위한 질문이 들어왔을 때 방어할 수 있어야 한다. 답변이 제대로 이루어지지 않으면 해당 경력을 제대로 된 성과로 인정하기 어렵다. 이력서를 최대한 핵심만으로 간결하게 유지하고, 자신이 면접관의 어떤 질문에도 대답할 수 있는 항목만 남겨야 한다.
  

[인사이트]

최종 커리어 목표는 딥러닝 엔지니어 또는 AI 엔지니어로, 사람들의 비언어적 신호, 특히 시각적인 요소를 분석해 의사소통을 돕는 인공지능 솔루션을 연구하고 그 시스템을 구상하여, 이 기술이 실생활에서 실질적인 도움이 될 수 있도록 발전시키는 것이다.

하지만 이 목표에 도달하기 위해서는 기본적인 데이터 분석 능력 같은 하드 스킬이 필요하다고 판단하여, 최근에는 데이터 사이언티스트라는 직업에 관심을 가지게 되었다. 그런데 이번 아티클을 통해서 이 경로가 과연 올바른 선택인지, 실제로 최종 목표에 부합하는지에 대해 깊이 고민해보는 계기가 되었다.

이번 기회를 통해 비즈니스 가치를 만들어내고 잇는 회사들을 찾아보고, 그 회사들이 어떤 기술적 역량을 필요로 하는지, 해당 팀의 현재 기술적 수준이 어떤지, 그리고 지속적으로 비즈니스 가치를 창출하기 위해 어떤 기대와 목표를 갖고 있는지 조사해야 할 방향을 잡게 되었다. 이를 통해 추구하는 커리어 목표에 가장 부합하는 직업이 무엇인지 점검할 수 있는 중요한 기회를 마련하게 된 것 같다.

팀원 전체의 인사이트

[공통 인사이트]

• 데이터 사이언티스트가 가치를 창출할 수 있는 부분은 분석의 스케일링과 자동화라고 필자가 언급한 바 있다. 데이터 분석가가 회사의 발전에 어떤 방식으로 기여할 수 있고, 어떤 면에서 차별화될 수 있을지 방향성을 찾을 수 있었다.

[의미 있었던 의견]

• 데이터 분석가와 데이터 사이언티스트가 하는 일에 약간 차이가 있다. 데이터 분석가는 데이터를 취합/분석하고 그에 맞게 비즈니스 인사이트를 제시한다. 반면, 데이터 사이언티스트는 데이터 분석가들이 분석하기 좋은 환경을 만드는, 즉 데이터 분석을 자동화하는 업무를 수행한다.