데이터 사이언스와 데이터 사이언티스트
쉽게 말하면
데이터 사이언스는 데이터에서 쓸모 있는 답을 찾아 실제로 쓰게 만드는 일이에요. 그래서 데이터 사이언티스트에게는 계산과 코딩 실력(하드 스킬)만큼, 좋은 질문을 던지고 결과를 쉽게 설명하고 다른 사람과 협업하는 능력(소프트 스킬)이 중요해요.
시험용 정의
데이터 사이언스는 데이터에서 의미 있는 정보와 인사이트를 추출해 가치를 만드는 학문이다. 수학·통계, IT(프로그래밍·데이터 엔지니어링), 비즈니스 분석(도메인 지식, 커뮤니케이션)을 아우른다. 통계학과 달리 정형·비정형을 모두 다루고, 분석에 그치지 않고 결과를 전달하고 실행으로 잇는 것까지 포함한다. 데이터베이스를 만드는 것 자체는 목적이 아니라 기반이다. 데이터 사이언티스트에게는 하드 스킬(빅데이터 관련 이론 지식, 분석 기술의 숙련)과 소프트 스킬(통찰력 있는 분석, 설득력 있는 전달, 다분야 간 협력)이 모두 필요하다.
비유로 이해하기
명의(名醫)를 생각하자. 의학 지식과 수술 기술(하드 스킬)만으로는 부족하다. 환자의 말을 잘 듣고 숨은 원인을 의심해 보고(통찰), 진단을 환자가 이해하게 설명하고(전달), 간호사·약사와 협업해야(협력) 실제로 낫게 한다.
자세히
데이터 사이언티스트의 역량
| 구분 | 역량 | 예 |
|---|---|---|
| 하드 스킬 | 빅데이터 관련 이론 지식 | 통계, 기계학습, 데이터 처리 기술 |
| 하드 스킬 | 분석 기술의 숙련 | R·파이썬 코딩, 최적 분석 설계 노하우 |
| 소프트 스킬 | 통찰력 있는 분석 | 창의적 사고, 호기심, 논리적 비판 |
| 소프트 스킬 | 설득력 있는 전달 | 스토리텔링, 시각화 |
| 소프트 스킬 | 다분야 간 협력 | 커뮤니케이션, 도메인 전문가와 협업 |
일차원적 분석 vs 전략 인사이트
| 구분 | 일차원적 분석 | 전략 인사이트 |
|---|---|---|
| 초점 | 부서별 업무 효율화 (재고 경보, 이탈 알림) | 비즈니스 핵심 가치, 경쟁의 본질 |
| 범위 | 기존 업무 안 | 내부와 외부 시장·경쟁 환경까지 |
| 효과 | 부분 최적, 경쟁 우위에는 한계 | 차별화와 사업 성과 견인 |
알아 둘 이야기
- 빅데이터 회의론: 과거 CRM 같은 대규모 투자가 기대만큼 성과를 내지 못한 부정적 학습 효과. 분석을 '많이' 하는 것이 아니라 가치를 만드는 것이 핵심이다
- 인문학 열풍: 단순 세계화에서 복잡한 세계화로, 제품 생산에서 서비스로, 생산에서 시장 창조로 바뀌며 사람과 사회를 이해하는 능력이 중요해졌다
- 한계: 분석 모델은 가정에 기대고, 해석에 사람의 주관이 들어간다
- 도메인 전문가가 분석에 참여하면 더 깊은 통찰을 얻는다. 분석가가 관리 업무를 함께 하는 경우도 흔하다
- 알고리즘 피해를 구제하는 일은 데이터 사이언티스트가 아니라 알고리즈미스트의 역할로 구분한다
시험에 이렇게 나와요
- 하드 스킬(이론 지식·분석 기법·프로그래밍) vs 소프트 스킬(통찰력·호기심·비판적 시각·전달·스토리텔링·협력)
- 알고리즘 이해와 분석 능력을 소프트 스킬이라 하면 틀림
- 의사소통 능력이 중요하지 않다고 하면 틀림, 코딩만 하는 직업이 아니다
- 데이터베이스 구축 자체가 데이터 사이언스의 목적이라 하면 틀림
- 전략 인사이트는 내부 관점에만 한정하지 않는다
확인 문제
Q1. 데이터 사이언티스트의 소프트 스킬에 해당하는 것은?
- 분석 결과를 이야기로 풀어 설득하는 능력
- 분산 처리 기술
- R·파이썬 프로그래밍
- 기계학습 알고리즘 지식
정답 보기
1번 분석 결과를 이야기로 풀어 설득하는 능력
스토리텔링·시각화로 설득력 있게 전달하는 능력은 소프트 스킬이다. 알고리즘 지식, 프로그래밍은 하드 스킬이다.
Q2. 데이터 사이언티스트의 하드 스킬에 해당하는 것은?
- 스토리텔링
- 통계와 기계학습 이론 지식
- 호기심과 비판적 시각
- 다분야 간 협력
정답 보기
2번 통계와 기계학습 이론 지식
이론 지식과 분석 기술은 하드 스킬, 나머지는 소프트 스킬이다.
Q3. 데이터 사이언스에 대한 설명으로 옳지 않은 것은?
- 분석 결과를 전달하고 실행으로 잇는 것까지 포함한다
- 정형과 비정형 데이터를 모두 다룬다
- 데이터베이스 구축 자체가 핵심 목적이다
- 통계·IT·비즈니스 지식을 아우른다
정답 보기
3번 데이터베이스 구축 자체가 핵심 목적이다
DB 구축은 기반일 뿐 목적은 가치 창출이다.
Q4. 소프트 스킬로만 묶은 것은?
- 통계 이론, 기계학습
- 프로그래밍, 분산 처리
- 통찰력, 설득력 있는 전달, 협력
- 데이터베이스 설계, SQL
정답 보기
3번 통찰력, 설득력 있는 전달, 협력
통찰력·전달·협력이 소프트 스킬이다.
Q5. 전략 인사이트를 얻는 분석에 대한 설명으로 옳지 않은 것은?
- 의사결정에 긍정적 영향을 준다
- 환경 변화에 빠르게 대응하게 돕는다
- 분석을 많이 하는 것 자체가 핵심은 아니다
- 기업 내부 관점에만 한정해 분석한다
정답 보기
4번 기업 내부 관점에만 한정해 분석한다
'기업 내부 관점에만 한정한다'가 틀리다. 전략 인사이트는 시장·고객·경쟁 같은 외부 환경까지 함께 보아야 얻는다.
Q6. 데이터 분석가에 대한 설명으로 가장 알맞지 않은 것은?
- 분석가는 코딩만 잘하면 된다
- 도메인 전문가가 참여하면 더 깊은 통찰을 얻을 수 있다
- 분석 결과를 의사결정자에게 설명할 수 있어야 한다
- 소통과 팀워크 같은 소프트 스킬이 필요하다
정답 보기
1번 분석가는 코딩만 잘하면 된다
코딩 외에 전달·협력 능력도 필요하다.
헷갈리기 쉬운 O·X
알고리즘 이해와 분석 능력은 소프트 스킬이다.
정답 보기
X 하드 스킬이다.
분석 결과를 스토리텔링과 시각화로 전달하는 능력은 소프트 스킬이다.
정답 보기
O
데이터 사이언티스트는 개인 분석 능력이 최우선이므로 의사소통 능력은 상대적으로 덜 중요하다.
정답 보기
X 의사소통·협업도 핵심 역량이다.