국내 데이터 분석가 채용 공고 정리 - 데이터 분석가 준비, 공부

데이터 분석가가 되고 싶으면 어떤 공부나 경험을 해야 할까요?

'데이터 분석' 자체 역량이 아닌 특정 회사의 '데이터 분석가'가 되는 게 목표라면, 먼저 각 회사의 채용공고를 보는 게 가장 빠를 것입니다. 교과서 위주로 공부했어요

물론 각 회사의 데이터 분석가마다 하는 일이 다소 다를 수도 있지만, 전반적으로 공통의 요건이 있을 것 같아서 정리해보았습니다.

 

데이터 분석가 채용공고 정리

(해당 데이터는 2021년 9월 1일 당시 각 회사 채용 홈페이지 기준이며, 회사 및 순서 선택에 큰 이유는 없으니 참고하시길 바랍니다. 일부 데이터 엔지니어 및 데이터 사이언티스트의 공고도 참조하였습니다.)

총 12개 회사의 요건 206개를 참조했습니다. 텍스트 분석 기술이 아닌 직접 분석(인간지능)을 통해 7개 요건으로 간추려 볼 수 있었습니다. 글을 쓰는 시점(2021년 11월 20일)에 생각나는 회사들이 있어서 몇 개 더 찾아봤더니, 요약에 다 포함돼서 신기했었네요. 물론 당연히 포함되지 않는 공고도 꽤 있겠지만 큰 결에서는 비슷하리라 여겨집니다.

7가지를 차례대로 살펴보겠습니다.

'데이터는 돈이 되거나 도움이 되어야한다' 라는 말을 들었는데, 인상적이었습니다

1. 데이터 분석 일반 

• 논리적 사고 및 문제 정의&해결 능력 - 책임감, 끈기 및 적극적인 태도 포함
• 커뮤니케이션 및 협업 능력 - 보고서 작성 및 컨설팅 포함
• 데이터 분석 경험 - 인사이트 도출, 액션, 임팩트 창출 등
• 데이터 시각화, 대시보드(분석 결과 제품화) 관련 능력 및 경험

이 부분의 워딩은 회사마다 다 달랐습니다. 각 회사가 생각하는 '일 잘하는 사람' 혹은 '함께 일하고 싶은 사람'에 대한 나름의 정의를 살펴볼 수 있었습니다. 수많은 기술도 중요하지만, 결국 이 역량이 가장 중요하지 않을까 싶습니다.

그리고 회사에서 일하는 사람이라면 당연히 '일'을 할 테고, 그 '일'의 결과는 특정 형태의 '데이터'로 '시각화' 되어 전달될 테니 결국 모든 직장인에게도 해당되는 말이기도 하겠습니다.

 

2. 데이터 분석 세부 

• 서비스 방법 분석론 및 관련 경험(AARRR, LTV, Cohort, Funnel)
• 실험 설계 및 관련 프로젝트 경험 (A/B Test, Optimization, Performance Marketing 등)
• 모델링 및 분석 경험
• 대용량 데이터 및 로그 설계/분석 경험

1번을 잘하는 사람이라면 당연히 다 접해봤을 것 같네요. 하지만 모든 걸 완벽하게 잘하는 사람은 드물 테니, 회사/ 팀 / 시기마다 각 TO에 따라서 우선순위가 조금 달라질 수도 있는 영역으로 보입니다.

 

3. 도메인 지식

• 스타트업 및 IT 산업 전반 이해
• 각 회사 도메인 이해

이것 역시 굳이 데이터 분석가에만 한정되진 않는 역할로 보입니다. 같은 지표라도 회사/도메인 별로 해석하는 방법이 다소 다르겠죠. (여기까지 읽으셨으면 번호의 의미를 궁금해하실 수도 있는데, 번호는 제가 생각하는 준비 우선순위입니다)

 

4. 통계 및 머신러닝

• 통계 / 머신러닝 / 데이터 마이닝 전반

우대 조건에서 관련 '석/박사 학위'를 가지신 분이 많이 보였습니다. 당연히 다 잘하면 좋겠지만, 더 일반적인 역할일수록 통계가 더 중요하지 않을까 싶습니다. (가만있어보자 통계 책이 어딨더라)

회사/부서별로 데이터 엔지니어 / 데이터 사이언티스트 / 기타 머신러닝 관련 직군 (혹은 인프라의) 존재 유무나 협업 방식에 따라서 데이터 분석가에게 기대하는 역할이 조금씩 달라질 것으로 보입니다.

 

직장인이라면 아마 한번쯤 이직을 생각해보고 행복회로를 떠올려보셨을 것 같아요. 물론 이직했을때 그 행복이 찾아올 수도 있고, 아닐 수도 있죠ㅎ.ㅎ

 

5. 프로그래밍 일반

• 프로그래밍에 대한 전반적인 이해
• DB - RDB, NoSQL 등 관련 구조 이해
• 클라우드 인프라 - AWS, GCP 등

이 부분 역시 4번처럼 회사마다 각 데이터 분석가에게 요구하는 역할에 따라서 조금씩 달라질 수 있을 것으로 보입니다.

(이런 부분을 볼 때마다 '대학시절 전공수업을 더 많이, 더 열심히 듣을걸'이라고 생각하지만, 분명 다시 돌아가도 격렬히 새로운 것과 다양한 경험들을 하기 위해 노력했을 것 같네요.)

 

6. 프로그래밍 언어 및 툴

• 데이터 처리 및 분석 - SQL, R, Python(Pandas) 등
• 빅데이터 시스템 - Hadoop, Hive, Spark 등
• ML 관련 - TensorFlow, PyTorch, scikit-learn 등
• BI 툴 - Tableau, Power BI, MicroStrategy 등

(사실 큰 결에서 5번과 비슷한데 편의상 나눴다고 보셔도 무방합니다.)

공고 모음 60번째 열의 'R 또는 Python을 다룰 수 있는 분 (SAS, SPSS, GA, tableau 등 통계 툴만 사용 가능한 경우 제외)' 이 인상적이었습니다. 

우선순위가 낮은 감이 없지 않아 있지만, 1~5번을 만족하는 분이라면 이미 6번은 일부 해당이 될 것 같기에 낮췄습니다.(빠져나가기) 사실 기본기가 탄탄하다면, 어떤 언어 / 시스템 / 툴이든 빠르게 익숙해질 수 있을 것으로 여겨집니다. 

 

7. 경험 / 경력 

• 데이터 분석 / 알고리즘 대회 
• 비즈니스 영어

영어로 일하는 조직이라면 당연히 영어로 일해본 경험이 있거나 영어를 잘한다면 도움이 많이 되겠죠. 데이터 분석이나 알고리즘 대회도 당연히 경험하면 도움이 되는 쪽일 것 같네요. 울면서뛰쳐나감

 

제가 당장 데이터 분석가 면접을 본다고 가정해보면, 준비해야 할 부분들이 우르르 느껴집니다...! 이 글이 도움이 되셨으면 좋겠네요:) 

(시간이 된다면 언젠간 데이터 사이언티스트 직군도 정리해보도록 하겠습니다.)