데이터 과학자가 되어서는 안 되는 이유

 

주변에 특이한 직책이 있습니다. 더 특이한 사람 중 하나는 데이터 과학자입니다. 이 사람들은 다양한 조직에서 찾을 수 있지만 실제로 우리가 생각하는 의미는 아닙니다. 이 블로그에서는 데이터 과학자를 살펴보고 데이터 과학자가 되어서는 안 되는 이유에 대해 설명합니다.

 

데이터 과학 신화

오늘날 많은 사람들이 데이터 과학자가 될 수 있다고 믿습니다. 데이터 과학자가 되는 데 도움이 될 수 있는 수백 개의 온라인 과정과 데이터 과학자가 된다는 것이 무엇을 의미하는지에 대한 수천 개의 기사가 있습니다. 그러나 불행히도 이러한 기사와 과정의 대부분은 실제로 당신을 오도하고 있습니다. 데이터 과학자는 SQL, R, Python 및 Hadoop을 아는 사람이 아닙니다. 데이터 과학자는 데이터로 비즈니스 문제를 해결하는 방법을 알고 있는 사람입니다. '데이터 사이언티스트'라는 것은 없지만 데이터로 비즈니스 문제를 해결하는 방법을 아는 사람은 많습니다. 데이터로 비즈니스 문제를 해결하는 방법을 아는 사람이라면 데이터 과학자입니다.

우리는 최근에 데이터 과학이 비즈니스의 차세대 화두로 부상하는 것에 대해 많은 이야기를 하고 있습니다. 기업이 보유한 모든 데이터를 활용할 방법을 찾고 있기 때문에 데이터 과학자에 대한 수요가 급증했습니다. 말이 되는군요. 그들은 어떤 데이터가 유용할 수 있는지 또는 어떤 데이터가 미래를 예측하는 데 도움이 될 수 있는지 파악하려고 노력하고 있으며 이를 수행할 누군가가 필요합니다. 그렇기 때문에 데이터 과학자는 2013년 미국에서 소프트웨어 엔지니어와 경제학자에 이어 세 번째로 원하는 직책으로 선정되었습니다. 컨설팅 회사 McKinsey & Company의 데이터에 따르면 고용 시장은 2022년까지 200,000명 이상의 데이터 과학자가 부족할 것으로 예상하고 있습니다. 그러나 사실 모든 사람이 데이터 과학 분야에서 경력을 쌓을 수 있는 것은 아닙니다.

 

실망스러운 진실

2011년에 "데이터 과학자"라는 용어가 탄생했습니다. 당시 이 용어는 지금과는 다른 의미를 지녔습니다. 그 당시에는 기업이나 연구 센터의 통계 부서에서 사용하는 비교적 드문 스킬 세트였습니다. 오늘날 이 용어는 상당히 다른 것으로 발전했습니다. 이 용어는 분석에 관심이 있는 프로그래머, 개발자 및 컴퓨터 과학 전공자와 동의어가 되었습니다. 원래 두 갈래 길이 있었다. 통계 전문가 또는 소프트웨어 엔지니어가 될 수 있습니다. 최근 몇 년 동안 "데이터 과학자"라는 용어가 너무 광범위하고 모호해져서 어떤 식으로든 데이터를 분석하는 모든 사람에게 통용되는 용어가 되었습니다. 물론 이것은 실제 데이터 과학자들에게 끔찍한 피해입니다.

더 많은 데이터 과학자가 필요합니다. 동의한다. 많이. 하지만 여기에서 한 가지를 놓치고 있다고 생각합니다. 데이터 과학의 역할이 바뀌고 있으며 이는 매우 좋은 일입니다. 데이터 과학은 데이터 기반 제품을 구축하고 사용하는 과학입니다. 데이터 기반 제품은 일반적으로 사람의 개입 없이 시간이 지남에 따라 자체 성능과 사용자 경험을 개선하기 위해 수집한 데이터에서 학습하도록 설계되었습니다. 데이터 기반 제품이 반드시 데이터 과학 제품일 필요는 없지만 데이터 과학 제품은 반드시 데이터 기반입니다. 데이터 과학 제품의 가장 확실한 예는 기계 학습 모델이지만 다른 많은 모델이 있습니다. 지금과 다른 점은 사람들이 데이터 과학이 데이터 기반 제품을 구축하고 사용하는 과학이라는 것을 이해하기 시작했다는 점입니다.

이것은 데이터 과학자가 되는 것이 모든 사람을 위한 것이 아니라는 사실에 대한 블로그입니다. 많은 사람들이 코딩을 할 수 있거나 분석 배경이 있기 때문에 데이터 과학자가 될 수 있다고 생각하지만 실제로는 단순한 데이터 과학자 이상이어야 합니다.데이터에 대한 열정과 현재 일하고 있는 비즈니스에 대한 열정이 있어야 합니다.대부분의 데이터 과학자는 고객과 직접 작업하지 않지만 비즈니스와 회사의 요구 사항을 이해하는 것이 중요합니다. 업계의 새로운 트렌드는 무엇입니까? 비즈니스에 어떤 영향을 미칩니까? 회사가 직면한 과제는 무엇입니까? 데이터 과학자가 필요한 이유는 무엇입니까? 데이터 과학은 많은 기술의 조합이지만 데이터 과학자는 단순히 기술적인 배경을 가진 사람이 아닙니다. 고객의 비즈니스와 요구 사항을 이해하고 문제를 해결하기 위해 가장 적합한 분석 솔루션을 개발할 수 있어야 합니다. 이 블로그는 데이터 과학에 대해 알아야 할 사항과 기술을 훨씬 더 잘 개발하는 방법에 대한 아이디어를 제공합니다.

많은 사람들에게 꿈의 직업입니다. 많은 코딩, 많은 통계 분석 및 많은 기계 학습을 수행해야 합니다. 당신은 많은 돈을받을 것입니다. 기회가 많고 수요가 많을 것으로 예상되는 직업입니다. 하지만 문제가 있습니다. 문제는 훌륭한 데이터 과학자가 되는 것이 쉽지 않다는 것입니다. 훌륭한 프로그래머나 통계학자가 되는 것만큼 간단하지 않습니다. 또한 창의적이고 혁신적이어야 합니다. 다른 사람들과 잘 협력할 수 있어야 합니다. 그리고 사업에 대한 이해도가 높아야 합니다. 훌륭한 데이터 과학자가 되기 위해 필요한 것을 갖추고 있다고 생각하는 많은 사람들은 실제로 이러한 기술 중 일부가 부족하다는 사실을 깨닫지 못합니다. 그들은 그들의 깊이를 벗어났습니다. 그들은 작업량을 처리할 수 없다는 것을 깨닫지 못합니다. 그들은 결국 좌절하고 환멸을 느끼게 됩니다.

 

이 문제를 어떻게 해결할 수 있습니까?

데이터 과학은 오늘날 IT에서 가장 인기 있고 가장 수익성이 높은 분야 중 하나입니다. 지난 몇 년 동안 폭발적으로 증가했으며 둔화될 기미를 보이지 않고 있습니다. 데이터 과학자는 수요가 많고 높은 급여를 받습니다. 문제는 많은 사람들이 데이터 사이언티스트가 되려고 하고 있지만 그렇게 할 능력이 없다는 것입니다. 그들은 자신이 아닌 사람이 되기 위해 시간, 돈, 에너지를 낭비하고 있으며 결과적으로 직장에서 실패하고 있습니다. 데이터 과학은 매우 보람 있는 일이기 때문에 이는 안타까운 일입니다. 그러나 올바른 방법과 잘못된 방법이 있습니다.

데이터 과학자는 비즈니스 문제에 대한 솔루션을 찾기 위해 많은 급여를 받습니다. 그러나 그들이 할 수 없는 것이 있습니다. 그들은 보기에 좋은 데이터 시각화를 만들 수 없습니다. 그들은 잘 작동하는 코드를 작성할 수 없습니다. 그들은 사용하기 쉬운 웹사이트를 만들 수 없습니다. 그들은 단순한 제품을 만들 수 없습니다. 데이터 과학자는 디자인할 수 없습니다. 그들은 기능적인 것을 만들 수 있습니다. 그러면 이 문제를 어떻게 해결할 수 있습니까? 우리는 데이터 과학자 고용을 중단하고 데이터 과학자가 갖지 못한 기술을 가진 사람들을 고용해야 합니다.

데이터 과학은 상당히 새로운 산업이지만 이 시기에 꽤 철저하게 탐구되었습니다. 그리고 이 시기에 사람들은 데이터 과학이 단순히 데이터를 수집하고, 분석하고, 상사를 위한 멋진 보고서를 만드는 것이 아니라는 것을 배웠습니다. 훌륭한 데이터 과학자가 되기 위해 이해해야 할 사항이 많이 있습니다. 올바른 데이터를 찾는 방법은 무엇입니까? 그것을 청소하는 방법? 통찰력을 찾는 방법? 이러한 통찰력을 다른 사람들에게 어떻게 설명할 수 있습니까? 팀과 함께 일하는 방법? 그리고 더 많은 것들이 있습니다. 이 기사는 데이터 과학의 작은 부분에 관한 것입니다. 데이터 과학 후보자를 처리하는 방법. 당신이 관리자라면 인터뷰하는 방법을 배우고 후보자라면 좋은 데이터 과학 후보자가되는 방법을 배우게 될 것입니다.

 

데이터 과학의 미래

이 글을 읽고 계시다면 아마도 "데이터 과학"이라는 용어를 들어보셨을 것입니다. 그것은 몇 년 동안 주변에 있었고 폭풍으로 인터넷을 사로 잡았습니다. 이 용어는 많이 사용되지만 그 의미는 무엇이며 왜 그렇게 인기가 있습니까? 데이터 과학은 다양한 작업을 수행하는 데 사용할 수 있는 통계와 프로그래밍의 조합입니다. 어떤 사람들은 데이터 과학을 사용하여 주식 시장을 분석하고 예측하는 반면, 다른 사람들은 날씨를 예측하는 데 데이터 과학을 사용합니다. 데이터 과학에 대해 기억해야 할 가장 중요한 것은 그것이 세상의 미래라는 것입니다. 그것은 모든 것이 분석되는 방식이며 모든 것이 만들어지는 방식입니다. 세상을 진정으로 알고 세상을 모두를 위한 더 나은 곳으로 만드는 놀라운 방법입니다.

데이터 과학은 거대한 유행어입니다. 모든 사람은 데이터 과학자가 되고 싶어하고 모든 사람은 데이터 과학 회사에서 일하기를 원합니다. 데이터의 미래는 많은 이야기가 되고 있습니다. 사람들은 그것에 대해 이야기하지만 데이터 과학의 영향을 이해하는 사람은 많지 않습니다. 예: 데이터 과학은 기복이 있는 분야입니다. 다른 산업과 마찬가지로. 매우 변덕스럽고 변화무쌍한 분야입니다. 문제는 데이터 과학에는 확실성이 없다는 것입니다. 오늘 하는 일이 미래에는 유용하지 않을 수 있습니다. 오늘 배운 기술은 내일 유용하지 않습니다. 그렇다면 데이터 과학자가 되려고 애쓰는 이유는 무엇입니까? 데이터 과학자가 되고 싶다면 끊임없이 자신에게 투자하고, 끊임없이 새로운 기술을 배우고, 내면에서 조금 죽을 준비가 되어 있어야 합니다. 데이터 과학자가 되고 싶다면, 당신은 안에서 조금 죽어야 합니다. 예, 내부에서 죽는 것은 데이터 과학자가 되는 것의 일부입니다. 그리고 왜 그렇게 해야 합니까? 모르는 것을 찾아서 배워야 하기 때문입니다. 당신은 끊임없이 새로운 기술을 배우고, 새로운 언어와 새로운 기술을 배워야 할 것입니다.