가장 섹시한 직업 데이터 사이언티스트

제4차 산업혁명과 빅데이터 시대의 특징은 아이디어, 알고리즘의 로직, 심지어는 알고리즘의 코드까지 공유할 정도로 개방적이라는 것이다. 그렇다면 이러한 시대의 경쟁력은 무엇일까? 그 답은 바로 분석적 역량을 가진 전문 인력을 확보하려는 ‘보이지 않는 전쟁’에서 찾을 수 있다. 구글은 페이스북과 치열한 경쟁 끝에 마침내 딥마인드를 인수하고 그 후 1년 반 만에 알파고를 개발해 인류의 위대한 도전이라고 불리는 ‘바둑 문제’를 풀어서 전 세계를 놀라게 했다. 이제 데이터 사이언티스트의 양성은 국가적인 역량을 결집해야 할 절실한 문제다. 또한 데이터 사이언티스트가 어떤 일을 하는 사람들이며, 이 시대에 얼마나 중요한 역할을 하는지에 대한 인식을 높여야 할 필요가 있다.

가장 섹시한 직업 데이터 사이언티스트

 

 

▣ Short Summary

세계적인 분석 전문가인 토머스 대븐포트는 “데이터 사이언티스트는 21세기 가장 섹시한 직업”이라고 말했다. 가장 섹시하다는 말은 데이터 사이언티스트에 대한 수요가 매우 높다는 것을 의미한다. 구글 트렌드에서 데이터 사이언티스트에 대한 관심도의 추세를 보면 2013년 이후 폭발적으로 증가하고 있다. 평균 연봉도 약 14만 달러로 매우 높다. 한국에서도 데이터 사이언티스트에 대한 수요는 가속적으로 늘어나고 있는 데 비해 공급은 턱없이 모자라서 정부는 데이터 사이언티스트 양성에 막대한 투자를 하고 있다. 대통령 직속 제4차 산업혁명위원회가 최근에 확정한 인공지능AI 연구개발 전략을 보면, 인공지능 대학원 6곳을 신설하는 등 2022년까지 2조 2,000억 원을 투자해 AI 연구 인력 1,700명을 양성할 계획이다.

 

그렇다면 데이터 사이언티스트는 무엇을 하는 사람일까? 데이터 사이언스란 ‘기업(조직)에서 발생하는 여러 가지 문제를 데이터를 사용해 객관적이고 과학적으로 해결하려는 활동’으로 정의할 수 있다. 제4차 산업혁명시대의 화두는 바로 데이터에 바탕을 둔(data-driven), 사실에 근거한(fact-based) 의사결정을 하는 것이다. 따라서 데이터 사이언티스트는 이러한 시대적 흐름의 선두에 있는 추진 엔진이다. 다시 말해, “비즈니스 현장에서 발생 문제들을 데이터 분석 기술을 이용해 해답을 찾고, 이것을 비즈니스에 적용해서 고객들에게 의미 있는 상품이나 서비스로 제공함으로써 기업 가치를 증대시키는 활동”으로 정의할 수 있다.

 

데이터 속에는 누가(사람, 시설, 장비 등), 어디에서, 무엇을, 어떻게 하고 있다는 정보가 숨어 있다. 이런 데이터를 잘 정리, 요약, 시각화해서 정보를 캐내게 되면 무슨 문제가 있는지, 그 문제를 어떻게 해결할 것인지에 대한 인사이트(통찰력)를 얻을 수 있다. 더욱이 모형화, 즉 통계나 기계학습기법을 활용해서 왜 그런 일(사건)이 일어나는지도 규명한다면, 현재 어떤 일이 일어나고 있는지를 탐지하거나, 앞으로 어떤 일이 벌어질지를 예측하는 데 활용할 수 있다.

 

데이터 사이언티스트에 대한 관심이 높아지자 당연히 데이터 사이언티스트가 되고자 하는 사람도 많아졌다. 그렇다면 데이터 사이언티스트는 무슨 일을 하는가? 어떤 배경의 사람들이 왜 데이터를 공부하는가? 그들은 무엇을, 어떻게 공부하고 있는가? 그들은 공부하면서 어떤 어려움을 겪고 어떻게 극복하는가? 데이터 사이언티스트가 되기 위해서는 무엇을 공부하고 준비해야 하는가? 독자들은 이 책을 통해 20대에서 60대까지 다양한 연령대에서 각기 다른 배경과 스토리로 빅데이터나 인공지능의 시대를 치열하게 살아가는 45명의 솔직한 모습을 볼 수 있을 것이다.

 

빅데이터 시대의 특징은 아이디어, 알고리즘(문제 해결을 위해 정해진 일련의 절차나 공식)의 로직(Logic), 심지어는 알고리즘의 코드까지 공유할 정도로 개방적이라는 것이다. 그렇다면 빅데이터 시대의 경쟁력은 무엇일까? 그 답은 바로 분석적 역량을 가진 전문 인력을 확보하려는 보이지 않는 전쟁에서 찾을 수 있다. 구글은 페이스북과 치열한 경쟁 끝에 마침내 딥마인드를 인수하고 그 후 1년 반 만에 알파고를 개발해 인류의 위대한 도전이라고 불리는 바둑 문제를 풀어서 전 세계를 놀라게 했다.

 

이제 데이터 사이언티스트의 양성은 특히 한국처럼 인공지능 분야에서 선진국에 비해 2년 정도 뒤처진 상황에서는 그야말로 국가적인 역량을 결집해야 할 절실한 문제다. 또한 데이터 사이언티스트에 대한 일반인의 인식, 즉 데이터 사이언티스트가 어떤 일을 하는 사람들이며, 이 시대에 얼마나 중요한 역할을 하는지에 대한 인식을 높이는 것도 중요하다. 이 책을 통해 보다 많은 독자들이 데이터 사이언티스트에 대해 잘 알게 되고, 데이터 사이언티스트에 도전하도록 자극을 받으며, 나아가서는 그 도전에 성공하기를 바란다.

 

▣ 차례

머리말

프롤로그_ 장바구니를 든 데이터 사이언티스트

 

제1장 맨땅의 데이터 사이언티스트

제2장 새로운 ‘업’으로 이직한 데이터 사이언티스트

제3장 회사 내 빅데이터팀으로 옮긴 데이터 사이언티스트

제4장 빅데이터로 따라와 줘서 고맙다, 친구야

제5장 벤처 창업에 뛰어든 데이터 사이언티스트

제6장 다양한 배경의 데이터 사이언티스트

제7장 경쟁력을 키우는 데이터 사이언티스트

제8장 IT 경력자들의 영역 확대 업그레이드

제9장 미래를 준비하는 전문가

 

에필로그

부록_ 어시스트 빅데이터MBA학과 교과과정

가장 섹시한 직업 데이터 사이언티스트

김진호 지음

북카라반 / 2019년 3월 / 260쪽 / 15,000원

 

맨땅의 데이터 사이언티스트

 

데이터의 매력에 빠지다_ 유서현(Green Climate Fund)

나는 아버지의 직장으로 인해 해외 이사를 많이 다녔다(중학교 졸업까지 7번이나 학교를 옮겼다). 그래서인지 새로운 것에 대한 거부감이 없고, 적응력도 빠르고, 필요할 때는 잔머리도 굴리고, 처한 상황에 집중하는 성향이 몸에 배었다. 공부도 점수는 잘 나오는 편이었으나 꾸준히 공부하는 스타일이 아니라 요령껏 벼락치기하는 스타일이었다. 한마디로 ‘꾸준히 안 해도 나는 똑똑하니까 요령 피우면 괜찮아’라는 망상에 빠진 아이였다. 우즈베키스탄의 국제학교에서 고등학교 과정을 마쳤을 때 해외 대학을 가기로 결정했다. 국내 대학에 가기 위한 특례 공부(특히 수학)가 하기 싫었기 때문이다. 대학과 전공은 미래를 생각해서 선택한 것이 아니라 유럽 여행 갔던 것에 대한 좋은 기억으로 유럽 대학을 알아보았다. 그러던 중 학교 건물 외관도 멋있고 학생들이 멋지게 정장을 차려 입고 다니고 명성도 좋은 스위스 로잔호텔경영학교에 망설임 없이 진학했다.

 

지금 생각하면 너무나도 후회되는 대학 생활이지만, 당시에는 재미있는 대학 생활을 했다. 이때도 역시 공부는 요령껏 했고 수업도 곧잘 빠지곤 했다. 친구들은 “걔는 그룹프로젝트 하러 학교 다녀”라고 장난스럽게 이야기할 정도였다. 4학년이 되어 전공을 선택할 때도 제일 요령을 많이 피울 수 있을 것 같아서 마케팅을 택했다. 돌이켜 보면 친구들과 어울리고 여행 다니고, 유흥비를 마련하기 위해 아르바이트하는 것에 더 집중했던 대학 생활이었다.

 

대학 졸업 후 일을 시작하기 전에 가족과 시간을 보내려고 한국에 입국했다. 그런데 우연히 링크드인(linkedIn)을 통해 연락이 온 레이시온(Raytheon)이라는 미국 회사에 취업을 하게 되었다. 일은 어렵지 않았으나 좋게 말하자면 순수함과 정의감으로 (세상물정 몰라서) 불의를 참지 못하고 8개월 만에 그만두었다. 2개월 정도 영어학원에서 강사를 하며 지내다가 우연한 기회로 쉰들러엘리베이터에 면접을 보게 되었고 합격해서 2016년 10월부터 다니기 시작했다. 나는 출퇴근이 힘들어서 회사 앞으로 혼자 이사를 왔고, 월세와 생활비를 혼자 감당하게 되면서 어쩔 수 없이 아주 조금은 철이 들기 시작했다. 쉰들러엘리베이터에서는 유지보수사업본부에서 원시 상태의 데이터인 로 데이터(raw data)를 가공해 리포팅, 실적 보고, 영업활동 관리, 인센티브 추출, 시뮬레이션(엑셀 사용) 등의 업무를 했다. 업무를 하면서 이것을 빠르고 효과적으로 하는 방법이 있을 텐데 하면서 엑셀의 한계를 많이 느꼈다.

 

조금씩 철이 들면서 드디어 미래에 대한 생각을 하기 시작했고, 지금까지 스스로 미래에 대한 대비를 너무 하지 않고 망상에 빠진 채로 살았다는 것을 깨달았다. 대학교 때부터 취업에 대비해서 많은 자격증을 따고 스펙을 준비한 또래 한국 사회 초년생에 비해 내가 내세울 수 있는 것은 영어, 학교에서 배우고 프로젝트를 하면서 얻은 엑셀, 리포팅과 경영 과목 상식들로는 내가 원하는 미래의 모습에 도달하지 못할 것 같은 생각이 들기 시작했다. 그래서 2017년 후반부터 스펙이란 것을 다시 쌓아 보려고 MBA 진학을 진지하게 준비하기 시작했다. MBA를 고민하면서 이왕 시작하는 거 이제는 정말 신중하게 선택을 해서 가야 한다고 생각했다. 그러던 중에 통계학과 데이터 관련 학과에 관심이 생겼다. 그리고 빅데이터 전공에 대해서 좀더 관심을 갖고 알아보기 시작했다. 여러 학교를 알아보던 중 커리큘럼이 제일 좋으면서 학교 위치나 직장과 병행 가능한 서울과학종합대학원(aSSIST) 빅데이터MBA학과의 매력에 깊이 빠지게 되었다.

 

아직 학교 이름이 잘 알려지지 않았고, 나는 통계나 IT의 배경지식이 전혀 없기 때문에 어려움이 많을 거라는 이유로 주변에서 만류하기도 했다. 하지만 컴퓨터와 수학, 심지어는 사회 경험도 없는 사회 초년생도 정말 열심히 하니까 되더라, 성공적으로 많은 것을 얻어 가더라 하고 이야기가 나오게끔 아주 많은 노력을 쏟을 각오로 진학을 결정했다.

 

학기가 시작되고 실제로 많은 어려움이 있었다. 한국어가 서툰 상태로 한국에서 일을 하기 시작했을 때와는 다른 어려움이었다. ‘빅데이터를 위한 수학 리뷰’ 과목에서도 용어가 어려웠고, 중간 중간 수업을 따라가기가 어려웠으나 그런대로 번역하면서 따라갔다. 통계 과목에 들어갔을 때는 더 어려운 전문용어들이 나와서 책을 보면 덜컥 겁이 났을 때도 있었다. 수학 실력도 많이 부족했기 때문에 초반에는 가족과 친구들을 보는 시간을 반 이상 줄이면서 공부에 많은 시간을 투자했다. 계속 의심을 갖고 계셨던 부모님도 내가 아주 많이 노력하는 것을 보고 격려해주셨다. 이제 겨우 전공 한 학기를 마쳤고 바로 전공심화가 시작된다. 나는 아무것도 모르는 너무나 깊은 망상에 빠졌던 바보 사회 초년 생이라는 것을 항상 느끼고 있다.

 

회사 대표, 임원, 수학 박사님, 잘나가는 IT 회사의 전무님, 회계법인 컨설턴트 등 다양하고 많은 경력을 가진 분들 사이에서 고작 패기 하나밖에 없는 내가 잘 할 수 있을까 걱정을 많이 했지만 조금씩 자신감을 쌓아가는 중이다. 빅데이터는 문과 출신이 배우긴 어렵다. 하지만 안 되는 건 없다. 한국어도 서툴지만 인간은 적응하는 동물이라 결국에는 한국어 수업도 생각보다 금방 익숙해졌다. 수학, 통계, 코딩 쪽에서 어려운 부분이나 이해 안 되는 부분은 의지만 있으면 시간을 투자해서 복습(가능하면 예습)하고, 한없이 깊게 파고들어야 하는 부분은 달달 외워서 전략적으로 공부하면 결국에는 다 된다. 이제는 안 되는 건 없다, 일단 하는 데까진 해보자는 마음가짐으로 부닥치면 아주 값진 지식이나 스킬을 얻어갈 수 있다는 확신이 생겼다. 물론 지속적으로 열심히 해야겠지만! 졸업 후에는 학교에서 배우고 얻은 역량을 사회에서 최대한으로 발휘해 많은 경험을 쌓으면서 멋진 사람이 될 계획이다. 이 분야에서 내가 어느 정도 경지에 올라와서 한 번 더 업그레이드가 필요하다는 생각이 들 때쯤에는 박사학위에도 도전할 계획이다.

 

회사 내 빅데이터팀으로 옮긴 데이터 사이언티스트

 

은행 영업점 직원에서 데이터 사이언티스트로_ 이영란(KEB하나은행 미래금융전략부)

수년 전 어느 날, 우연히 TV에서 빅데이터 사례 특강을 보게 되었다. 심야 통화기록 분석을 통해 서울시 심야버스 노선을 확정했는데, 그 결과가 아주 정확했다는 내용이다. 또 사람들이 트위터에서 어 떤 키워드가 많이 들어간 대화를 하고 있는지 워드 클라우드(word cloud)로 보여주기도 했다. 데이터 분석을 통해 이런 인사이트를 얻을 수 있다는 사실이 놀랍기도 하고 신기하기도 해서 나도 언젠가는 빅데이터 공부를 해보고 싶다는 생각을 그때부터 키워왔다. 하지만 당시 나는 3세와 6세 아이를 키우며 회사를 다니고 있던 워킹맘이었다. 회사와 집 이외에는 그 어느 것도 생각할 여유가 없었기에 내 공부를 시작한다는 것은 꿈도 못 꿀 일이었다.

 

그렇게 시간이 흐르고 아이들도 조금씩 성장해서 나에게도 조금씩 시간의 여유가 생길 무렵, 공부를 더 늦출 수 없다는 생각에 무작정 빅데이터 공부를 시작해보자고 결심했다. 은행 영업점에서 경력만 13년차에 접어들면서 영업점 업무에 대한 피로감이 쌓였고, 핀테크 등의 발달로 인해 은행 업무에도 많은 변화가 있을 거라는 생각이 내 결심을 재촉했다. 주말에도 학교에 나와 공부하는 것은 아이를 키우는 엄마로서는 큰 부담이었지만, 남편과 아이들이 적극적으로 응원해줘서 용기를 갖고 시작하게 되었다.

 

커리큘럼을 보고 다양한 과목을 실무 중심으로 배울 수 있다고 생각해 어시스트 빅데이터MBA학과를 선택했다. 대학원에 입학해 공부를 시작하면서 ‘내가 그동안 은행 영업점 업무만 하면서 우물 안 개구리처럼 살았구나!’라는 생각을 참 많이 했다. 다양한 분야에 있는 사람들을 만나 같이 공부하면서 견문을 크게 넓히는 소중한 시간을 가질 수 있었다. 경영학을 전공했기 때문에 경영 과목은 그다지 부담되지 않았지만, 코딩을 하고 데이터를 다루는 부분에서는 사실 백그라운드가 전혀 없었기 때문에 걱정을 많이 했다. 본격적으로 빅데이터 전공과목이 시작되면서부터는 우려한 대로 애를 많이 먹었다. 컴퓨터라는 건 윈도시스템만 있는 줄 알았던 내가 R이나 파이선과 같은 코딩을 공부할 때는 너무 막막하기도 하고, 과연 이것을 배운다 한들 내가 써먹을 수나 있을까 하는 두려움까지 들기도 했다. 하지만 서당 개 3년이면 풍월을 읊는다고 이제는 코딩에 대해서 어느 정도 이해도 높아졌고, 공부를 하면 할수록 내가 하고 있는 일에 어떻게 적용시킬 수 있을까 하는 고민을 한다.

 

은행 영업점 업무를 하면서 빅데이터를 어떻게 접목시킬까? 사실, 빅데이터공부를 하는 동안 내 커리어에 큰 변화가 생겼다. 바로 13년간 했던 영업점 업무에서 벗어나 KEB하나은행 미래금융전략부로 옮긴 것이다. 미래금융전략부는 신기술을 활용해 다양한 서비스를 만드는 부서다. 영업점에서 근무하던 어느 날, 사내에서 미래형 인재를 공모한다는 공문을 보고, 빅데이터MBA학과 공부를 실무에서 적용해볼 수 있는 좋은 기회라고 생각해 과감히 지원서를 냈다. 현재 어시스트 빅데이터MBA학과에 재학 중이라는 사실을 강조했다. 그렇게 해서 미래형 인재에 최종 선발이 되었고, 그로부터 1개월 후에 인사발령이 났다.

 

현재는 인공지능 뱅킹 시스템인 하이(HAI)뱅킹을 개발ㆍ운영하고 있다. 하이뱅킹은 챗봇 인공지능과의 대화를 통해 각종 은행 거래를 할 수 있는 최첨단 금융 서비스다. 향후에는 빅데이터를 분석해 개인 맞춤형 서비스도 제공할 계획이다. 그동안 학교에서 배웠던 내용을 실무에서 활용할 수 있다는 기대가 아주 크고 그만큼 자신도 있다. 내가 빅데이터 공부를 시작하면서도 이렇게 빨리 커리어 전환이 이루어질 거라고는 사실 기대하지 않았다. 장기적인 관점으로 시작했던 것인데, 예상과는 달리 너무 빨리 기회가 찾아 와서 놀랍기도 하다. 그리고 기업에서 빅데이터 전문가가 생각보다 그 역할이 크다는 사실을 몸소 깨닫게 되었다. 내 포부는 완전한 커리어 전환이다. 아직은 그 과정에 있지만, 그동안의 영업점 근무 경험과 빅데이터 분석을 통해 새로운 인사이트를 찾아 고객들에게 새롭고 혁신적인 금융거래 경험을 제공해보려고 한다.

 

벤처 창업에 뛰어든 데이터 사이언티스트

 

지하 매설물에서 사업 아이템을 찾다_ 민상기(애즈밸즈 대표)

내가 고등학교 때 아버지는 미래에는 컴퓨터가 대세라면서 286컴퓨터를 사다주셨다. 그 당시는 컴퓨터가 미래의 나의 직업이 될지는 몰랐다. 하지만 집안 환경은 이미 나를 그런 방향으로 유도하고 있었다. 바로 위에 형이 전산학과 대학생이었고, 『MSDOS3.1』, 『로터스1231』, 『한글1.3버전』 등 컴퓨터 관련 서적이 거실 소파에 뒹굴고 있었으며, 정기 구독하는 컴퓨터 잡지를 통해서는 다양한 최신 동향을 접할 수 있었다. 당연히 친구들 사이에서도 나는 컴퓨터를 잘하는 친구로 통했고, 자연스럽게 대학 전공도 컴퓨터공학을 하게 되었다.

대학에 들어가서는 개인적으로 프로그램 언어보다는 운영제제가 더 흥미로워서 시스템 엔지니어로 진로를 빨리 선택했다. 같은 일을 하는 형의 영향을 받은 탓인지 대학을 졸업하기 전에 취업도 하게 되어 이 분야의 지식과 기술을 빨리 습득할 수 있었다. 물론 윈도, 유닉스, 데이터베이스, 보안과 관련된 자격증을 모두 취득했으며, 자연스럽게 연봉도 따라서 올랐다. 돌이켜 생각하면 배우는 게 재미있어 이리저리 부딪치며 훌쩍 컸던 시절이다.

 

빅데이터와는 여러 사업을 통해서 점차 가까워졌다. 항상 기술적인 트렌드에 맞춰서 미리 공부를 한 덕분으로 초창기에 클라우드 시스템을 다루게 되었고, 2011년에는 LGU+에서 개인 추천화 모델 구축사업을 하게 되었다. 이후에도 몇 차례나 빅데이터 시스템 구축사업을 하다 보니, 기술적인 것을 넘어서서 빅데이터로 서비스하는 비즈니스에 관심을 가지게 되었다. 이를 체계적으로 공부하고자 어시스트 빅데이터MBA학과에 진학을 결심했다. 어시스트 빅데이터MBA학과에서는 현장 실무 경험이 풍부한 교수님들이 실제 진행했던 프로젝트를 중심으로 수업을 진행했다. 이런 과정을 통해서 사업 현장에서 궁금했던 부분을 많이 해소할 수 있었다.

 

창업은 이전에 회사에서 수행했던 프로젝트, 즉 지하 매설물에 대한 다양한 데이터를 수집하고 인공지능으로 분석해서 다양한 정보를 서비스로 제공하는 것을 사업화한 것이다. 이 프로젝트의 경험이 나에게 창업의 원동력이 되었다. 지하 매설물은 토목 영역이었고 빅데이터를 이용한 자동화 서비스 제공은 IT 영역이었지만, 나에게는 전혀 다른 영역의 언어와 로직을 함께 묶을 수 있는 소중한 경험이 있었다.

 

애즈밸즈는 지하 매설물에서 빅데이터를 수집해 인공지능을 기반으로 영상 분석과 솔루션을 제공하는 회사다. 지하에는 상수도, 하수도, 열수송관, 통신선 등 수많은 매설물이 있다. 이런 지하 매설물에 이상이 생기면 많은 사람이 엄청난 불편을 겪게 된다. 최근에 있었던 경기도 일산 백석역 열수송관 파열이나 서울 마포구 아현동 KT 통신선 전소 사건이 좋은 사례다. 애즈밸즈는 행정정보(주소, 인구, 전출입, 민원 등), 계측정보(유량계, 구압계, 수질계 등), 기관정보(상ㆍ하수도 시설/블럭/관망 자료, 건물 자료 등) 등을 수집한 뒤, 평소에는 실시간 모니터링을 통해 사고 발생을 예방하고, 장애가 발생하면 장애 지점 도출과 위치 시각화 등의 서비스를 제공한다. 특히 빅데이터 수업에서 배운 내용과 인공지능 알고리즘을 회사 솔루션으로 개발하고 특허와 지적재산권을 획득하는 데 큰 도움이 되었다.

 

처음에 어시스트에 입학했을 때는 창업한 상태였다. 빅데이터MBA학과 수업은 금요일 저녁과 토요일에만 하기 때문에 창업과 학업은 병행이 가능했다. 첫 학기에는 매출이 전무한 상태였고 직원도 나 혼자였다. 하지만 2016년 말에는 16억 원의 매출을 올렸고 직원도 5명으로 늘었다, 2018년에는 20억 원 정도의 매출에 직원 수는 급격히 늘어서 30명 정도다. 추진 중인 프로젝트가 많기 때문에 인원이 늘어났고, 이런 노력은 곧 매출 증가로 이어지리라 예상하고 있다. 현재는 어시스트 경영학 박사과정(빅데이터 전공)을 다니고 있다. 처음부터 박사과정까지 생각했기에, 사업도 한창 키워야 하는 단계라 무척 바쁘고 어렵지만 용기를 내서 도전했고 지금은 정말 잘했다고 생각한다. 수업을 들을 때마다 오늘은 어떤 것을 배우고 내가 하는 업무에 어떻게 접목할 수 있을까 하고 생각한다. 창업과 학업을 병행한다는 것은 당연히 쉽지 않지만, 같이 노력하는 동기들과 경험을 공유하는 선후배가 있어서 즐기면서 할 수 있었다.

 

다양한 배경의 데이터 사이언티스트

 

데이터 속에서 멋짐이란 것이 폭발한다_ 최경선(바이팅핑거스)

어릴 적에도 나는 참 멋진 걸 좋아했다고 한다. 그래서 내복을 입고 유치원에 등원하는 불상사도 발생했다. 아마도 내가 최애하던 캐릭터가 그려진 내복을 입고 있어, 엄마의 시선을 피해 집에서 나와 겉옷을 벗었지 싶다. 엄마는 지금도 가끔 고개를 절래 절래 흔들며 말씀하신다. 못 말리는 어린이 한 명이 우리 집에 있었다고. 나의 멋진 것을 향한 내 인생에서 최고 열정은 아마 고등학교에서 대학교로 넘어가는 시절 발휘되지 않았나 싶다. 국어와 사회보다는 수학과 과학을 좋아했던 나는 너무나 당연히 이과를 선택했고, 대학에 갈 무렵에 아버지께서 말씀하셨다. “이 세상 우리 일상의 대부분은 화학으로 이루어지지 않은 것이 없으니, 화학과에 가지 않겠느냐”고 나는 흔쾌히 그러겠다고 했지만 사실 나를 화학과에 진학하게 만든 건 순전히 다른 이유였다. 그것은 고등학교 때 서울 여의도 불꽃축제에 갔는데, 친구와 그것을 본 그날 밤에 나는 다짐했다. 저 물리적인 먼 거리에서 자로 잰 듯 하늘을 수놓으며 감동을 주는 저 멋진 것을 업으로 삼아야겠다고…….

 

그렇게 부모님과는 동상이몽으로 화학과에 진학한 나는 그날부터 ‘불꽃놀이 전문가 되기’ 삼매경에 빠졌고, 그 시작은 관련 필수 자격증 서적 구매하기였다. 강남역 서점에서 책을 사들고 나오는 길에 운명처럼 에버랜드 직행이 적힌 버스를 발견하고, 무언가에 홀린 듯이 버스에 올라탔다. 그 당시 국내 불꽃놀이의 최고는 에버랜드에서 있었던 것 같다. 그렇게 도착한 놀이공원의 입장료는 생각보다 비쌌고, 치기어린 그 시절의 나는 불꽃놀이 담당자를 만나고 싶다며 안내데스크에 당당하게 이야기했다. 그 직원은 학생의 열정을 귀엽게 여겼는지 담당자를 불러주었다. 그렇게 나는 인생 첫 번째 멘토를 만나게 되었다. 그 시절로 다시 돌아간다 해도 그렇게 순진한 열정을 발휘할 수 있을까? 지금의 나도 친구들이 보기엔 그 시절 만만찮게 여전히 하고 싶은 것은 하고 마는 사람으로 기억 되어 있다.

 

일찍이 멋진 것에 대한 갈망으로 패션을 동경해왔다. 그렇지만 무에서 유를 창조한다는 것은 아무나 할 수 있는 일이 아니며, 더욱이 내가 가지고 태어난 그릇으로는 해낼 수 없는 일인 것 또한 진즉에 깨달았다. 하고 싶은 것을 하고자 하지만 동시에 나 자신을 현실적으로 판단하고 바라보는 눈을 가진 것을 감사하게 생각한다. 창조할 수 없다면 널리 알리는 일을 해보는 게 좋겠다고 생각했다. 그래서 외국의 수많은 아름다운 브랜드를 우리나라 멋쟁이들에게도 손쉽게 접할 수 있게 해주겠다는 당찬 포부로 글로벌 브랜드를 수입하는 바잉MD(Buying MD)가 되고자 했지만 현실적인 벽이 존재했다. 누구나 다 그러하듯이.

 

지금의 나는 패션도 과학도 하고 있다. 패션 비즈니스를 위한 각종 콘텐츠를 기획하는 일을 하고 있다. 9년째 사회에 나와 일을 하고 있지만 여전히 세상의 흐름에 왕성한 호기심을 가진 나에게 어느 날 다가온 또 다른 멋진 것이 있다. 데이터 과학, 데이터 기반 의사결정(data-driven decision making)이라니! 인터넷 시대에 떠다니는 무수한 잡음 속에서 의미 있는 신호를 걸러내 어떤 결정이든 효율적으로 해낼 수 있다니! 데이터 사이언티스트라는 분야를 접하게 된 그날로 각종 포럼과 세미나에 참석하고, 어시스트 빅데이터MBA학과가 존재한다는 것을 알았다.

 

나는 학위 욕심은 없지만 하고 싶은 공부는 해야 해서 큰 고민 없이 지원을 하고, 면접을 보고, 힘들게 과정을 따라가다가 이제 막 논문을 끝내고 졸업을 했다. 원래 컴퓨터와 친분이 없는 나는 많은 개발자들과 같은 강의실에서 공부를 하면서 내가 어디서 무엇을 하는 중인지 헤맬 때도 많았다. 3학기를 공부하면서 내린 결론은 내가 경험한 도메인과 기획력은 충분한 무기가 될 수 있고, 개발자들과 협업을 할 수 있는 수준의 프로그래밍 학습이 더해진다면 데이터 과학 분야에서 멋진 인재가 될 수 있다는 것이다.

 

패션 비즈니스 기획이라는 분야에서 경험을 쌓고 있는 내가 빅데이터라는 학문을 접하면서 최근 비전을 보고 있는 분야는 미디어 커머스다. 최근 시장과 미래 트렌드를 이끄는 핵심 소비자로서 밀레니 얼 세대를 논한다. 그들의 소비 성향은 기존의 방식과는 다르게 급격하게 변화하고 있어서 그만큼 플랫폼의 혁신을 요구하는 시대다. 텍스트보다는 이미지가, 이미지보다는 영상 콘텐츠의 소비가 자연스러운 밀레니얼 소비자들의 특징을 알고 그들에게 맞는 전략이 필요하다. 패션 시장에서도 예외는 아니다. 나는 패션 브랜드들이 소비자들의 지갑을 열게 하기 위해 그들의 제품을 영상으로 콘텐츠화하고, 그 콘텐츠를 바로 구매 페이지로 연결하는 기술과 그 기술이 접목된 플랫폼을 구현하는 것에 비전을 두고 공부하고 있다. 실시간 영상 속 이미지를 인식하고 매칭하는 기술이 최근 머신러닝 쪽에서 관심을 두고 있는 분야이고 또 그만큼 기술도 많은 발전을 이루고 있다. 기술을 기술로 여기는 데 그치는 것이 아니라 실제 비즈니스로 연결해 성공 가능성을 높이는 것이나 같은 다양한 도메인에서 온 사람만이 할 수 있고 또 해야 하는 일인 것 같다.

 

데이터 사이언티스트라는 분야를 알고, 그 분야로 진입하기 위해 공부하고 있는 나는 보이는 멋진 것을 갈망하지만, 동시에 논리적이고 이성적인 성향을 가진 나라는 사람을 좋아하게 되었다. 우리는 누구나 태어난 모양이 다르지만, 그 모양을 인정하고 하고 싶은 일은 열정을 쏟아 하다 보면 각 분야에서 멋진 인간으로 존재할 수 있다고 생각한다. 나는 그것을 데이터 과학 분야에서 하기로 마음먹었고 앞으로도 어린 시절 그 못 말리는 어린이로 열정을 다하고자 한다.

 

경쟁력을 키우는 데이터 사이언티스트

 

내가 선택한 길을 통해 새로운 미래를 꿈꾸며_ 다니엘 김(H보험)

나는 별다른 직업관 없이 그냥 열심히 공부하면 되겠거니 하고 학교생활을 했다. 고등학교 때 이과를 선택했고, 대학은 경희대학교 전자공학과에 입학했다. 그때까지만 해도 나의 적성은 공학도라고 생각했다. 하지만 그 믿음은 1학기도 지나지 않아 무너졌다. 전공 책을 보기가 싫은 것이었다. 그때라도 문과로 전환을 했으면 좋으련만, 나는 변화를 선택하기보다 현실에 순응하며 학업을 이어갔다. 전공 책을 보는 시간보다 연극동아리에서 희곡을 읽는 시간이 더 많았다. 졸업한 후에는 전자공학과를 졸업했으니 반도체 회사를 갔어야 하는데, 반도체에 대해서는 아는 것도 없고 하기도 싫었다. 여기저기 취업할 곳을 알아보던 중, 공부 잘하는 학과 친구가 보험회사 전산직에 지원하자고 해서 아무 생각 없이 따라서 응시를 했고 최종합격을 하게 되었다.

 

전산 부서로 가서 OJT를 받으며 또다시 느꼈다. ‘나의 적성은 이과가 아니구나!’ OJT가 끝나고 담당 전산담당임원CIO의 면담이 있었다. 어떤 일을 하고 싶냐는 질문에 나는 “전산 개발보다는 기획팀에서 일하고 싶습니다”라고 대답했다. 그리고 운이 좋게도 그때부터 현재까지 IT 기획팀에서 일을 해오고 있다. IT 부서의 인력, 조직, 예산, 구매, 단기ㆍ중기ㆍ장기 계획을 세우는 일을 해왔고, 나름 기획부서에서 인정받으면서 남보다 빠르게 진급을 해왔다.

 

기획 업무의 큰 틀은 현재의 상황을 분석해 개선 방안을 도출하고, 이행 계획을 수립하는 것이라고 생각한다. 그중에서 가장 중요한 단계는 현재 상황을 분석하고 파악하는 것이다. 하지만 나의 분석 역량은 단순히 엑셀을 통한 기초적인 통계에 그쳤다. 좀더 면밀한 분석을 통해 근본적인 원인을 찾아낼 수 있다면, 의미 있고 가치 있는 개선을 할 수 있을 텐데 하는 갈증을 느꼈다. 그때 마침 회사에서 제4차 산업혁명이라는 화두에 맞춰 관련 외부 강사들을 초청해 강연회를 열었는데, 이때 김진호 교수를 처음 만났다. ‘빅데이터와 보험 산업의 기회’라는 강연은 에너지가 넘쳤다. 강의 내내 그동안의 갈증을 해소할 수 있는 학문이라는 생각과 향후 데이터 분석과 관련된 일을 해야겠다고 결심했다. 그래서 바로 어시스트 빅데이터 MBA학과에 입학했다.

 

2017년 8월, 빅데이터와 관련 없는 IT거버넌스 업무로 계열사에 파견되었다. 잠시 학업을 중단할까 고민했으나, 빅데이터를 할 운명인지 파견 부서의 업무가 데이터 분석 관련 업무로 전환되면서 일과 학업을 병행할 수 있는 아주 좋은 여건이 조성되었다. 그 부서의 과제였던 Investor&Company 네트워크를 활용한 투자 예측을 발전시켜 석사논문을 쓰고 무사히 졸업했다. 20년 만에 다시 하는 공부라 처음에는 정신적으로 육체적으로 힘든 부분이 많았다. 하지만 지금 생각해보면 배우는 재미와 항상 시대의 흐름에 편승해오던 나의 인생에서 내가 선택한 길을 가고 그 길을 통해 새로운 미래를 꿈꾼다는 행복이 더 컸다.

 

어시스트 빅데이터MBA학과의 장점은 한마디로 ‘전문성과 변화’이며, 데이터 사이언티스트 양성에 모든 커리큘럼이 맞춰진 교육 과정을 갖추고 있다. 또한 빅데이터라는 학문 자체가 급격하게 발전하고 있다. 그에 따라 교육 과정도 변화의 흐름에 맞춰 지속적으로 개선되고 있다. 단순 학위 취득이 아닌 실질적인 분석 역량 강화를 위해 지속적으로 교수님들과 학생들이 소통을 통해 교육 과정을 업그레이드하고 있다. 내 나이를 고려하면, IT 회사가 아닌 이상 IT 직원이 현업으로 부서를 옮기기에는 어려운 나이다. 하지만 지금 상황에서는 불과 2년 전에는 생각하지 못했던 많은 선택지가 앞에 놓여 있다. 많은 부서에서 데이터 분석 인력을 필요로 하기 때문이다.

 

현 직장에서 나에게 주어진 시간은 길어야 앞으로 약 10년이다. 회사 내에서 빅데이터 관련 실무를 5년 정도 할 생각이다. 그리고 보통의 대기업 직장인들이 명퇴나 임금피크제를 고민하는 시기에 새로운 도전을 해보려고 한다. 그러기 위해서 함께 공부한 동기들과 지속적으로 공부하고 데이터 분석 트렌드와 창업 관련 정보를 공유하면서, 미래의 계획을 구체화해나가는 시간을 갖고 있다. 인생 100세 시대다. 지금까지 살아온 약 50년은 시대의 흐름에 맞춰 정해진 삶을 살았다면, 향후 50년은 내가 선택한 데이터 사이언티스트로 제2의 인생을 살아보려고 한다.

 

미래를 준비하는 전문가

 

앞으로의 20년을 위하여_ 이범훈(엠즈푸드시스템 대표)

1999년에 LG유통(현GS 리테일)의 SC(supply chain) 부문에서 직장 생활을 시작한 이래로 현재 회사 생활 21년차다. 산업공학을 전공한 나는 사회생활 첫 시작부터 운 좋게도 전공을 살릴 수 있는 부서에 들어갔다. 1998년 IMF, 2008년 외환위기, 그리고 또 다른 10년이 지났다. 우리 경제는 이제 저성장의 시대로 진입했다. 일자리가 부족하고 전문성이 없으면 양질의 직업 또는 직장을 유지하기가 더욱더 어려워지고 있다. 따라서 자기계발은 나이와 상관없이 누구에게나 필요한 시대가 되었다.

 

2000년대 초, e-비즈니스 열풍을 타고 잠깐 IT 벤처 회사를 경험하면서 앞으로 IT가 회사 혁신의 토대가 될 것임을 확신했다. 2001년 말, 매일유업의 혁신 조직으로 옮겨 약 2년간 SAP ERP를 비롯한 다양한 시스템을 기획ㆍ구축했는데, 회사의 전반적인 업무 프로세스를 배우고 이해할 수 있었던 좋은 시기였다. 그리고 두산으로 이직해 식자재 유통 신사업을 추진했으나 1년 반 만에 접었다. 그리고 LG전자 혁신 조직으로 이직했고 물류 정보 시스템 구축 업무를 담당했다. 그리고 다시 매일유업 혁신팀을 이끌기 위해 재입사해 LG전자에서 경험했던 혁신 방법론을 기초로 ERP 업그레이드부터 다양한 정보 시스템 구축과 업무 프로세스 개선을 추진했다.

 

2012년 말부터는 현재의 회사를 만들기 위한 준비를 진행했다. 2017년까지는 과거 경험을 토대로 회사의 기반을 만들었다. PCㆍ인터넷ㆍ모바일로 IT 인프라는 변경되었으나 그 안의 업무 혁신 방법론은 크게 변화된 것이 없었다. ERP를 구축해 회사 구성원들의 업무 편차가 축소되었고 정보 가시성이 향상되어 의사결정 속도가 매우 빨라졌다. 회사의 관점에서 항상 핵심은 회사 시스템의 근간인 ERP와 기타 시스템들이며, 사람이 설계한 로직대로 데이터가 흐르고 사람이 설계한 관점으로 정보를 ‘볼 수 있다는 것이다. 모바일 시대에는 이러한 정보를 언제 어디서나 접속이 가능하다는 차이 외에 PC시대와 큰 차이는 없다. 모바일 시대까지 업무 혁신의 핵심은 ‘표준화’였으며 그 판단은 항상 사람이 해왔다. 정보 접근은 빨라졌으나 정보에 대한 해석은 여전히 사람의 몫이었다.

 

이제 혁신의 핵심은 표준에서 ‘지능’으로 변화되고 있다. 취급하는 데이터는 회사 내 데이터로 확보할 수 있는 모든 데이터로 그 양이 비교할 수 없을 정도로 커졌다. 빅데이터를 사용하게 되고 이를 잘 활용하기 위한 인공지능의 도입은 필수가 되었다. 다행히 컴퓨팅 성능이 좋아 특별히 인프라를 확보하지 않아도 가능하게 되었다. 기계가 데이터를 학습하고 인간을 대신해 판단까지 하는 세상이 오고 있다. 기술은 충분히 발전했다. 이제는 이를 활용할 사람이 더 많이 필요한 세상이 올 것이다. 그러나 이에 동참하려면, 최소한 이러한 시대의 흐름을 이해하려면 생각의 프레임이 바뀌어야 한다. 그래서 공부가 필요하다. 이제는 혁신의 키워드가 빅데이터, 인공지능, 사물인터넷, 블록체인 등 소위 제4차 산업혁명의 키워드로 변화되었다.

 

이러한 주제는 혼자서 익히기에는 너무 난이도가 높다고 생각했다 그래서 빅데이터를 공부하기로 마음먹고 공부할 곳을 찾기 시작했다. 그러다 찾은 곳이 어시스트 빅데이터MBA학과다. 그곳에서 사회 생활을 막 시작한 초년생부터 임원, 전문직 종사자 등 다양한 경력의 학생들을 만날 수 있었다. 첫 학기에는 빅데이터와 인공지능에 대한 틀을 배웠다. 그러다 보니 빅데이터와 인공지능을 스스로 만들어 보았으면 하는 동기부여가 되었고, 두 번째 학기에서는 상세 이론과 기술을 실습을 통해 익혔다. 마지막 학기에는 이론과 기술을 응용ㆍ적용하는 부분을 배운다. 그렇게 하면 배운 부분을 각자의 실무에서 충분히 적용해 성과를 낼 수 있을 것이라 생각한다.

 

다행히 초보자도 스스로 노력하면 할 수 있을 정도의 난이도에서부터 프로그램을 했던 전문가들도 흥미 있어 할 영역까지 다루고 있다. 그러다 보니 학기가 지날수록 다른 사람들과 인공지능, 빅데이터를 이야기하면 뭔가 할 말이 많아지고 관련서적을 보면서 자연스럽게 받아들일 수 있게 되었다. 이미 전공기초 과정을 끝내고 머신러닝과 딥러닝을 활용해 수요 예측 등 다양한 비즈니스 프로세스 개선 과제를 정의하고 구축했다. 배우고 나니 생각보다 회사 업무에 적용이 그리 어렵지 않았다. 더 큰 프로젝트도 충분히 할 수 있다는 자신감도 생겼고, 성공에 대한 확신도 생겼다. 앞으로 빅데이터와 인공지능은 과거 기업의 혁신 테마였던 ERP 이상으로 기업의 혁신을 이끌 것이며, 10년 내에 모든 사람이 현재의 ERP란 용어처럼 너무 일상적인 단어로 받아들일 것이라 생각한다.

 

앞으로의 20년을 위해 열심히 빅데이터와 인공지능에 대해 공부하고 있다. ‘지금 배워서 젊은 엔지니어만큼 잘할 수 있을까? 또는 지금 배우면 업무 현장에서 활용이 가능할까?’라는 질문을 나 자신에게도 많이 했고 주위에서도 많이 받았지만, 결론은 과거 20년 경험을 한 차원 발전시킬 수 있으며 앞으로 변화될 환경에 적응하기 위해서는 꼭 학습이 필요하다는 생각은 확고해졌다.