또 한 번 오랜만에 인사드립니다.😂 글을 매달 하나씩은 써보려고 했으나, 어느덧 2021년이 저물어가고 있군요. 퇴근하고 방에 앉아서 문득 어떤 생각이 떠올라서 글을 끄적이다가, 결국 이렇게 슬통 블로그를 켜고 다음 글로 쓰려고 생각해뒀던 주제와는 다른 글을 작성하고 있습니다.
저는 남들보다 이해력이 뛰어난 똑똑한 사람이 아닌 지극히 평범한 사람이어서, 학부 4학년 무렵부터 대학원을 졸업할 때까지 데이터 과학자, 데이터 분석가 (Data Scientist, Data Analyst)로써 직장을 구하기 위해서는 어떤 것들을 우선순위로 두고 준비를 해야 할 것인가에 대해 늘 고민해왔는데요. 아시다시피,데이터 과학자 또는 데이터 분석가로 직장을구하기위해준비해야하는것들은한두 개가 아닙니다.😭
타고난똑똑이가 아닌 이상, 개인적으로는 우선순위를 잘 선정하여 준비해나가는 것이 정말 중요하다고 생각하고있는데요. 그래서, 오늘은 제가 생각하는 우선순위 대해서 한 번 써보려고 합니다. 짤막하게 쓸 겁니다. 바로 들어가시죠🕶
1 학위
많은 분들이 딱히 중요치 않게 생각하는 듯합니다. 데이터 과학자나 데이터 분석가를 준비하는 사람들에게 본인이하고싶은 세부적인 분야의유관 전공으로 최소한 석사학위를 갖추는 것은 매우 중요합니다. 예를 들어, 본인이 하고 싶은 일이 딥러닝(Deep Learning), 머신러닝(Machine Learning) 분야라면, 유관 전공은 통계학과보단 산업공학과 또는 소프트웨어학과(컴퓨터 과학, Computer Science)쪽에 가까울 것이라 생각합니다. 연구필드에나와보니, 이왕이면박사까지하는것이좋다는생각이참많이듭니다. 이것은 제가 연구 필드로 나와서 일수도 있습니다. 사기업에서 비즈니스 밸류를 찾는 일을 하고 있다면, 과연 어떤 생각을 하고 있을지는 모르겠네요.😃
관련 분야의 전문적인 지식을 갖는 것은 중요합니다.
단, 석사학위, 박사학위를 갖춘다고 해서 취업이 쉬워지느냐? 그것은 아닙니다. 기본으로 장착해야 할 아이템이라고 보시면 편합니다. 이러한 면에서 학위를 1순위로 꼭 두고 싶은 것도 있습니다. 아울러, 학위를 준비하며 본인이 조금이라도 자신 있다고 말할 수 있는 연구 분야(e.g. 시계열 자료 분석), 언어(e.g. R) 하나쯤은 만들어 놓는 것이 꼭 필요하다고 생각합니다. 여기에 더하여, 좋은 주제의 논문을 투고한다든지, 좋은 주제의 학위 논문을 작성한다면 더할 나위 없이 좋을 것 같네요.
2 발표력
두 번째는 발표력입니다. 데이터 분석가, 데이터 과학자라는 직업이 존재하는 근본적인 이유는, 데이터로부터 눈으로는 보이지 않는 인사이트를 찾아내기 위함입니다. 이 인사이트를 가지고 연구 필드에서는 논문을 쓰기도 하고, 비즈니스 업계에서는 새로운 전략을 짜기도 합니다. 연구 필드에서는 논문 accept을 위해 리뷰어들을 설득해야 하고, 비즈니스 업계에서는 의사결정에 결정권이 있는 분들을 설득해야 합니다. 데이터 전처리부터 분석, 유의미한 결과 정리까지 잘해놓고 발표를 망치면, 앞선 단계들이 아무런 의미가 없어집니다. 물론, 본인에게는 의미 있었던 작업이었을 수도 있지만요. 그래서 데이터 분석가, 데이터 과학자라는 직업을 가진 사람이라면, 발표력에 대해 늘 생각해야 하고 어떻게 하면 더 좋은 발표를 할 수 있을까 항상 생각해야 합니다.
저는 발표할 기회가 찾아오면 항상 두근거립니다. 전달하고 싶은 것들을 최대한 효과적으로 전달하기 위해 세심하게 발표 자료를 작성하고, 어려운 내용이 있다면 어떤 단어를 선택하고 말함으로써 최대한 쉽게 전달할 수 있을 지에 대해 고민하곤 합니다. 저도 아직 많이 부족합니다만, 발표를 중요하게 생각하고 끊임없이 노력해나가는 사람과 별다른 생각 없이 발표를 귀찮게 여기는 사람의 몇 년 후는 많이 다를 거라고 생각합니다. 발표력을 신경 쓰다 보면 모든 과정에서 자연스럽게 세심함을 기울이게 됩니다. 더 효과적인 정보 전달을 위해 끊임없이 시각화를 개선하게 되고, 본인이 준비한 분석 방법론을 쉽고 직관적으로 이해시키기 위해 끊임없이 공부하는 노력도 하게 되죠. "발표력" 이거 하나 신경 쓴다고 많은 것이 달라지는 본인을 발견하실 수 있을 겁니다.
3 포트폴리오
포트폴리오는 아마 많은 분들이 중요시하실 거라 생각합니다. 학위와 발표력을 갖춰나가며 Github 또는 개인 블로그를 활용해 포트폴리오를 만들어나간다면, 채용 시장에서 몇 없는 매력적인 사람이 되실 수 있을 거라 생각합니다. 앞으로 해당 필드의 채용에 있어서 개인 블로그나 웹사이트 등을 서류 단계에서 추가적인 옵션으로 요구하는 기업, 기관들은 더 많아질 것이라 생각합니다.
4 영어
단순히토익점수, 스피킹점수 등을 논하고싶진않습니다. 본인이 알고자 하는 또는 새로이 등장하는 방법론 또는 소프트웨어(e.g. R, Python) 패키지에 관한 좋은 글, 논문 등은 대부분 영어로 쓰여있습니다. 좋은 영어 원서도 정말 많고요. 이를읽고해석하여자기것으로만드는능력은곧본인의 업무 생산성과직결된다고생각합니다. 그리고, 조금 더 욕심을 내자면, 훌륭한분들이찍은정말좋은교육 영상도자막 없이들을수있는리스닝실력까지갖추면정말금상첨화가아닐까요..😭 단, 해외 대학원 석/박사를 준비하시는 분이라면 영어는 학위와 같은 순위에 놓일 수 있겠군요.
5 데이터 분석 공모전/ 경연대회 참가 경험
데이터 과학에 관한 관심이 꽤 커진 만큼, 데이터 분석 공모전이나 경연 대회(예: 데이콘, 캐글)에 참가해 볼 기회는 참 많습니다. 한 번쯤은 꼭 참가해보시기 바랍니다. 실무에 뛰어들기 전, 실제 자료로 데이터 전처리부터 분석, 그리고 이를 통해 인사이트를 얻는 과정까지 경험해본 다는 것 자체가 의미 있는 일이라고 생각합니다. 처음에는 힘들고 시간이 많이 들겠지만, 본인에게 큰 도움이 될 겁니다. 만약, 이러한 과정 속에서 수상 경력까지 얻는다면, 이력서와 포트폴리오가 한층 더 단단해질 수 있겠네요.😄
6 자격증
이상하리만큼 이것을 1순위로 두는 듯한 분들이 참 많은 것 같습니다.😭 왜 그럴까요? 주변에 공기업, 공공기관, 금융권 등을 준비하는 친구들이 여러 자격증을 따는 모습을 보며, 불안감에 빠져서 그런 걸까요?
할 거 없으면 자격증이나 따.
데이터 과학자나 분석가를 꿈꾸는 분들에게 함부로 "할거 없으면 자격증이나 따."라고 충고하는 것은 꽤 위험하다고 생각합니다. 물리적인 증서로 주어지는 자격증은 사람을 쉽게 안심시키고 안주하게 만들 수 있습니다. 대단한 일을 해낸 것처럼 말이죠. 앞서 선 순위로 제시한 것들만 준비해도 시간은 부족하면 부족하지 남진 않으실 겁니다. 그럼에도 불구하고, 자격증 한 두 개 정도는 따두고 싶다면, 본인이 가진 토대를 활용해 최대한 시간을 적게 들일 수 있는 유의미한 자격증을 따시기 바랍니다(e.g. ADP, 빅데이터 분석기사)
본인이 가고자하는 "특정" 회사에서 "특정"자격증에서류상의 가점을 주지 않는 이상, 솔직히 자격증은 가장 쓸모없다고 생각하는 부분입니다. 데이터 과학자, 데이터 분석가로 직장을 구하고자 하는 분들에게 있어서, 특정자격증으로서류상가점을부여하는 일은 취업 준비하면서 딱히 보지못했습니다. 본 필드에서 자신을 매력적으로, 다방면으로 보여줄 수 있는 도구는 바로 3순위에서 제시한 "포트폴리오"입니다. 그래서, "자격증"은 본 필드에서는 파워가 가장 약한 아이템이 아닐까 생각합니다.
맺음말
짤막하게 쓸거라 해놓고, 써놓고 보니 참 많이도 적어놨군요. 참.. 저는 이게 문제예요.😅 혹시 제가 쓴 우선순위에 대해 다른 의견이 있으신 분들이 있다면 함께 댓글로 나눠주시면 정말 좋을 것 같습니다. 긴 글 읽어주셔서 감사합니다.
댓글