인접 분야에 관심을 가져라, 거기에 성장의 기회가 있다.

데이터 엔지니어, 데이터 애널리스트, 데이터 사이언티스트, 비즈니스 애널리스트……. 회사에서 데이터를 다루는 일을 하는 사람들을 지칭할 때에 쓰는 말들이다. 얼핏 보면 비슷하게 들리고 또 한국에서는 많이 혼용되고 있다. 하지만 자세히 들여다보면 역할과 요구되는 역량이 조금씩 다르다.

먼저 데이터 엔지니어는 데이터를 처리하는 시스템을 다루는 사람들이다. 대용량의 데이터를 처리하기 위해서는 그만한 규모의 시스템이 있어야 한다. 여기서 시스템이라고 하면 정보계 및 운영계 DBMS부터 시작해서 하둡으로 대표되는 빅데이터 에코시스템, 각종 ETL이나 분석 및 시각화에 쓰이는 기술들을 말한다. 데이터 엔지니어는 이처럼 다양한 도구를 가지고 고객이 원하는 결과물을 만들어 내는 것이 주된 임무이다.

데이터 애널리스트는 데이터 엔지니어가 구축해 놓은 시스템을 기반으로 실제로 데이터를 분석해서 쓸만한 정보를 이끌어내는 사람들이다. 일반적으로 데이터 애널리스트들이 하는 일은 이런 것이다. 뭔가 사람들이 궁금해 하는 문제가 있다. 그러면 데이터 애널리스트는 데이터에 기반 해서해서 그 문제에 대한 답을 제시할 수 있는 방법을 찾는다. 그리고 본인이 찾아낸 방법을 실제로 적용해서 문제를 풀어낸다. 다양한 가설을 세우고 데이터 엔지니어들이 구축해 놓은 시스템 위에서 이리저리 쿼리 던지면서 그 가설이 맞는지를 검증하는 것이 흔히 상상할 수 있는 데이터 애널리스트의 모습니다.

데이터 사이언티스트는 데이터 애널리스트와 근본적으로 동일한 의미이다. 다만 여기에 이론적인 배경도 가지고 있고 과학적인 방법론도 좀 더 많이 알고 또 활용할 줄 아는 사람들을 말한다. 데이터를 처리해서 가치 있는 일을 하는 알고리즘은 대부분 컴퓨터과학, 더 나아가서는 그 모태가 되는 수학이나 통계학에 그 기반을 두고 있다. 이쪽 분야에는 이미 똑똑한 사람들이 수십 수백 년간 연구해 놓은 결과물이 축적되어 있고, 지금은 이런 것들을 가져다가 적절히 적용만 해도 많은 성과를 낼 수 있는 상황이다. 데이터 사이언티스트는 바로 이런 일을 하는 사람을 말한다. 자신에게 주어진 문제를 풀기 위해 과학논문을 뒤적거리고 거기서 쓸 만한 방법을 찾아 코딩을 하던지 라이브러리를 찾던지 해 가면서 적용하는 것이 흔히 상상할 수 있는 데이터 사이언티스트의 모습이다.

비즈니스 애널리스트는 회사가 하고 있는 사업을 자세히 들여다보고 개선할 점을 찾아 비즈니스의 경쟁력을 지속적으로 높여나가는 것이 주된 임무이다. 우리의 고객은 누구인가 우리의 전략은 무엇인가 경쟁사들은 무엇을 하고 있는가 그들보다 더 나은 제품이나 서비스를 만들기 위해 무엇을 해야 하는가 이런 문제들에 대해 끊임없이 고민하고 있는 사람들이다. 비즈니스에 문제가 발생했을 때에 가장 먼저 해야 하는 일은 그 원인을 찾는 일이다. 회사의 매출이 떨어지면 CEO가 당장에 하는 일이 비즈니스 애널리스트들을 불러 “원인을 파악하고 대책을 세우시오.”라고 지시를 하는 일이다. 그러면 비즈니스 애널리스트들은 다양한 가설을 세우고 사실 여부를 검증한다. 이 과정에서 데이터가 뒷받침이 된다. 가령 게임회사에서 매출이 떨어진 이유가 국가대표 축구경기 때문이라고 하면 축구경기가 진행 중인 시간대에 매출이 특히 더 많이 떨어졌을 것이다. 단순히 “축구경기 때문에 매출이 떨어졌습니다.”라고 보고를 하면 “대체 무슨 근거로 그런 주장을 하는 것이냐”가 되지만 시간대별 매출을 분석한 자료가 붙으면 “그거 말 되는군!”이 되는 것이다. 비즈니스 애널리스트에게 있어서 데이터는 중요한 무기가 된다.

물론 현실적으로는 이렇게 명확하게 구분이 되지는 않는다. 이중에 하나도 제대로 못 하는 사람도 많고, 여러 분야의 능력을 동시에 가지고 있는 사람도 있다. 하지만 조직을 운영하는 입장에서 대략적으로 본다면 이런 이미지에서 크게 다르지 않다.

이러한 분야에서 전문가로서 커리어를 쌓아나가는 길을 살펴보자. 먼저 데이터 엔지니어는 잘 하는 사람들이 상당히 많은 편이다. 소프트웨어 개발과 같은 인접분야의 일을 하다가 데이터 전문 엔지니어로 전향을 하는 경우도 있고, 데이터 인프라 관련 비즈니스를 하는 회사에 들어가서 처음부터 데이터 엔지니어로써 커리어를 쌓아 온 사람들도 있다. 어느 경우든 제대로 일을 배울 기회가 주어지는 곳이라고 하면 대략 3년 정도 경력을 쌓으면 회사에서 발생하는 여러 가지 일들을 스스로 무리 없이 해 낼 수 있는 역량을 갖추게 된다.

비즈니스 애널리스트는 엔지니어링 보다는 경영 쪽의 백그라운드를 가진 사람들이 많다. 가령 명문 경영대를 졸업했다거나, 해외에서 MBA 과정을 거쳤다거나 하는 경우다. 이름만 들으면 알만한 맥킨지나 보스톤 컨설팅 그룹과 같은 전략컨설팅 펌에서 하는 일이 대부분 비즈니스 애널리스트의 업무라고 보면 된다. 비록 요즘은 예전만 못 하지만 이쪽 커리어도 상당히 유망한 커리어다. 업무량이 살인적이긴 하지만 사회 초년생 시절부터 회사의 경영자들과 밀착해서 핵심적인 일을 할 수가 있어 빨리 성장할 수 있다. 그래서 전략컨설팅 펌에서 3~5년 정도 경력을 쌓으면 젊은 나이에 상당히 좋은 조건으로 현업으로 갈 수 있는 기회가 즐비했다.

데이터 사이언티스트나 데이터 애널리스트는 어떨까 이쪽 일을 하게 되는 사람은 몇 가지 부류가 있는데, 가장 흔한 케이스가 대학이나 대학원에서 통계학이나 전산학 혹은 산업공학 같은 관련 분야를 전공하고 현업에 뛰어드는 케이스이다. 한국에서 데이터 사이언티스트라고 하면 대개 이런 케이스이다.

비즈니스에서 데이터를 이용해서 성과를 내려면 이러한 직군들 간에 긴밀한 상호협력이 필요하다. 또한 연관된 다른 직군에 있는 사람들이 하는 일도 깊이 있게 이해해야 한다. 데이터 애널리스트라고 해서 데이터 분석 방법론에만 관심을 가지고 있다가 보면 정작 비즈니스 단에서 필요로 하는 일을 하지 못 하고 쓸데없는 일을 하게 된다. 데이터 엔지니어 또한 마찬가지다. 데이터 엔지니어의 임무는 일차적으로 데이터 애널리스트나 비즈니스 애널리스트들이 사용할 시스템을 만들어 주는 일이다. 하지만 그렇다고 해서 데이터 엔지니어링의 기술적인 측면에만 관심을 가지고 있으면 데이터 뽑아 주는 기계로 전락하고 만다. 그 데이터를 애널리스트들이 어떻게 활용하고 있는지 이 문제에 대해 촉각을 곤두세우고 계속해서 더 좋은 활용방법을 찾아내는 것이 새로운 시스템이나 기술 도입하는 것 보다 훨씬 중요하다. 비즈니스 애널리스트도 별반 다를 바 없다. 데이터를 활용하려면 데이터가 어떻게 만들어지고 처리되는지를 알아야 그 데이터의 의미를 정확하게 이해할 수 있다. 그러나 비즈니스 애널리스트 중에는 이런 골치 아픈 부분은 관심이 없고 그저 집계된 숫자 가져다가 보고서 발표 자료 만들기에 급급한 사람들이 많다. 이래서 문제없이 넘어간다면 다행이지만 이런 식으로 일 하다가 앞뒤가 모순되는 보고 자료를 만들게 된다거나 잘못된 결론에 다다르는 경우도 많다. 이런 길을 피해서 좋은 결과를 만들어 내기 위해서는 서로 인접한 직군에 있는 사람들끼리 열린 자세로 소통과 협력을 해야 한다.

물론 이처럼 서로 다른 배경을 가진 사람들이 소통과 협력을 하는 것이 결코 쉬운 일은 아니다. 하지만 거기에 성장의 기회가 있다. 한 직군에서 오랜 기간 일하다 보면 한편으로는 일에 익숙해져서 편해지기도 하지만 다른 한 편으로는 성장이 멈춘 것 같은 느낌이 들 수도 있다. 이런 경우에 자신이 하는 일에 깊이를 더하는 것도 중요하지만 특히 데이터 관련된 일을 하는 입장에서는 인접 직군에서 하는 일에 관심을 가지는 것도 좋은 성장 방법이다. 가령 데이터 엔지니어가 비즈니스에 관심이 많아서 적극적으로 데이터를 활용할 방법을 찾아 제시한다고 생각해보자. 설령 데이터 엔지니어로써의 실력이 좀 떨어지더라도 회사에서는 아마도 이 사람에게 더 큰 일을 줄 것이다. 이 사람이 회사에 더 필요한 사람이고, 그에게 일을 맡기면 편하기 때문이다. 평범한 데이터 엔지니어와 조직에서 인정받는 데이터 엔지니어와 차이는 바로 여기에 있다.

출처 : 한국데이터베이스진흥원

제공 : 데이터 전문가 지식포털 DBguide.net