데이터 분석가가 데이터 과학자와 구별되어야 하는 네가지 이유

지난 몇 년 동안 데이터 과학자 수가 대폭 증가했습니다. 데이터 과학자는 여러 가지로 정의될 수 있겠지만, 이들이 미친 가장 큰 영향 중 하나는, 중요하고 오래된 또 다른 직군인 데이터 분석가에 대한 인식을 바꾸어 놓았다는 것입니다. 분석 및 데이터 과학 분야에서 지난 10년간 몸담으며 얻은 경험을 바탕으로, 데이터 과학자의 늘어나는 인기가 데이터 분석가를 바라보는 우리의 시선에 영향을 주어서는 안되는 이유들을 살펴봅니다.

데이터 분석가 및 데이터 과학자의 미래

저는 미래의 데이터 분석가 및 데이터 과학자의 역할을 구체화하는 것을 목표로 크리테오의 여러 부서 리더들로 구성된 ‘글로벌 분석 및 데이터 과학 협의회(Global Analytics and Data Science Council)’의 일원으로 참여하고 있습니다. 이러한 이니셔티브의 일부로, 데이터 과학자라는 직책의 등장과 그와 관련된 여러 유행어들을 다루게 되었습니다.

크리테오 외부에서도 저는 혁신적인 스타트업 및 중견기업의 여러 전문가들과 의견을 주고받을 기회가 있었습니다. 이 주제에 대한 모든 대화는 한가지로 귀결되었습니다. 데이터 과학자의 등장으로 인해 지금까지 지속되어 온 데이터 분석가의 중요성이 얼마나 평가절하되었는가 하는 것입니다.

데이터 과학자와 데이터 분석가는 얼핏 혼동될 수도 있지만, 통상 데이터 과학자는 데이터 분석가가 업그레이드된 더 나은 버전으로 인식되곤 합니다. 안타까운 일은 데이터 분석 담당자들 스스로가 자신의 직책이 구식이라도 된 것처럼 데이터 과학자로 직책명을 바꿔야 한다는 부담을 느낀다는 사실입니다. 이 두 직책이 갖춰야 하는 역량의 측면에서 겹치는 부분이 있는 것이 사실이지만, 중요한 몇 가지 차이점이 존재합니다. 데이터 중심의 조직에서 두 직책은 모두 중요한 역할을 합니다. 그러나 몇 가지 이해해야만 하는 사항이 있습니다.

데이터 분석가는 데이터 과학자의 전신이 아닙니다.

여기까지 글을 읽고 나서, 데이터 분석가가 진화에서 자연 도태된 데이터 과학자의 ‘선조’라는 인상을 갖게 될 수도 있을 것입니다. 그러나 이는 올바르지 않은 관점입니다. 이유는 다음과 같습니다.

1. 두 직책의 구분은 유행하는 주제와 단어에 너무 중점을 둡니다.

빅데이터 시대가 가고 머신 러닝에 이어 이제 인공 지능(AI)이 화두가 되었습니다. 업계에서 데이터 과학자라는 명칭도 같은 길을 걸어 왔습니다.

많은 기업들이 데이터 과학자라는 직책을 제공하며 실력 있는 분석가들을 영입하려고 합니다. 데이터 과학자가 100% 적절한 호칭은 아니지만 더 근사해보이기 때문입니다. LinkedIn 구인 데이터를 잠깐 살펴보아도 데이터 과학자가 데이터 분석가보다 3배 더 많습니다.

2. 오해로 인해 데이터 분석가의 가치가 절하되고 있습니다.

데이터 분석가와 데이터 과학자에서 공통적으로 요구되는 자질이 있지만, 이들의 목표가 두 직책을 구분하는데 도움이 되어야 합니다. 두 직책은 동일한 역량을 사용하거나 발전시키도록 기대되지 않습니다.

데이터 분석가는 비즈니스와 관련해 즉각적으로 실행할 수 있는 인사이트를 얻는데 중점을 둡니다. 비즈니스 의사결정권자들과 더 밀접하게 관련되어 일하고, 더 엄격한 시간 제약을 받습니다. 데이터 분석가의 일은 수명이 비교적 짧은 사안, 치열한 경쟁 환경, 고객과의 실시간 면담, 수익 압박 등 비즈니스 리더들이 직면하고 있는 것과 같은 제약 조건에서 전략적으로 비즈니스 의사결정을 추진할 수 있도록 지원하는 것입니다.

보다 장기적인 사안을 지원할 수 없다는 말은 아니지만, 이는 분석가들이 가장 큰 가치를 발휘하는 분야는 아닙니다.

3. 데이터 분석가들은 업계의 생태계, 제품, 그리고 시장 수치들을 잘 압니다.

실제로, 기업의 임원이 되고자 한다면, 데이터 분석가로서의 경험 기반이 성공에 도움이 될 수 있습니다. 무엇을 할 수 있고 없고의 문제만은 아닙니다. 어떤 비즈니스 효과를 원하는지의 문제이기도 합니다.

데이터 분석가들은 다양한 부서의 관련자들과 소통하며 결과를 세부적으로 나누는데 도움을 줄 수 있는 더 나은 위치에 있습니다. 이들은 대화의 대상에 따라 용어와 어조를 쉽게 바꿀 수 있습니다.

4. 많은 임원들이 데이터 분석가를 비즈니스를 위한 컨설턴트로 여깁니다.

실제로, 저는 여러 다른 기업들에서 데이터 분석 또는 데이터 과학이라 부를 수 있는 팀들을 이끌어 왔습니다. 예를 들어, 심도 있는 분석과 예측 도구 등을 적절하게 활용하면 데이터 과학자들이 어떠한 막대한 가치를 더해줄 수 있는지를 경험을 통해 잘 알고 있습니다.

그러나 비즈니스 전략과 이해에 영향을 주는 것에 관한 한, 데이터 과학자들이 데이터 분석가를 대체하지는 않을 것입니다. 소중한 비즈니스 자문가로 생각하는 데이터 분석가와 보다 밀접하게 협력하길 원하는 기업 임원들이 늘어가고 있다는 사실은 확실합니다.

데이터 분석가와 데이터 과학자들은 함께 진화해갈 때 가장 강력한 힘을 발휘합니다.

데이터 과학이라는 호칭의 등장은 데이터 분석가와 데이터 과학자가 각기 어떠한 가치를 더해주는지 확실하게 이해하는데 도움을 주었습니다. 이는 데이터 분석가의 중요성을 다시금 생각해보고 시간을 들여 그 장점을 강조해볼 수 있는 완벽한 기회입니다. 데이터 분석가들의 롱런을 기대합니다!