데이터 애널리스트(Data Analyst)

 

데이터 애널리스트의 역할은 경영진을 비롯한 여러 이해관계자가 데이터를 올바르게 이해하고 데이터에서 가치를 발굴하도록 도와주는 것이다. 이를 통해 기업이 현재 속한 상황을 정확하게 진단할 뿐만 아니라 앞으로 나아갈 방향을 제시한다.

---

데이터 준비

 

데이터 애널리스트는 데이터를 활용해 조직의 현재 상태를 진단하기 위한 '데이터 준비', '데이터 분석을 통한 비즈니스 인사이트 도출', '데이터 시각화' 등과 같은 업무를 수행한다. 데이터 애널리스트는 주로 이미 기업이 보유하고 있는 정형 데이터(Structured Data)를 활용한다. 정형 데이터는 데이터 엔지니어가 설계한 데이터베이스에 저장된 표준화 데이터를 의미하는데, 이런 데이터 중에서 필요한 데이터를 검색해 가져오는걸을 '데이터 준비'라고 한다.

 

만약 사원의 출퇴근 기록과 같이 매번 같은 형태의 데이터를 정기적으로 가져와 활용할 경우, 변경된 내용만 업데이트하면 되기 때문에 복잡한 데이터 준비 과정을 거치지 않거나 실수를 하지 않도록 데이터 준비 과정을 자동화하거나 문서화하는 업무도 담당한다.

 

정형 데이터 외에 새로운 데이터를 수집하는 것도 데이터 애널리스트의 업무이다. 예를 들어 매 분기마다 실행하는 자체 브랜드 평판 데이터에 경쟁사의 브랜드 평판 데이터를 추가하기로 했다면 데이터 애널리스트는 단기간에 필요한 데이터를 얻기 위해 어떤 선택을 해야 할까? 경쟁사 데이터에는 접근할 수 없고, 경쟁사 브랜드에 대한 소비자 설문 조사를 실시하기엔 많은 시간과 인력이 소요된다. 이런 상황에서는 블로그, SNS, 커뮤니티등 온라인에 기록된 데이터를 수집한다. 이렇게 수집한 데이터는 비록 완벽하지 않더라도 경쟁사에서 출시한 상품에 대한 의견이나 충성도 등에 관한 정보를 어느 정도 파악할 수 있다. 데이터 애널리스트는 이런 식으로 온라인의 데이터를 수집하기 위해 웹 크롤러(Web Crawler)를 구축하거나 API를 활용한다. 다양한 경로로 수집한 데이터를 사용 목적에 맞게 가공하는 과정을 거치기도 하는데, 이를 '전처리'라고 한다.

---

데이터 분석을 통한 비즈니스 인사이트 도출

 

데이터 애널리스트는 수집한 데이터를 분석하고, 눈에 띄는 패턴이나 트렌드를 찾아 원인을 분석한다. 그리고 기초적인 데이터를 분석하기 위해 엑셀을 활용하거나 간단한 코딩 및 데이터 분석 소프트웨어를 활용한다. 만약 데이터 분석을 중요하게 여기지 않은 데이터 애널리스트라면 지난 3년간 특정 제품의 판매량에 큰 변화가 없어도 그냥 넘어가겠지만, 기본적인 분석과 코딩 능력을 갖춘 데이터 애널리스트는 한 단계 더 나아가 해당 제품의 시기별, 소비군별 판매량을 분석해 어떤 요인이 판매량에 영향을 미치고, 기여도가 얼마인지 분석할 것이다.

 

데이터 애널리스트의 주요 업무가 기업의 현황 진단인 만큼 가장 최전선에서 의결정권자나 고위 경영진과 자주 협업하며 비즈니스 인사이트를 파악하는 데 도움을 준다. 또한 빅데이터팀에서 기술적인 업무를 담당하는 데이터 엔지니어나 데이터 사이언티스트가 도출한 결과를 전문 용어나 기법에 생소한 팀 및 경영진과 공유해 이해를 돕는 등 기업 내 빅데이터팀과 빅데이터를 잘 모르는 팀을 잇는 교두보 역할을 한다.

---

데이터 시각화

 

데이터 애널리스트는 분석 결과를 효율적으로 전달하기 위해 데이터를 시각화한다.

분석의 결과를 시각화하면 숫자나 데이터에 익숙하지 않은 사람에게 정보를 효과적으로 전달할 수 있다.

"3분기 마케팅팀의 실적은 1분기 대비 10%, 2분기 대비 16% 감소했습니다. 그러나 영업팀의 실적은 2분기 대비 15%가 상승해 분기 실적이 올랐습니다."라고 설명하는 것보다 다음과 같은 시각화 자료와 함께 설명하면 훨씬 효과적일 것이다.

---

업무에 필요한 지식 및 스킬

 

데이터 애널리스트는 데이터 분석과 머신러닝 모델링을 직접 담당하는 데이터 사이언티스트와 같이 모델링을 완벽하게 이해하고 있지 않더라도 데이터 분석 기법과 통계에 관련된 기초적인 지식을 갖춰야 한다. 이러한 지식을 갖춘 데이터 애널리스트는 전문가 집단과 비전문가 집단의 입장을 모두 이해하고 있기 때문에 두 집단 간의 소통에 도움을 줄 수 있다. 이와 같은 맥락에서 때로는 데이터 애널리스트에게 데이터 사이언티스트의 업무를 요구하기 때문에 머신러닝과 관련된 동향에 관심을 갖고 이해하려고 노력하는 것이 많은 도움이 된다.

 

데이터 준비와 기초적인 분석을 위한 SQL, 엑셀, 기초 코딩 능력 그리고 데이터 분석 소프트웨어와 데이터 시각화 도구를 자유롭게 다룰 수 있는 능력도 중요하다. 많은 사람 앞에서 누구나 쉽게 이해할 수 있는 시각화 자료를 활용해 설득력 있게 발표할 수 있어야 한다. 경영진을 비롯한 다양한 팀과 자주 협업하고 교류하는 만큼 의사소통 능력도 중요한 성공 요소 중 하나이다.

 

기업 내의 다양한 팀과 소통하기 때문에 불필요한 오해와 마찰을 최소화할 수 있는 소통 능력이 필요하다. 그리고 시각화하는 데는 어느 정도의 미적 감각도 필요하다. 데이터를 시각화하고 중요한 정보를 쉽게 이해할 수 있도록 도표는 어떻게 디자인하고, 색은 어떻게 조합할 것인지 등을 끊임없이 고민해야 한다.

---

성향 및 태도

 

여러 이해 집단 사이에서 중개자 역할을 한 경험이 있거나 중재자 역할을 즐기는 성향 또는 다양한 사람과 교류하고 소통하는것을 즐긴다면 데이터 애널리스트로서 중개자 역할을 수행하는 데 많은 도움이 된다. 또한 예기치 못한 상황에 유연하게 대처할 수 있는 자질을 갖추면 더욱 좋을 것이다. 기업에서 가장 중요하게 생각하는 목표나 전체적인 프로레스 등을 항상 염두에 두고 있다면 좀 더 효과적인 인사이트를 도출할 수 있다.

---

데이터 애널리스트의 업무 절차

 

데이터 전처리 ➡ (투자/연구)전략 연구 : 가설 수립 및 모델링을 통한 가설 검증 ➡ 전략 실행 및 실시간 모니터링 ➡

포트폴리오 성과 사후 분석

---

 

 

데이터 애널리스트가 되기 위한 기본적인 소양

 

Software 엔지니어로서 다양한 Platform 에서의 업무 경험은 데이터 애널리스트로서의 기본 요건을 갖추고 있다.

특히 Data Base 구축 경험 및 자동화 System 구축은 데이터를 활용하고 전처리하는데 유용하며, iOS App 개발경험을 통해 UX/UI Design은 시각화 관점에서 매우 유용하다고 생각한다. 특히 Software 엔지니어라는 꿈을 갖기 전 저의 꿈은 일러스트 레이터 였다. 관련 정보를 공부하며 미적 감각에 대한 재능은 어느 정도 가지고 있다고 생각한다.

 

또한 다양한 유관부서와 일을 해야하고 만들어진 자료를 경영진께 설득력 있게 발표하기 위한 업무 경험도 가지고 있다.

전사 JB라는 직무를 통해 다양한 관점에 대하여 이해해야한 습관을 배웠고, 경영진(본부장님 및 이하 임원분들)에게 발표하는 시간을 가지며 프레젠테이션에 대한 자신감도 습득하였다.

여러 이해 집단 사이에서 중개자 역할을 한 경험이 있으며, 저는 다양한 사람과 교류하고 소통하는 것을 즐기기 때문에 데이터 애널리스트로서 중개자 역할을 수행하는데 많은 도움이 되리라 생각한다.

 

Software

1) DBA/Database : SQL

2) Data Engineering/Machin Learning : Python/Java/C/C++

3) Data Crolling : HTML/JavaScrpt/CSS

4) Data manage : 자료 구조와 알고리즘(List,Stack,Queue,Tree,Sort,Search)

 

Work

1) DFT 자동화 System 구축 및 Data logging ➡ Data 전처리 ➡ Data 분석을 통한 issue 도출 및 solution 제안 

2) 과제 : iOS App ➡ User Data 수집 ➡ 사용자 맞춤 구성 View algorithm 구현

3) 개인 : 주식 관련 Data Crolling ➡ Data 전처리 ➡ 필요 Data 수집 후 관련 투자 idea 도출

4) 학습 : Machin Learning 관련 사내 교육 전과정 이수