데이터 직군 총정리! 데이터 엔지니어부터 데이터 사이언티스트까지

안녕하세요, 오늘은 패스트캠퍼스 부트캠프 2일차로 현직자 강의를 들었습니다!

왜 데이터 드리븐이 중요한지, 실제 비즈니스 적용 사례 등 빅데이터에 대한 내용들과 데이터 관련 직군에 대해 더 깊이 알게 되었습니다.

특히나 강의해주신 현직자분도 비전공자에서 데이터 사이언티스트가 되신 케이스라 강의가 더 와닿았던 것 같아요!

그 중에서도 저처럼 데이터 직군 관련해서 처음 관심을 가지신 분들이 꼭 알았으면 하는 내용을 공유드리도록 하겠습니다.

---

데이터 관련 직무들의 종류 & 하는 일

 

출처: https://www.youtube.com/watch?v=fLVEfcCAA2Q

 

 

데이터 엔지니어 (Data Engineer)

데이터 엔지니어는 데이터 분석가, Product Analyst, Business Analyst, 데이터 사이언티스트 등이 데이터를 활용할 수 있도록 데이터 분석 환경을 구축하고 관리하며 서포트하는 사람입니다.

 

핵심업무로는 데이터 수집(Extract), 가공(Transform), 적재(Load)하는 업무인 ETL을 할 수 있는 데이터 파이프라인을 설계하고 구축하는 것입니다.

• ETL : 데이터를 먼저 저장하고 이후에 변형하는 방식
• 데이터 파이프라인 : 매 시간 수집되는 데이터들이 각 팀들마다 필요한 곳에 데이터가 흘러갈 수 있게 해주는 시스템

데이터 엔지니어에게 필요한 역량

• 프로그래밍 언어를 능숙하게 다뤄야 함 (Python, R, SQL, Excel 등)
• 데이터베이스와 데이터에 대한 깊은 이해도를 가져야 함
• 데이터에 관한 모든 업무에 관련이 있기 때문에 유관부서와의 커뮤니케이션 능력 중요함
• 클라우드 서비스에 대한 경험도 중요함

 

데이터 분석가 (Data Analyst)

 

데이터 분석가는 보유한 데이터를 통해 문제를 정의하고 기술을 접목하여 문제를 해결하는 사람입니다.

즉, 데이터에서 인사이트를 발견해 회사의 의사결정을 돕는 일을 합니다.

 

핵심 업무로는 데이터 수집 → 데이터 정리 → 통계 분석 및 모델링 →  대시보드 및 보고서 생성 이 있습니다.

 

데이터 분석가에게 필요한 역량

• 데이터 분석 도구와 프로그래밍 언어를 잘 다뤄야 함 (Python, R, SQL, Excel)
• 분석 결과를 직관적으로 보여주는 시각화 도구를 잘 다루는 것이 좋음 (Tableau, Power BI)
• 논리적 사고 방식을 통해 문제를 정의하고 합당한 가설을 설정하는 것이 중요함
• 비즈니스 모델에 대한 깊은 이해가 필요함

 

데이터 사이언티스트(Data Scientist)

데이터 사이언티스트는 컴퓨터 공학과 수학적 기반의 의미를 부여하고, 디지털 시스템에 지식을 결합하는 전문가로 데이터의 저장, 이동, 분산처리를 활용해 정보를 요청하는 고객에게 최선의 기대 서비스를 제공하는 사람입니다.

다시말하면 이들은 데이터를 깊이 있게 분석하고, 복잡한 데이터 세트에서 패턴과 상관관계를 찾아내며, 예측모델을 만들어 미래의 트렌드나 결과를 예측합니다.

데이터 분석가의 일도 포함되지만 머신러닝과 딥러닝을 활용하여 미래 트렌드나 결과를 예측한다는 것이 차이입니다.

 

핵심 업무로는 비지니스 이해 및 문제 정의 → 데이터 수집 → 데이터 전처리 → 탐색적 데이터 분석(EDA) → 변수 선정 및 탐색 → 모델 학습 → 데이터 시각화 가 있습니다.

 

데이터 사이언티스트에게 필요한 역량

• 데이터 분석 도구와 프로그래밍 언어를 잘 다뤄야 함 (Python, R, SQL, Excel)
• 프로그래밍을 기반으로 통계에 대한 지식을 반드시 갖춰야 함
• 분석 결과를 직관적으로 보여주는 시각화 도구를 잘 다루는 것이 좋음 (Tableau, Power BI)
• 논리적 사고, PT 등 컨설팅 역량도 요구됨

 

프로덕트 애널리스트(Product Analyst)

프로덕트 애널리스트는 회사의 제품 데이터를 분석하는 분석가입니다. 앱 서비스 또는 웹 서비스에서 발생하는 유저 행동 로그 데이터를 분석합니다.

 

핵심 업무로는 고객이 제품을 어떻게 사용하고 있는지, 제품 개선을 위한 유저 활동 데이터 분석을 합니다. 또한 제품 A/B Test, UX관점의 데이터를 파악하고 제품 KPI 모니터링 등의 업무를 진행합니다.

 

프로덕트 애널리스트에게 필요한 역량

• Google Analytics, Google Tag Manager, Amplitude 등의 툴 활용능력
• 채용 공고의 필요 역량 중 SQL, 논리적 사고가 자주 나옴
• 비즈니스에 대한 깊은 이해가 필요함

 

비즈니스 애널리스트(Business Analyst)

비즈니스 애널리스트는 회사의 비즈니스를 분석하는 분석가로 재무 지표와 직접적인 분석에 집중합니다.

BA 와 PA는 연관이 되어있는 경우가 많지만 비즈니스 쪽은 조금 더 매출, 비용 등 사업의 가치에 집중합니다.

 

비즈니스 애널리스트에게 필요한 역량

• 비즈니스 KPI 모니터링, 매출/비용/손익 등을 분석할 수 있어야 함
• 프로덕트 분석가와 유사하게 SQL, 논리적 사고 역량을 요구함
• 시각화 도구 (Tableau, Power BI, Google Analytics) 를 잘 다루는 것이 좋음
• 비즈니스에 대한 깊은 이해가 필요함

 

퍼포먼스 마케터(Performance Marketer)

 퍼포먼스 마케터란 광고를 계획하고 개선하는 등의 활동을 통해서 성과를 최적화시키고 다양한 전략을 세우는 전문가입니다.

 

핵심업무로는 KPI를 달성하기 위한 마케팅 전략 수립 및 광고 최적화 업무가 있습니다.

• 광고 최적화 : 광고 전략 수립, 광고 모델 선정, 광고 노출 방식, 광고 노출 시간대 등 광고와 관련된 효과를 극대화하기 위한 의사결정 관련 업무

퍼포먼스 마케터에게 필요한 역량

• 통계학, 데이터 분석 도구 활용에 대한 지식이 필요함 ( Google Analytics, Appsflyer, Adjust 등)
• 소비자의 선호도를 높일만한 광고 캠페인과 컨텐츠를 기획하는 기획력
• 트렌드 파악 능력
• 광고 상품에 대한 전반적인 이해

---

이렇게 데이터 관련 직무들에 대해 내용 공유드렸는데요, 마지막으로 데이터 직군에서 많이 활용되는 툴에 대해 간단히 공유드리고 마무리 하도록하겠습니다.

 

채용공고에서 자주 등장하는 데이터 분석 Tool 7가지

 

Python

• 쉽고 직관적인 프로그래밍 문법이 장점
• 수칙연산, 데이터 처리, 시각화까지 모두 처리할 수 있어 데이터 분석 업무에 넓게 활용
• 머신러닝/딥러닝 라이브러리 제공

R

• 통계 분석에 유리한 언어, 효과적인 시각화
• Python에 비해 느린 수행 속도

Excel

• 데이터 직군이나 개발 직군이 아니더라도 대부분의 회사원들이 사용하는 프로그램
• 엑셀의 기능만 잘 활용해도 데이터를 효과적으로 처리하고 분석하는데 무리가 없음

SQL

• 간단한 쿼리문 몇 줄로 대용량의 고객 데이터를 체계적으로 추출하고 관리할 수 있음
• 다른 프로그래밍 언어에 비해 배우기 쉬워, 데이터 직군이 아닌 마케터나 기획자 직무에서도 SQL역량을 갖추는 추세

Tableau

• 다양한 시각화 차트가 제공되는 태블로는 데이터 스토리텔링에 특히 효과적임
• 데이터 분석 업무 자체보다는 데이터 분석 결과를 통한 사내 커뮤니케이션이나 업무보고에 활용하기 좋음

Power BI

• 엑셀을 포함한 MS어플리케이션 기반으로 활용할 수 있는 협업 툴
• 개인적으로 열람했던 데이터를 현업이 필요한 관계자들끼리 공유하고 커스텀 대시보드로 데이터 시각화에 활용 가능

Google Analytics

• 웹 로그 데이터 분석에 범용적으로 쓰이는 대표적인 분석 툴
• 어떤 분야의 고객 데이터든 심층적으로 분석하여 광고 효율과 제품의 매출을 개선시킬 수 있음