AI/데이터 직무분석 : 데이터 분석가

 

 

데이터 분석가 의 하는 일을 소개합니다.

 

데이터 분석가 는 ‘기술적 분석’, ‘진단적 분석’, ‘예측적 분석’, ‘처방적 분석’를 통해 합리적인 의사결정에 도움을 주는 직무입니다. 비즈니스 데이터에서 통찰을 얻어 목표 지표를 개선하기 위한 인과 관계, 성장 방향, 약점 등을 찾습니다. 이후 PM, Marketing, Sales 등 다양한 비즈니스 이해관계자에게 합리적인 의사결정을 할 수 있도록 도움을 줍니다.

 

이번 글은 데이터 분석가 직무에 대해 자세히 안내해 드리겠습니다.

 

Share Value Grow Together

 

 

 

데이터 분석가 의 하는 일을 소개합니다.

 

출처 : https://dataclaritycorp.com/unify-disparate-data-sources/

 

 

1. 문제 발견

•  이해관계자와 협력하여 비즈니스 문제와 목표를 정의

 

2. 데이터 준비

•  구조화된 데이터, 구조화되지 않은 데이터 수집 및 처리

 

3. 데이터 분석

•  기술적 분석, 진단적 분석, 예측적 분석, 처방적 분석
•  요인, 회귀, 코호트, 시계열, 퍼널, AB 테스트 등 다양한 데이터 분석 모델을 통한 분석

 

4. 리포트

•  문제해결 보고서 : 데이터 기반으로 한 통찰로 의사 결정을 끌어내는 문제해결 보고서 작성
•  비즈니스 방향 안내 : 비즈니스 성공을 위한 스토리 텔링을 통해 의사 결정을 이끎

 

[이해를 돕기 위해 아래 참고자료를 읽어보시면 좋습니다]
딜라이트룸 기술블로그 : 퍼널은 줄일수록 좋은걸까?(전환률 증진)

 

 

 

데이터 분석가 는 어떤 고민을 할까요?

 

 

 

지표 개선을 위해 어떻게 데이터를 분석할까?

 

•  어떻게 비즈니스/서비스/제품의 문제를 정의하고 가설을 세울 것인가?
•  데이터 분석 환경 설계를 위해 어떤 가설을 세우고, 변수를 통제할 것인가?
•  데이터 분석 성공과 실패를 판단할 수 있는 지표는 무엇일까?
•  데이터 분석 준비를 위해 데이터 이해-수집-처리할 것인가?
•  가설을 검증하기 위해 어떤 분석 기법, 방법론을 사용할 것인가?
•  데이터 분석 결과에서 어떻게 인사이트를 얻을 것인가?
•  데이터 분석 결과를 편향 없이 해석하려면 어떻게 할 것인가?

 

 

데이터 분석 결과를 효과적으로 전달할 수 있을까?

 

•  평가 지표를 체계적으로 관리할 수 있을까?
  PM과 협업하여 고민할 가능성이 높습니다.
•  의사 결정에 도움이 되는 대시보드를 구축하고 업데이트를 자동화할 수 있을까?
   PM과 협업하여 고민할 가능성이 높습니다.
•  의사 결정에 참여하는 구성원이 데이터 기반 의사 결정할 수 있는 시스템을 만들 것인가?
   전 의사 결정 이해관계자와 협업하여 고민할 가능할 가능성이 높습니다.
•  데이터 파이프라인을 오케스트레이션을 통해 분석 결과를 실시간으로 대시보드로 보여줄 것인가?
   데이터 엔지니어와 협업하여 진행합니다.

 

 

 

데이터 과학자 취업하기 위해 필요한 역량

 

출처 : 토스뱅킹 채용공고

 

최근 채용 플랫폼 데이터 분석가의 채용공고를 분석하여 경험, 기술, 지식을 도출하였습니다.
산업, 도메인에 따라 데이터 타입과 분석 방법론이 달라 기업별로 요구하는 역량이 달라지는 점을 참고해 주세요.

 

 

Project(경험)

•  데이터로 분석을 통해 의사 결정 방향을 제시한 경험
•  로그 데이터를 분석하여 비즈니스 지표를 개선한 경험
•  대용량 데이터를 분석하여 패턴을 발견해 비즈니스 지표를 개선한 경험
•  고객 행동 데이터를 분석하여 비즈니스 지표를 개선한 경험
•  멀티 디바이스(모바일/웹)의 데이터를 통합하여 분석 후 비즈니스 지표를 개선한 경험
•  데이터 엔지니어와 협업하여 데이터 파이프라인을 구축 및 관리 경험
•  데이터 분석 인사이트를 통해 실제 비즈니스/서비스/제품을 개선한 경험

 

Skill(기술)

•  [문제 정의] 비즈니스/서비스/제품 문제를 정의
   팀 및 이해관계 담당자와 같이 협업하여 문제를 정의
•  [지표 정의] 비즈니스/서비스/제품 성장을 하기 위한 KPI 지표 정의
•  [가설 설정] 지표 개선을 위한 가설을 설정
•  [데이터마이닝] 비즈니스/서비스/제품을 이용하는 Data 정제-가공-적재
•  [A/B 테스트] 지표 개선을 검증할 수 있는 A/B 테스트 설계 및 분석
•  [데이터 분석] 다양한 분석 모델 기법을 활용하여 분석
  요인, 회귀, 코호트, 시계열, 퍼널 등
•  [인사이트] 비즈니스/서비스/제품 분석을 통한 인사이트 도출
•  [대시보드] 비즈니스/서비스/제품 지표를 보여줄 수 있는 대시보드 구축
•  [리포트 및 스토리텔링] 비즈니스/서비스/제품 시나리오별 실질적인 액션 제시

 

knowledge(지식)

•  산업/서비스/제품 도메인에 관한 지식
•  수학/통계 관련 지식
•  데이터 분석 방법론의 지식
•  머신러닝에 관한 지식
•  Data Warehouse 구축 지식
•  데이터 파이프라인에 관한 최신 기술에 관한 지식

 

데이터 분석가 와 데이터 과학자의 차이를 궁금해할 수 있습니다. 데이터 분석가는 데이터를 해석하고 분석하여 비즈니스 결정의 통찰을 제공하는 데 중점을 둡니다. 이를 위해 구조화된 데이터에 통계적 방법과 시각화 기술을 사용합니다. 데이터 과학자는 기계 학습 및 예측 모델을 통해 패턴을 발견하여, 알고리즘을 개발하여 복잡한 문제를 해결하는 인공지능 기반 서비스, 제품을 만드는 데 중점을 둡니다.

[이해를 돕기 위해 아래 참고자료를 읽어보시면 좋습니다]
모두의연구소 기술블로그 : AI/Data 직무분석 : 데이터 사이언티스트

 

 

데이터 분석가 의 로드맵을 소개합니다.

 

 

 

지식 로드맵

• 기초 통계 모델 지식 습득
• 데이터 분석 방법론 지식 습득
• 비즈니스/서비스/제품 도메인 지식 습득

 

 

기술 로드맵

• Python 프로그래밍 기술 습득
• Excel 데이터 분석 기술 습득
• SQL를 통한 대용량 처리 기술 습득
   MySQL, MSSQL, MariaDB, PostgreSQL, BigQuery, FireBase 등
• R를 통한 고급 통계 기술 습득
• Attribution Tool을 통해 고객 행동 데이터 분석 기술 습득
   google analytics, Amplitude, Braze, Appsflyer 등
  • BI Tool를 통한 데이터 분석 시각화 및 대시보드 구축 기술 습득
     Tableaue, Redash, Superset, Data studio 등

 

데이터 분석 프로젝트 진행할 때 고려해야 할 부분

•  문제 해결을 위해 ‘비판적(가설)으로 생각한 후 데이터의 패턴에서 단서’를 찾아주세요.
•  ‘비즈니스에서 개선해야 할 문제와 지표’를 정확히 알고 프로젝트를 진행해 주세요.
•  ‘데이터의 의미를 이해’하는 데 충분한 시간을 투자해주세요.
•  기본부터 조인 및 함수 등 ‘SQL 사용에 익숙해지고 능숙해질 때’까지 실수를 하고 수정해 주세요.
•  데이터 분석 프로젝트를 ‘채용 담당자가 이해하기 쉽게 시각화’하여 보여주세요.

 

[이해를 돕기 위해 아래 참고자료를 읽어보시면 좋습니다]
좋은 데이터 분석 프로젝트를 만드는 방법은 무엇입니까?

 

 

 

 

작성일 기준으로 취업스터디원 두 분이 신입 데이터 분석가로 구직 활동을 진행하고 있습니다.
기초 통계 및 분석 모델 방법론 지식, 자료구조 및 알고리즘 프로그래밍 역량, 대시보드 구축 역량 3가지를 독려하고 기술 블로그를 작성하라고 요청하고 있습니다. 추가로 형식적으로 프로젝트를 진행하지 말고, 이 분석이 비즈니스에 어떻게 임펙트를 줄 수 있을지 고려하면서 프로젝트를 진행하라고 요청하고 있습니다. 데이터 분석가를 희망하시는 분들은 ‘데이터 분석 프로젝트 진행할 때 고려해야 할 부분’을 다시 한번 읽어주세요

감사합니다!