3대 데이터 직군: 분석가, 과학자, 그리고 엔지니어

 

💡 데이터 직군이 주목을 많이 받으며 이 방면으로 취업을 희망하는 사람들이 많다. 그중 가장 유명한 세 가지 직종인 데이터 분석가, 데이터 엔지니어, 데이터 사이언티스트는 모두 데이터와 관련된 직종이지만 각각의 역할과 책임이 다른, 대표적인 데이터 직군에 해당한다.

 

 

• 데이터 직군 3대장
• 3대장 간단히 알아보기
• 기획과 개발 측면에서 직군 구분해 보기

 

 

데이터 직군 3대장

데이터 관련 직군은 테크 기업들의 부흥 이래로 꾸준히 주목받고 있는 직군이고, 많은 분들이 이 직무로 일하기 위해 취업 단계에서부터 많은 것들을 준비하고 있다. 하지만 대기업 공채와는 다르게 테크 기업의 경우 직무 기준으로 포지션을 오픈하고 채용한다. 때문에 데이터 직군 취업 준비를 하면서도 내가 어느 포지션에 지원해야 하는지에 대한 고민이 있을 것이다.

이번 시간에는 데이터 직군의 3대장인 데이터 분석가(데분), 데이터 엔지니어(데엔), 그리고 데이터 사이언티스트(데싸)에 대해 간단히 알아보고, 그중 데이터 분석가가 다른 직군과 어떻게 다른지 알아볼 예정이다. 물론 데이터 직군은 이 3가지에만 국한되지 않고 포지션명은 회사마다 다를 수 있다. 하지만 이 3가지 직군에 대해 이해하는 것만으로도 채용 공고를 볼 때 어느 정도의 감을 잡을 수 있을 것이라고 확신한다.

 

3대장 간단히 알아보기

데이터 분석가(Data Analyst)는 비즈니스의 목표를 모니터링하고 앞으로 어떠한 액션을 취해야 할 지에 대한 인사이트를 찾아내는 직군이다. 쉽게 말해, 회사 내외의 여러 데이터를 이리저리 만져보면서 “우리의 목표는 이것인데 현재 이런 문제가 있으니 이런 방법을 통해 해결해 보시죠? “를 제안하는 자리라고 보면 된다.

데이터 엔지니어(Data Engineer)는 이러한 데이터 분석가뿐만 아니라 회사 안의 데이터가 원활히 수집되고, 저장되도록 흐름을 설계하는 직군이다. 일종의 배관공이리고도 할 수 있는데, 실제로 데이터 엔지니어의 업무를 원활한 데이터 파이프라인(배관) 설계라고도 표현하니 적절한 비유라고 할 수 있겠다. 데이터 엔지니어가 효율적인 데이터 흐름을 설계하고 운영하면, 데이터 분석가나 데이터 사이언티스트 등 여러 구성원들이 데이터를 효과적으로 사용할 수 있게 된다.

데이터 사이언티스트(Data Scientist)는 데이터 분석가의 상위호환 버전으로 이해하면 쉽다. 분석과 인사이트 도출을 맡되, 더욱 수학적이고 통계적인 기법을 활용하거나 머신러닝, 딥러닝 기술과 같은 최첨단 AI 기술을 활용하기도 한다. 그렇기에 일반적인 분석으로는 확인하기 어려운 고도의 예측/추천 모델을 만든다거나 하는 기술적으로 고도화된 데이터 업무를 맡게 된다.

상기한 3가지 직군 외에도 이 3가지 직군에서 파생되거나 관련된 여러 직군이 존재한다. 가령 분석가의 경우 영역에 따라 프로덕트 데이터 분석가와 비즈니스 데이터 분석가로 나뉘기도 한다. 데이터 사이언티스트의 경우 주요 업무 중 하나인 ML/DL 모델 개발 및 배포를 전문으로 맡는 머신러닝 엔지니어(ML Engineer)로 세분화되기도 한다. 데이터 엔지니어의 경우 엔지니어링 업무와 관련된, 데이터베이스의 관리를 중점적으로 수행하는 DBA(Database Administrator) 직군도 존재한다.

 

기획과 개발 측면에서 직군 구분해 보기

위 데이터 3개 직군은, 이 분야를 잘 모르는 사람들이 보면 모두 개발자로 여겨지기도 한다. 나 역시도 데이터 분석 일을 한다고 하면 “개발자시네요?”, “개발자 연봉받으시겠네요?”라는 반응을 심심찮게 듣곤 한다. 하지만 채용 시장에서는 개발과 데이터를 확연히 구분된 직군으로 정의하고 있으며, 기업들의 채용 페이지에서도 데이터와 개발(엔지니어링)은 통상적으로 별도의 카테고리를 두어 구분하고 있다.

데이터 분석가의 경우 비즈니스와 조금 더 가까이 일하며 그에 대한 인사이트 제공이 메인 업무이기 때문에, 개발보다는 확실히 기획 성향의 직무라고 할 수 있다. 회사가 목표를 설정할 때 이를 달성하기 위해 모니터링해야 하는 지표를 기획하거나, 보고서를 작성하여 액션을 도출할 수 있도록 하는 업무 자체가 기획에 가깝다고 볼 수 있겠다.

그렇다고 엔지니어링을 아예 하지 않는 것은 아니어서, 데이터 분석에 필요한 어느 정도 수준의 파이프라인 구축은 분석가 스스로가 해결해야 하는 경우도 있다. 또한, 업무 영역에 따라 데이터 분석가와 비즈니스 분석가로 나누기도 하는데, 둘 다 기획 성향의 업무에 집중하는 것은 맞다.

데이터 사이언티스트의 경우 기획과 개발의 중간에 위치한 직군으로 이해하면 좋다. 그들의 업무에는 비즈니스에서 활용할 수 있는 인사이트를 찾아내는 것은 물론, 이를 위한 AI 모델 개발 업무까지 포함되어 있기 때문이다. 따라서 단순히 모델 개발을 위한 코딩부터 시작해서, 이 AI 모델을 시스템에 이식할 수 있는 어느 정도의 개발 역량까지 요구하는 경우가 많다.

만약 회사의 비즈니스가 AI 기술을 적극적으로 사용하는 경우, 단순히 데이터 사이언티스트라는 포지션으로 채용하는 것보다 AI 모델링과 배포/유지하는 직무를 별도로 나누어서 채용하는 경우도 있다. 이 경우 데이터 사이언티스트 직군을 세분화하여 ML 엔지니어라는 포지션을 별도로 두고 채용을 진행한다.

데이터 엔지니어는 이름에서부터 개발에 더 가까운 포지션으로 보인다. 업무 자체가 인사이트의 발견, 비즈니스의 적용이 아닌, 데이터 파이프라인의 최적화된 운영 등 기술적인 부분에 더 특화되어 있기 때문이다. 데이터 직군의 개발자로 보아도 무방할 수준이지만, 새로운 데이터 파이프라인을 구축해야 하는 경우 비즈니스 분야의 기획이 아닌 설계 측면에서의 기획력은 어느 정도 필요할 수 있다.

이상으로 데이터 직군 3대장인 데분, 데싸, 데엔에 대해 알아보았다. 위 직군의 구분은, 으레 그렇듯이 절대적인 기준은 아니다. 어떤 회사에서는 데이터 분석가를 채용해서 AI 모델 개발까지 투입하는 경우도 있고, 또 데이터 파이프라인 구축까지 맡기는 경우도 있다. 항상 기업에서 제공하는 잡 포스팅을 꼼꼼히 확인하고, 그것이 어느 영역까지 커버하는지 확인해 볼 필요가 있다. 다음 포스팅에서는 데이터 분석가를 기준으로 보다 구체적인 직무 소개를 진행해보고자 한다.

 

데이터 직군 요약

• 데이터 분석가: 비즈니스의 문제 해결을 위해 인사이트를 제공하는 역할 (기획 성향)
• 데이터 사이언티스트: 비즈니스의 문제 해결을 위해 고도화된 수리/통계 기법과 인공지능 기술을 사용함 (기획 + 개발 성향)
• 데이터 엔지니어: 회사 내 원활한 데이터 파이프라인을 구축 및 유지하는 역할 (개발 성향)

 

 

 

재미있게 보셨다면 공감 버튼 / 댓글 남겨주세요!
컨텐츠 작성에 큰 힘이 됩니다 :)