데이터 분석가의 미래에 대한 고찰

 

 

 

안녕하세요. 오늘은 12년 차 데이터 분석가로서 느끼는 현재 데이터 분석가의 위치와 향후 방향에 대해 말해볼까 합니다.

 

1. 과거 데이터 분석가

2010년 이전에는 데이터에 대한 신뢰가 크지 않아 여유 있는 일부 대기업에서만 통계분석가를 고용하여 참고자료를 만드는 목적으로 분석을 진행했었습니다.

 

당시 데이터가 부족하기도 했고 데이터 분석을 위해 비용을 들이는 것보다 현업 종사자의 감각에 의한 의사결정이 더 효율적이었기 때문에 데이터 중심 의사결정을 하는 회사가 거의 없었으며 데이터를 활용한다 하더라도 매출, 영업이익, 판매량과 같은 MIS 자료를 만드는 수준에 불과하였습니다.

 

또한 통계 분석가가 있는 기업도 분석가 역량에 따라 편차가 심해 자료를 신뢰하기 어려웠고 자료를 보는 사람들도 통계에 대한 지식을 필요로 했기 때문에 효율이 떨어졌었습니다.

 

이때 데이터 분석가는 고급  통계분석 스킬과 지식, 수학적 능력이 매우 중요했습니다.

 

 

2. 현재 데이터 분석가

2010년 이후 데이터의 중요성이 부각되며 기업들도 하나둘씩 빅데이터 활용 방안에 대해 고민하기 시작했습니다. 그중 눈치 빠른 기업들은 데이터를 최대한 활용하고자 인프라를 구축하여 운영하는 기업들도 생겼으며 데이터 활용에 투자를 늘리는 시기이기도 했습니다.

 

빅데이터는 2018년 이후 AI와 맞물려 크게 주목받기도 하였습니다. 앞으로 데이터를 활용하는 기업만 살아남는다는 키워드와 함께 적극 데이터를 활용하려는 기업들이 많아졌습니다. 데이터 의사결정을 하려는 기업들이 많아짐에 따라 데이터 분석가의 역할도 중요해졌습니다.

 

데이터를 활용하는 기업들이 많아지며 자연스레 관련 솔루션도 많아지고 있습니다. 그중 데이터 시각화툴 시장이 커지고 있는데 대표적인 툴로 Tableau, Power BI, Redash가 있습니다. 또 AI모델을 활용한 예측분석이 떠오르며 기존 통계분석 툴인 R에서 Python으로 이동하는 분석가도 증가했습니다.

 

기업에서도 기존 참고용 자료를 만드는 인재가 아닌 데이터로 하여금 문제해결을 할 수 있는 전문성을 갖춘 인재를 원하기 시작했고 데이터 인사이트를 필요로 하는 산업과 부서에 맞게 직무도 세분화되어가고 있는 상황입니다. (ex: Business Analyst, HR Analyst 등)

 

빅데이터 시대가 되면서 데이터 분석가의 분석 방법도 달라졌습니다. 과거에는 데이터가 부족하여 의미 있는 데이터의 샘플수를 확보하여 다양한 통계기법을 활용하여 분석했다면 지금은 전체 데이터를 가지고 분석을 하기 때문에 과거와 같은 고급 통계기법보다는 도메인 지식을 통한 인사이트 도출 능력, 데이터 스킬셋이 더 중요해졌다고 볼 수 있습니다.

 

 

3. 미래 데이터분석가의 방향

미래는 어떻게 변할지 모르지만 지금 흘러가는 분위기를 볼 때 생성형 AI에 주목할 필요가 있습니다. 시간이 흐르며 데이터에 대한 표준과 인프라가 자리를 잡았고 과거보다 데이터 분석이 쉬운 환경이 됐지만 아직까진 스킬에 대한 벽이 있습니다.

 

앞으로는 생성형 AI를 통해 기존보다 더 쉽게 분석이 가능할 것으로 예상되며 데이터 분석가는 인사이트를 더 잘 도출할 수 있도록 집중할 필요가 있습니다. 즉 데이터 분석을 위한 스킬셋보다 도메인 지식을 깊게 쌓고 문제해결을 위한 가설과 검증하는 능력을 키워야 합니다.

 

지금까지 데이터 분석가는 기술직 느낌의 직군이었다면 앞으로는 사무직에 가까운 직군으로 변할 가능성이 높기 때문에 그에 맞게 준비할 필요가 있을 것입니다.

 

 

4. 마무리

과거부터 지금까지 데이터 분석가는 통계지식과 기술 중심의 역량이 중요했다면 미래의 데이터 분석가는 데이터를 통해 얼마나 많은 인사이트를 도출하여 의사결정을 지원하는지가 중요해질 것 같습니다.

따라서 지금 활동하고 있는 데이터 분석가나 취준생은 코딩과 같은 기술에 집중하기 보다는 많은 경험을 통해 훌륭한 인사이트를 뽑을 수 있도록 역량을 강화해야할 것입니다.

 

오늘은 여기서 마치겠습니다.

감사합니다.