“비전공자도 이 책에서 제시하는 가이드를 따라 1년 정도 열심히 공부한다면 국내에서 요구하는 AI 빅데이터 분석을 충분히 할 수 있을 것이다”
이 책만 읽으면 1년 안에 빅데이터 전문가라니…그것도 몇 년동안 가장 핫한 분야 중 하나인 AI, 빅데이터와 관련된 분야라니... 말도 안되는 책 제목과 소개 그리고 자극적인 디자인과 추천문구까지... 괜히 시간낭비를 할 수 있겠다는 생각이 들긴 하였지만 이번에 이 책을 선택한 이유는 크게 3가지였다.
첫째, 이번주 EXMBA 주제가 Python인만큼 IT,TECH 카테고리에서 편하고 빠르게 읽을 수 있는 책을 원했던 점
둘째, 데이터 분석 공부를 해보겠다고 나름 3년 정도 스터디를 하면서 노력했던 시간들이 있는데 최근에 데이터 리터러시 관점에서 처음부터 다시 시작해봐야겠다는 제로베이스 마음가짐을 다졌던 점
셋째, 실제로 앞으로 1년 간 AI, 빅데이터와 가까워질 수 밖에 없는 직무로 이직을 앞두고 있기 때문에 이 길을 걸어온 타인의 관점을 확인하고 싶었던 점
결론부터 말하면 이 책을 읽고1년 안에 빅데이터 전문가가 된다는 것...직접 해보지 않고는 모를 일이라지만 여러가지 경험들에 비해 다소 부족해 보이는 저자분의 경력과 본인의 경험만을 토대로 펼치는 주장들이 다소 편협하게 느껴져서 진지하게 데이터 전문가를 꿈꾸는 상황이었다면 신뢰를 갖기는 힘들 것 같았다. 하지만 데이터 관련 분야로 커리어를 가지고 싶은데 어떻게 처음 시작해야 할 지 모르는 분들이나 데이터 기반의 의사결정이나 문제해결을 하시는 분들, 단순하게 호기심 있는 분들 등에게는 책에 나와 있는 내용들을 참고하여 몇 가지 방법들을 실행만 잘 한다면 앞으로 1년 뒤 빅데이터와 많이 친해져 있겠구나 라는 생각을 하였다.
우선 이 책의 저자는 국내 산업공학 학사를 졸업한 후 빅데이터 석박사과정을 거친 뒤 현재는 데이터 분석 컨설팅회사에서 대표로 일하고 있다. 그는 수요에 비해 공급이 턱없이 부족한 지금이야말로 빅데이터 전문가로 도약할 수 있는 절호의 기회라고 이야기하면서 현재 국내에 있는 공/사 교육 시스템이 가진 문제점을 비판하고 경험을 토대로 현실적인 빅데이터 분석가 커리어 로드를 제안하고 있다.
현실적인 부분에서 많이 공감했던 문장들과 내 생각을 공유해보려 한다.
1. 학교나 학원에서 다루는 데이터는 "예제 데이터"다.
AI 빅데이터 부분은 다양한 실전 데이터로 직접 다루어봐야 하는데 예제에 나오는 '예제 데이터'로는 절대 실력이 늘지 않는다. 예쁘게 정제되어 있는 '예제 데이터'를 가지고 예제에 다 나와 있는 기본 코드를 복사해 붙여넣기 하는 것을 누가 못하는가? 실제 데이터를 DB 또는 크롤링 등으로 직접 수집한 후 가공, 정제를 거쳐 목적에 맞는 결과를 얻기 위한 모델을 직접 생각하고 고안해서 적용해야 한다. -73P-
#데이터프라블럼 솔버(Data Problem Solver)
(▲링크를 누르면 기사로 이동합니다)
“사람들이 데이터 사이언티스트와 데이터 프라블럼 솔버(Data Problem Solver)를 구분했으면 하는 바람이 있습니다. 데이터의 양이 늘어나고 데이터의 중요성이 증가한다고 해서 모든 사람들이 데이터 사이언티스트를 지향해야 하는 것은 아니며 그럴 수도 없습니다. 실제로 데이터 사이언티스트들도 전체 업무 시간의 6~70% 이상은 데이터 전처리를 하는 데 쓰고 나머지 2~30% 정도를 분석하는 데 씁니다. 모든 사람이 데이터 분석이나 툴 개발에 목을 맬 필요가 없는 것이죠. 대다수 사람들에겐 데이터 리터러시를 바탕으로 문제를 해결하는 역량이 훨씬 중요합니다."
“조직은 데이터 프라블럼 솔버들을 튼튼하게 갖추고 있어야 합니다. 왜냐하면 (데이터 자체에서) 가치가 도출된다기 보다는 그걸 기반으로 문제를 정의하고 풀어내는 솔버들에 의해 가치가 발생하기 때문입니다. 코딩 지식보다 도메인 날리지(Domain knowledge), 강력한 사고력, 문제 해결역량을 바탕으로 직무 곳곳에 숨어있는 문제를 해결하는 솔버가 조직 내 90%가 되어야 합니다. 데이터 사이언티스트는 10%만 되어도 충분합니다. 이런 콘셉트를 정확히 잡지 않으면 데이터 교육이 툴 중심으로 돌아가게 됩니다.”