송혜정
지금 간편하게 로그인하고 전문성 있는 정보를 확인해보세요.
데이터 분석가들이 직접 쓰는 다른 로그인 전용 글들도 무제한으로 이용할 수 있습니다.
안녕하세요, 데이터리안 혜정입니다.
2024년 5월에는 [생성형 AI와 함께하는 데이터 분석가 커리어] 라는 주제로, 네이버의 Data & Analytics(DnA) 조직의 리더이신 김진영님과, 데이터리안의 데이터 분석가들이 함께 이야기를 나눠보았습니다.
5월 세미나 슬라이드와 1부 강연 다시보기는 아래에서 확인해주세요 🙂
강연 소개
- [강연] “생성형 AI 시대의 데이터 사이언스”
- 네이버 Head of Data Science & Director of US R&D
- 전) Snap Lead Data Scientist
- 전) Microsoft Senior Applied Scientist
김진영
- [패널토크] “성장하고 싶은 데이터 분석가들을 위한 커리어 가이드”
- 네이버 Head of Data Science & Director of US R&D
- 전) Snap Lead Data Scientist
- 전) Microsoft Senior Applied Scientist
- 데이터리안 데이터 분석가
- 전) 쿠팡, 하이퍼커넥트, 카카오 데이터 분석가
- 데이터리안 데이터 분석가
- 전) 잡플래닛 데이터 분석가
김진영
윤선미
이보민
세미나 슬라이드
모바일의 경우 오른쪽 하단의 전체화면 아이콘을 누르면 크게 보실 수 있어요.
1부 강연 다시보기
“생성형 AI 시대의 데이터 사이언스”
김진영 | 네이버 Head of Data Science & Director of US R&D
ChatGPT, Clova X를 비롯한 생성형 AI가 데이터 분석에 활용될 수 있는 다양한 가능성을 소개하고, 최근 발표된 솔루션을 바탕으로 앞으로의 미래를 전망해 봅니다.
아울러 이처럼 미래에 대한 불확실성이 큰 상황에서 데이터 사이언티스트를 꿈꾸는 혹은 현업에 계시는 분들의 커리어 발전에 도움이 될만한 이야기로 마무리해 보겠습니다.
세미나에서 못다한 이야기
1부 연사 김진영님께서 세미나에서 미처 답변하지 못한 질문들에 대해 추가 답변을 보내주셨습니다. 보내주신 답변 내용이 궁금하다면 아래 내용들을 참고해 보세요.
Q. AI의 발전으로 소프트 스킬이 더 중요해질 것 같다는 이야기를 해주셨는데요. 여러 소프트 스킬 중에서 어떤 소프트 스킬이 더 중요해질까요? 그로스 해킹 같은 비즈니스적 역량일지, 소통이나 문서작성 능력일지 궁금합니다.
제가 생각하는 미래 분석가에게 필요한 소프트 스킬은 아래 두 가지인 것 같습니다.
- 데이터 속에서 문제를 발견하고 이를 Problem Statement로 구체화하는 능력
- AI 결과물에 대해 비판적으로 검토하고 적절한 피드백을 통해 개선하는 능력
데이터에서 문제를 발견하고 구체화하는 능력은 풍부한 문제 해결 경험이 필요하고요. AI 결과물을 검토하고 개선하는 능력을 갖추기 위해서는 코딩/모델링에 대해 알아야 합니다.
두가지 모두 하드 스킬을 바탕으로 한 소프트 스킬이네요. 현재 분석 팀장들이 하는 역할이라고 생각하셔도 될 것 같습니다.
Q. 데이터 사이언티스트라면, 새로운 분석 기법도 많이 알고 있어야 한다고 여러 아티클을 통해 알게 되었습니다. 이제 막 사이언티스트로 전향하려는 주니어라면 어떻게 논문을 찾을 수 있는지 조언 부탁드려요! 그리고 진영님께서는 새로운 논문들을 어떻게 찾아서 읽으시는지 궁금합니다.
관련 워크샵 / 컨퍼런스를 먼저 찾으시면 가장 좋고요. “분야 이름 + Survey”라는 검색어로 찾으시면 대체로 많이 나옵니다. 아니면 좋은 논문 하나만 찾으시면 Reference에 줄줄이 나옵니다. 연구실을 찾으실 때는 좋은 논문을 먼저 찾고 저자를 찾으시면 됩니다
Q. 데이터사이언스 전공으로 대학원 진학하는 것과 취업을 통한 현업/실전 역량을 쌓아가는 것을 비교해 주실 수 있을까요? 국내에 대학원 중에 데이터 분석가와 관련된 학문을 배울 수 있는 곳이 있을까요? 대학원이 필수가 될까요?
(국내든 해외든) 대학원은 너무 범위가 넓어서 특정한 전공이나 연구실이 정해진 다음에나 답변이 가능할 것 같습니다. 만약 고민/탐색하신 이후에도 특정한 전공이나 연구실이 떠오르지 않는다면 대학원은 좋은 선택이 아니라고 생각합니다.
Q. 개인 프로젝트를 통해 문제해결 경험이 취업에 도움이 되는지 궁금합니다. 프로젝트 결과가 엄청 대단하지 않더라고 제가 정의한 문제와 그걸 해결하면서 데이터를 활용한 경험이 있다면 도움이 될까요?
일단 프로젝트를 통한 문제 해결 경험 자체가 인터뷰에 도움이 될 것 같고요. 저는 개인 프로젝트를 많이 하시는 분들의 열정을 높이 사는 부분도 있습니다.
Q. 생활(스몰) 데이터 프로젝트는 취업용 포트폴리오로는 부적절할까요? 경력이 없는 쌩신입도 데이터분석가 취업이 가능할까요?
각자의 도메인지식과 결합하면 전체적으로는 경쟁력을 갖추실 수 있을 거라고 생각합니다. 생활 속 데이터를 모아보는 것도 좋고, 좀 더 객관적인 성과를 원하시면 캐글 솔루션을 보고 따라 해보시는 것도 좋을 것 같습니다. 직접 만든 솔루션이 아니라도 “최근 캐글 솔루션에 이런 게 있습니다”로 면접 답변을 시작할 수 있으면 더 힘이 실릴 것 같습니다.
Q. 미래에는 각각의 도메인에서 일하고 있는 다양한 직무의 실무자분들이 손쉽게 분석 툴을 다루게 될 수 있을 것 같습니다. 그런 시기가 오더라도 분석가라는 직무가 여전히 경쟁력이 있을까요?
워드가 사용하기 쉽다고 작가라는 직업이 필요 없는 건 아니잖아요? 포토샵이 있어도 디자이너가 필요한 것처럼요. 데이터 분석가도 마찬가지라고 생각합니다. 사실 지금까지 분석가의 기술 역량이 지나치게 강조된 것이 아니었을까 생각도 해봅니다.
Q. 강연에서 AI 발전으로 기업들이 더 많은 잠재적인 문제 해결에 초점을 맞출 것 같다고 말씀하셨는데요. 이게 정확하게 어떤 뜻인지 조금만 더 설명해 주실 수 있을까요?
예전에는 확실히 눈에 보이는 문제에만 데이터 기반의 해법을 동원했다면 (비용 관점에서) 앞으로 분석의 비용이 적아지는 경우 그 가치가 명확히 보이지 않는 문제의 경우에도 분석 기법을 적용할 수 있다는 의미에서 말씀드렸습니다.
Q. 요즘에는 ‘AI를 사용하는 것을 막는다’ 라거나, ‘이력서와 자기소개서에 AI를 사용하면 탈락시킨다’라는 뉴스를 종종 접할 수 있는데요. 기술은 계속 발전하지만, 이렇게 AI 활용을 제재하는 경우도 더 많아질 수 있을 것 같은데 연사님은 이 부분에 대해 어떻게 생각하시는 지 궁금합니다.
앞으로 AI와의 공존은 피할 수 없는 대세긴 하고요. 따라서 AI는 다 쓴다고 가정하겠지만, 줌 인터뷰에서 GPT를 몰래 쓴다든가 하는 치팅은 기업 입장에서 막으려고 하겠죠.
Q. 시니어 데이터 분석가입니다. 주니어의 역량(하드스킬적인 부분)이 따라오지 못하는 상황에서 빨리 결과물을 보여줘야만 할 때가 있는데요. 이럴 땐 어떻게 대처하시나요?
단기적으로는 주니어의 부족한 부분을 메꿔서 결과물을 내는 게 시니어 역량일 테니, 스스로 노력해야 한다고 생각합니다. 또 장기적으로는 주니어를 성장시켜서 같이 Win-Win 할 수 있어야겠죠?
세미나 참여자 한 마디
생성형 AI가 데이터 직무에 미칠 영향에 대해 현직자분들의 자세한 이야기를 들을 수 있어서 좋았습니다. 저도 처음에는 GenAI의 영향력에 대해 막연한 두려움이 있었지만, 이번 세미나를 통해 GenAI에 대한 막연한 두려움을 없애고 커리어를 위해 좀 더 디테일하게 생각할 수 있었던 기회가 되었습니다!
업계에서 시니어 분석가를 만나기도, 의견을 듣기도 쉽지 않은데 커리어 관련하여 상세한 의견 들려주셔서 귀담아 들었습니다 :)
우리 생각보다 AI의 발전 속도(실무에 효과적으로 적용하거나 대체되기까지)의 갭이 있고, 이에 대해 우리는 다시 한번 소프트 스킬 측면에서 우리의 직무, 업계를 바라볼 수 있다는 내용이 흥미로웠습니다!
데이터 사이언티스트 커리어를 위해 소프트 스킬과 도메인 지식이 핵심인데, 기술적인 이해도 여전히 중요하다는 점이 인상적이었어요. 다양한 역량이 필요한 직군이구나 다시 한번 깨달았습니다ㅎㅎ
분석가로 연차가 적진 않지만, 오늘 처음으로 데이터리안 세미나를 듣게 되었어요. 고민하던 주제에 대해 다양한 분들의 의견을 들을 수 있어 좋았습니다. 앞으로도 흥미로운 주제 기대하겠습니다~
다음 세미나에서 또 만나요!
