[ Data ] Data Analyst / Scientist / Engineer (데이터 분석가/과학자/엔지니어) 차이점

-- Data --/- 데이터 분석 -

[ Data ] Data Analyst / Scientist / Engineer (데이터 분석가/과학자/엔지니어) 차이점

녕녀기 2023. 2. 23. 02:04

안녕하세요. 녀기입니다~

오랜만에 포스팅이네요!

자격증 공부를 하다 보니 포스팅 하는게 쉽지 않군요..ㅎㅎ

(변명인거 저도 알고 있습니다!😱)

공부하면서 백수로 지낼 수는 없으니

감을 잃지 않기 위해 라벨링 업무를 해 보고자

이력서에 쓸 자기소개서를 작성하려고 하니

제가 이 분야에 대해 막연하게 알고 있다는 생각이 들더라구요.

확실하지 않으면 제대로 쓸 수 없기에

여러 글을 보고 제 나름대로 정리를 해 보려고 합니다!

글이 너무 길어지면 안 보고 나가실 수도 있기에

얼른 본론으로 들어가 보겠습니다!!

(현업에서 활동하고 계신 분들의 얘기를 참고해 정리한 내용이므로

자세한 내용을 보고 싶으시다면 아래 출처를 이용해 주세요😊)

Data Analyst란?
Data Scientist란?
Data Engineer란?
출처

1. Data Analyst란?

Data Analyst(데이터 분석가)는 데이터를 분석하고 처리/시각화를 통해, 추측이 아닌 데이터 기반 의사 결정을

내려 해당 비즈니스의 수익을 창출하는 것이 목적입니다.

어떤 기업이던, 회사의 이익을 극대화하기 위해 여러 전략을 취할테고

그 전략이, 누군가의 감이 아닌 시각적이고 수치화된 데이터를 보고 사업 방향을 정하겠다는 것으로 이해가 됩니다!

그렇기 때문에

Raw Data를 가공 및 정리
통계 기법을 통한 분석
시각화를 통한 프로젝트의 성과 도출 및 마케팅 제안

와 같은 순서로 업무가 진행되지 않을까 싶습니다.

Data Analyst가 필요한 역량은

역량
프로모션 KPI 수립을 위한 비즈니스 도메인 지식	데이터 시각화 능력과 커뮤니케이션 능력 (Power BI, Tableau, Google Analytics)	데이터 분석을 위한 프로그래밍 능력 (SQL, Python, R 등)

* KPI : Key Performance Indicator, 핵심 성과 지표

위와 같습니다.

본인의 기업의 비즈니스에 대한 기본 지식이 있어야, 해당 사업에서 발생하는 여러 문제에 대한 인과관계를 알고, 이를 분석할 수 있을테니까요.

또한 데이터를 본인이 원하는 방식대로 가공하기 위해 어느 정도의 프로그래밍 실력이 필요하며,

본인의 인사이트를 시각화/수치화하고, 이를 통해 결정권자에게 어필할 수 있는 능력이 필요한 것 입니다.

다른 직군보다 프로그래밍이나 Ai 지식을 요하지 않기 때문에 경영/경제/수학/통계 등의 학위를 가진 분들은 선호한다고 하지만,

어디까지나 선호일 뿐 자격만 갖춘다면 비전공인 사람들도 충분히 가능성이 있다고 하네요!

데이터 분석가의 경우, 기업에서 많은 인원이 필요하지 않아 경쟁률이 높다고도 하고,

다양한 기업이 데이터 분석가를 원하게 될 수도 있으니 수요가 많을 것 같다고 예상하기도 한다네요.

데이터 분석가를 꿈꾸는 사람으로서, 후자이길 바랍니다ㅠㅠ😱

2. Data Scientist란?

Data Scientist(데이터 과학자)는 해당 비즈니스의 과거 패턴(데이터)에, 여러 알고리즘 혹은 Ai 모델(ML/DL)을 사용하여

미래를 예측하는 것이 목적입니다.

가령, 과자 회사에서 특정 연령대에서 매출이 높았던 과자 종류 데이터를 학습한 모델을 통해,

신제품의 판매량이나 매출 등을 예측해 타겟 연령층에 적합한지 여부를 판단할 수 있게 하는 것이

데이터 과학자의 역할인 것 같습니다.

사업 방향과 결과를 예측할 수 있다면, 사용자의 편의성은 좋아지고, 기업의 투자 리스크는 줄어들테니까요!

Data Scientist가 필요한 역량은

역량
Ai 모델 개발 및 서비스 품질 개선을 위한 비즈니스 도메인 지식	모델 개발을 위한 수학, 통계, 프로그래밍 능력 (Python, Scala, Pytorch, TensorFlow, SQL) (+Hadoop, Spark는 부가 능력)	석/박사 수준의 지식/연구 성과 (기업에 따라 다름)

위와 같습니다.

Ai 모델의 경우, 다양한 수학적 지식으로 만들어진 알고리즘이기에 수학적, 통계적 지식이 당연하게 필요할 것이며, 모델을 개발하기 위한 프로그래밍 지식을 요할 것 입니다.

또한 도메인 지식이 바탕이 돼야, 적합한 데이터를 바탕으로 예측 정확도가 높은 모델을 개발할 수 있을 것이라 생각이 됩니다.

그렇기에 본인이 주제를 설정하고 가정하고 실험을 통해 결과를 도출해 본 석박사를 선호하는 것이구요!

데이터 과학자의 경우, 수학/통계/컴퓨터 공학을 전공한 사람을 선호한다고 합니다. 특히 위와 같이 대학원 이상의 학위를 요구하는 경우도 다반사라고 합니다. 필요한 지식이 많기 때문이겠죠?

데이터 과학자는 개발 역량과 Ai 역량을 모두 필요로 하기 때문에 진입 장벽이 높다고 합니다ㅠㅠ

(필요 역량만 봐도 보통 쉬운 길이 아니란 것이 느껴지네요...)

수요와 공급은 어느 정도 균형을 이루는 것 같으니, 역량이 충분하다면 데이터 과학자를 목표로 하는 것도 좋아보입니다!

3. Data Engineer란?

Data Engineer(데이터 엔지니어)는 로그 데이터와 가공된 빅데이터를 실시간으로 저장하고, 데이터 웨어하우스와 데이터베이스, 데이터 플랫폼, 파이프라인의 아키텍처를 구축 및 개발, 운영, 성능 최적화하는 것이 목적입니다.

기업에서 발생하는 모든 데이터를 저장하고, 데이터 분석가나 데이터 과학자가 이용하기 편하게 전처리/가공을 해 준다고

합니다.

Data Engineer가 필요한 역량은

역량
데이터 수집/가공/저장을 위한 도메인 지식	빅데이터 관련 지식	프로그래밍 지식 (데이터웨어하우스, Python, Java, Scala, Hadoop, Spark, SQL)