데이터 분석가에게 코딩테스트가 필요할까?

1. 코딩테스트랑 무엇인가?

• 개발자에게 필요한 역량을 확인하는 목적의 코딩 시험

1. 실제 업무와 유사한, 그러나 ‘상당히’ 줄어든 범위의 문제를 풀어내는 코드를 작성하고, 시험을 위해 주어지는 예시 데이터들을 기준

2. 코드가 정상적으로 돌아가고, 올바른 결과 값을 보여주는지.

3. 그 과정에서 메모리를 비롯한 컴퓨팅 리소스를 얼마나 효율적으로 활용하는지.

4. 계산시간은 어느 정도 걸리는지.

즉, 특정 프로그래밍 언어를 사용하여 주어진 문제를 잘 해결할 수 있는지 기술적인 부분을 확인하는 시험

2. 데이터 분석가가 업무에서 하게 되는 것들

• 데이터를 활용하여 현재 운영 중인 서비스 / 프로덕트의 고도화
• 데이터 기반 의사 결정을 위한 정략 및 분석 지원
• 전사적 목표 달성을 위한 가설 설정 및 이를 검증하기 위한 실험 설계 및 분석
• 인사이트 제공을 위한 지표 정의 및 대시보드 및 리포트 제작

위에 예시로 공공부분의 사례들

1. 국내 사건사고 데이터 시작화 (서비스 고도화)
2. 오바마 캠프의 a/b테스트 사례 (실험설계/분석)
3. 서울시 심야버스 노선 최적화 (데이터 기반 의사결정 전략)

3. 기업내 데이터 분석가의 업무

• 기업은 데이터 분석자들에게 위와 같은 성공 사례를 만드는 걸 기대한다. 위 사례에 공통으로 나타나는 특징 5가지

1. 분석할 수 있는 데이터는 준비되어 있다.

2. 서비스를 통해 풀고자 하는 문제를 명확하게 인지했다.

3. 복잡한 혹은 최신 논문에 나오는 데이터 분석 기법을 활용하지 않았다.

4. 데이터 분석팀 외에도 다양한 팀과의 협업을 통해 문제를 해결했다.

5. 특별히 어떤 툴을 썼다 하는 내용은 언급되지 않는다.

4. 정해진 답이 없는 데이터 분석가의 업무

• 이처럼 데이터 분석가는 데이터를 활용해 정해진 답이 없는 문제를 해결해야 한다. 그래서 역량을 확인하는데 정답이 정해져 있는 코딩테스트보다 과제 전형이 대체로 더 효과적이다.

5. 코딩테스트와 데이터 분석

• 코딩테스트는 대상자의 기술 역량을 확인하는 데에 있어서 아주 효과적인 방법이다. 하지만 데이터 직군의 경우, 위와같은 성공 사례를 만들기 위해 기술 외에도 코딩테스트로는 확인하기 어려운 다른 역량들 또한 필요하다.

다음 예시들은 데이터 직군의 코딩테스트에서 언급되는 예시

• 머신러닝 모델의 평가 지표 계산
• sql을 활용한 메트릭 계산
• 텍스트 등의 데이터 파싱 및 전처리

추가로 위에 말한 역량 외에 있으면 크게 도움이 될 역량

• 통계학: 데이터에서 일정한 패턴을 찾거나 다른 것을 찾아 의미를 부여하는 일, 따라서 통계학에 대한 이해가 깊을수록 데이터를 더 온전히 활용할 수 있다.

• 심리학: 고객이 다음 행동을 진행하기 위해 필요한 보상과 이를 막는 장벽 등을 모델링하고 설계하는 조금은 깊은 심리학. (고객의 심리를 파악하고 구매와 같은 액션을 끌어내는 방향으로도 데이터를 활용할 수 있다.)

주요 포인트

단순 정답이 정해진 코딩테스로만 기술적인 부분을 확인하는 것 이 아닌 과제 전형 혹은 면접을 통해 문제를 정의하고 데이터분석에 대한 이해와 타 직군과의 협업이 가능한지를 보는 것이 더 강조되어 보임 그렇다고 기술적인 코딩 역량이 중요하지 않다는 것은 아니지만 데이터 분석가로서 기업에 훨씬 큰 기여를 할 수 있어 나의 가치도 같이 상승할 수 있다 생각.

출처

https://yozm.wishket.com/magazine/detail/1708/