프로그래머스 데이터 직군 취업 가이드 특강 후기

8월 30일 금요일 프로그래머스에서 온라인으로 진행한 특강 후기를 적어보려고 한다.

1시간정도 진행하였고, 한기용 강사님께서 강의해 주셨다. 

말 그대로 가이드가 필요해서 듣게되었다.

 

1. Speaker Bio

한기용 강사님 소개

강사님은 삼성부터 야후, 유데미 등 많은 회사에서 근무하셨다.

강사님께서 먼저 취준생의 마인드에 대해서 설명해주셨다.

"공부로 승부하지마라, 끝이없다.", "모든거 알고 취업하려고 하면 취업 못한다.", "회사 다니는 것과 대학입시하는 것은 다르다. 이 차이점을 이해못하는 사람이 많다." 등 내가 평소에 잘못 생각한 부분을 말씀해 주셨다.

어록을 정리하자면

• 대학은 하나 가고 나면 끝이다. 취업이나 커리어는 40,50년 가는것
• 10배 이상 긴 시간을 잘 보내기 위해 가는 것이다.
• 어차피 우리 세대에서는 10개 이상의 회사들을 다닐 것이다. 즉, 어디서 시작하느냐는 중요하지 않다. 어디가 되었든 사람 좋은곳에서 돈을 받고, 배우고, 더 좋은것으로 옮겨가면된다.
• 어느정도 공부는 할 필요가 있지만, 완벽하게 하겠다는 목표를 가지는 것은 잘못된 이야기이다.
• 세상에 나를 맞추지 말고, 내가 원하는게 뭔지 많이 고민해봐라.
• 모든 고생은 장점과 단점이 있다.

 

강사님께서 말씀하신 조심해야할 포인트

1. 회사는 그냥 내가 다닐 회사 중 하나지, 마지막 회사가 아니다. 큰 기대를 가지고 가면 실망을 할 수 있다.
2. 취업도 입시처럼 삼수, 사수하면 대기업 가겠지 ? -> 어디가 되었건 일단 가서 하는게 더 좋을 수 있다. 

• 대체불가능한 인력은 기술력이 아니고 안전한 직업을 잡아서 하는것보다, 다른 사람들과 같이 일할 줄 아느냐가 훨씬 더 중요하다.
• 기술력으로 승부 보려고 하지말고, 긍정적이고 결과를 내는 사람, 이것이 인공지능 세상에서 대체불가능한 인재가 되는것이다.
• 분야 하나 잡고 전문성 늘리는것은 이제는 불가능하다.

 

2. 데이터 팀의 발전 단계

데이터 직군을 준비하는 사람들의 착각

• 데이터 직군가면 어딜가든 알아주겠지 -> 하지만 어느 조직이건 가장 중요한것은 가치를 만들어내는 것이다.
• 쓰레기 데이터는 쓰레기 결정을 낳는다. 따라서, 신뢰할 수 있는 데이터를 만들어야 한다. 이것이 데이터 조직이 하는 일이다.

포인트는 데이터 조직은 지원조직에 가깝다. 회사의 본업을 지원하는 조직이다.

 

데이터 직군은 데이터 분석가, 데이터 엔지니어, 데이터 과학자로 분류된다.

 

1. 데이터 분석가

Decision Science를 데이터 분석가가 한다.

Data informed decisions vs data driven decisions

• Driven: 나는 줏대 없고, 데이터가 이야기하는대로 한다.
• informed: 고려한다, 참고한다 -> 최종은 내가 결정

 

강사님께서는 data driven은 위험하다고 생각하신다고 한다. 왜냐하면 데이터는 기본적으로 과거 기록이다. 최적화하는 형태로 가게된다.

예를 들어, 마차만 있는 세계에서는 마차 성능을 올리지, 자동차를 만들지는 못한다. 혁신을 하고 싶다면 참고를 하는 data informed 결정으로 가야한다.

때로는 데이터의 반대로 가는 사람이 훌륭한 리더라고 할수 있다.

※데이터 문해력: 데이터를 읽고, 사용할 줄 아는 것, 데이터를 보고 결정할 수 있는 것

 

2. 데이터 과학자

Product Science: 제품을 과학적으로 개선한다

데이터 과학자는 경험이 많이 필요하다. 

 

3. 데이터 엔지니어

이제 누군가 인프라를 만들어 줘야한다.

데이터를 수집해서 중앙 Storage에 저장을 해야한다. 이것이 데이터 웨어하우스이다.

데이터 웨어하우스란? 데이터 엔지니어가 회사에서 필요한 데이터들을 여러 소스에서 수집해서 저장하는 관계형 데이터베이스

큰 데이터를 핸들링할 수 있어야 해서 빅데이터 기반 클라우드 데이터베이스가 필요하다.

이때 필요한 프로세스를 데이터 파이프라인이라고 부른다. 이걸 만들어주는 사람이 데이터 엔지니어

데이터 엔지니어가 인프라를 만들어주면, 데이터 분석가와 데이터 과학자들이 자기 일을 할 수 있다.

 

이상적인 데이터 팀의 발전 단계

1. 서비스에서 직접 생기는 데이터와 써드파티를 통해 생기는 간접데이터를 가지고 데이터 인프라를 만든다.
2. 데이터 분석(지표 정의, 시각화 등)
3. 데이터 과학적용, 사용자 경험 개선(추천, 검색 등 개인화)

1->2, 1->3, 2<->3을 왔다갔다 한다.

 

3. 데이터 관련 기술 로드맵

데이터 엔지니어가 되기 위해서는

• ETL(Airflow)
• 클라우드(AWS, GCP, Azure)
• 빅데이터 분산처리 기술 이해
• 스파크/하둡
• 도커와 쿠버네티스
• NoSQL
• 카프카 등

등을 알아야한다.

 

현재 데이터 엔지니어 데브코스를 준비하고 있다. 강사님께서는

"데이터 엔지니어 데브코스를 하기로 결정했으면 여기에 올인해라. 다른거 하지말고" 라고 하셨다.

또한 "학교나 직장은 어쩔수 없다. 하지만, 여기서 별도로 더 공부하지말고 여기에 올인해라, 그리고 여기서 배우는걸 완벽하게 알지말고, 개념 이해하고 조금 친숙해지면 나중에 회사 가서 더 깊게 업무를 배우게 될 것이다." 라고 하셨다.

가장 기억에 남는 말은

• "평정심을 가지고 급하지 않게 꾸준히 배워라"
• “새로운 학습에는 시간이 걸림. 평정심과 꾸준함이 중요”
• "요즘 같은 세상에 혼자 기술력으로 하기는 힘들다, 평정심을 가지고 커뮤니케이션 잘하며 꾸준히 잘하자"
• "잘하냐는 주니어와 못하는 주니어의 차이는 하나를 가르치면 하나를 아느냐 이다. 이게 되면 처음에 모르는게 많아도 괜찮다. 누군가 나에게 하나를 알려주면, 그 하나를 명확하게 숙지해라"

잘 준비해서 데브코스와 함께 데이터 엔지니어로 성장하고 싶다.