마술사? 유니콘? 데이터 과학자가 말하는 ‘업무와 비전’

올해 초 데이터 과학자가 2016년 ‘가장 뜨는 직업’으로 선정되면서 세간의 주목을 받았고 그 어느 때보다도 관심을 받게 됐다. 백악관도 데이터 과학자를 영입했다.

마술사. Credit: Jin

데이터 과학자의 기본급 중간값은 대략 11만 6,840달러다. 자질만 있다면 말이다. 그렇다면 데이터 과학자가 되는 데 무엇이 필요할까? 현재 데이터 과학자로 일하는 3인에게 데이터 과학자로서 어떤 일을 하고 어떻게 될 수 있었는지 들어보자.

데이터 과학자의 일과
데이터 과학자들은 당연히 수많은 시간을 데이터 작업에 할애한다. 확실하지 않은 것은 회의와 대면 시간도 이들 업무에서 큰 부분을 차지한다는 점이다.

레이턴트뷰 애널리틱스(LatentView Analytics)의 데이터 과학자 겸 계정 관리자인 타누 조지는 “보통 회의로 하루를 시작한다”고 말했다. 조지에 따르면, 이러한 회의는 고객사의 비즈니스 문제 파악, 진행 상황 확인, 보고 등 여러 가지 목적이 있다.

타누 조지는 레이턴트뷰 애널리틱스 데이터 과학자다. Credit: LATENTVIEW ANALYTICS

조지의 회의는 오전 중에 끝난다. 그녀는 “이때 우리는 숫자 입력을 시작하는 데 보통 앞선 회의에서 나온 질문에 대답하려 하는 데 집중되어 있다. 오후는 보통 그 수들을 해석하는 목적의 협업 회의가 있고 이후 분석과 결과를 하루 마지막에 이메일을 통해 공유한다”고 설명했다.

대략 조지의 시간 50% 정도가 회의에 쓰인다고 그녀는 추산하는 데 나머지 20%는 계산 작업, 30%는 해석과 시각화, 실행 가능한 형태로 데이터를 넣는 데 쓰인다.

온라인 교육 사이트 스프링보드(Springboard)의 독립 데이터 과학자이자 멘토인 라이언 로사리오의 하루 중 큰 부분을 차지하는 것 역시 고객들과의 만남이다. 로사리오는 “고객들은 문제와 어떤 결과를 보고 싶은지에 대해 설명한다”고 전했다.

다음으로는 어떤 유형의 데이터가 필요한지에 대한 논의가 이어진다. 로사리오는 “실제로 데이터가 없거나 어디서 얻는지 고객사가 모르는 경우가 많다”며 “나는 그 데이터를 어떻게 얻을지 계획하는 것을 돕는다”고 설명했다.

라이언 로사리오는 독립 데이터 과학자이자 엔지니어다. Credit: RYAN ROSARIO

주로 의료 산업을 공략하는 미드애널리틱스(MedeAnalytics)의 예측 분석 과학자인 버지니아 롱은 “수많은 데이터 과학자들이 데이터 작업보다는 회사나 클라이언트에 이게 어떤 의미인지에 대한 큰 그림을 이해하는 데 더 노력하고 있다”고 말했다. 이어서 “첫걸음은 이 분야를 이해하는 것이다. 나는 맥락을 찾아 그 문제를 이해하는 데 많은 시간을 할애할 것이다”고 부연했다.

롱은 “그다음 누가 어떤 종류의 데이터를 가졌는지 알아내는데, 가끔씩 그게 문제”라고 이야기했다. 이어서 “사람들은 데이터를 사용해 결정을 내는 개념을 좋아하지만 가끔 그렇게 하기 위한 적절한 데이터가 없다. 적절한 데이터를 수집할 수 방법을 알아내는 것이 가끔 내 일이 된다”고 덧붙였다.

그다음 데이터가 들어오면 ‘파헤치고’ 이해하는 일이 이어진다. 롱은 “기본적인 배경 조사의 이면”이라며 “실제 데이터에 뭐가 있는지 찾는 것이다. 아주 사소할 수 있지만 가끔 그냥 지나쳤을 것들을 찾게 될 것이다”고 설명했다.


버지니아 롱은 미드애널리틱스의 예측 분석 과학자다. Credit: VIRGINIA LONG

롱은 내외부 활용을 위해 데이터 과학 기법 작동 방식을 일반적으로 설명한 교육 자료 준비에도 시간을 쓴다.

그녀는 “여러 이야기들 속에서 사람들은 기계 학습 같은 것을 보고 밝은 외관만 보게 될 것이다. 그들은 ‘오 우리 저거 해야 해’라고 말할 것”이라고 이야기했다. 롱에 따르면, 매일 일부는 최소한 무엇이 가능하고 그게 어떻게 작동하는지 설명에 할당된다.

데이터 과학자들이 꼽은 ‘좋아하는 일 vs. 싫어하는 일’
회의는 조지가 일과 중 가장 좋아하는 일이다. “회의는 내 일을 좋아하게끔 만들어 준다”고 그녀는 강조했다.

과거 페이스북에서 기계 학습 엔지니어로 일했던 로사리오에게 가장 좋은 일은 시간이 지나면서 바뀌었다.

그는 자신이 실리콘 밸리에서 일했을 때 가장 좋아하던 일은 데이터를 다루는 것이라고 회고했다. “데이터는 종종 너저분한 포맷으로 들어오거나 특정 소프트웨어에서만 이해할 수 있었다. 나는 이를 소화할 수 있는 포맷으로 옮겼다”고 말했다.

컨설턴트로서 그는 사람들에게 데이터가 무엇을 할 수 있는지 보여주기 좋아한다.
“수많은 사람은 자신들에게 데이터가 필요하다는 점을 알지만, 데이터로 무엇을 할 수 있는지는 모른다”고 그는 이야기했다. 이어서 “마치 마술사가 되어 그들에게 가능성을 열어주는 것처럼 느껴진다. 그런 탐사와 전문가다운 일이 내가 가장 즐기는 부분이다”고 강조했다.

롱이 좋아하는 일은 많은데, 여기에는 해결해야 할 문제의 맥락을 조사하는 초기 단계와 필요 데이터를 얻는 방법을 알아내고 여기 뛰어드는 것 등도 포함된다.

비록 몇몇 보고서는 데이터 과학자들이 여전히 과도하게 많은 시간을 ‘잡일’에 쓰고 있다는 점을 시사하지만 롱은 이를 잡일이라고 생각하지 않는다고 말했다. 그는 이것을 ‘문제를 파고 이해하는 일부’로 간주했다.

싫어하는 일에 대해 롱은 ‘프로젝트 관리’를 꼽았다. 롱은 “프로젝트 관리에서 종종 우선순위를 조정하면서 다른 모든 사람의 우선순위를 관리하는 데 시간을 써야 한다”고 설명했다.

통계와 데이터 과학 교육을 받은 로사리오에게 시스템 구축과 소프트웨어 엔지니어링은 그가 집중도를 낮추고 싶은 부분들이다.

데이터 과학자 준비
데이터 과학에 상당한 교육이 필요한 것은 누구나 아는 일이고 여기 3명의 전문가도 예외는 아니다. 레이턴트뷰 애널리틱스의 조지는 전기전자과 학사가 있고 MBA를 졸업했다.

로사리오는 통계와 수학 학사 학위가 있으며 UCLA에서 통계와 컴퓨터 공학 석사를 받았고 현재는 통계 박사과정을 마무리하고 있다.

미드애널리틱스의 롱은 행동 뇌 과학 박사로 학습, 기억, 동기부여를 전공했다.

롱은 과학계에서 수행되는 실험들을 언급하며 “나는 데이터 쫓아다니느라 지쳤다”고 이야기했다. 이어서 “과학자로서 일의 절반은 데이터 분석이고 나는 정말 그 측면을 좋아했다. 또 실용적 차이를 만드는 데도 관심이 있었다”고 전했다.

데이터 과학자의 다음은?
앞으로는 데이터 분석은 어떻게 전개될까?

조지는 사물인터넷 같은 개발들을 언급하며 “미래에 훨씬 더 많은 데이터가 온다고 생각한다”며 말했다. 조지에 따르면, 앞으로 모든 고위 중간 관리 역할들은 일종의 데이터 관리 측면을 통합하게 될 것이다.

로사이로는 스트리밍 데이터에 관한 관심이 점점 더 커지고 있으며 이는 수많은 작업이 필요함을 의미한다는데 동의했다. “우리는 데이터 스트림을 합칠 수 있는 시스템과 알고리즘 개발에 훨씬 더 많이 주력하게 될 것이다. 사물인터넷과 스트리밍 데이터 같은 것들이 다음 개척지로 보인다”고 전망했다.

그는 보안과 프라이버시가 이 과정에서 해결해야 할 중요한 문제가 될 것이라고 덧붙였다.

롱은 데이터 과학자들이 여전히 ‘유니콘’이 되라는 기대를 받고 있다고 밝혔다. 이는 데이터 과학자들이 코딩, 데이터 조작, 데이터 분석 등 모든 것들을 혼자 해낼 기대를 받음을 의미한다.

롱에 따르면, 한 사람이 모든 것을 책임지게 하는 것은 어렵다. 그녀는 각기 다른 유형의 능력을 갖춘 여러 사람의 미래가 될 것으로 기대했다.

조언 한마디
데이터 과학자를 고려하는 이들에게 로사리오는 최소한 석사 학위를 따라고 조언했다. 그는 데이터의 관점에서 생각해 볼 것을 권했다.

“우리 모두 우리를 둘러싼 재정 관리나 휴가 계획 등 문제들이 있다. 데이터로 그런 문제들을 해결하는 방법을 생각해보라. 만약 데이터가 존재하면 그 데이터를 찾으려 노력해보라.”

초기 포트폴리오-구축 경험에서 공통된 조언은 캐글(Kaggle) 같은 사이트에서 데이터 세트를 찾고 그를 활용해 해결될 수 있는 문제를 해결하라고 것이다. 로사리오는 “거꾸로 하는 방법도 제안한다”며 “문제를 선택하고 그 문제 해결에 필요한 데이터를 찾아라”고 조언했다.

미드애널리틱스의 롱은 ‘일종의 과학적 방법 혹은 문제에 당신이 접근하는 방법’을 최고의 접근 방법으로 꼽았다. 롱은 “그게 당신이 데이터를 다루고 활용하는 방법을 결정할 것이다”고 강조했다.

이어서 롱은 “툴 사용법은 배울 수 있지만 문제 해결 방식 감각은 스스로 부딪혀서 익히고 경험해야 하는 부분”이라고 당부했다.

물론 궁극적으로 데이터 과학자들은 자신들의 결과물을 내놓아야 한다고 조지는 지적했다.

그녀는 “자세한 내용을 많이 알고 있고 만약 당신이 훌륭한 이야기꾼이며 구체적으로 이야기를 구성할 수 있다면 그보다 더 좋은 것도 없다”고 덧붙였다.

dl-ciokorea@foundryco.com