데이터 아키텍트(DA)는 데이터와 관련한 전체 업무를 담당하는 데이터 전문가다. SK㈜ C&C의 오현경 부장은 경력과 실력으로 업계에서 이미 널리 알려졌다. 오 부장을 만나 데이터 아키텍처 수립, 표준화, 모델링에 대한 이해뿐 아니라 성능 관리, 품질 관리, 이관에 이르기까지 데이터와 관련된 업무 전반을 총괄하는 DA 업무에 대해 들어보았다.

어떤 경로로 하여 DA가 되었나.

불과 10여년 전만 하더라도 DA(Data Architect)와 DBA(DataBase Administration) 직무를 구분하는 이해가 부족한 경우가 많았다. 모델링과 데이터 영역 감리 등 데이터와 관련된 일을 하다가 대형 프로젝트에 투입되면서 본격적으로 DA 활동을 수행하게 되었고, 회사 내에 전문 아키텍트 그룹이 생기면서 프로젝트 수행뿐 아니라 동료 DA들과의 교류를 통해 DA로서 성장할 수 있었다.

DA 업무에 대해 간단히 소개하면.

데이터 아키텍트는 데이터와 관련한 폭넓은 업무 영역을 수행한다. 업무 환경에 따라 DA에 대해 바라보는 관점이 약간씩 다르다. 크게 두 가지로 분류하자면 데이터 ▲설계와 ▲구축관리다. 우선 설계는 전체적인 큰 그림을 그리는 데이터 아키텍처 및 관리체계 수립과 데이터 표준화, 모델링 등을 하는 업무다. 구축/관리는 DB 구성, 성능 관리, 품질 관리 등을 하는 업무다. 일부에서는 데이터 이관(migration)까지 DA의 역할 범위로 보기도 한다. 쉽게 말하여 데이터와 연관된 계획, 분석, 설계, 구현과 관련된 업무 전반을 총괄하는 전문가다. 회사 내에서도 DA가 정확히 무슨 일을 하는지 낯설어 하는 경우도 있을 정도로 DA의 업무는 한마디로 표현하기가 어렵다. 회사 내에서 DA, DBA 등 데이터 전문가에 대한 직무를 정의하고 있지만, 프로젝트 규모와 상황에 따라 DA의 수행 범위가 유동적이기도 하다.

대형 프로젝트에는 표준화 담당자, 모델러, 튜너, DBA, 품질관리 담당자 등 세분화한 데이터 전문인력이 투입이 되는데, 이때 DA는 전체적인 큰 그림을 기반으로 각 전문 데이터 영역간의 조율뿐만 아니라 개발팀을 비롯한 수행조직과의 협업을 이끌어내는 역할을 한다. 반면 작은 프로젝트일 경우, DA가 표준화에서 모델링, DBA 역할까지 모두 수행하는 경우도 있다. SI 업체 내부적으로 DA가 부족할 경우 데이터 컨설팅 업체에 의뢰하여 전문인력과 협력하는 경우가 일반적이다.

DA 업무를 하면서 가장 기억에 남아 있는 순간은.

데이터 모델러나 DA는 뒤에 가려진 데이터 전문가들이다. 시스템 개발 중 문제가 발생하면, 데이터 모델링의 문제인지 개발자 측의 구현 과정 문제인지를 규명해 내기 어려울 수 있다. SI 프로젝트 현장에서 데이터 설계에 대해 평가할 수 있는 사람은 거의 없다고 봐야 한다. 따라서 고객으로부터 직접적으로 감사 인사를 받는 일도 극히 드물다. 그럼에도 여러 어려움을 뚫고 해결했을 때면 스스로 뿌듯해 진다.

DA 업무를 하면서 어려웠던 점은.

크게 두 가지가 있다. 먼저 DA는 해당 비즈니스 도메인에 대한 이해를 기반으로 고객에게 다가가야 한다. 따라서 공공 분야 프로젝트에서 경험이 많은 DA라고 하더라도, 금융권 내에서는 그 경험을 인정받기가 쉽지 않다. 개인적으로 금융 프로젝트를 했던 경험으로 통신 프로젝트에 DA로 참여했다가 업무 도메인에 대한 경험이 없어 당혹스러웠던 기억이 있다. 고객 측 업무 담당자와 인터뷰를 하는데 낯선 전문 약어들을 쓰고 있어서 초기에는 무슨 말인지 알아들을 수 없을 정도였다. 나머지 한 가지는 사람을 많이 상대해야 하는 업무라는 점이다. 보통 DA 한 명이 고객의 여러 업무 담당자와 상대하는 것은 물론, 개발 영역의 분석 설계자 여러 명도 함께 구현을 놓고 일해야 한다. 다양한 이해관계를 가지고 있는 사람과의 만남이란 관점에 따라 다르게 보는 등 소통 과정에서 수많은 장애물이 있게 마련이다.

DA 업무의 강도가 높다는 말인가.

분석/설계에서 데이터 이행(migration)까지 프로젝트 전 기간 동안 계속되는 힘든 과정의 연속이다. 데이터에 대한 기반을 다지는 일인 만큼 겉으로 드러나는 화려한 일은 아니지만, 여러 개발팀을 상대해야 하는 인내심과 체력도 필요한 일이다.

사내 동료들이 DA를 선호한다고 하는데 왜 그런가.

(DA가) 회사에서 해당 분야에 대해 전문가로 계속 성장할 수 있는 직무라서 그러지 싶다. 일반적으로 개발자는 어느 정도 경력이 쌓이면 개발 업무보다 PL(project leader)을 거쳐 PM(project manager) 등 관리자 역할을 수행하게 된다. 관리자가 아닌 기술자로 계속 일하고 싶으면 AA(application architect)나 DA(data architect)등 전문 영역으로 진입해야 한다. 따라서 기술자로서 계속 성장을 원하는 인력들은 아키텍트를 선호하는 것 같다. 대형 SI 회사에서 개발자들은 일반적으로 공통개발, 프레임워크나 인터페이스 개발을 중간 단계로 하여 AA로 성장한다. 하지만 DA로 성장할 수 있는 중간 과정이 SI 업체에서는 별로 없다. 대형 SI 업체에도 DA 인력은 AA에 비해 훨씬 적어서 성장할 수 있는 기회도 적은 편이다. 또한 DA는 주로 금융권 등 대형 프로젝트에서 활동하게 되는데, 해당 분야 경력이 없는 DA는 일할 기회를 갖기가 쉽지 않다.

DA가 되기 위해서는 대형 SI 업체보다는 데이터 전문 컨설팅사에서 일하는 것이 더 가능성이 높다고 생각한다. 회사 규모보다는 주니어 DA라도 다양한 프로젝트에 투입돼서 시니어 DA가 되기 위한 경력을 쌓는 것이 중요하다.

DA로 성장하기 위해서는 데이터 모델링이 필수 단계이지 않나.

필수라기보다 DA 업무 자체가 모델링을 모르고는 할 수 없다는 게 더 정확하지 싶다. 일반적으로 모델러는 데이터 ‘구조 설계’라는 특정 영역을 담당하는 전문가다. 모델링 경험을 기반으로 아키텍처 수립에서 표준화, 데이터 관리, 데이터 품질에 이르기까지 데이터 전 영역을 폭 넓게 볼 수 있는 DA로 성장하게 된다.

데이터 분석 열풍은 DA에게도 많은 영향을 불러왔을 거 같다.

빅데이터 시대인 요즘은 기존의 RDB에 대한 이해만으로는 아키텍처를 수립하기가 쉽지 않다. 새로운 기술이나 솔루션을 어떻게 엮어야 할지를 놓고 많은 공부와 연구가 필요해졌다. 더불어 데이터 분석 열풍이 불면서 데이터에 대한 관심은 더 높아졌다. 데이터 분석은 기술보다 활용 영역에 가까우므로 IT보다는 업무 영역으로 보는 게 일반적이다. 하지만 데이터 설계 기반을 다져야 하는수밖에 없다.

DA로서 향후 목표는.

데이터를 둘러싸고 새로운 기술과 개념이 속속 등장하고 있다. 과거에는 RDBMS 기반 지식만 잘 알고 있으면 큰 어려움이 없었다. 하지만 요즘은 빅데이터 개념에 대한 이해와 다양한 데이터 솔루션까지 이해하면서 데이터에 접근해야 한다. 새롭게 등장하는 개념을 이해하면서 데이터를 둘러싸고 그려지는 큰 그림을 보려고 노력 중이다.

DA를 꿈꾸는 이에게 추천하는 준비 방법이 있다면.

사회 진출 초년생이나 대학생이라면, DAP(data architect professional)나SQLP(SQL professional) 등 자격증을 준비하는 게 좋다. 하지만 이런 전문가 자격증이 있다 해도 관련 경력이 반드시 추가돼야 한다. 자격증에 경력까지 갖추면 DA를 비롯한 데이터 모델러나 튜너, 표준화 전문가 등 데이터 분야의 특정 전문가로 성장할 가능성이 그만큼 올라간다. 데이터 분야는 풍부한 경험이 어느 분야보다 강조된다. DA는 현장 경험과 경력을 중시하므로 원한다고 하여 대학 졸업 후 바로 되기는 어렵다. 개발자로 시작하여 데이터 모델러를 거쳐 DA가 될 수도 있다. 하지만 그 기간이 길어지면 DA로 진입할 기회는 줄어들 수 있다. 개발자로 일하면서도 다른 분야에 지속적으로 관심을 갖고 준비하다 보면, 어느 순간 기회가 찾아오게 마련이다. 실제로 개발자가 평소 데이터 모델링에 대해 관심을 가지고 DAP 자격증을 따고, 데이터를 관리하는 업무로 이동하게 된 경우도 있다. 그는 DA가 될 가능성도 높다고 본다.

DA는 어떤 유형의 사람에게 적합하다고 보는가.

데이터에 대한 전문지식과 경험도 중요하지만, 동시에 컨설턴시가 있어야 한다. 컨설턴시라면, 기술적 이론과 경험, 자료를 토대로 고객을 이해시키고 설득할 수 있는 역량을 말한다. 그러려면 고객과의 인터뷰, 문서화, 설득 등 커뮤니케이션 역량이 필요하다. DA가 프로젝트에 투입되면 프로젝트 산출물이 기본적으로 요구된다. 아키텍처 정의서, 절차 정의서 등 각종 산출물을 문서 및 데이터화할 수 있어야 한다. 섬세하고 꼼꼼한 작업이 많은 DA의 경우 여성 비율이 높은 편이다. (끝)

출처 : 한국데이터산업진흥원
제공 : 데이터 온에어 Dataonair.or.kr