AI 시대 DATA SCIENTIST의 역할

AI 시대 DATA SCIENTIST의 역할_이혜주 롯데멤버스 대표님(이화여대 통계학과 출신)

 

• AI의 의미: 삶과 일하는 방식을 변화시키는 핵심적인 드라이브

     1990년대:  인터넷
     2000년대 : 모바일
     2010년대: 스마트폰, 클라우드
     2020년대: 생성형 AI

 

• AI로 인한 비즈니스 변화
  1) 일하는 방식 변화: 업무 + AI
  2) 서비스 제공 방식 변화: 제품서비스+AI
  3) 고객경험 변화: UX+AI 

 

• 생성형 AI 한계
  1) 실제로 존재하지 않는 정보 제공
  2) 최신 정보 재학습 불충분
  3) 모델이 왜 그런 결과를 만들어냈는지 설명하기 어려움

 

• 생성형 AI시대 데이터가 더 중요한 이유
  1) 혁신적인 데이터 생성 및 증강
  2) 데이터 보안 및 프라이버시 강화
  3) 데이터 품질 및 정확성 향상
  4) 데이터 활용성 향상 

 

• 과거(2019) 평균적 데이터 과학자의 스펙 

1. 70%가 남자 데이터 과학자의 70%가 남성입니다.
2. 2개 언어 구사 데이터 과학자들은 평균적으로 1개의 외국어를 구사합니다.
3. 데이터 과학자로서의 평균 경력: 2년 이는 새로운 직업입니다. 연구 대상 전문가들의 데이터 과학자로서의 중앙값 경력은 2년입니다.
4. 애널리스트, 학자 등 기타 직업으로서의 평균 경력: 4.5년 현재 데이터 과학자들은 (이전 직책 포함) 평균 4.5년의 경력을 가지고 있습니다.
5. 50% 이상이 R 그리고/또는 Python 사용 연구 대상 데이터 과학자의 50% 이상이 R 및/또는 Python을 사용합니다.
6. 75% 이상이 석사 또는 박사 학위 보유 데이터 과학자의 75%가 박사(27%) 또는 석사 학위를 가지고 있습니다.

이미지 출처: 365 Data Science 홈페이지

 

 

 

• 데이터 엔지니어군: S/W 엔지니어, 데이터 엔지니어, DBA | 개발, IT 부서
• 데이터 사이언티스트군: 데이터 사이언티스트, 데이터 엔지니어, 머신러닝 엔지니어, 데이터 분석가 | 데이터 조직
• 데이터 분석가군: 데이터 분석가, 비즈니스 분석가, 그로스해커, 마케터/기획자 | 비즈니스(기획/마케팅)

 

 

Data Storyteller

Data Storyteller는 데이터를 통해 필요한 정보를 추출하고 이를 청중이 쉽게 이해할 수 있는 형태로 전달하여, 데이터 기반의 의사 결정을 도울 수 있는 역량을 가진 전문가를 의미합니다.

 

1. 비즈니스 인사이트의 추출 및 해석
   • 복잡한 데이터 세트에서 중요한 비즈니스 인사이트를 추출하고 이를 해석하는 능력.
   • 조직의 비즈니스 목표와 관련하여 전략적 의사결정을 지원하는 근거를 제공.
   • 비즈니스 문제를 정의하고 이를 해결하기 위한 분석을 실행.
2. 데이터 Writing
   • 복잡한 데이터를 쉽게 이해할 수 있는 방식으로 표현하여, 청중이 정보를 빠르게 파악할 수 있도록 도움.
   • 핵심 포인트를 직관적으로 전달하여 정보의 흐름을 명확히 함.
3. 커뮤니케이션 및 설득력
   • 데이터를 기반으로 한 발견 사항을 명확하고 간결하게 전달할 수 있는 능력.
   • 청중의 관심을 끌고, 조직 내 변화를 주도할 수 있는 설득력 있는 논리를 구성.
4. 비즈니스 및 분석적 사고
   • 데이터 분석 결과를 비즈니스 문맥에 맞게 해석하고, 이를 기반으로 전략적 권고안을 제시할 수 있는 능력.
5. 크리티컬 씽킹
   • 데이터 소스의 신뢰성을 평가하고, 분석 방법의 적절성을 검토하며 결과의 타당성을 비판적으로 평가할 수 있는 능력.
6. 스토리텔링 기술
   • 데이터와 분석 결과를 매력적이고 이해하기 쉬운 이야기로 전환하는 능력.
   • 청중이 데이터의 의미를 쉽게 이해하고, 결정에 활용할 수 있도록 이야기 구조를 잘 구성

---

 

오프라인 데이터는 어떻게 뽑나요?

•  위치(어느 지점), 카드 결제 시간, 누군지, 뭘 샀는지, 가격, 상품에 대한 속성, 그 날 같이 산 상품들을 가지고 장소, 상품, 사람에 대한 이해를 확장해서 이해하려고 노력함.

데이터분석가에서 C레벨까지 커리어를 올리는데 힘들었던 점이 무엇이었는지?

• 데이터를 가지고 데이터 분석가에서 머물렀던 것이 아니라, 데이터를 가지고 사업도 만들어보고 돈도 벌어보고 정부와 함께 국가데이터 정책 아젠다를 만드는 일들을 많이 하기 위해 노력함. 이런 아젠다를 낼 수 있도록 노력하는 것이 중요하다고 생각. 
• 나의 업무 이외의 일을 하지 않으려고 하는 경우가 종종 있음. 스스로 업무 바운더리를 좁게 하는 행동을 조심하면 좋을 거 같음.  그 대신 일이 힘들면 저의 업무는 이렇게 인데 이렇게 까지 하기에는 조금 시간적으로 여유가 없어서 사람을 붙여주셨으면 좋겠습니다라는 말을 하면서 극복하기 위해 노력하니까 자연스럽게 비즈니스 기회도 커지고 업무 바운더리도 커지면서 다양한 경험을 할 수 있었던 것 같음. (개인적으로 매우 동의...★ 스스로 업무 바운더리를 좁혀가는 모습을 지양하자!)