[스쿨선발대] 데이터 사이언티스트 시작하다.

안녕하세요. 스콘입니다.

오늘은 제 얘기와 함께, 데이터 사이언티스트 라는 직무를 꿈꾸게 된 계기, 그리고 제로베이스 데이터 사이언스 스쿨을 듣게 된 경위에 대해서 얘기해볼까 합니다.

 

1. 데이터 공부를 하기 전..

약 1년 반 동안 한국은행을 준비했었습니다.

타 취업과는 다르게 유난히 정보가 폐쇄적이며, 수험생 수가 적었기 때문에 정보를 얻기 위해 발품을 많이 팔아야 했어요. 

 

학교에 없는 경제 과목을 청강하기 위해 교수님들께 문의 메일도 많이 넣었었고, 서울대 친구의 아이디를 빌려 학교 커뮤니티 사이트도 들어가보곤 했습니다. 

 

청강 관련 교수님 대화에서 발췌

 

스터디를 구하기가 어려워 연합 스터디 또한 제가 구축해서 진행했습니다. 다행인지 불행인지 코로나가 터져 학생들이 교내 스터디를 구하지 못해 제가 만든 스터디에 들어왔었죠.

그러나 타 대학교 학우들과 정보 교류를 해보아도 정보가 부족하다는 것을 느꼈고, 그때부터 제 취준 생활은 확신이 아닌 신념의 영역에 있었던 것 같습니다.

 

 

2. 제로베이스 데이터 사이언스 스쿨을 하게 된 경위

 

한창 코펜하겐 노트를 가지고 시계열을 공부할 때, 잘 모르겠는 개념을 검색할 때마다 항상 데이터 사이언스 블로거 분들의 글이 올라오는걸 보고 데이터 직무에 대한 생각을 진지하게 하게 됐습니다.

한국은행 준비를 그만두고 다른 금융 공기업을 준비해야할까, 아니면 증권사를 준비해야할까 고민하던 차에 데이터 직무는 미처 생각 못했던 매력적인 하나의 길이었습니다.

경영학 원론 시간에 배웠던 SWOT 분석을 이렇게 쓰게 될 줄은 전혀 몰랐네요. 본문의 다음 절에서 밝히겠지만 데이터 사이언티스트는 단순히 끌리는 것을 넘어서 저에게 가장 매력적인 선택지였습니다.

 

사실 17년도에 데이터 직무에 대한 호기심에 커세라에서 인공지능 수학에 대한 수업을 듣기도 했었고, 독학으로 ADSP 자격증을 취득했었기 때문에 완전히 낯선 영역은 아니었습니다.

 

다만 당시 전공이 경제학 분야이다보니, 어떻게 공부해야하는지 모르는 분야 보다는 갖춰진 학습 인프라가 있는 방향으로 가자라는 생각에 경제학을 공부하게 됐던 겁니다. 그리고 17년도 당시에는 OKKY 등의 개발자 커뮤니티를 참고해 보았을 때, 긍정적인 말들 보다는 부정적인 말들이 많았기 때문에 더 그랬던 것 같습니다.

 

체계적인 시스템과 취업 프로세스에 대한 생각이 간절했던 차에 제로베이스는 정말 저에게 단비 같은 존재가 되어주었습니다.

여타 데이터 직무 커리큘럼과 비교해보았을 때,

가장 알찬 커리큘럼이었고, 단순히 이론 수업을 진행하는 것 뿐만 아니라 Project Based Learning로 실무 분석 단계를 매번 거침으로써 실제로 실무에 적합한 인재를 양성한다는점이 마음에 들었습니다.

 

또한 채용 프로세스에 있어서도

벤처 캐피탈사와 벤처 캐피탈사의 포트폴리오에 포함된 기업들, 50여개의 기업들이 제로베이스 스쿨 수료생 채용에 참여한다는 점이 신뢰를 가져다 줬습니다.

 

그 외에도 취업을 위한 포트폴리오 작성, 기술 블로그 작성 요령, 코딩 테스트 준비, 커리어 상담 등

 

모든걸 혼자 준비하던 것에 지쳐있던 저로서는 최선이자 최고의 선택이 아니었나 싶습니다.

 

 

 

 

 

3. 왜 데이터 사이언티스트인가?

 

앞서 말한 SWOT 분석을 통해 왜 데이터 사이언티스트를 선택했고, 앞으로 어떠한 전략과 함께 어떠한 노력을 해야하는지 밝히고자 합니다.

 

* S와 W는 개인의 내부적 상황 하에서 강점과 약점을 의미한다.

* O와 T는 외부의 환경 하에서 얻을 수 있는 기회와 가해질 수 있는 위협을 의미한다.

 

[ SWOT Component ]

• Strength
  * 경제학을 공부를 계속 해오다보니 수학적 사고에 능숙하다.
  * 내가 공부해온 경제학 에서의 동태적 프로그래밍에서, 주어진 제약 하 Object를 구하는 과정과, 데이터 사이언티스트가 주어진 데이터 하에서 object를 구하는 그 과정이 유사하다.
  * 논문을 읽는데 거부감이 없다.
  * 현상을 보고 의미를 통찰하는 것을 좋아한다.
  * 주도적으로 탐구하며 새로운 시도를 하는 것을 좋아한다.
  * 협업을 통해 공동의 목적을 추구하는 것을 지향한다.
• Weakness
  * 아직 어떠한 산업군에 들어갈지 모르기 때문에, 내가 들어갈 산업군에 대한 도메인 지식이 충분하지 않다고 말할 수 있다.
  * 컴퓨터 공학을 부전공하기는 했으나, 주로 수학 수업을 위주로 들었기 때문에 코딩 지식과 컴퓨터 소프트웨어 관련 지식이 부족하다.
  * 데이터 사이언티스트는 주로 석사 이상의 고스펙 학력을 보나, 나는 현재 학부 졸업유예생이며 심지어 비전공자이기 때문에 학위가 부족하다.
  * 이제 막 데이터 사이언티스트로서 입문했기 때문에 관련 실무 경험이 전무하다.
• Opportunites
  * 시장 정보와 데이터가 기하급수적으로 많아지고 있는 반면, 데이터를 처리하는 사람의 증가 속도는 한정적이기 때문에. 수요와 공급의 원리에 의해 데이터 직무는 상대적으로 수요가 현저히 많다.
  * 컴퓨팅 파워의 상향으로 데이터 직무는 기업 전반에 보편화 되고 있는 트랜드에 속한 직군이다. 또한 이는 단기적으로 뿐만 아니라 장기적으로도 트랜드에 속한 미래 일자리로 보인다.
  * 처리해야할 데이터가 양적으로도, 질적으로도 많아지고 있기 때문에 이를 복합적으로 모델링할 수 있는 데이터 사이언티스트의 역할이 무궁무진하다. 
  * 고스펙자를 요구하는 만큼 좋은 처우를 받을 확률이 높다.
• Threat
  * 데이터 사이언티스트의 직무에 대한 기업들의 인식이 부족하다. 데이터 구조를 다루는 백엔드 개발자와 데이터 모델링을 하는 데이터 사이언티스트를 구별하지 못하는 기업이 많다고 한다.
  * 데이터 사이언티스트는 완성된 프로젝트를 통해 성과를 입증해야하기 때문에 매번 성과를 보여주기가 어렵고, 후속 프로젝트가 계속 이어지는 회사는 특정 잘나가는 IT 회사를 제외하고는 보통은 없다고 한다. 따라서 단발성 프로젝트를 위해 기업에 들어간 이후, 프로젝트가 끝나면 기업 내 위치가 모호해질 수 있다. 
  * 정제되어 있는 데이터를 가지고 있는 회사가 드물기 때문에 데이터 사이언티스트로서 일을 하지 못할 가능성이 크다.
  * 변화하는 트렌드에 맞춘 지속적인 공부가 필요하다. 우수한 경쟁자들 사이에서 치열하게 공부하지 않으면 살아남기 어려울 수 있다.

[MIX strategy]

• S/O 전략
  * 수학적 사고와 경제학적 모델에 대한 경험을 가지고 데이터 모델링에 대해 잘 접근할 수 있다.
  * 변화하는 트랜드와 기술에 맞춰 현상을 새로히 통찰할 수 있다.
  
  
• S/T 전략
  * 주도적으로 탐구하여 단순히 회사에서 주어진 일을 하는 것이 아니라, 나 스스로 일을 창출해나갈 수 있다.
  * 논문을 읽는데 거부감이 없기 때문에, 지속적으로 공부를 하는데 있어서 무리가 없다.
  * 데이터 사이언티스트는 데이터를 가지고 수익을 내는 모델을 만들어내야하는 사람으로써, 프로젝트 전반에 대한 이해를 하고 있어야, 관련한 의사 결정에 관여할 수 있다. 공동의 목적 (모델 구현을 통한 수익 발생)을 위한 협업을 잘하기 위해서라도 데이터 직무 전반에 대한 이해가 필수적이며, 따라서 정제되어 있지 않은 데이터를 가지고도 일을 잘 할 수 있어야 한다. 
  
  
• W/O 전략
  * 데이터 직무는 기업 전반에 보편화 되고 있는 트랜드에 속하기 때문에, 상대적으로 적은 제약 조건 하에서 내가 관심있는 분야가 어디인지, 이 사업을 발전 시키기 위해 어떤 분석이 필요한지, 어떤 데이터를 다뤄야할지 주제를 정하고, 분석을 해보고, 정리하는 시간을 가질 수 있다. ( 신문 스크랩을 통해 이러한 노력을 할 수 있다. )
  * 부족한 학위와 경력, 지식 등을 메꾸기 위해 남은 6개월의 교육과정 동안 한달을 마치 1년 처럼 공부해야, 기업에서 원하는 고스펙의 경력자와 비등해질 수 있다.
• W/T 전략
  * 취업한 후에도 지속적으로 공부는 병행되어야한다. 따라서 단기간에 벼락치기 하듯 공부하는 것 보다 장기적으로 남을 수 있게 공부해야하며, 기술 블로그 작성, 깃헙 커밋 등을 통해 머리에 오래 남으며, 두고두고 볼 수 있는 장기적인 공부를 할 수 있다.
  
  

4. 정리 및 각오

SWOT 분석을 통해, 데이터 사이언티스트가 과연 나에게 맞는 직무인지 보다 명시적으로 파악할 수 있었습니다.

또한 무엇보다도 AI 모델링이나 패턴화 등을 통해 데이터를 여러 관점에서 살펴 볼 수 있으며, 이를 통해 인사이트를 얻어내는 데이터 사이언티스트가 너무나도 매력적으로 느껴지기 때문에 나는 데이터 사이언티스트의 길을 가고자합니다.

 

데이터 사이언스 관련 전공으로 대학교 4년, 대학원 석사까지 2년. 통상적으로 데이터 사이언티스트는 도합 6년간의 공부와 경험을 거친 사람들이 오는 직무라고 하네요.

 

제로베이스에서 앞으로의 6개월 기간 동안, 한달을 1년처럼 보내면 나 또한 그들과 대등한 조건을 갖출 수 있다는 말씀을 들었습니다.

 

할 수 없다는 생각이 전혀 들지 않았고.

저는 신념이 아닌 확신의 영역에서 길을 가고자 합니다.

 

 

 

 

 

이 글은 데이원컴퍼니로부터 소정의 원고료를 지급받아 작성되었습니다.