데이터 과학자의 인기가 치솟고 있다. 하지만 데이터와 과학을 잘 안다고 해서 반드시 훌륭한 데이터 과학자가 되는 것은 아니다. 기업이 훌륭한 데이터 과학자에서 찾아야 하는 역량은 무엇인지 알아보자.
다양한 산업에 속한 기업들이 새롭게 떠오르는 빅데이터 분석을 검증하고 비즈니스 성과를 향상시키기 위해 데이터를 어떻게 활용할 수 있는지를 탐구하고 싶어한다. 오늘날 데이터 과학자에 대한 수요가 급증하고 있는 가운데, 실속 있고 효과적인 과학자들의 핵심 특성을 알아보고자 한다.
작년 한해 폭넓은 비즈니스와 사회 분야에 있어서 빅데이터가 가져올 수 있는 긍정적인 효과에 대한 인식이 커짐에 따라 빅데이터에 대한 갈증은 더욱 거세지게 되었다. 2015년으로 접어드는 지금도 이러한 경향은 점점 더 강해지고 있다.
2015년과 그 이후에 벌어지리라 생각되는 한가지 변화는 기술 분야뿐 아니라 분석 분야에 이르기까지 초점이 확대된다는 점이다. 너무나도 많은 사례에서 보아왔듯, 데이터 수집 기술, 시스템, 플랫폼에만 의존하는 이들은 원래의 기대치를 충족시키지 못하곤 했다. 분석 부분이 핵심이고, 실제 가치 창출은 막대한 양의 데이터를 훑어내고 복잡한 수학 기법을 적용하고 실행하며 활용할 수 있게 되면서 목적에 부합하는 결과물을 도출할 수 있느냐는 데이터 과학자들 개개인의 능력에 좌우됐다.
예상한 바와 같이 이런 능력을 가진 인재들에 대한 수요가 높다. 예를 들어 영국에서는 2020년까지 매년 대략 5만 6,000명의 빅데이터 관련 일자리가 생겨나서 데이터와 분석 관련 일자리 성장률을 160%까지 끌어올릴 것이다. 전세계 대학들은 그런 수요 증가에 대처하기 위해 진짜 데이터 과학자들을 교육시키기 위해 노력하고 있다. 예를 들어 노스웨스턴 대학은 최근 데이터 과학자 육성에 특화된 새 프로그램을 발표했다. 노스웨스턴 대학은 그런 데이터 과학 교육을 전담하는 예측 분석 석사(MSPA) 프로그램을 제공하고 있다. 상상하는 바처럼 이런 예비 데이터 과학자들은 뜨겁게 달아오른 채용 시장에 눈독을 들이고 있는데, 조지워싱턴대 비즈니스스쿨에서 운영하는 2년 과정의 애널리틱스 석사 프로그램의 등록자 수가 거의 2배로 뛰었다는 점에서도 확실히 이런 경향을 알 수 있다.
이런 능력을 가진 인재들에 대한 수요와 기존의 인재 부족 상황은 많은 회사들이 발빠르게 IT업체나 직원 채용 결정을 내리기 쉽게 만들고 그로 인해 판단과 실수에 있어서의 오류로 이어질 가능성이 높아짐을 의미한다.
이 모든 게 한가지 질문을 하게 만든다. 좋은 데이터 과학자란 무엇인가? 필자는 ‘데이터’와 ‘과학’에만 실력을 가진 이들은 좋은 데이터 과학자가 될 수 없다고 확신한다. 좀더 자세히 이야기하면, ‘데이터’와 ‘과학’에 뛰어난 것은 필요한 능력이지만, 그렇다고 해서 좋은 데이터 과학자가 되지 않는다는 의미다.
그래서 데이터 과학자들을 간절히 필요로 하는 회사들을 돕기 위해 필자는 채용 담당자와 경영진이 적합한 분석 업체를 선택할 때 신경 써야 하는 대표적인 특성들을 정리해 보았다.
과학으로 들어가기 전에 비즈니스 맥락 이해하기
훌륭한 데이터 과학자들은 비즈니스의 맥락을 이해하는데 시간을 할애할 것이다. 대부분의 상황에서는 문제가 무엇인지에 정확히 파악하는 경우가 많지 않다. 좋은 데이터 과학자라면 비즈니스 파트너와 함께 그 문제를 함께 발견할 것이다. 그들은 질문을 명확히 해주고, 다른 연관 문제/기회들을 논의하고, 여러 접근방식을 공유할 것이다. 그리고 추구해야 할 특정 기회와 이니셔티브로부터의 고위급 기대에 대한 폭넓은 공감대를 형성할 것이다. 이 모든 과정들은 데이터 입력과 통계 모델링 작업에 들어가기도 전에 완료된다.
불완전성 받아들이기
수학은 딱딱 맞아떨어진다. 데이터베이스 코드는 정확하다. 하지만 실제 세계는 그렇지 않다. 데이터는 여기저기 흩어져 있고 모든 데이터가 정확한 것도 아니다. 어떤 데이터 문제는 쉽게 고쳐지지만, 어떤 문제들은 상당한 노력을 기울여야 해결할 수 있고, 어떤 데이터는 해결하는 게 거의 불가능하다. 훌륭한 데이터 과학자들은 실제 세계의 이런 어지러움을 알고 있으며, 이를 당연하게 받아들인다. 그들은 완벽한 데이터가 존재하지 않는 상황에서도 일을 추진해나가는데 능숙하다. 완벽한 데이터는 교과서에나 존재하기 때문이다.
결과물로 나아가기
기업은 결과물로 향해 진전해 나간다. 사람들이 당장은 ‘멋진’ 통찰과 생각들을 편하게 생각할 수 있지만, 궁극적으로는 실질적인 가치를 만들어내는 데이터 과학자들을 존경하게 될 것이다. 훌륭한 데이터 과학자는 이에 대해 알고 있다. 처음부터 그들은 어떻게 최종 추천사항이 이행될지 그리고 거기서 어떻게 거꾸로 일할지를 신경 쓴다. 그들은 인간이건 자동화된 시스템이건 상관없이 그들 작업의 최종 사용자들에 나름의 독특한 제약과 뉘앙스가 결부된다는 점을 이해한다. 그렇기 때문에 그들은 추천사항이 이행될 수 있고 실질적 가치가 매번 창출될 수 있는 방식으로 접근방식을 계획한다.
효과적인 커뮤니케이션, 특히 비즈니스 관리자들과의 소통
빅데이터는 그냥 기술이나 통계적 전략이 아닌 비즈니스 전략이다. 훌륭한 데이터 과학자는 그 핵심 차이점을 잘 이해하는 이다. 그들은 자신들의 조직이 비즈니스 측정치 향상이라는 최종 목표를 위해 빅데이터를 채택했다는 점을 이해하기 때문에, 비슷한 방식으로 소통한다. 이는 더 적은 ‘데이터’와 더 많은 ‘통찰과 추천사항’을 의미하며 비-데이터 과학자가 발견사항을 이해하고 여기에 반응하기 더 쉽게 만들어준다는 점을 뜻한다. 또 분석의 ‘어떻게’ 부분은 이야기를 줄이고, ‘그래서 무엇을’ 부분에 더 초점을 맞춘다는 것을 의미한다.
배움에 대한 갈증
분석과 빅데이터의 세계는 급속도로 변화하고 있다. 새로운 기술, 새로운 사용 사례, 새로운 플랫폼이 계속해서 나타나고 있다. 현재 누군가가 가진 능력은 현재에만 유효한 능력일 뿐이다. 훌륭한 데이터 과학자는 자신의 한계를 계속 넘어서고, 더 나아가 조직의 한계도 넘어서게 만든다. 그들은 새로운 데이터 관리 기술을 시험해보고, 새로운 사용 사례를 평가하며, 더 적게 쓰이는 통계적 알고리즘에 스스로를 익숙하게 만든다. 훌륭한 데이터 과학자는 지속적인 성공에 지속적인 배움과 교육이 필요하다는 점을 잘 이해하고 있다.
이게 전부다. 훌륭한 데이터 과학자를 찾을 때 살펴보아야 할 핵심 특성은 ‘데이터’나 ‘과학’적인 부분에 있는 게 아니다. 당신의 회사는 데이터 과학자를 찾기 위해 지금까지 어떻게 해왔나?
*Saurabh Sharma는 인더스인사이트(Indus Insights)의 창업자이자 CEO다. dl-ciokorea@foundryco.com
