1. 왜 BA/DA인가 : 학업과 실무 사이의 고민

지난 포스팅 - 왜 데이터인가 : https://lifeofsw.tistory.com/96

---

데이터 분야로 진로를 정한 뒤, 가장 많이 한 고민은 세부적인 직무였다.

구인 공고를 보면서 고민을 했는데, 직무와 실제 JD가 불일치하는 경우도 많았기에 직무를 파악하는 데에도 꽤 시간이 걸렸던 것으로 기억한다. 예를 들면 데이터 분석가 공고에 데이터 라벨링 업무가 주요 업무로 포함되어 있다거나, 데이터 엔지니어 공고에 딥러닝 모델링이 주요 업무로 포함되어 있거나 하는 식이다. 아마 데이터 분야는 성장하기 얼마 되지 않은 분야라서 직무를 혼용해서 많이들 사용하는 것 같다.

어느 정도 직무에 대한 개념이 잡힌 뒤에는 데이터 사이언티스트와 데이터 분석가 사이에서 고민을 했다.

동아리와 학회를 통해 각각 데이터 사이언티스트, 데이터 분석가 관련 공부를 하기도 했다. 동아리에서는 NLP, CV 관련 논문을 읽고 리뷰했고 개인적으로는 추천시스템 논문을 10개 정도 읽었다. ML/DL 사용한 미니 프로젝트도 진행했다. 그 과정에서 Pytorch 세팅하다가 화도 많이 냈고...

아무튼 나름 두 직무를 공부하면서 두 직무에 대해 많은 고민을 했다.

내가 생각한 두 직무의 특징 및 장단점은 아래와 같다.

	데이터 사이언티스트	데이터 분석가
학위 필요 유무	석사 이상 필수	학위보다 경력 중시
기대 연봉	신입 기준 3894 * 석사 경력 2년 인정 시 4547	신입 기준 3616
예상 취업 시기	석사 졸업 이후(최소 2~3년)	취업준비 1~2년
필요 스펙	석사 학위 * 단, 연구 내용과 기업의 관심사가 일치해야	공모전 수상, 자격증 등
기타 장점	해외 대학원 진학 시 해외 취업 가능	비교적 다양한 회사에서 뽑음
기타 단점	연구 내용에 따라 진출 가능한 산업의 폭이 제한됨	라벨링 등 잔업무가 많음

* 연봉 출처 - 원티드 https://www.wanted.co.kr/salary/656

그러던 중 국가지원 연구비가 대폭 감소했다는 소식을 들었다. 이런 상황에서 국내 대학원 진학은 무리수로 보였고, 그렇다고 해외 대학원을 가자니 당장 해둔 것이 없었다. 가진 건 어학 성적 뿐이었다(그것도 토익이랑 오픽)

현재 상황을 두고 보면 데이터 분석가로의 취업이 좀 더 용이해보였다. 취득해둔 자격증(ADsP, SQLD)이 있었기 때문이다.

공모전 수상 경력이 부족하다는 생각에 반기에 공모전을 대여섯개 나갔다. 휴학 중이라서 가능한 일정이었다. 다달이 1개 이상의 공모전에 나갔고, 그 중 50%의 공모전에서 본선에 진출했다. 좋은 팀을 만나 1개의 공모전에서 상을 받을 수도 있었다.

정량 스펙은 얼추 다 쌓았다고 생각했지만, 경력이 없었다. (당연하다. 아직 졸업도 안 한 학생이었으니까)

경력을 대체할 수 있는 게 뭐가 있을까, 가장 먼저 생각난 건 부트캠프였다. 몇 가지 부트캠프를 찾아보기는 했지만 커리큘럼이 마음에 들지 않았다. 이미 학회와 동아리에서 배운 python 활용 방법을 다시 배운다고 해서 좋은 결과물을 낼 수 있을 것이라는 확신이 들지 않았다. 어느 정도 베이스가 있는 팀원과 함께하고 싶은 마음도 있었다.

내가 했던 동아리에서는 6개월짜리 프로젝트를 진행해야 수료할 수 있었다. 프로젝트 주제가 자유였기 때문에 이 기회를 활용하고자 했다. 실무 데이터를 활용하기 위해 팀원들과 함께 컨택 기업 리스트를 만들고 컨택을 시도했다. 컨택 기업 기준은 아래와 같았다.

• 데이터 분석가가 없거나, 채용 중인 기업일 것
• MAU가 어느 정도 높은 기업일 것 : 분석할만한 규모의 데이터를 보유하고 있어야 하기 때문
• 중견 기업 이하의 규모일 것
• 기술 활용에 대한 니즈가 있을 것 : 뉴스 기사 등을 통해서 유추

추리고 나니 리스트업했던 30개 기업 중에서 5개 정도가 남았다. 팀원의 포트폴리오가 포함된 분석 제안서를 보내며 컨택을 시도했다. 분석 제안서에는 해당 기업에 대한 SWOT 분석, 서비스 이용 후기, 예상 분석 내용이 포함되었다. 기업 분석에는 경영학을 전공한 팀원에게 많은 도움을 받았다.

다행히 1개 기업에서 긍정적인 답변을 받을 수 있었고, 제공받은 데이터를 토대로 프로젝트를 진행할 수 있었다.

 

필요한 스펙을 쌓고 공부를 하면서 데이터 사이언티스트보다는 데이터 분석가가 잘 맞을 것 같다는 생각이 들었다.

대학원을 간다고 해도 바로 석사 졸업 이후에 취직이 될 것이라는 보장이 없었고, 이 점은 불확실성을 싫어하는 나에게 크게 작용했다.

또한, AI가 어디까지 인간의 직업을 대체할지 의문이었다.

혹시나 내가 공부하는 사이에 관련 직무가 AI로 대체되어버린다면?

그런 트렌드를 빨리 읽고 대처하기에는 학교보다 현장에 가깝게 있는 게 용이할 것이라고 생각했다.

그런저런 이유로 데이터 사이언티스트 대신 데이터 분석가를 선택했고, 유사한 업무를 하는 비즈니스 애널리스트까지 포함해서 취업준비를 하기 시작했다.