美 직장 평가 사이트 글래스도어 2016~2020년 최고의 직업 선정 하버드비즈니스 리뷰 선정 ‘21세기 가장 섹시한 직업’ 한 해 1,000명 규모의 데이터 사이언티스트 육성 계획을 세우는 대기업들 넘치는 데이터와 폭증한 ‘데이터 분석 능력’에 대한 수요! 데이터를 비즈니스에 활용하고 싶은 이들을 위한 가장 쉬운 안내서 인간이 하는 모든 활동이 데이터가 되는 시대 지금 이 시간에도 모든 것은 데이터가 되고 있다. 하물며 매일 들고 다니는 스마트폰에도 걸음 수와 움직인 거리가 기록되고, 무심코 들어간 웹사이트나 앱 로그 기록도 충실하게 쌓인다. 일정 기간 특정 브랜드가 몇 번 언급되었는지, 대중교통을 이용하는 인구수는 물론 특정 지역에 모여 있는 사람들의 수를 사진 분석 기술로 알아낼 수 있을 정도다. 인간이 하는 활동의 거의 모든 것을 수치화하고 데이터로 바꿀 수 있는 시대가 되었다고 해도 과언이 아닌 셈이다. 수집할 수 있는 데이터가 방대해지자 ‘서말’인 데이터를 ‘꿸’ 사람들에 대한 수요도 폭증했다. 데이터를 보유한 기업은 쌓여있는 데이터에서 새로운 가치를 만들어내기 위해 데이터를 분석, 가공할 사람이 필요해진 것이다. 데이터와 현실을 연결하는 ‘통역가’ 누군가 “요즘 가장 잘 팔리는 게 뭐예요?”라고 묻는다면 그 답을 어떻게 유추할 수 있을까? 데이터 사이언티스트는 ‘요즘’부터 정의한다. 요즘이 오늘을 기준으로 3개월 전인가, 1개월 전인가, 혹은 일주일 전인가, 한 시간 전인가를 생각하는 식이다. 아이디어(분석 주제)를 ‘분석 가능한 숫자’로 확인하는 습관이다. 처음에는 사람들이 궁금해 하는 것과 데이터 사이에 아무런 관계가 없다. 하지만 데이터 사이언티스트는 어떤 상품이나 서비스가 잘 팔리고 있다는 ‘현실’을 ‘데이터’로 분석해 보여주는 사람이다. 분석에만 그치지 않고 분석 결과물이 제품이나 서비스를 개발하고 있는 기업에 어떤 쓸모가 있는지, 숫자가 아닌 이해하기 쉬운 언어로 전하는 것까지가 그들의 일이다. 저자는 이 과정을 통틀어 데이터와 현실을 연결하는 ‘통역가’라고 칭한다. 열 살부터 코딩 배운 전문가와 경쟁하지 마라 좋은 데이터 사이언티스트가 되려면 3가지 역량이 필요하다. 분석하는 기술, 통계 지식, 해석하고 소통하는 인문학적 역량이다. 빅데이터를 분석하려면 기술의 힘을 빌려야 한다. SQL이나 파이선 등 기계언어를 활용해 방대한 양의 숫자와 텍스트를 분류하고 모을 수 있도록 지시하는 코딩과 수학적 통계모델에 대한 지식이 필요하다. 실제 데이터 사이언티스트는 기술이나 통계 영역에서 업무를 확장해나가는 이들이 많아 관련 전공자가 많은 편이다. 하지만 비전공자가 “열 살부터 코딩을 해온” A급 데이터 사이언티스트만큼 할 수는 없는 노릇이다. 심리학을 전공해 문과생 출신인 저자는 이때 ‘인문학적’ 강점을 살려야 한다고 말한다. 정확한 분석을 위해 관련 부서의 실무자와 대화를 나누고, 기업과 소비자가 원하는 인사이트를 찾아 발견하고 해석하는 능력은 저자의 강점이다. A: 길거리 매장과 건물 내부 매장을 비교해보니 날씨 변수에 따라 매출 차이가 ○○% 있습니다. 이 모델은 .05 수준에서 유의미합니다. B: 길거리에 있는 매장은 비나 눈이 올 때 매출이 ○○% 감소합니다. 그런 날씨에도 고객들이 방문할 수 있도록 마케팅 전략을 제공하면 좋겠어요. 혹은 비나 눈이 올 때 건물 안에 있는 매장에서 매출을 더 많이 일으켜 전사 매출 균형을 맞추는 방법도 있죠. 비가 올 땐 특히 ○○ 제품이 더 잘 팔리고, 눈이 올 땐 ×× 제품이 더 잘 팔리니 일시적으로 이런 제품을 노출하면 어떨까요. 누가 더 뛰어난 데이터 사이언티스트처럼 보이는가? 앞으로는 숫자 이면에 감춰진 인사이트를 이해하기 쉽게 전달하는 능력이 경쟁력이 된다. 데이터 분석을 통해 더 좋아하는 일을 할 수 있기를 이 책은 데이터 분석에 뛰어든 마케터, 기획자, 공대생 등 다양한 배경을 가진 사람들이 차별화된 역량을 키워갈 수 있도록 안내한다. 실제 프로젝트에서 어떤 역량이 쓰이는지도 직접 확인해볼 수 있다. ‘인사이트를 사람에게 전달하는 경우’와 ‘IT서비스에 반영하는 경우’ 2가지 유형으로 분류해 실무에 필요한 역량을 비교해준다. 그밖에도 데이터 사이언티스트에게 필요한 5가지 마인드, 실무에 도움이 되는 사고법 등을 실제 업무 프로세스를 바탕으로 소개한다. 책의 말미에는 특별한 커리어 워크숍이 열린다. 새로운 직업에 눈을 뜬 사람들이 자신만의 적성을 찾고 확신을 가질 수 있도록 ‘나’라는 데이터를 모아 분석하는 시간을 갖는다. 모두가 데이터 분석을 할 필요는 없지만, 데이터 분석을 시작했다면 이 일이 진정 ‘좋아하는 일’이 되기를 바라는 저자의 마음을 담았다.

프롤로그 “데이터 사이언티스트는 무슨 일을 하나요?” │1부│ 숫자와 현실을 연결하다 : 데이터 사이언티스트의 등장 1장 데이터 필수 시대 개념보다 중요한 것은 활용이다 쌓일수록 가치가 생기는 것 누구에게나 도움이 되는 데이터 데이터는 경쟁력을 좌우한다 모든 것이 데이터가 된다 2장 데이터 사이언티스트의 역할 이 시대에 꼭 필요한 전문가들 기술, 통계, 인문의 경계를 넘나든다 숫자로 설득해야 한다 숫자와 현실을 연결해야 한다 숫자와 언어 속에서 맥락을 읽어낸다 │2부│ 기술보다 먼저 익혀야 할 것들 : 데이터 사이언티스트의 역량 3장 문과생 데이터 사이언티스트의 기초체력 다지기 정도가 아닌 길을 걷는 이들에게 외국어를 배우듯 코딩을 배워라 맛있는 요리를 만들듯 통계를 대하라 통계 관련 수업은 최대한 많이 들어라 프로젝트에 대한 가치판단을 전달하라 스페셜리스트가 되려면 제너럴리스트가 되라 박쥐의 고통을 감수하라 문과생이 아닌데 데이터 사이언티스트가 되고 싶다면 4장 데이터 사이언티스트의 마인드 세팅 향상심: 지금보다 나아지고자 하는 욕구 호기심: 현상을 관찰해 문제를 파악하는 힘 사교성: 사람들이 원하는 것을 파악하는 능력 주도권: 데이터에 대한 주인 의식 경험: 기획과 변형, 해석의 바탕 에필로그 “지금 하는 일을 좋아하나요?” │3부│ 데이터가 사람을 위해 일하게 만드는 법 : 데이터 사이언티스트 실무 5장 데이터 사이언티스트의 일 데이터에서 가치를 찾아라 감각, 기술, 소양을 갖춰라 다양한 프로젝트들 프로젝트 유형 1: 인사이트를 사람에게 전달하는 경우 프로젝트 유형 2: 데이터를 실제 IT서비스에 반영하는 경우 6장 데이터 사이언티스트의 무기 사고하고 판단할 수 있는가 나만의 관점이 있는가 분석에 대한 그림을 그릴 수 있는가 다양한 경험을 융합할 수 있는가 │4부│ ‘나’라는 데이터를 분석하는 워크숍 : 적성을 찾고 확신을 얻는 과정 7장 선택의 순간에 묻는다 상상만으로 고민하지 않기를 내 인생의 키워드 잊고 지냈던 재능 찾기 내 선택의 공통점 찾기 장래희망의 상상과 실제 확인하기 내 선택의 전환점 찾아보기 일상에서 벗어난 나 돌아보기 감정 파악하기 8장 캐릭터 마이닝 키워드를 찾는 방법 커리어 키워드 찾기 내가 좋아하는 것들의 키워드 찾기 내가 참기 어려운 것들의 키워드 찾기 미래의 나를 구체적으로 상상해보기

데이터에는 사람들이 주장을 객관적으로 받아들이게 하는 힘이 있다. 반드시 어려운 숫자를 보여주지 않더라도 논리적인 사고의 흐름 속에서 의문이 생기는 부분을 데이터가 채워줄 수 있다. 이런 이유로 기업에서도 데이터를 기반으로 의사결정을 하는 문화가 점차 확산되고 있다. 더 많은 데이터를 가진 기업일수록 더 정확한 의사결정을 할 수 있고, 더 나은 데이터를 제시하는 사람은 더 논리적인 사람으로 인식된다. 021 빅데이터를 다루는 기술은 일반적으로 엔지니어들의 역량이 월등히 뛰어날 수밖에 없다. 통계적 지식의 경우 주로 통계나 측정, 수학 관련 전공자들의 영역이었다. 반면 현장에서의 경험치는 인문계 출신들이 좀 더 높았다. 그래서 과거에는 3가지 영역 중 1가지만을 수행하는 사람이 대부분이었지만, 이제는 1가지 영역을 중심으로 인접한 영역까지 확장된 업무가 요구된다. 035 얼마나 논리적으로, 이해하기 쉽게 숫자를 설명하는지가 중요하다. 040 문과 전공 데이터 사이언티스트라면 뒤늦게 기술을 접하고 배우는 시간도 반드시 필요하다. 하지만 내 경우 데이터 사이언티스트로서의 강점과 차별성은 소비자 심리학을 전공하면서 얻은 통찰력에서 비롯됐다. 이 책을 읽는 독자 중 지금 빅데이터를 공부하는 사람이 있다면 자신만의 전공과 관점을 소중히 여기길 바란다. 전공을 잘못 선택한 것 같다고 후회하지 않아도 된다. 언젠가 그 공부가 당신만의 장점이 될 날이 올 것이다. 048 데이터 사이언티스트의 일은 현실을 정의하는 데서부터 시작한다. 현실을 어떻게 정의하느냐에 따라 데이터와의 연결 고리도 구상할 수 있다. 049 코딩도 언어의 일종이기 때문에 영어를 배우는 것과 비슷한 과정이라고 생각하면 접근하기가 조금 쉬워진다. 063 무슨 언어를 배워야 할까? 무슨 툴을 배워야 할까? 우선 내가 몸담고 있는 조직에서 사용하는 툴을 배울 수밖에 없다. 당연하게도 지금 나 이외의 사람들이 사용하고 있는 툴을 배우는 것이 회사 입장에서는 가장 빠른 길이다. 069 때로 어느 한 분야에 두 발을 다 담그지 못한다는 느낌이 들기도 한다. 옆 사람을 보면 자신만의 분야에서 확고한 위치를 차지한 것처럼 보일 때도 있다. 하지만 이건 다 남의 떡이 커 보이는 현상일 수도 있다. 한 웅덩이에만 두 발을 다 담글 필요는 없다. 이것과 저것을 연결할 수 있는 것은 훌륭한 역량이다. 두 나라의 언어에 능통한 통역가처럼 두 분야를 연결할 수 있도록 역량을 키우면 된다. 087 좋은 데이터 사이언티스트들은 호기심이 많다. 주변의 온갖 것에 ‘왜?’라는 질문을 던질 줄 안다. 그래야 그 질문에 답하기 위해 데이터를 찾아볼 수 있고 그 데이터에서 답을 찾아내 현실을 바꿀 단초를 제공할 수 있기 때문이다. 101 대체 무엇을 하기 위해 현실과 데이터를 연결하는 걸까? ‘데이터가 우리를 위해 일하도록’ 하기 위해서다. 현실과 데이터를 연결했으니 데이터로 알아낸 것들이 다시 현실에 도움이 되게 하는 것이다. (중략) 데이터가 우리를 위해 일하도록 만든다는 건 무슨 뜻일까? 데이터에서 가치를 찾는다는 것이다. 가치는 정의하기 나름이기도 하고 사람마다 가치를 느끼는 지점도 달라서 설명하기 애매한 개념이긴 하지만 대체로 가치가 있는 일들은 다음과 같다. 기업이 데이터로 돈을 벌 수 있게 하는 일, 데이터에서 소비자의 마음을 찾는 일, 데이터가 조직의 의사결정을 돕도록 하는 일 등 데이터로 우리 삶을 나아지게 하는 일들이다. 111-112 데이터를 분석하는 일은 때로 금광에서 금을 찾는 일과 같다. 한없이 파는데도 필요 없어 보이는 흙만 나올 때도 있고, 도무지 뭐가 나올지 알 수 없는 시간을 보낼 때도 있고, 결국 금을 발견했는데 정제가 필요할 때도 있다. 그리고 마침내 순도 높은 금을 조금이라도 발견하면 큰 희열을 느끼게 된다. 그 순도 높은 금이 바로 소비자와 기업에 도움을 줄 수 있는 발견들이다. 114-115 흔히 빅데이터라고 하면 바다와 같은 정보 속에서 생각지도 못했던 진주를 발견할 것이라 생각한다. 드물게 그런 경우도 있지만 일반적으로 데이터는 목적을 가져야만 제대로 활용될 수 있다. 프로젝트의 목적이 뚜렷하지 않고 ‘뭔가 재밌는 것’, ‘뭔가 새로운 것’, ‘데이터와 분석할 사람이 있으니 성과를 낼 만한 것’을 찾는다면 몇 년이 흘러도 손에 잡히는 결과를 얻지 못할 수도 있다. 131 직원: 너 직업이 뭐야? 나: 데이터 사이언티스트. 직원: 그게 뭐 하는 건데? 나: 빅데이터를 분석하고 사람들한테도 말해줘. 직원: 그 일 하는 거 좋아해? 나: 응, 난 재밌어. 직원: 정말 좋겠다. 많은 사람들이 자기 일을 좋아하지 않잖아. 이 대화가 가끔 생각난다. 그리고 ‘아직 이 일을 재밌다고 생각해서 다행이네’ 하고 생각한다. 앞으로 상황이 달라질 수도 있고 심지어 다른 직업을 가질 수도 있지만, 무슨 일을 하든 일에서 조금이라도 즐거움을 찾으면서 살아가고 싶다. 221-222