Data Analyst 로 취업을 고민하고 있는 학생들에게 꼭 해주고 싶은 이야기
Intro
지난 2년 동안, 회사 안밖에서 다양한 분들을 많이 만나왔습니다.
그 중 가장 제가 많은 이야기를 해드릴 수 있었던 분들은 데이터 분석가로 취업준비를 하고 있는 분들 이었습니다.
저는 UC Santa Barbara 에서 통계와 데이터 사이언스를 전공했습니다.
대학교를 졸업하기 전에 군제대 직후 현재 회사에 Data Analyst 인턴으로 들어가게 되었고 그로부터 2년이 흘렀습니다.
저는 20년차 데이터 분석가도 아니고 다양한 회사를 경험해보지는 않았기 때문에
취업준비 정석 혹은 정답을 알려드리기는 어렵습니다.
하지만 갈팡질팡하는 시간을 아끼는데에 도움이 될만한 팁들
그리고 데이터 분석가 직군에 대해서 미리 알려드릴 수 있는 expectation 들을 드리려 합니다.
아래의 분들에게 도움이 될 것 같습니다.
- Data Analyst, Product Analyst, Business Analyst, Marketing Analyst… 등등 데이터를 분석하는 직군으로 취업준비를 하고 있는 학생분들
- 데이터 분석 직군으로 커리어 전환을 생각하고 계신 분
- 데이터 분석 강좌/교육을 기획하시는 분들
다양한 채용공고들을 읽어보세요
어떤 것들을 갖춰야하지?
제가 Data Analyst 가 되고 싶다…! 라는 생각이 처음 들고난 직후에 들었던 생각입니다. 어떤 기술들이 필요하고 어떤 방향으로 내가 성장을 해야할까?
제가 데이터 직군 쪽으로 마음이 확고히 잡혔던 것은 군대에 있을 때였습니다.
동아리, 학회도 없었기 때문에 홀로서기를 해야하는 시기였습니다.
채용공고들을 보면 내가 부족한 영역들과 정도에 대한 감을 잡을 수 있지 않을까 싶어
군대 싸지방에서 혹은 핸드폰을 사용할 수 있는 시간에 LinkedIn 을 파헤치기 시작했습니다.
- 당시에 한국에서는 LinkedIn 을 하는 분위기는 아니었습니다.
저는 학교에서 링크드인 사용을 권장해서 가입만 되어있는 상태였습니다.
당시에 제 dream job 은 12년도부터 사용한 Spotify 의 Product Data Scientist 였기 때문에, Spotify 에서 데이터 채용공고들부터 읽기 시작했습니다. Spotify 로 시작해서 Instagram, Pinterest… 등등 다양한 B2C 서비스들의 data scientist intern 혹은 data analyst intern 을 뽑는 회사들의 채용공고들을 그냥 쭉 읽었습니다.
- 제대 이후에는 한국의 채용플랫폼들을 알게되면서 원티드도 많이 사용했습니다.
핵심은 내가 갖고 싶은 직무에서 요구하는 스킬셋들과 배경지식으로는
어떤 것들이 있는지 파악해 방향을 정해놓고 시간을 들이기 시작하는 것입니다.
목표하는 산업의 지표를 공부하세요.
데이터 분석가는 의사결정을 데이터로 돕는 사람입니다.
“누구”의 의사결정을 돕는지는 회사구조, 산업, 연차에 따라 다를 수도 있겠지만
데이터 분석을 통해서 발견한 인사이트를 기반으로 의사결정들이 데이터를 기반으로 내려질 수 있도록 하는 역할을 하게 될 것입니다.
데이터 분석을 통해 유의미한 임팩트를 내고싶다면, 의사결정에 필요한 인사이트를 도출할 수 있어야합니다.
제품과 비즈니스 의사결정에 중요한 숫자들은 우리가 학교과제에서 많이 뽑아본 데이터 패턴을 알려주는 통계수치가 아닙니다.
가장 중요한 숫자들은 지표입니다.
조직을 움직이는 데이터 분석결과는 그 조직에서 가장 중요하게 생각하는 지표를 움직일 수 있는 가설을 도출하는 인사이트입니다.
어디에서 데이터 분석을 하냐에 따라 각각 다른 지표들을 보게 됩니다.
비즈니스의 성공을 의미하는 가장 높은 위계의 지표들도 있는 반면에
캠페인/기능의 퍼포먼스를 나타내는 지표들도 있습니다.
- 높은 위계의 지표들로는 Revenue (매출), Subscription Rate (구독전환율), ARR (Annual Recurring Revenue) 등등 다양한 수익화 지표들이 있습니다.
수익화에 앞서 사용자 수 확보에 집중하는 단계라면 MAU(월간 활성 유저 수), Retention (재방문율) 을 가장 중요시하는 회사도 있습니다. - 캠페인/기능의 캠페인/기능의 성능을 보는 경우에는 CAC, CTR 이라는 지표들을 보기도 합니다.
어디에서 어떤 데이터를 분석 하고 싶은지 스스로한테 물어보시기를 바랍니다.
- 무엇을 분석하고 싶으신가요?
→ 비즈니스? 제품? 마케팅 효율? 거래회전율? 상품거래?
2. 어떤 산업에 종사하고 싶으신가요?
위 질문들이 너무 어렵다면
어떤 서비스/회사에서 일하고 싶은지 스스로에게 물어보세요.
그리고 해당 회사가 어떤 산업에 속해있는지 파악하고 그 산업에서 중요시 하는 지표들을 공부하세요.
지표들을 공부하다보면 필요한 배경지식들도 찾으시게 될 것이라고 확신합니다.
ex : Pinterest 에서 일해보고 싶다. → Pinterest 는 B2C 서비스구나
→ B2C 는 일반적으로 Retention 라는 지표를 보네?
→ Retention 은 뭐고 Stickiness 는 뭐지…? AARRR 이라는 것도 나오네?
의사결정을 내리는 사람에게 본인이 바라보는 우선순위를 이해하는 데이터 분석가는 정말 소중합니다.
통계수치를 추출하는데 집중하는 데이터 분석가가 아닌
지표를 움직이는데에 집중하는 데이터 분석가가 되시기를 바랍니다.
대시보드의 Aha Moment
데이터 분석가로 일을 하게 되면 데이터 시각화를 정말 많이 만들어야합니다.
분석결과 시각화와 대시보드 시각화 이렇게 두가지로 크게 분류됩니다.
분석결과 시각화는 대학교 때 통계수업에서 많이 다뤄보게 됩니다.
대시보드 시각화가 대학교에서 가르쳐주지 않는 영역에 속합니다.
앞서 이야기한 지표의 변화를 조직이 모니터링 할 수 있도록
시각화 하는 것도 데이터 분석가 업무의 큰 부분입니다.
** 일반적으로 채용공고에는 대시보드를 만드는/구축하는/관리하는 작업으로 설명되어있습니다.
많은 분들이 착각하는 것이 데이터 시각화들로 대시보드를 만들고 끝이라고 생각하는 경우가 있습니다.
하지만 데이터 분석가는 대시보드를 사람들이 유용하다고 느끼고 자주 보도록 하는 것에도 심혈을 기울여야합니다.
대시보드 만드는 방법에 대한 공부 혹은 연습을 하시게 된다면,
대시보드를 보게 될 가상의 인물에 대해서 끊임없이 고민을 곁들이시기를 권장드립니다.
대시보드를 보게 될 사람은 경영진일까요? 제품 매니저? 마케팅 매니저? 엔지니어들?
사람들이 자주 보는 대시보드를 만드는 방법에 대한 팁 한가지를 전달드리자면, 내 대시보드를 하나의 제품으로 바라보고 내 대시보드가 유저들에게 제공할 Aha Moment 를 정하는 것입니다.
- Aha Moment 는 제품을 통해서 유저가 전에 할 수 없었던 것을 새롭게 할 수 있게 되는 경험을 선사하는 것을 의미합니다. 효과적인 Aha Moment 는 제품을 경험하는 더 많은 사람들이 제품을 재사용/재방문하게 만듭니다.
한가지 예시로 저는 제품 모니터링 대시보드를 자주 만듭니다.
제가 제품 모니터링 대시보드에서 챙기는 Aha Moment 는 대시보드를 보게 될 사람의 액션전후 비교가 가능하도록 하는 것입니다.
- 프로덕트 매니저가 보게될 대시보드라면 제품 업데이트 전후 주요지표 변화가 쉽게 모니터링 가능하도록 만듭니다.
- 디자이너가 보게 될 대시보드라면 제품 UI 가 크게 변하기 전후 비교가 쉽게 모니터링 가능하도록 만들고
- ML엔지니어가 보게 될 대시보드라면 추천 콘텐츠의 CTR 이 알고리즘 개선시점 전후 비교가 쉽도록 만듭니다.
대시보드를 보게 될 이를 고려한 시각화를 만드는 연습을 한다면 시각화 능력을 키우는데에 있어 큰 도움이 될 것이라고 생각합니다.
Outro
오늘 공유드린 내용에서는 보시다시피 데이터 분석가가 갖춰야하는 테크스펙에 대한 이야기는 없었습니다.
오히려 배경지식, 기대치, 그리고 필요한 사고방식에 대한 이야기였습니다.
데이터 분석가가 SQL 을 활용해 데이터를 추출할 줄 알아야한다. R 혹은 Python 을 다룰줄 알아야한다.
이런 이야기들은 당연한 부분이고 다 아실 것이라고 생각합니다.
요즘 데이터 분석가 취업준비를 위한 커리큘럼 그리고 교육코스들은 테크스펙과 분석방법론들에 많이 치중되어있습니다. 데이터 분석가가 도출해야하는 분석 결과물을 도출하는 방법 즉 how 에 대한 이야기에 집중합니다.
혼자서 데이터 분석가 취업준비를 하는 분들도 이 방향만으로 집중을 많이 하시는 것을 봤습니다.
하지만 분석결과물에 있어서 어떻게 만들 것인지 (how) 아는 것도 너무 중요하지만, 왜 의미있는지 (why) 를 이해하는 것이 더욱 중요하다고 생각합니다.
앞서 말씀드렸듯이 데이터 분석가는 협업하는 직군입니다.
혼자서 일하는 것이 아니라 다른 사람들하고 같이 이야기를 하면서 하나의 결과물로 나아가는 과정을 데이터로 만들어가는 역할을 합니다.
데이터 분석가 취업을 준비하면서 데이터 추출과 가공에만 집중하기보다
현업에 대한 이야기를 듣고 읽어보고 상상해보면서 과정을 다지기 시작한다면 도움이 되지 않을까 하는 생각에 글을 남겨봅니다.
조금이나마 도움이 되는 내용이기를 바라고
글 읽으시는 분들이 원하는 직무에 안착하실 수 있기를 바랍니다.
감사합니다.
