Data Analytics (데이터 분석)

[TIL 0627] 데이터 분석가가 갖춰야 할 9가지 역량

용스토리랜드 2024. 6. 27. 17:47

데이터 분석 직무에서 갖춰야 할 역량 9가지 !! 

하드 스킬과 소프트스킬로 나눠서 생각해봅시다. 

 

먼저, 하드 스킬은 해당 직무를 수행하기 위해 필요한 기술적인 것이라고 생각하면 될 것 같습니다. 이러한 기술적인 것은 교육, 자격증, 직장 경험 등을 통해 습득되며, 측정 가능(증명 가능)(프로그래밍 Level, 통계학 관련 자격증, SW를 사용한 시각화 포트폴리오, 등)하고 평가할 수 있습니다 ! 

 

반대로, 소프트 스킬은 사람들과의 (직장동료와의) 상호작용, 문제해결, 의사소통 등과 관련된 비기술적(인성적)이고 대인 관계적인 능력입니다. 이러한 기술은 개인의 성격, 태도, 행동 등을 반영하며, 하드 스킬과 달리 측정하기가 어렵습니다.

하드스킬(Hard Skill) 1. 프로그래밍(SQL***, Python**, Excel*)
2. 통계학
3. 산업 및 Value Chain 에 대한 이해
4. 분석 SW (Tool) 사용 능력 (SaaS, BI 툴)
5. 업무 자동화와 데이터 엔지니어링
소프트스킬(Soft Skill) 6. 커뮤니케이션(의사소통) 능력 
7. 협업 능력과 태도
8. 문제 정의 및 문제 해결 능력
9. 논리적인 보고서 작성

 

하드스킬 

1) 프로그래밍 역량

  • SQL (Structured Query Language) : 실무에서 데이터 베이스로부터 데이터를 추출하고 간단한 분석을 수행할 때 주로 SQL 을 사용합니다. 요즘은 SQL 코딩테스트를 보는 회사가 많습니다. 대부분의 회사는 프로그래머스 고득점 Kit 을 풀 수 있는 정도의 역량이면 무난하게 통과할 수 있다고 보시면 될 것 같습니다^^. 
  • Python : SQL 로 하기 어려운 심화된 분석 (요인 분석, 예측 모델링 등)이 필요할 때는 파이썬을 주로 사용합니다. Python 코딩테스트를 보는 회사도 많습니다. Python 은 프로그래머스 lv2 정도의 역량이면 될 것 같아요 ㅎㅎ
  • Excel : 기본적인 역량 !

2) 통계학 (Descriptive Statistics)

  • 기술 통계 : 기술 통계는 데이터를 요약하고 설명하는 데 사용되는 통계 기법입니다. 이러한 통계는 데이터의 패턴과 특성을 명확하게 보여주기 위해 데이터의 요약값을 제공하고, 시각적 표현을 통해 데이터를 설명합니다.
    • 중앙값: 데이터 세트의 중앙에 위치하는 값
    • 평균: 데이터 세트의 모든 값의 합을 데이터의 개수로 나눈 값
    • 분산 및 표준 편차: 데이터 값들이 평균에서 얼마나 떨어져 있는지를 측정
    • 최소값과 최대값: 데이터 세트에서 가장 작은 값과 가장 큰 값
    • 히스토그램: 데이터 분포를 시각적으로 표현하는 그래프
  • 추론 통계 (Inferential Statistics) : 추론 통계는 표본(샘플, 부분) 데이터를 사용하여 모집단에 대한 추론을 하는 통계 기법입니다. 이러한 통계는 표본을 통해 얻은 정보를 바탕으로 모집단의 특성을 추정하거나 가설을 검정하는 데 사용됩니다.
    • 가설 검정: 특정 가설이 통계적으로 유의미한지 검정하는 과정 (예: t-검정, 카이제곱 검정)
    • 추정: 모집단의 특정 파라미터(예: 평균, 비율)를 추정
    • 회귀 분석: 변수들 간의 관계를 모델링하여 미래의 값을 예측
    • A/B 테스트 : 두 가지 이상의 변형(예: A와 B)을 비교하여 어떤 변형이 더 나은 성과를 내는지 판단하기 위한 실험 방법입니다.
      • 가설 설정: 두 변형(A와 B) 중 하나가 다른 것보다 더 나은 성과를 낼 것이라는 가설을 설정합니다.
      • 표본 분할: 사용자를 무작위로 두 그룹으로 나눕니다.
      • 실험 수행: 각 그룹에 다른 변형을 제공하고, 반응을 관찰합니다.
      • 데이터 분석: 수집된 데이터를 분석하여 가설을 검정합니다.
      • 결론 도출: 두 변형 중 어느 것이 더 나은지 결론을 내립니다.

3. 산업 및 Value Chain 에 대한 이해

  • 금융, 헬스케어, 이커머스, 모빌리티 등 어떤 산업을 선택하느냐에 따라 풀어야 할 주요 문제와 액션이 다르기 때문에 산업에 대한 이해가 중요합니다. 특히 관련된 재무, 마케팅 등 기본적인 비즈니스 지표와 KPI(MAU, Gross Margin 등) 에 대해 알고 있어야 합니다. 대부분의 지표는 사업의 성장에 대한 지표이고, 증감 원인을 파악하기 위해 활용되기 때문에, 제품과 서비스 전반을 이해하는데 곡 필요합니다.

4. 분석 SW (Tool) 사용 능력 (SaaS, BI 툴)

  • 분석과 시각화를 위한 툴에 대한 사용 경험과 능력이 있어야 합니다. 툴을 능숙하게 잘 다루는 것은 데이터 기반 의사결정을 빠르게 할 수 있는 환경에 기여할 수 있습니다.

 

5. 업무 자동화와 데이터 엔지니어링

  • 분석역량 외에 데이터 분석 전 단계인 엔지니어링과 배포 및 운영에 대한 지식도 갖추고 있을 수록 좋습니다. 왜냐하면, 데이터에 대한 전반적인 업무 이해를 바탕으로 협업과 소통에 유리하기 때문입니다.

소프트 스킬

6) 커뮤니케이션(의사소통) 능력 

  • 데이터 분석가의 업무는 보고서와 커뮤니케이션이 70% 이상을 차지한다. 

7) 협업 능력과 태도

  • 데이터 분석가 직무의 특성상 타 부서와의 협업이 많이 발생하므로, 타 부서에 대한 관심과 이해를 바탕으로 서로의 상황을 잘 아는 것이 중요합니다. 또한, 명확한 의사 전달과 데이터 분석안의 기술적인 내용을 타 부서가 쉽게 이해할 수 있도록 설명할 수 있는 능력과 데이터를 기반으로 스토리 텔링을 잘 하는 능력이 필요합니다.

8) 문제 정의 및 문제 해결 능력

  •  

 

9) 보고서 작성

 

정리해보자면,

  • 협업과 팀프로젝트를 위한 의사소통 능력이 중요하다.
  • 그럼 의사소통이란 무엇인가? 의사소통 역량이란 무엇인가? 
  • 의사소통이란, 실무를 수행함에 있어 개인의 업무 뿐만 아니라 타 부서, 팀(협업하게 될 부서)에 대한 관심을 바탕으로, 서로 다른 환경을 잘 알려고 하고, 협업 하는 부서의 업무 및 상황을 잘 이해하고, 업무적인 용어를 이해하는 것.
  • 또한, 전문성을 바탕으로 본인의 업무를 쉽고, 간결하고 명확하게 전달할 수있는 능력이라고 생각합니다.
반응형