데이터 분석가가 되기 위해 필요한 것 - 데이터 분석가 이야기

 

안녕하세요.

 

최근 이직을 하며 데이터 직무에 대한 질문들을 많이 듣게 되었는데 그중 하나가 데이터 분석가가 되기 위해 어떤 것부터 준비를 해야 되고 필요한 역량은 어떤 건지였습니다.

 

주빈인들에게 질문을 듣긴 했지만 최근 AI와 함께 디이터 직무에 대한 관심도 커졌기에 많은 사람들이 궁금하실 거라 생각하며 오늘은 데이터 분석가가 되기 위해 필요한 지식과 기술 그리고 어떤 역량이 필요한지 알아보려고 합니다.

 

일단 지식, 기술, 역량을 알아보기 전에 데이터 분석가가 하는 업무부터 알아봐야겠습니다.

 

데이터 분석가는 회사마다 차이가 있지만 일반적으로 인사이트를 찾는 직업으로 데이터에서 숨어있는 의미를 찾아 의사결정을 돕는 직무라 볼 수 있습니다. 따라서 현업에 대한 지식은 필수라 생각하면 될 것 같습니다.

 

- 필요지식

데이터 분석가는 도메인 지식을 필수로 하기 때문에 데이터 분석가는 한번 정한 산업에서 다른 산업으로 이직하기 어렵다는 단점이 있습니다.

필자의 경우 금융산업에서 IT회사로 이직에 성공하였는데 이건 다음 컨텐츠 주제로 다뤄보겠습니다.

 

다음으로 필요한 지식은 통계와 데이터에 대한 지식입니다.

데이터를 효율적으로 다루기 위해서는 데이터 구조에 대한 지식이 필요하며 거기에서 의미 있는 정보를 찾기 위해서는 통계 지식을 필요로 합니다. 산업마다 회사마다 다르겠지만 다양한 통계기법으로 데이터를 살펴보고 의미를 찾고 있습니다.

따라서 통계와 데이터에 대한 지식이 부족하다면 처음 적응하는데 어려울 수 있습니다.

 

- 기술셋

데이터 분석을 위한 툴은 Excel, R, Python, SQL, SAS가 있고 시각화 툴은 Jupyter Notebook, Redash, Zeppelin, Power BI, Tableau가 있다. 또 데이터 파이프라인 구성과 배치를 위한 툴은 airflow와 git, AWS가 있다.

 

회사마다 다르지만 보통 데이터 분석툴 1개와 시각화툴 1~2개 조합으로 많이 사용하고 있고 IT회사나 스타트업은 airflow와 git, AWS 기술을 필요로 하는 경우가 있다.

 

데이터 분석을 위해 필요로 하는 기술이 상당하기 때문에 어떤 것부터 배울지 고민하는 경우가 많은데 필자는 엑셀 -> SQL -> 시각화툴 -> Python or R -> 기타 IT툴 순으로 배우길 추천한다.

최근 개발 직무가 고액 연봉을 받는다는 정보가 알려지면서 많은 분들이 코드부터 배우려는 경향이 있다. 실제로 엑셀로 분석하는 것보다 코드로 분석하는 게 더 멋스럽고 연봉이 쎈 경우가 많지만 코드를 배우기 위해 수반되는 지식들이 너무 많고  현업에서도 그걸 잘 알기 때문에 신입사원이 코드를 할 줄 안다고 해도 크게 기대를 안 하며 엑셀 역량을 더 선호하는 경우도 많다.

 

필자의 경우 운이 좋게도 위 기술셋을 다 경험해 봤는데 가장 많이 듣는 질문은 R과 Python 중 어떤 것을 배워야 할지, 시각화 툴은 어떤 게 좋을지, airflow와 git, AWS는 꼭 배워야 하는지였다.

 

가장 좋은 답변은 취업하고자 하는 회사, 부서에서 사용하는 툴을 배우는 것이지만 아직 결정을 못한 사항이라면 장단점을 고민 후 결정하여야 한다.

 

R의 경우 상대적으로 배우기 쉬운 통계코드지만 개발이나 AI를 구현하기 어렵다는 단점이 있다. 반대로 Python의 경우 단순 데이터 분석을 넘어 AI나 개발이 가능하지만 그만큼 배우기 어렵고 오래 걸린다는 단점이 있다.

데이터 분석을 하기 위해서는 코드에 대한 지식만을 필요로 하지 않기에 시간이 부족하다면 R을 배우는 것을 추천하는 편이다.

 

시각화툴은 큰 기업의 경우 Power BI, Tableau 스타트업은 Redash, Zeppelin을 주로 사용하는 편인데 Redash, Zeppelin는 SQL만 할 줄 안다면 단기간에 배울 수 있으므로 Power BI, Tableau를 배우길 추천한다. Tableau가 기능이 좋고 더 많이 알려져 있지만 MS에서 개발한 Power BI가 엄청난 속도로 업데이트를 하며 무섭게 추격하고 있다.

이제 막 취업을 앞두고 있는 분들은 Tableau, 아직 학생이면 Power BI를 배우는 게 좋다.

 

- 필요역량

데이터 분석을 잘하기 위해서는 분석 주제에 대한 호기심과 수치에 대한 감각이 있어야 한다. 그래야 품질 좋은 인사이트를 얻을 수 있기 때문이다.

 

데이터 분석의 핵심은 인사이트라는 것을 명심해야 된다. 데이터 초보가 흔히 실수하는 케이스가 데이터를 단순히 이쁘게만 표현하려는 것이다. 따라서 분석 주제에 대한 호기심을 갖고 다양한 가설을 세우는 연습과 의미 있는 시각화를 위해 노력해야할 것이다.

 

이상 오늘은 여기서 마치겠습니다.

 

감사합니다.

 

 

 

네카라쿠배 이직 후기 - 데이터분석가 이직

네카라쿠배 이직 후기 - 데이터분석가 이직