이전 글에서 우리는 데이터 기반의 회사들에 대해서 논의했습니다. 세계적인 수준의 팀을 빌딩하는 방법; 데이터 조직의 진화와 특성; 데이터 사이언스의 가치; 데이터 사이언티스트들의 역할과 기술에 대해서 말입니다. 이번에는 데이터 사이언티스트의 커리어에 대해 논의해볼까 합니다. 특히 시니어 데이터 사이언티스트가 주니어에 비교해 어떤 특성을 가지고 있으며, 건강한 데이터 기반 회사가 데이터 사이언티스트의 발전에 왜 투자해야 하는지도 말이죠.
개요
“만약 최고의 임팩트를 내길 바란다면, 최선의 방법은 늘 가장 중요한 문제의 해결에 집중하는 것입니다. 너무 간단하게 들리겠지만 대부분의 회사는 그렇게 하지 못합니다. 많은 시간을 낭비하죠. 우리는 페이스북의 직원 모두가 가장 중요한 문제를 찾는 데 능숙해지기를 기대합니다.”
마크 주커버그, 페이스북
데이터 사이언스는 과학적인 진실을 추구하는 학문으로, 데이터를 사용하여 지식과 통찰력을 얻습니다. 이 때 목표를 설정하고 로드맵과 전략을 알려주는데 집중하는 이들이 데이터 사이언티스트입니다. 이들은 제품의 상태를 평가하고 이해하며 기회, 문제점을 확인하고 데이터 기반의 추천 및 솔루션을 제공함으로써 제품을 개선시켜 나갑니다.
훌륭한 데이터 사이언티스트는 끊임없이 임팩트를 내는 데 집중하는 사람들입니다. 이는 지표의 등락, 제품이나 프로세스에 대한 기여도로써 평가 받을 수 있습니다. 커리어가 쌓이면서 데이터 사이언티스트들은 임팩트의 범위를 더 늘려야 합니다. 더 큰 임팩트는 프로젝트, 제품, 도메인 그리고 회사라는 4가지 수준의 범위로 확장하여 얻을 수 있습니다.
데이터 사이언티스트의 핵심 기술 다섯 가지
데이터 사이언티스트로 발전하기 위해서는 다음과 같은 능력이 필요합니다. 그것은 바로 문제 정의, 기술력, 분석력, 해석력 그리고 영향력 입니다.
- 문제 정의: 데이터 사이언티스트는 문제를 정의하고 구조화 할 수 있어야 합니다. 이를 위해서는 문제를 해결할 때 과학적으로 접근하는 방식 뿐만 아니라 컨설팅적 사고 방식이 필요합니다.
- 기술력: 프로그래밍과 기술은 데이터를 다룰 때 모두 필요한 능력입니다.
- 분석력: 데이터셋을 핸들링하고 테이블, 차트 등으로부터 가치를 뽑아내는 데 필요한 능력입니다. 컨설팅적 사고 방식과 문제 해결을 위한 과학적 접근 또한 필수 요소라고 할 수 있습니다.
- 해석력: 데이터 사이언티스트는 그들의 분석 결과를 해석하여 단순화하고 종합하여 결론을 내릴 수 있어야 합니다. 여기서 컨설팅적 사고 방식은 단순화와 종합화하는 데 중요합니다.
- 영향력: 의사결정에 영향을 미치려면 데이터를 사용하여 명확하고 매력적인 스토리로 전달할 수 있어야 합니다. 컨설팅 마인드가 필요합니다.
데이터 사이언티스트들은 어떻게 성장할까?
경력 초기의 데이터 사이언티스트가 영향을 미칠 수 있는 것은 프로젝트 범위입니다. 그들이 발전함에 따라 그들의 영향은 프로젝트를 넘어 제품과 전반적인 도메인까지 미치게 됩니다. 시니어 데이터 사이언티스트는 회사 전체에 영향을 미치게 되죠.
각 커리어 단계마다, 데이터 사이언티스트는 5개의 주요 기술과 능력에 대해 각각 다른 역량 수준을 가지고 있습니다. 결과적으로, 주니어들은 우수한 결과물을 만들어내기 위해 시니어들의 지원과 도움이 필요합니다. 그래서 데이터 사이언티스트가 잘 성장해나갈수록 그들이 미치는 영향력 또한 커지게 됩니다.
- 1단계의 주니어는 경험이 제한적이며 주로 실행에 중점을 둡니다. 그들은 5개 주요 기술과 능력에 있어 실질적인 도움이 필요할 수 있습니다. 업무 수행을 반복하고 조금 더 능숙해지면 퀄리티 높은 작업들을 빠르게 수행해 낼 수 있습니다.
- 2단계의 주니어는 코드를 작성하고 분석하는 것을 보다 독립적으로 수행할 수 있습니다. 하지만 그들은 아직 구조화된 문제만 다룰 수 있으며 다른 사람들과 효율적으로 일하면서 임팩트를 극대화하기 위해서는 도움이 필요하기도 합니다.
- 3단계의 데이터 사이언티스트들은 구조화되지 않은 문제를 정의하고 가장 큰 임팩트를 미치는 문제를 스스로 파악하여 해결할 수 있습니다.
- 4단계에서 데이터 사이언티스트들은 완전한 독립에 도달합니다. 그들은 프로젝트를 개발할 수 있고 주어진 작업을 스스로 완성할 수 있습니다. 감독 없이 자신의 업무에 우선순위를 둘 수 있으며 다른 팀원들을 도와줄 수 있습니다. 특정 도메인의 전문가가 되어 (예를 들면 광고, 결제) 전략 방향을 제시하고 조직의 규모를 조정하는 데에도 도움을 줄 수 있습니다.
주니어와 시니어 데이터 사이언티스트의 주요한 차이는 여러 도메인을 작업할 수 있는 지에 따라 달라지게 됩니다.
- 여기서 5단계에서부터 시니어 데이터 사이언티스트로 부를 수 있습니다. 예를 들면, 주니어는 결제 관련 리스크 전문가일 수 있지만 스팸 영역에서 인사이트를 얻을 경우에는 도움이 되지 않을 수 있습니다. 하지만 5단계에서부터는 리스크와 관련된 회사 내 여러 분야에서 전문 지식을 활용할 수 있습니다. 그에 따라 시니어는 수준 높은 기술적 리더십을 통해 더 큰 규모에서 효율성을 제공할 수 있는 전문가이자 리더로 자리 잡게 됩니다.
- 시니어가 6단계로 접어들면서는 회사의 중요하고 어려운 문제를 다룰 수 있습니다. 그들은 기술 전문가는 물론 제품 전문가로서 두 개의 모자를 쓰고 일하게 되는데 이는 두 가지 관점에서 방향을 제시할 수 있다는 것을 의미합니다.
- 마지막 레벨은 데이터 사이언티스트로서의 커리어 정점이라고 할 수 있겠습니다. 이 단계에서 그들은 회사 내 최고 수준의 로드맵과 전략 결정에 임팩트를 행사할 수 있으며 회사와 제품의 혁신을 이끌 수 있습니다.
범위와 영향의 확대는 다른 분야에서도 일반적입니다. 엔지니어링 조직에서 주니어와 시니어 개발자의 차이는 시니어 개발자의 코드가 “좀 더 나아서”를 의미하지 않습니다. 개발자가 코드를 짜는 데 필요한 업무 지원량과 작업 유형 그리고 코드가 미치는 임팩트의 범위에서 차이가 나게 됩니다.
마찬가지로 모든 분석 작업 또한 업무의 질을 높이는 것입니다. 그러나 주니어 데이터 사이언티스트는 그렇게 하기 위해 더 많은 지원이 필요할 수 있고 시니어들이 미치는 임팩트의 범위로 갈 수 있도록 일해야 합니다.
공통 질문
Q1. 데이터 사이언티스트의 발전은 무엇에 달려있을까요?
바로 임팩트입니다. 데이터 사이언티스트가 미치는 임팩트의 범위가 커질수록 빠르게 발전할 수 있습니다. 임팩트의 범위는 주로 두 가지로 나뉘어집니다.
- 핵심(Focus)영역: 임팩트는 모든 영역에서 같은 힘을 발휘하지 않습니다. 회사에서 우선순위가 높은 일을 하는 것이 일반적으로 프로젝트를 지원하는 일보다 임팩트가 높을 수 밖에 없을 것입니다.
- 포괄(Surface)영역: 어떤 분석들은 다른 분석들보다 더 넓은 영역에서 임팩트를 미칩니다. 예를 들면, 스냅챗 제품의 변화로 인해 활동 유저수가 줄어든다는 분석은 색상 구성표를 변경하는 것보다 좀 더 임팩트가 클 수 있습니다.
Q2. 커리어 단계 별 특징은 무엇일까요?
단계가 달라지면서 자율성과 책임감은 점점 더 커지게 됩니다. 데이터 사이언티스트들은 성장하면서 독립적으로 할 수 있는 영역이 넓어지고 더 많은 책임감을 가지고 긍정적인 변화를 지속적으로 이끌어낼 수 있어야 합니다.
어떤 레벨이든 퀄리티 높은 작업으로 이루어져야 합니다. 업무 퀄리티는 모든 데이터 사이언티스트들에게 동일하게 요구되나 주니어들은 시니어와 같은 임팩트를 내기 위해 어느 정도 도움이 필요할 수 있습니다.
커리어의 성장은 임팩트를 키우고 필요한 부분을 개선함으로써 이루어집니다. 데이터 사이언티스트들은 가끔씩 시간이 지나면 정기적으로 승진해야 한다고 생각할 수 있지만 그저 시간을 보내는 것으로 성장이 되는 것은 아닙니다. 진정한 성장은 역량과 영향력이 커지면서 만들어집니다.
Q3. 성장하려면 어떤 과정이 필요할까요?
데이터 사이언티스트들이 위에서 설명된한 레벨의 수준으로 가기 위해서는, 조직과 개인 모두 학습과 성장에 집중해야 합니다. 학습과 성장은 개인마다 진행이 되어야 하며 위에서 언급된 5가지 주요 기술과 능력에 대한 강/약점에 대응해야 합니다. 추가로 데이터 사이언티스트로서의 영향력을 확장시키기 위해서는, 조직력, 리더십, 우수성, 우선순위 그리고 데이터 기반 문화 구축에 대한 코칭과 멘토링이 제공되어야 합니다.
Q4. 각 단계 별로 데이터 사이언티스트들은 어떻게 발전할 수 있나요?
- 전문성 높이기: 하나의 영역 (예를 들면, 부정탐지 분석과 같은)을 제대로 이해하게 된다면 더 큰 임팩트를 미칠 수 있습니다. 이러한 전문 지식이 쌓이면서 데이터 사이언티스트는 깊은 이해도와 규모를 확장시킬 수 있는 프레임워크를 생성할 수 있으며 이는 데이터 사이언티스트로의 발전에 큰 도움이 될 것입니다.
- 도전적인 과제를 해결하기: 아주 어려운 문제를 해결하려면 이해력, 창의력 그리고 혁신에 대한 장벽을 깨야 합니다. 이는 대부분 큰 임팩트로 이어집니다. 다양한 어려운 문제를 해결하는 능력은 데이터 사이언티스트의 커리어를 발전시킬 수 있을 것입니다.
- 성과에 집중하기: 많은 데이터 사이언티스트들이 훌륭한 분석을 하고 있지만 성과를 내는 것은 쉽지 않습니다. 결과적으로 제품의 과정은 바꿀 수 없습니다. 최고의 데이터 사이언티스트가 되려면 성과를 내기 위한 필수적인 요소와 함께 로드맵을 만들고 새로운 전략을 이끌어 낼 수 있어야 합니다.
- 최고를 지향하기: 강한 성장 마인드를 가지고 배우고자 하며 보다 빠르게 역할에 필요한 요건들을 키워나갈 수 있어야 합니다.
잊지 마세요
- 데이터 사이언티스트는 프로젝트, 제품, 도메인, 회사에 영향을 줄 수 있는 능력을 키우면서 커리어를 발전시킬 수 있습니다.
- 또한 데이터 사이언티스트는 문제정의, 기술력, 분석력, 해석 및 영향력 등 5가지 주요 기술을 향상시키며 성장할 수 있습니다.
- 원문: 세콰이어 https://medium.com/sequoia-capital/progression-of-a-data-scientist-e1bebf8c8420
- 번역: 벨 (객원) / 편집: 뤽
이바닥늬우스 