일본에서 데이터 애널리스트로 일하기_성장일지1

일본에서 데이터 애널리스트로 일하기_성장일지1

 

---

 

성장일지1 쓰게 되는 계기

하루에 가장 많이 소비하는 시간인 '일하는 시간'. 그러한 일도 그래도 재미있게 하기 위해서는, '배우고', '실패하고', '성장하고', '인정받고' 이 과정의 반복이라고 생각하고 이를 위해서 가장 큰 도움을 주는 것이 업무 기록 및 회고 일지라고 생각해서 쓰기 시작. 

 

본론

요즘 직장인들에게 가장 큰 고민거리 중 하나가, 내 일이 AI에 대체되는 것 아닌가라는 불안아닐까 싶다. chat gpt, gpt4, plug in 기능까지 유튜브에는 관련 동영상으로 꽉 차있다. AI는 성장판이 닫히지 않는 아이처럼 커가면서 처음에는 귀여웠다가 신기하면서도 이제는 조금은 무섭기도 한 것 같다. 나도 업무 중에 내가 쓰고 있는 쿼리보다 더 괜찮은 쿼리가 없나 물어봤을 때, 회사의 데이터 베이스의 전제조건을 모르는 우리 chat gpt가 더 좋은 쿼리를 제시하지 못했을 때 아직은 괜찮구나 라고 안도하기도 하지만 그럼에도 불안한 것은 사실이다. 

 

이제 직장에 옮긴 지 1년이 다 되가는데 분석 능력이 늘었는가? 하면 또 그렇다고 할 수가 없다. 데이터 베이스에 대한 이해, 도메인 지식이 늘면서 더 빨리 데이터를 추출할 수 있게 되었지만 이는 분석이라기 보다는 속칭 데이터계에서 단순 노동을 하는 '블루 칼라'의 일이다. 의뢰가 오고, 그 의뢰에 필요한 데이터를 추출한다. 추출과정에서는 나의 로직이 들어가지만, 추출 후의 결과물에는 어떠한 분석도 들어있지 않다. 비즈니스의 가장 중요한 스킬 중 하나인 문제 해결 능력을 키우는 것에 분석 능력은 큰 도움이 된다고 생각하지만 분석'업무에 시간을 쓰지 못하고 있어서 애타는 것은 사실이다. 물론 이것 또한 AI가 더 잘할 것 같아서 걱정이 있지만...

 

이런저런 고민을 하다가, 그렇다면 시니어 데이터 애널리스트는 어떤 경력이 필요할까 궁금해서 찾아본 적이 있다.

어떤 분이 잘 정리해주셔서, 다음 글을 가져 와봤다. 

 

출처 : https://www.linkedin.com/feed/update/urn:li:activity:6919493989830189056/

내가 부장님께 커리어에 대한 고민을 이야기했을 때는, '매니지먼트' 능력을 키우라고 말씀을 하셨다. 나이가 들어갈 수록 매니지먼트 능력은 더더욱 중요해지고, 이직을 할 때도 이를 많이 본다고 들었다. 그리고 AI 시대가 오더라도 기술 같은 것들은 대체되더라도 매니지먼트와 같은 것은 대체되기 어렵다고 이야기 들었다. 이와 연관된 캐리어 패스가 이 분이 소개해준 첫 번재 캐리어 패스다. 그 외에 AI 대체유무에 따라서 위의 캐리어 패쓰를 보면 그 어떤 것도 대체될 가능성이 높다고 느껴졌다. 그나마 PM이 돼서 PDCA 돌리는 것은 그나마 대체 가능성이 상대적으로 낮지 않나 생각해본다...

 

또 데이터 애널리스트로 일을 하다보면, 자연스럽게 데이터 사이언티스트에도 관심이 가게 되는데 왜냐하면 분석을 하다보면, 예측을 하고 싶어지고 이렇게 수요 예측하는 모델을 만들거나 하는 일 등이 데이터 사이언티스의 업무이기 때문이다. 데이터 애널리스트라면 꼭 필요한 스킬 중 하나가 파이썬인데, 파이썬을 공부하다보면 자연스럽게 모델링에 대해 눈길이 간다. 하지만 데이터 사이언티스트는 통계에 석사,박사 수준으로 능통해야한다고들 하는데, 내가 그 정도로 수학을 잘하는가? 그렇게 수학에 관심이 있는가 하면 또 그것은 아니다. 괜히, 이것저것 찔러보다가 어중간한 커리어를 만들지 않을까 생각이 들기도 한다.

 

데이터 사이언티스트에 관심을 가지게 되면, 아마도 아래 블로그(?), 홈페이지를 접하는 분도 계실텐데 그러다보면 다음과 같은 글을 읽고 나처럼 다시 정신차리게 된다. 

 

 

 

남들이 좋다고, 지금 뜨는 것에만 관심을 가지는 것이 아니라, 좋은 캐리어 계발은 나에 대해서 잘 아는 것부터 시작된다.

데이터 사이언티스트에 어줍잖게 도전하지 말고, 내 본업에 충실을 해야지. 데이터 애널리스트로 내 업계의 전문가, 내 업무의 expert가 되는 것이다.