• 미디어 >
  • 엔코아 리포트
Weekly Brief
[조회수 : 5171]  다운로드
데이터 분석을 위한 인재 등용 전략

[데이터 분석을 위한 인재 등용 전략]


“빅데이터”라는 단어가 떠들썩하게 시장을 훑고 지나간 요즘 데이터 관련 채용 공고를 검색할 때 가장 많이 보이는 키워드는 데이터 사이언티스트(Data Scientist)와 데이터 분석가(Data Analyst)이다.

최근에는 금융, 통신, 공공, 서비스 산업 구분 없이 “데이터 안에서 새로운 가치 찾기”에 분주하다. 빅데이터 열풍이 기업들에게 가져다 준 교훈은 새로운 기술의 학습이 아닌 기업에 대한 본질을 묻고, 보유하고 있는 원천 데이터를 어떻게 활용할 것인가에 대한 고찰이 아니었을까?


하지만, 데이터 사이언티스트와 데이터 분석가를 찾는 기업들의 채용 공고에서는 아직 자신들이 원하는 것이 무엇인지 정확하게 모르고 있다는 흔적을 많이 찾아 볼 수 있다.


최근 데이터 전문가를 찾는 채용 공고들의 공통 요구 사항들을 모아 보면 마치 “스카이넷(Skynet, 영화 터미네이터 군단의 창조자)”를 찾고 있다는 느낌이 강하다. 데이터의 모델링에서 부터 구축, 가공, 활용은 기본이고 이를 잘 풀어 소통 할 수 있는 스토리텔링 능력과 예지력까지 요구한다. 데이터 관련 인재는 컴퓨터 공학은 물론이고, 인문학, 통계학과 더불어 산업 지식이 수반 되길 원한다.


기업이 진정으로 찾기 원하는 것이 과연 무엇일까? 데이터 안에서 어떤 미래를 찾기 원하는 것일까? 기업들이 원하는 것이 무엇이든 간에 현재 찾고 있는 데이터 사이언티스트와 분석가는 전지전능하길 바라는 것임에 틀림없다.

이번 엔코아 리포트에서는 데이터 분석을 통해 기업이 현재 얻고자 하는 것이 무엇인지, 또 얻어야 하는 것은 무엇인지 알아보고 이를 위한 인재 등용 전략을 제시하고자 한다.




1. IT시장 트랜드와 데이터 분석

IT의 발전은 정치, 문화, 사회, 경제에 걸쳐 놀라운 변화를 주도해 왔으며 새로운 기술은 언제나 혁신의 토대가 되어왔다. 전 세계의 기업들은 IT 기술을 통해 생산성과 효율성을 증대시키고, 새로운 기회를 모색하여 더 나은 기회를 창출하기 위해 노력하고 있다.


2015년 주요 IT 리서치 그룹들과 전문 매체들은 올해의 기술 전망을 내놓으면서 사물인터넷과 웨어러블기기, 활성화 되고 있는 클라우드 산업에 공통적으로 주목하고 있다. 이 기술들은 대부분 데이터를 만들어내거나 저장하는 수단이다. IT 신기술의 대부분은 데이터를 모으는 플랫폼의 확장을 의미 하거나 이를 활용하기 위해 발전되어 가고 있다는 것을 우리는 쉽게 발견 할 수 있다. 


기업이 데이터를 모으고 정보화하여 지식화 시키는 이유는 더 좋은 데이터를 만들어내기 위한 리사이클링 과정이라고 해도 과언은 아니다.



 

Gartner

IDC

Forester

1

컴퓨팅 에브리웨어

IT시장 저성장

 

디지털 격차

2

사물 인터넷

3의 플랫폼

 

애플의 독주

3

3D 프린팅

하이브리드 클라우드

 

보안 위협 증가

4

보편화된 첨단 분석

기업-개인간 모빌리티

 

데이터 상품화 시대

5

콘텍스트 리치시스템

빅데이터 분석과 DaaS

 

선두 기업의 스타트업 투자

6

스마트 머신

기업 및 비즈니스 소셜

 

헬스케어 등 사업 미성숙

7

클라우드/클라이언트 컴퓨팅

사물 인터넷 범위 확대

 

클라우드 시장의 주류 편입

8

소프트웨어 정의 애플리케이션과 인프라

소프트웨어 중심의 네트워크 인프라

CIO 역할 확대

 

9

-스케일 IT

인프라의 소프트웨어 정의

 

 

10

위험 기반 보안과 자가 방어

디지털 트랜스포메이션 3.0

 

 

[2015년 각 리서치 그룹 전망자료]


2015년 엔코아 리서치센터가 제시하는 키워드는 “분석”이다.

사물인터넷과 웨어러블기기, 클라우드 등은 모두 데이터를 모으기 위한 플랫폼의 확장 도구가 되어가고 있으며, 기업은 미래 예측을 위한 지혜를 얻으려 지식을 축적하고자 정보를 모으고 있으며 이를 관통하는 통찰력을 얻고자 데이터를 분석할 이유가 한번 더 생기게 되었다.


다시 말해 IT의 발전은 데이터를 통해 미래를 예측하기 위한 통찰력을 찾아내고 이를 다시 적용하여 새로운 계획을 수립함으로 인해 또 다른 가치창출을 위해 일련의 과정을 반복하고 있는 것이다.




2. 빅데이터 거품에서 가치 있는 데이터의 길을 묻다
수많은 IT기업들이 빅데이터 마케팅에 열을 올리고 있던 2013년 가을, 가트너는 “빅데이터는 새로운 것이 아니라 이전부터 존재했던 데이터를 모은 것에 불과”하다고 말하며 시장에 적지 않은 충격을 던졌다. 그 동안 빅데이터 프로젝트를 했던 기업들이 한 순간에 바보가 되는 순간이었다. 그러면서 앞으로는 기업이 “가치 있는 데이터”를 모아 분석하게 될 것이라고 했다.


가트너의 데이터 과학과 고급 분석 하이프 사이클(Hype Cycle)을 통해서도 빅데이터 시대가 정제 되어 가고 있음을 알 수 있다.



1.jpg


[2014년 4월 가트너, Hype Cycle for Advanced Analytics and Data Science]



그리고, 지난 해 말 가트너는 가치 있는 데이터를 찾기 위해서 버려야 할 빅데이터를 둘러싼 잘못된 통념 9가지를 발표했는데, 그 중 기업의 데이터 관련 인재 등용에 있어 참고가 될만한 몇 가지를 소개하면 다음과 같다. 


잘못된 통념

내용

권고사항

전체 데이터의 80%는 비정형 데이터

데이터/정보 분야에 있어 가장 오래되고 널리 알려진 잘못된 통념 중 하나는 전체 데이터의 80%가 비정형 데이터라는 것이다.

잘못된 통념을 고착시키는 업체들의 말에 귀 기울이지 말라. 특히 비정형소프트웨어 솔루션을 제공하는 벤더들의 주장은 더욱 조심해야 한다.

첨단 분석은일반분석의 발전된 버전일 뿐

많은 기업들이 데이터 분석에서 어느 정도 전문성을 확보하면, 학습과 추가적인 소프트웨어 도구(tool)를 활용해 다음 단계의 데이터 분석으로 이행할 수 있다고 생각한다.

첨단 분석이 적용되는 분야 및 요구되는 역량과 도구가 일반 분석과는 다르며, 데이터 사이언스(data science) 역량 자체가 희귀하다는 사실을 인지해야 한다. 첨단 분석에 필요한 역량과 도구를 보유하고 있지 않은 경우 탄탄한 전략 수립은 불가능하다.

개선된 분석 도구가 데이터 사이언티스트를 대체할 것

첨단 분석 솔루션을 제공하는 대부분의 업체들이 자사 솔루션에 포함된 데이터 과학 기능이, 코딩 작업, 예측 알고리즘 지식, 장기간의 훈련 과정 없이도 누구나 사용할 수 있을 만큼 사용이 쉽다고 주장한다. 이로 인해 사내 데이터 사이언티스트가 필요 없다고 믿는 사람들이 늘어났다.

데이터 과학에 필요한 역량을 집합적으로 보유한 데이터 과학 전담 부서를 수립하는 방안을 고려하라.

 

빠른 분석이 곧 실시간 분석

하둡(Hadoop), NoSQL DBMS, 인메모리 데이터베이스, 인메모리 데이터그리드, 및 기타 빅데이터 기술들은 전통적인 기술들에 비해 빠른 쿼리, 분석모델 실행을 가능케 한다.

시스템 응답이 수 분내에 이뤄져야 할 경우 비즈니스 활동 모니터링 플랫폼, 스프레드시트 툴(spreadsheet tool), 데이터 복구, BI 리포팅 툴 등을 활용해 현재 데이터에 준 실시간 분석을 실행하라.


[가트너, 빅데이터에 관한 잘못된 통념 중]


이와 같이 데이터 분석에 대한 방향성은 빅데이터에 대한 거품이 걷히면서 조금씩 명확해지고 있다. 따라서 유행하는 툴의 도입이나 섣부른 시스템 구축 보다는 기업 내부에서 비즈니스의 본질을 먼저 고민하고 그에 따른 가치 있는 데이터에 대한 고찰 이후 보유한 데이터를 통해 얻고자 하는 것이 무엇이며 어떻게 그 가치를 얻거나 만들어 나갈 것인지에 대해 고민하는 사람, 나아가서 조직이 필요하다는 것이다.




3. 데이터 분석을 위해 필요한 인재

2015년 IT전망을 내 놓으며 IT전문 리서치 그룹인 IDG(International Data Group)와 가트너는 나란히 CDO(Chief Data Officer, Chief Digital Officer)가 다시 각광 받을 것이라고 예측했다. IDG는 기존 CMO의 역할을 CDO가 대신하면서 CIO의 파트너로 부상할 것이라고 전망했고, 가트너는 기업 혁신을 위해 CDO의 역할이 중요해지고 있다고 언급하며 데이터에 집중할 수 있어야 진정한 CIO가 될 것이라고 말했다.


IT 인재 파견 기업 로버트 하프 테크놀로지(RHT)에 따르면 2015년 연봉 상승이 예측되는 15가지 직업 중 무려 6가지 직종이 데이터와 직접적으로 관련 있는 분야였다.




1. 모바일 애플리케이션 개발자

2. 빅데이터 엔지니어

3. 무선 네트워크 엔지니어

4. 비즈니스 인텔리전스 분석가

5. 데이터 보안 분석가

6. 데이터 아키텍트

7 리드 애플리케이션 개발자

8. 데이터베이스 개발자

9. 소프트웨어 엔지니어

10. 최고 보안 책임자

11. 소프트웨어 개발자

12. 선임 웹 개발자

13. 네트워크 보안 엔지니어

14. 데이터 모델러

15. 정보시스템 보안 관리자

[2015년, 로버트 하프 테크놀로지(RHT)가 전망하는 연봉 상승이 예측되는 15가지 직업]



이렇듯 데이터에 대한 기업의 시각이 달라지면서 최근 눈에 보이기 시작한 직무가 하나 있는데, 바로 최고 분석 담당 책임자인 CAO(Chief Analytics Officer)이다. CAO는 기업이 데이터를 바라 보는 관점이 얼마나 중요해지고 있는지를 확인할 수 있는 단면이다.


RHT의 존 리드 상무는 CAO(Chief Analytics Officer)의 역할에 대해 언급하며 “아직까지 CAO라는 직함은 흔하지 않으나 점차 증가하는 추세”다. "현재 ‘개척자’의 위치에 있는 CAO들은 데이터의 힘과 그 활용이 장차 기업의 비교우위 확보에 기여할 것으로 보고 있다”고 설명하였다.


물론, CAO를 고용한다고 해서 ‘디지털 혁신기업’이라고는 할 수 없다. 하지만 이제 많은 기업들이 데이터 분석에 더욱 전략적인 접근방식을 취해야 하는 수준까지 성숙한 상태다. 이들 기업은 종종 마케팅, IT, 경영, 재무 등의 조직 내 분야에 분석가와 데이터 공학자를 배치하고 있지만, 아직까지 공동의 지혜 또는 규모의 경제를 제대로 활용하지 못하고 있다. 이런 기업들이 필요한 것이 바로 CAO라고 할 수 있을 것이라고 말했다.


그럼 과연 국내 현재 시장에서 요구하는 데이터 분석가의 모습은 어떤 모습일까? 국내 한 교육기관에서 시행되고 있는 빅데이터 분석가 과정을 살펴보면 작은 실마리를 찾을 수 있다.



구분

심사범위

선발기준

빅데이터
분석전문가

직무 기준

         데이터 분석가, 시각화 디자이너, 알고리즘 개발자

         빅데이터 관련 직무자(빅데이터 분석 및 시각화 관련 업무)

선수 조건

필수 조건

         해당 분야 산업 도메인 전문가

         데이터 분석 관련 업무 3년 이상의 중급 분석가

         빅데이터 프로젝트 수행 인력 또는 예정 인력

우대 조건

         해당 분야 산업 도메인 전문가

         데이터 마이닝 유경험자

         SAS, SPSS, R 등 통계 분석 툴 유경험자

         SQL, OLAP, Query, Reporting 도구 유경험자

         고객분석, 캠페인 기획 등 CRM 유경험자

         다양한 데이터 분석을 통한 의사결정지원 유경험자

         CRM(고객관리), 캠페인, 마케팅 전략, 영업기획, 콜센터, 경영기획 프로세스 혁신, 생산관리, 설비관리 경력자 등

[한국데이터베이스진흥원, 빅데이터 분석 전문가 과정]


데이터 활용의 범위가 확대되고 빅데이터라는 이름의 비정형 데이터들이 기업 데이터 안에 융합 되면서 새로운 기술과 유의해야 할 사항들이 생겨나고 있다. 이를 위해 필요한 데이터 사이언티스트를 한 명 채용한다면 얼마나 속 시원하겠나? 하지만 기존에 데이터 관련 인재들을 보유하고 있는 기업이라면 아래 기업 정보 관리 방법론의 단계별 성숙도와 상단의 분야별 데이터 전문가 영역을 보면서 필요한 인재상을 준비해 나가는 것이 바람직할 것이다.


가장 이상적인 그림은 데이터에 대한 가치를 CEO가 인지하고 직접 데이터 사이언티스트와 함께 기업의 방향성을 고민하는 것이겠지만, 기업에서 새로운 가치를 찾겠다는 명확한 목표가 수립되어 있지 않은 상태에서는 귀한 데이터 사이언티스트를 모셨다가는 먼 산만 바라보게 할 가능성이 높다. 따라서, 데이터의 가치에 대한 공감대가 형성되지 않은 상황에서는 단계별 접근 전략이 필요하다.


예를 들어 데이터베이스관리 시스템이 도입되어 있다면 귀사는 당연히 데이터베이스 개발자나 관리자를 보유하고 있을 것이다. 만약 여유가 있다면 모델러와 아키텍트를 사전에 보유하면 좋겠지만 그렇지 못하다면 아키텍트 보다는 도메인 전문가를 보유할 것을 권장한다. 기술의 깊이 보다 목적 지향적인 조직을 만들어가기 위함이다. 데이터 사이언티스트 없이도 점진적으로는 기업이 해야 할 고민을 풀어낼 수  있는 조직을 보유하겠다는 의지로 접근하는 것이 비용 대비 효과를 볼 수 있는 접근일 것이다. 기업의 입장에서 어떤 역할을 아웃소싱하는 것이 좋을지에 대한 효율성은 스스로 검토해야 하기 때문이다.



2.jpg

[TOGAF, Enterprise Information Management Framework]



우리는 기업이 데이터를 통해 얻어야 하는 것이 무엇인지, 어떤 단계를 통해 접근 해 나가야 하는지, 이것을 위해 어떤 직무가 필요한지, 또 데이터 사이언티스트에게 바라는 것이 무엇인지를 대략 가늠할 수 있었다. 또한 데이터 사이언티스트와 데이터 분석가와의 역할 구분이 어떨지도 예상할 수 있다.


우리가 각각의 직무 관계도를 그려 놓고 따져 볼 수 없는 이유는 아직까지 데이터 사이언티스트나 CAO, CDO 등의 직무들이 명확하게 자기 자리를 찾지 못하고 있다는 반증이지만 데이터라는 테마로 인해 많은 기회가 열리고 있다는 사실은 분명하다.




4. 데이터 분석의 중요성
기업들이 데이터에서 새로운 가치를 찾기 위해 요즘처럼 노력했던 적이 없었다. 하지만, 과연 얼마나 많은 기업이 자사가 보유하고 있는 데이터를 정확하게 파악하고 분석하여 제대로 된 용도로 활용하고 있을까?


과거 우리는 데이터 분석을 통한 가치 창출 도구 중 하나였던 CRM(Customer Relationship Management)의 등장과 실패를 보며 아주 중요한 경험을 했었다. “분석”이 아닌 집계만을 위한 CRM은 본연의 가치를 평가 받기 어려웠다는 것이다. 특히 우리나라에서는 시스템 사용을 강제하지 않는 기업 문화와 업무 프로세스, 실무자들에게 어려운 시스템 등이 데이터 분석을 위한 집계에 지쳐 버리게 된 계기가 되었다.


십 수년이 지난 지금 우리는 빅데이터라는 큰 광맥을 하나 발견했음에도 불구하고 그 안에서 보석을 찾아내는 것에 대한 두려움을 갖고 있다. 과거 경험을 통해 학습 했듯이 무엇을 얻어야 하는지 그 목표와 방법이 명확하지 않기 때문이다. 아니, 방법은 알고 있으나 무엇을 얻어야 하는지 정확하게 모르고 있기 때문이다.


“데이터 분석”의 사전적 의미는 데이터 처리 능력을 기반으로 가공되지 않은 데이터를 목적에 맞게 수집, 가공하여 과거를 설명하고 미래를 예측하는 방법을 만들어가는 과정이다. 또 데이터 분석에 필요한 가설•모형을 만들고, 결과를 도출한 뒤에야 분석이 가능하다.


기업들이 데이터를 활용하고자 하는 목적은 각기 다르겠지만 분석하는 목적은 과거로부터 현재까지 수집된 데이터를 기반으로 미래를 예측 할 패턴을 찾아 내는 것이다. 그리고, 데이터 분석을 위해서는 문장으로 서술될 수 있는 구체적 목표가 필요하다. 이것이 기업이 데이터 분석을 통해 무엇을 얻을 것인지에 대한 방향타 역학을 하게 될 것이다.


아마존, 자라, 월마트 등과 같이 분석 경쟁력을 보유한 기업들은 금융, 유통, 관광, 스포츠 등 다양한 분야의 선도 기업들로 자리매김했다. 그러나 이러한 데이터 분석의 효용성과 가치에도 불구하고 비용 능력 데이터 등의 문제로 인해 지금까지 개인 및 중소기업에는 불가능의 영역이 데이터 분석 영역이었다.


의사결정 과정을 보다 효율적으로 지원하기 위해서는 데이터 발생에서부터 정보의 최종 소비자에 이르기까지 데이터를 관리하고 조정할 수 있는 시스템이 필요하다. 이를 위해 기업의 성과를 시장 환경에 효과적으로 파급시킬 수 있도록 데이터의 가치를 극대화시킬 수 있는 사용자, 프로세스 및 기술상의 투자와 관리 기법이 필요하다.


다운로드>> EN-CORE_Report_2015.02.10.pdf



※ 다음 엔코아 리포트에서는 데이터 시각화에 대한 자료를 공유하고자 한다.




EN-CORE Data Research Center ⓒ 2015 All Rights Reserved

참고자료 : IT Daily [빅데이터 분석에 대한 잘못된 통념 9가지] 알렉산더 린든(Alexander Linden) 가트너 리서치 부사장


목록