데이터 시대, 데이터 분석가의 역할 (Data analyst)
누구나 적은 비용으로 데이터를 분석할 수 있는 시대입니다. 최근 몇 년간 데이터 저장 및 처리 비용이 엄청나게 낮아지면서 생성되는 데이터의 종류, 양이 무척이나 다양해졌습니다.
금융 생산관리 마케팅 등의 산업 분야를 시작으로 데이터 분석의 효용성과 가치는 점차 확대되고 있고, 많은 기업들이 유사한 서비스 제품 기술을 이용해 경쟁함에 따라 데이터 분석을 통한 혁신과 가치창출은 중요한 경쟁력이 되었습니다.
데이터 분석가란?
데이터 분석가는 조직이 더 나은 비지니스 의사결정을 할 수 있도록 데이터를 사용해 돕는 역할을 합니다. 수많은 데이터를 정리하고, 유용한 정보를 추출하고 데이터 분석에 기초하여 결정을 내려서 인사이트를 도출해 전달합니다.
데이터 분석가의 역할
데이터 분석가는 주로 조직이 보유한 정형 데이터를 처리합니다. 고객, 비즈니스 프로세스, 경제와 관련된 데이터를 바탕으로 보고서, 대시보드 생성, 시각화 작업 등을 수행합니다. 나아가 시니어 매니저들과 경영진에게 인사이트를 전달해 의사결정 과정을 돕습니다.
또한 데이터 분석가는 재고, 물류, 운송 비용, 시장 조사, 이윤, 매출 등 다양한 유형의 데이터를 취급하기도 합니다. 이들은 이 데이터를 활용해 기업의 시장 점유율 예측, 제품 가격 책정, 판매 시기 조율, 운송비용 최적화 등의 작업을 할 수 있도록 도움을 줍니다.
데이터 분석가의 책임
데이터 분석가는 기업이 답해야 할 질문을 이해한 다음, 이런 질문들에 대한 답을 데이터로 찾을 수 있는지를 판단합니다. 따라서 이들은 데이터 수집, 분석, 보고와 관련된 기술적 이슈를 반드시 이해해야 합니다. 또 데이터 속의 트렌드와 패턴을 알아차릴 수 있어야 합니다.
최근에 올라온 데이터 분석가 채용 공고를 보면 아래와 같은 일들을 합니다.
[데이터 분석/모델링]
- 고객 경험 관리를 위한 모델링, 추천, 최적화
- 사용자의 의도를 추정하기 위한 모델 개발 및 적용
- 비지니스에 필요한 각종 모델 구축 및 성능 개선
- 전사 서비스 및 다양한 이슈에 대한 데이터 분석 및 인사이트 도출
[비지니스 분석]
- 데이터 기반 의사결정을 위한 정량 수치 정의
- 데이터 분석에 기반한 협업부서의 문제 해결 및 의사결정 지원
- 서비스 KPI의 측정과 평가를 위한 로그 설계를 포함한 각종 지표 설계, 생성, 모니터링, 대시보드 구축
- 전사 서비스 및 다양한 이슈에 대한 데이터 분석 및 인사이트 도출
데이터 분석가가 갖춰야 할 역량
- 데이터에 대한 이해데이터베이스에서 자신이 원하는 데이터를 추출할 수 있어야 합니다. 데이터는 점점 복잡하고 방대해지기 때문에 원하는 데이터 자체에 대한 이해가 필요합니다. RDBMS(relational database management system)에서 사용하는 SQL에 대한 이해가 필요하고 Mongo DB와 같은 No SQL을 사용하는 데이터베이스를 위한 JSON에 대한 지식도 필요합니다.
- 분석 툴에 대한 이해분석 Tool에서 사용하는 언어나 함수 및 라이브러리를 잘 익혀 데이터를 가공할 줄 알아야 합니다. 데이터 분석 도구는 다양합니다. 예를 들면 MS Excel, Python(Pandas), R, SAS, SPSS, 래피드 마이너, Anaconda, Tensorflow, Tableau, Qlik 등 여러 가지 도구가 있습니다.
- 통계 및 분석 방법에 대한 이해데이터 분석가가에게 필요한 능력중에서 통계능력이 있는데 이 능력이 필요한 이유는 데이터와 도표를 뽑아냈는데 이것을 어떻게 결과를 도출해야할지 모릅니다. 이때 필요한게 통계 기법입니다. 대표적인 통계 기법은 아래와 같습니다.
무엇보다 중요한 비지니스 커뮤니케이션 능력
데이터 분석가는 분석적, 수학적 역량과 SQL 같은 언어 관련 역량 외에도, 커뮤니케이션 역량이 필요합니다. 바로 잦은 협업 때문입니다.
- 문제 정의 능력 : 무엇을 해결하고자 하는지 명확하게 알지 못하면 문제를 해결할 수 없습니다. 따라서 데이터를 분석하기 전에 원하는 목적과 비즈니스 임팩트가 무엇인지를 구체적으로 정의하는 것이 중요합니다.
- 결과 전달 능력 : 이해관계자가 잘 이해할 수 있는 방식으로 결과를 전달해야합니다. 예를 들면 데이터 시각화 할대는 다양한 도표들이 있는데 여기서도 적절한 것을 골라야 하고 또한 여러 가지 통계 기술을 통해 설명해야 합니다.
참고 문헌
‘빅데이터 시대의 핵심’ 데이터 분석가의 역할과 연봉, Thor Olavsrud | CIO
'Data Analysis' 카테고리의 다른 글
| 정규화(Normalization) vs 표준화(Standardization) (0) | 2025.05.14 |
|---|---|
| 이상치(Outliers) 탐지와 처리 방법 (0) | 2025.05.14 |
| 결측치(Missing Values) 처리 (0) | 2025.05.12 |
| Hypothesis Test란? (0) | 2023.08.23 |
| EDA의 개념과 데이터 분석 (0) | 2023.04.30 |