제로베이스 데이터 취업 스쿨 강사님

데이터 전문가 취업까지 가능한 비전공자는 이렇게 길러냅니다.

데이터 취업 스쿨 강사 인터뷰

Q. 민형기 강사님, 반갑습니다. 소개를 부탁드립니다.

안녕하세요. 민형기입니다. 현재는 제로베이스에서 데이터 취업 스쿨 (전 데이터 사이언스 스쿨) 전임강사로 EDA, 웹크롤링, 파이썬 프로그래밍, 머신러닝, 딥러닝을 담당하고 있습니다. 이전에는 로봇 제어 및 소프트웨어 엔지니어로 일했습니다. 이후 반도체 회사로 이직해 일을 하다가, 로봇과 딥러닝에 관심이 생겨 퇴사 후 개인 사업을 하면서 학생들을 가르치고 있습니다. 한양대학교 로봇공학과에서 ROS(Robot Operating system), 딥러닝 과목을 강의했고, 남서울대학교 빅데이터콘텐츠학과에서는 대학원 수업을 하고 있습니다.

Q. 강사님께 데이터 사이언스의 매력은 무엇이었나요? 어떤 점 때문에 시작하셨는지 궁금합니다.

오래전 이야기이긴 하지만, 처음 공부할 때는 제가 마치 셜록 홈즈가 된 기분이었습니다. 개인적으로도 추리하는 것을 좋아하는데, 주어진 데이터 속에서 명탐정이 되어서 정확하게 결론을 내린다는 점이 굉장히 재미있었습니다. 그런데 공부할수록 어려워지고 질문도 더 많아져서 지금은 단순한 열정보다는 다양한 관점으로 보고 있지만요. (웃음)

그리고 데이터는 강력한 무기가 될 수 있어요. 기존 산업 군 종사자도 미처 몰랐던 정보를 알게 될 수 있다는 점에서요. 어떤 기업이 저희에게 맡긴 데이터를 뜯어보면, 그들도 발견하지 못했던 것들을 발견하기도 하거든요. 데이터 사이언스에는 데이터를 낱낱이 들여다보고 조사하고 탐험하고 데이터의 전부를 파악하는 재미가 있습니다.

Part. 1 금융, 유통, 반도체… 모든 산업이 주목하는 데이터 사이언스

Q. 데이터 사이언스 산업의 전망에 대해 들려주세요. 과학기술정보통신부 자료에 따르면 IT 관련 직종 중에서도 데이터 직군에 대한 수요는 최상위에 위치한다 하는데, 그 이유는 무엇인가요?

답변에 앞서 데이터 직군은 회사마다 하는 일이 다르다는 점을 알아두셔야 할 것 같습니다. 예를 들어 자동차 회사에서 데이터를 다루는 것과, 통신사에서 데이터를 다루는 것은 천차만별입니다. 하지만 분야를 막론하고 최근 많은 회사들이 예전부터 가지고 있던 데이터를 활용하려 하는 것 같습니다.

1, 2년 전만 해도 금융이나 마케팅 분야에서만 데이터를 활용하려 했다면 요즘에는 IT와 큰 관련이 없는 기존의 산업 군들도 관심을 가지기 시작했습니다. 어떤 회사에서 데이터를 가지고 성공적인 프로젝트를 했다, 하면 경쟁사에서도 데이터를 가지고 프로젝트를 진행하려 하는 것이죠.

수요가 늘어난다는 것은 그만큼 성장하고 변화하는 분야라는 것을 뜻하는데요, 데이터 사이언스 내 용어 범위도 바뀌고 있는 중입니다. 분명 교과서에서는 머신러닝 안에 딥러닝이 있는 형태로 포함관계가 있다고 보았는데 이제 딥러닝의 범위가 바뀌고 있습니다. 실무자들도 “그 프로젝트 딥러닝 썼어? 머신러닝으로 안 돼?” 하는 식으로 대화하는 걸 볼 수 있어요. 처음 개념이 만들어질 때와 지금은 하루가 다르게 변화하고 있습니다.

Q. 데이터 직무의 일이 분야마다 다르다고 말씀하셨는데, 유통, 금융, 커머스 등 비교적 친숙한 산업에서 데이터 전문가는 어떤 일을 하나요?

예를 들어, 카드사에서는 카드 할인을 많이 하잖아요. 5% 할인 같은 것들을 남발하기보다는, 정확한 정소에서 사용할 수 있도록 적중률을 높이는 일을 합니다. 카드사에 쌓인 방대한 로우 데이터(Raw data)를 끌어와서 정리하고, 카드 사용고객의 규모를 파악하고, 어느 시간에 어디에서 집중 사용되는지 시각화해 전략을 세우는 데 돕는 일을 하죠. 어떤 고객이 대출을 받는다고 하면, 이 고객에게 얼마까지 대출해 주면 될 것인지 예측하기도 하고, 금융 사기를 예측하기도 합니다.

차량 공유 서비스처럼 이동과 관련된 산업에서는 시간대별, 지역별로 수요를 확인해 이용객의 불편이 없도록 미리 필요한 곳으로 차량을 이동시켜두죠. 이처럼 이용량 예측 작업을 하기도 합니다. 대부분 유통, 금융 분야는 고객 성향이나 패턴 분석을 굉장히 많이 합니다.

Q. 데이터 전문가가 멀게 느껴졌지만 가까운 곳에 있었네요! 그렇다면 ‘데이터 사이언스’는 한마디로 무엇이라고 할 수 있을까요?

데이터 사이언스는 처음 데이터를 보았을 때는 직관적으로 알 수 없었던 정보를 어떤 과정을 통해서 추가로 발견하는 분야라고 할 수 있습니다. ‘군집’이라고 하는 알고리즘 기법을 활용한 프로젝트를 예로 들어 설명해 드릴게요. 우리 데이터 사이언스 스쿨 수강생이 제주도 공항에서 내린 사람들이 대중교통 이용 패턴을 가지고 제주도민과 제주도를 찾은 관광객을 군집화하는 데 성공한 경험이 있습니다. 단순하게 ‘몇시에 어떤 버스를 탔다’라는 데이터로는 알 수 없는 정보를 알아낸 것이죠. 이처럼 데이터를 활용해 의미 있는 정보를 얻어낸다고 생각하시면 될 것 같습니다.

Part. 2 데이터 취업 스쿨, 비전공자? 취업? 모두 들려드립니다

Q. 제로베이스 스쿨 개강 이전, 2018년부터 수강생을 만나셨는데 절반 정도가 비전공자 수강생이었죠. 비전공자도 수업 내용을 잘 따라갈 수 있는지 궁금했습니다. 실제 어땠나요?

일단 비전공자 수강생의 가장 큰 어려움은 ‘내가 할 수 있을까?’라고 스스로 생각하는 거예요. 항상 걱정이 앞서죠. 저는 “걱정하지 말라”라고 해요. 부족하니까 수업을 듣는 거라고 격려합니다.

제가 2018년부터 데이터 사이언스 오프라인 스쿨에서 강의했는데, 취업했다고 연락 오는 많은 수강생 중 절반 이상은 비전공자예요. 전공자인지 아닌지 보다는 데이터에 얼마나 집중하는지, 적성에 맞는지, 논리적인 근거를 가지고 실험하고 분석하고, 집요하게 결과를 관찰하고 과정을 반복할 수 있는지가 중요합니다.

비전공자 수강생 중에는 수학에 자신이 없다고 말하는 분들이 많은데요. 수학은 개념을 이해하기 위한 도구로서 이해하고 읽을 정도의 수준만 되면 된다고 생각합니다.

Q. 데이터가 적성에 맞는지는 어떻게 판단하나요?

프로젝트를 해보면 개개인의 체질이 보여요. 본인의 성격이 드러나는 거죠. 보통 첫 프로젝트를 하면 망하거든요. (웃음) 그런데 쉽게 절망하지 않고 체질적으로 잘 견디는 분들도 있어요. 긴 시간 동안 정말 많은 프로젝트를 하고 그만큼 실패도 많이 하는데, 그 과정을 잘 견뎌내고 따라오는 사람이라고 보시면 될 것 같습니다.

Q. 이번에는 취업 사례가 궁금합니다. 오프라인 데이터 사이언스 스쿨에서 만나보신 제자 중, 비전공자이지만 데이터 전문 직종으로 취업한 분이 있다고요.

네. 문과적 사고방식을 가진 수강생이 있었어요. 수학도 힘들고 안 하고 싶다고 했죠. 그런데 마키아밸리즘 성향 분석 프로젝트를 하면서 데이터 분석에 재미를 들였다고 해요. 설문에 응답한 자료를 토대로 투표 참여 여부를 예측하는 프로젝트였죠. 이 분이 데이터 분석하는 역량은 부족할지 모르지만, 데이터를 다루고 집중하는 습관은 잘 들였어요. 그리고 먼저 어떤 회사에서 기업 연계 프로젝트를 하자고 연락이 와서 이 수강생과 같이 진행했고, 채용까지 이어졌어요. 비전공자는 안타깝지만 지원 서류만 보면 어떤 핸디캡이 있을 텐데, 프로젝트를 진행하면서 기업 담당자가 놀랐다고 해요. 데이터에 파고드는 열정, 노력 같은 것을 본 거죠. 지금 이 분은 전공자와 석, 박사 사이에서 자리를 비집고 앉아서 열심히 일하고 있어요.

운동역학을 전공하고 딥러닝을 배우다 더 공부하려고 유학 간 수강생도 있고, 수료생들은 카카오 계열사, 마켓컬리 등등 다양하게 데이터 직무로 취업했어요. 대부분 프로젝트를 힘들게 진행했지만 데이터에 파고드는 좋은 습관들이 있는 분들이었어요. 보통 한 기수당 절반은 비전공자인데요. 최근 막 수료한 기수를 제외하고는 대부분 취업했습니다.

Q. 그렇다면 30대 이상 수강생 중 데이터 전문 직종으로 취업한 분이 있을까요?

아무래도 30대를 넘으면 스스로 움츠러드는 것 같아요. 30대 중반이라고 하면 ‘네이버, 카카오 신입 갈 수 있을까?’라고 생각하는 거죠. 그리고 그 생각에는 ‘초봉은 받고 싶지 않다’는 생각이 있을 거예요.

데이터 사이언스 오프라인 스쿨 수강생 중에는 34살 즈음 된 분이 있었어요. 데이터 사이언스를 재미있어하면서도 ‘취업을 할 수 있을 것인가’에 대한 걱정도 같이 하고 있었죠. 저는 그래서 시야를 넓혀보라고 이야기했어요. 우리가 흔히 떠올리는 IT 기업 말고도 딥러닝, 머신러닝을 도입하려는 회사가 요즘에는 굉장히 많거든요. JD(Job Description)를 살펴보고, 딥러닝, 머신러닝을 필요로 하는 회사를 리스트업하라고 했어요. 그 수강생은 지금 딥러닝 엔지니어로 재활용과 관련한 설비 회사에서 일하고 있어요.

Q. 30대 이상 수강생 중, 기존에 일하던 도메인을 살려서 취업한 경우도 있을 것 같습니다.

네. 식자재 유통회사에서 일하다 직군을 바꾸고 싶어서 데이터 사이언스 스쿨을 수강한 수강생이 있었죠. 파이널 프로젝트를 하다가 기업 연계 프로젝트를 하게 됐는데 재밌는 결과가 많았어요. 그동안 현장에서 감으로 판단한 것도 있었고, 분석 결과 어떤 고객이 회사에 도움이 되는 고객인지, 하는 것들을 발견한 것이죠. 결국 이 수강생은 비슷한 식료품 산업의 데이터 직군으로 커리어를 전환했습니다.

Q. 제로베이스 데이터 취업 스쿨의 6개월 커리큘럼 중, 가장 중요하다 생각하시는 파트는 무엇인가요?

EDA(Exploratory Data Analysis, 탐색적 데이터 분석)가 제일 중요하다고 생각합니다. 가장 처음에 배치되어 있는데, EDA를 통해 데이터를 들여다보는 습관을 기를 수 있어요. 어떠한 결론을 놓고 데이터를 들여다보면서 이것저것 정보를 끄집어내는 과정이라고 생각하면 되는데, 많은 분들이 이 과정에서 재미를 느끼시더라고요. 예를 들어, ‘커피 프랜차이즈 E사는 항상 스타벅스 옆에 있다’는 오해가 있는데, 대표이사까지 해명했지만 사람들은 대충 ‘그렇다’고 생각하잖아요. 그런데 이 문제를 우리가 실제로 검증해 볼 수 있어요. 정말 그럴까, 아닐까를요. 그런가 하면, ‘타이타닉에서 레오나르도 디카프리오는 정말 생존할 수 없었을까’를 가지고 검증해볼 수도 있습니다. 실제 생존자 데이터를 먼저 학습(머신러닝)하고 주인공이 생존할 확률을 구하는 거죠.

데이터 사이언스 스쿨 수업 과정 자체가 큰 주제를 완성해나가는 형태입니다. 큰 주제를 개개인의 손으로 직접 수행하는 것이죠. 첫 번째 과제가 EDA 과제인데, 이 과정에서 수강생들이 달라져요. 순간 집중하고 흥미로워합니다.

Q. 데이터 취업 스쿨은 20개 프로젝트로 수업이 진행된다는 특이점이 있죠. 다른 강의나 부트캠프와는 차별화되는 포인트라는 생각이 드는데, 이에 대해 들려주세요.

저는 학생들이 프로젝트를 혼자 힘으로 온전히 진행하게 두지 않고, 중간에 개입을 해요. 현재 상태를 설명하라고 요구합니다. 회사에 가도 어떤 일을 맡기고 가만히 두는 관리자는 없잖아요. 지금까지 어떤 것을 했고, 이걸 했고, 문제점은 무엇인지에 대해 논의하기 마련이죠. 프로젝트 과정을 들여다보면서 논리적인 모순이 있는지에 대해 피드백을 주면 산으로 가다가도 돌아와요.(웃음) 결과물을 보면 혼자서 프로젝트를 하는 것과는 질적으로 다릅니다. 프로젝트 피드백도 수업의 일환이라 생각하고 많이 신경 쓰고 있습니다.

Q. 추가로, PBL(Project Based Learning) 방식으로 수업을 진행하시는 이유에 대해 들려주세요. 강사님께서는 어떤 식으로 PBL을 수업에 적용하시나요? 또, 실제 취업에는 어떤 도움이 되는지도 궁금합니다.

가장 처음 데이터 사이언스 스쿨 수업을 하게 됐을 때의 일인데, 수업 막바지에 수강생들이 면접 보고 오면 이런 이야기를 하더라고요. 취업하기에는 경력이 부족하거나, 너무 토이 프로젝트만 진행했던 것 같다고요. 그 두 가지를 극복할 방법은 없지만, 도울 방법을 찾았어요. 실제 기업에서 쌓이는 데이터를 다뤄본 경험은 취업하지 않으면 갖기 힘든데요, 주변 기업들에 활용할 수 있는 데이터를 좀 달라고 했죠. 실무자에게 ‘우리 수강생들의 프로젝트를 보고 평가해달라’라고도 했습니다. 그런 과정을 거쳐서 프로젝트 중심으로 수업을 짰고, 이제 수강생들은 실제로 면접에서 ‘프로젝트에서 실제 기업 데이터를 다룬 것이 맞느냐’고 질문받는다고 해요. 프로젝트 경험에 대해 관심 있게 들어주시고요.

Part. 3 데이터 전문가 취업, 실제는 어떨까?

Q. 신입 데이터 분석가/엔지니어/데이터 사이언티스트를 기준으로 했을 때, 갖춰야 할 역량은 어느 정도인가요?

2년 전에는 공부만 잘하면 됐는데 요즘에는 그 수준과 기준이 높아졌어요. 일단 지금은 나와있는 많은 도구들에 익숙해져야 돼요. 기본적인 코딩 능력, 데이터 베이스 관련 기술, 약간의 프론트엔드 기술도 필요하고요. 그런데 그 많은 리스트를 전부 다 할 줄 아는 게 중요한 게 아니라, 필요한 역량을 빠르게 파악하고 습득하는 능력이 중요합니다. 실제 현업에서는 우리가 배우지 않은 또 다른 도구를 사용하기를 요구받을 수도 있으니까요.

Q. 취업 과정에서 기업과 구직자에게 각각 가장 어려운 점은 무엇인가요?

기업 입장에서는 데이터 직군을 보는 눈이 높아져서 채용에 어려움이 있고요. 구직자 입장에서는 앞서 말씀드린 것처럼 기업마다 저마다 업무가 다르다는 점이 어려운 점이겠죠. 저는 수강생에게 채용 사이트의 JD를 공부하라고 합니다. 어떤 회사에서는 어떤 업무를 필요로 하는지, 어떤 것을 요구하는지를 봐야 합니다.

기업과 구직자 양측 모두가 저희 제로베이스 스쿨 같은 교육 기관을 이용하는 것도 좋을 것 같습니다. 현장에서 직접 수강생의 성향을 파악하고, 어떤 회사와 핏(fit)이 맞는지 매칭해줄 수 있으니까요.

Part. 4 데이터 취업 스쿨, 망설이지 말고 신청해야 하는 이유

Q.데이터 취업 스쿨을 기다리고 있거나, 수강 신청을 고민 중인 분들이 수강 전에 준비할 부분이 있다면요?

수강생들한테도 많이 질문받는데 크게 두 가지입니다. 하나는 가장 기초적인 파이썬, SQL, DB를 공부할 것, 파이콘 같은 데이터 관련 발표 영상을 찾아볼 것. 기초 지식이 없거나 기본만 아는 상태라서 기술적인 내용은 당장 알아듣지 못할 수 있지만 실무자들의 내용, 발표 수준을 듣고 친해져보는 시간을 가져보시면 좋을 것 같아요. ‘3년 후에는 저 화면 속 연사자의 수준이 되면 좋겠다’고 동기부여가 되지 않을까 싶습니다.

Q. 강사님께서 생각하시는 유능한 데이터 전문가는 어떤 사람인가요?

모든 엔지니어에게도 통용되는 말이라고 생각하는데요. 논리적으로 근거를 찾는 사람이라고 생각합니다. 데이터를 다루는 일은 정답이 없는 상태에서 시작해서 스스로 발전시켜야 하는 경우가 많은데, 논리적인 근거를 찾는 노력이 필요합니다. 나는 무엇을 얼마나 잘하고 있는지, 얼마 전과 비교했을 때 무엇이 어떻게 좋아졌는지, 상대적으로 내가 무엇을 어떻게 왜 잘하는지를 객관적으로 이야기할 줄 알아야 합니다. 그리고 일에 대한 왕성한 호기심, 스스로에게 질문하는 자세도 필요하다 생각합니다. ‘내가 한 게 정말 맞을까. 더 좋은 방법은 없을까’를 계속해서 생각하고, 행동하는 것이 필요합니다.

Q. 좋은 말씀 감사합니다. 자기 객관화, 일에 대한 호기심은 어떤 일을 하더라도 갖추면 좋은 태도일 것 같아요. 끝으로 한마디 부탁드립니다.

혹시 지금 이 인터뷰를 보면서 공부할까 말까를 고민하고 계시다면 한번 해보는 게 좋다고 생각해요. 이 글을 찾아왔고, 이만큼 읽었다면 생각이 조금이라도 있으시다는 거겠죠? 우선, ‘공부해 볼지 말지’를 고민한다면 해보시라고 말씀드리고 싶습니다. 그리고 ‘제로베이스 스쿨에서 공부할지 말지’를 고민하고 있다면, 이곳에서 해보시라고 자신 있게 말씀드립니다.

>> 데이터 취업 스쿨 바로가기

추천 컨텐츠