데이터 분석가 인턴

데이터 분석가 인턴 취업 성공! 데이터 분석 인턴 Q&A

제로베이스 데이터 취업 스쿨

Chapter 1.
데이터 분석 인턴 꼭 해야 할까요?

안녕하세요! 만 6개월차 데이터 분석가 신입 랜디라고 해요. 지난 주 데이터 분석가 신입에 대해 이야기했다면, 오늘은 데이터 분석가 인턴에 대해 이야기해보려고 해요.

먼저, 데이터 분석가 인턴이란?
데이터 분석가 인턴은 일정 기간 동안 회사 재직하며 데이터 분석 보조 업무를 수행합니다. 대부분 대학생 혹은 실무 경험이 부족한 취업 준비생 분들이 참여하며 데이터 분석 업무를 직접 경험할 수 있다는 장점이 있어요.

데이터 직군(데이터 분석가 혹은 데이터 사이언티스트)을 준비하고 있다면 저는 데이터 분석 인턴을 무조건 해보는 걸 추천해요. 데이터 분석 인턴 실무에서는 데이터를 어떻게 수집하고 어떤 구조로 전처리하는지, 그리고 어떤 순서로 인사이트를 도출해내는지 일련의 데이터 분석 과정을 경험해볼 수 있기 때문입니다. 데이터 분석 인턴은 실제 데이터를 다룰 수 있는 기회를 제공하기 때문에 취업 준비생이나 대학생에게 매우 중요한 경험이에요. 인턴십을 통해 데이터 분석 업무를 경험하면 실무에서 사용되는 데이터 분석 기술과 도구에 대해 보다 깊게 이해하고, 여러 데이터를 다루는 역량을 키울 수 있어요.

데이터 분석가 인턴 혹은 신입 취업 준비 시 실무 데이터를 다룰 수 있는 기회가 많지 않다는 것은 이미 취업 준비중이라면 체감하고 계실텐데요. 데이터는 보안이 굉장히 중요하기 때문에단순 취업 준비생 입장에서 실무 데이터를 얻을 수 있는 방법은 제한적입니다. 반면 데이터 분석 인턴으로 취업한다면 회사의 내면을 투명하게 볼 수 있으며 실무 데이터를 다룰 수 있는 기회를 부여받게 되죠.

Chapter 2.
데이터 분석가 인턴 취업 총정리 Q&A

오늘은 곰사원은 곰대표님 채널과 함께 가장 많이 궁금해하시는 합격 스펙부터 공부 순서, 대학원 진학 여부까지 이번 아티클에서 전부 정리해드리려 해요! (모든 이야기는 곰사원은 곰대표님 채널 Q&A 영상과 저의 경험을 바탕으로 작성되었으니 모든 기업에 통용되지 않습니다.)

1. 데이터 분석가 인턴, 지금 제 나이에 해도 될까요?

✅ 여성 분들은 20대 중반에서 30대 초반까지, 남성 분들은 30대 중반까지 신입으로 취업해요!

데이터 직군(데이터 분석가, 데이터 사이언티스트)은 학사 졸업만 하고 바로 입사하는 분들부터 석사 학위까지 취득한 상태에서 신입으로 입사하는 분들까지 신입의 연령대 범위가 넓은 편입니다. 제로베이스 데이터 취업 스쿨에서는 37살의 나이로 딥러닝 엔지니어로 첫 출발하신 경우도 있답니다. 비교적 다른 직군에 비해 평균 연령대가 높은 편이에요. 나이에 대한 걱정보다는 데이터 분석 직무와 내가 잘 맞을 수 있는지, 지원 회사에 어떤 기여를 할 수 있는지를 고민하는 게 더 좋습니다.
·

2. 데이터 직군(데이터분석가, 데이터 사이언티스트) 내 학사, 석/박사의 비율이 어느정도 되나요?

✅ 데이터 분석가 신입은 대부분 학사 출신입니다.

데이터 분석 인턴 혹은 신입은 학사 졸업하고 바로 취업하는 경우가 많아요. 대략 5명 중 4명은 학사 졸업인 정도랍니다. 첫 취업을 준비할 땐 팀 내 시니어 데이터 분석가 분들은 직장을 다니면서 대학원을 병행하는 경우가 많습니다. 인턴, 신입 취업 당시엔 대부분 학사로 입사하곤 합니다.

✅ 데이터 사이언티스트 신입에서는 학사, 석/박사의 비율이 1:1 혹은 석/박사가 조금 더 많은 편입니다.

데이터 사이언티스트 직군에서는 연구 분야나 연구 성격에 따라 다르지만 머신러닝/딥러닝 기술이 주된 연구소 특성의 회사는 석/박사의 비율이 훨씬 많은 편 입니다. 데이터 사이언티스트 직무 특성상 데이터 분석 능력 뿐만 아니라 머신러닝, 딥러닝 등 학문적 연구가 필요한 분야의 역량도 필요로 하기 때문입니다.

3. ‘수포자’인데 데이터 직군 도전해도 될까요?

✅ 중고등학교 수학과 실제 데이터 직군에서 활용하는 수학은 조금 다릅니다. 다만 수학을 아예 싫어하는 경우엔 데이터 직군에 흥미를 못느낄 수 있어요!

수학을 전혀 좋아하지 않는다면 데이터 직군에서 일하며 재미를 느끼기 어려울 수 있습니다. 데이터 직군은 통계학, 선형대수학, 미적분 등 수학적 지식을 필요로 하며 이러한 수학적 개념을 실제 데이터 분석에 적용하는 역량이 필요합니다. 다만 중고등학교에서 배운 수학과는 다른 측면도 많이 있습니다. 단순한 수식 계산만으로 이루어지는 것이 아니라 데이터 분석은 문제 해결 능력과 데이터에 대한 이해력을 바탕으로 수학적 개념을 응용하는 역량을 필요로 합니다.

따라서 데이터 분석에 관심이 있는지, 데이터와 수학적 개념에 대한 이해력이 충분한지 고민해보고, 필요한 지식과 기술을 습득하며 공부해나가는 것이 중요합니다. 그리고 일정한 꾸준한 노력과 열정이 있다면 누구나 데이터 직군에서 성공할 수 있어요.

4. 데이터 분석 비전공자입니다. 무엇을 공부해야 할까요?

아주 큰 단위로 보자면 다음 순서로 공부하는 걸 추천합니다.
1. 기초 수학 & 통계 학습
2. 프로그래밍 기술 언어 학습 (eg. 파이썬, R)
3. SQL & DB 이해
4. 시각화 툴 학습 (eg.파이썬, Power BI)
5. 데이터 분석 프로젝트 경험

앞서 기초 수학, 통계 학습의 중요성에 대해 이야기 했으니 프로그래밍 기술 언어 학습으로 보자면,
✅ 하나 이상의 프로그래밍 기술 언어 활용 역량은 기본입니다.
개발자 수준의 프로그래밍 기술 언어 역량은 아니어도 기본적인 프로그래밍에 대한 이해가 필요합니다. 데이터 분석 인턴 채용 시 적어도 하나 이상의 언어에 대한 프로그래밍 기술을 요구하고 있어요. 데이터 분석 인턴 채용 시 요구되는 역량은 다음과 같은 수준입니다.

　 - 일반적인 데이터 구조 (데이터 타입, 리스트, 사전, 세트, 튜플), 함수 작성, 논리, 제어 흐름, 검색 및 정렬 알고리즘, 객체 지향 프로그래밍, 외부 라이브러리 작업
　 - SQL 스크립트: 조인, 집계, 서브쿼리 등을 사용하여 데이터베이스 조회

데이터 구조에 대한 이해를 바탕으로 내가 원하는 데이터를 DB에서 추출하고 raw 데이터를 분석에 용이한 형태와 구조로 전처리할 수 있는 SQL 역량도 필요합니다.

✅ ‘확실한 목표’를 세워야 합니다.
데이터 분석 직군은 기업의 규모, 업종, 도메인에 따라 지원자에게 요구하는 역량이 다릅니다. 어떤 도메인을 가진 어느 정도의 기업을 준비하느냐에 따라 갖춰야 하는 기술 언어, 프로그래밍 툴, 프로젝트 경험이 달라집니다. 커머스 프로덕트 가진 기업을 목표로 하는 경우 유저 행동 분석, 이탈 분석 등의 주제로 프로젝트 경험을 쌓는 게 필요하며 제조 기반의 기업을 목표로 하는 경우 생산성 / 이상치 탐지 등의 주제로 프로젝트 경험을 쌓는 게 필요합니다. 각 도메인 별 프로젝트에 대해 자세히 다룬 아티클도 있으니 참고해보세요!

5. R vs 파이썬, 어떤 프로그래밍 언어를 선택해야 할까요?

데이터 분석가가 다뤄야 하는 데이터의 종류와 프로젝트 성격에 따라 다릅니다. 그럼에도 여러분의 선택을 돕기 위해 저는 현업에서 가장 많이 쓰는 언어를 선택하라고 추천하고 있어요. (당연히 함께 일하는 사람이 쓰는 언어와 같은 언어를 쓰는 편이 협업하기 용이하니까요.)

✅먼저, R은 통계분석에 아주 유리합니다.
통계분석 기초 알고리즘부터 복잡한 알고리즘까지 간단한 코드로 구현할 수 있습니다. 또한 같은 통계 분석도 파이썬에 비해 R에서는 더욱 자세하고 명료한 결과물을 보여줄 수 있는 데이터 시각화 기능도 제공합니다.
다만, R은 수행 속도가 느린 편이에요. 통계학 연구 목적으로 만들어진 언어라 파이썬에 비해 수행속도가 느립니다. 대량의 데이터를 빠른 속도로 처리하는 기업의 경우 R보다는 파이썬을 선호하죠.

✅파이썬은 다양한 라이브러리 활용 및 AI 알고리즘 적용에 유리합니다.
최근 10년 간 파이썬의 성장은 다른 어떤 언어들보다 빠릅니다. 특히 데이터 분석과 머신러닝 커뮤니티의 성장이 두드러집니다. 데이터 직군에서 파이썬을 활용하는 커뮤니티가 크다보니 kaggle* 과 같은 공개된 notebook 내 참고하면 좋을 전처리 코드를 확인할 수 있습니다. 데이터 직군 뿐만 아니라 범용적인 프로그래밍 언어로서 활용도가 매우 높습니다. 데이터 분석에 필요한 패키지나 라이브러리가 다양하게 존재하고 대용량 데이터 처리를 빠른 속도로 처리할 수 있어 R에 비해 큰 규모의 프로젝트 시 많이 활용하고 있습니다.
*kaggle : https://www.kaggle.com/

지원하고자 하는 회사의 규모, 직무의 역할에 따라 적합한 언어를 선택하는 것이 중요합니다. 통계 분석이나 데이터 시각화를 중심으로 한 작업을 수행할 땐 R 언어를, 대용량 데이터 처리나 AI 학습 등의 작업을 수행할 땐 파이썬을 선택하는 것이 더 적합하죠.

6. 데이터 분석 인턴 이력서 어떻게 준비하나요?

데이터 분석 인턴으로 지원하는 분이라면 자격증과 같은 학술적인 학습보다 공모전 수상 경험이나 프로젝트 경험을 쌓는 것이 좋습니다. 부트캠프를 통해 양질의 프로젝트 경험을 쌓거나, 스터디를 꾸려 개인 프로젝트를 진행하는 걸 추천합니다. 단 공모전, 프로젝트에 참여하기 전에 ‘내가 데이터 직군에서 어떤 일을 하고 싶은지’에 대한 고민이 선행되어야 합니다. 어떤 도메인에서 무엇을 하고 싶은지에 따라 여러분이 준비해야 하는 프로젝트 경험도 달라야 합니다.
예를 들어 OTT 회사에 가서 콘텐츠 추천 시스템을 만드는 업무를 해보고 싶은 경우 엉뚱한 이미지 처리 공모전이 아닌 영상 콘텐츠 관련 데이터를 다루는 프로젝트 경험이 더 합리적인 것처럼요.

지원하는 직무에 적합한 프로젝트, 공모전 경험을 충분히 쌓았다면 이력서에 잘 정리해서 담기만 하면 됩니다. 경력없는 데이터 분석가 신입을 위한 이력서 작성법에 대한 아티클을 참고해보면 좋을 거 같아요. :)

7. 장기적으로 데이터 분석가 전망은 어떤가요?

최근 데이터 관련 교육도 많고 비 데이터 직군에서 데이터 분석을 배우는 경우도 정말 많아졌습니다. 데이터 분석가 현직자의 시선에서 데이터 분석가는 조직의 의사결정 퀄리티를 높이는 역할을 한다는 걸 체감할 수 있었습니다. 좋은 의사결정들이 쌓여 사업의 방향성을 더 좋은, 더 효율적인 방향으로 이끈다는 것도 느꼈습니다. 초기 단계에 있는 프로덕트를 제외하고 프로덕트를 계속 성장시키고 시장을 키워나가야 하는 사업 구조상 데이터 분석가와 같이 의사 결정에서 실패할 확률을 줄여주는 역할은 앞으로도 주요할 것으로 예상됩니다.

한국IDC에 따르면 대규모 데이터 처리를 필요로 하는 빅데이터 시장은 2027년까지 연평균 10.6% 성장률을 기록하며 3조 9771억원 규모로 성장할 것으로 전망됩니다. 개인과 기업의 데이터 소비 방식이 변화하며 데이터 플랫폼 및 솔루션의 활용 수요가 더욱 증가하고 있습니다. 기존 데이터 중심의 의사결정이 필요했던 이커머스 및 물류 뿐만 아니라 엔터테인먼트, 금융과 같이 전 산업에 걸쳐 데이터 기반의 의사결정에 대한 수요가 앞으로의 성장세를 견인할 것으로 전망하였습니다. 데이터 직무의 전망은 결국 이러한 수요를 따라갈 것이고 아직은 수요에 비해 데이터 직무 전문가는 턱없이 부족한 상황입니다. 현직에 있는 입장에서 데이터 직군의 연봉 상승률 또한 비데이터 직군에 비해 훨씬 높은 편이기도 합니다.

Chapter 3.
데이터 분석 인턴
어떻게 활용하면 좋을까요?

단순 데이터 추출 업무에만 그치지 마세요!
데이터 분석 인턴 업무를 살펴보면 크게 1) 데이터 추출 업무, 2) 대시보드 생성, 3) 데이터 분석 리포트 작성, 4) 작은 단위의 데이터 분석 프로젝트로 나눌 수 있어요. (물론 기업마다 다릅니다!)
제가 데이터 분석 인턴으로 재직하며 가장 많은 요청을 받은 업무는 데이터 추출 업무였어요. 기존 활용하던 SQL 쿼리에서 약간의 수정, 변형을 요청하는 경우가 대다수였고 간혹 새로운 구조의 데이터 추출이 필요하여 SQL 쿼리를 새로 작성하기도 했어요. 제가 인턴 경험에서 아쉬웠던 점은 데이터 추출 업무에서 그쳤다는 점인데요. 프로덕트 조직(PM, PO, 마케팅 등)과 조금 더 긴밀히 협업해서 실험을 설계해본다거나 인사이트 도출에 용이한 대시보드 생성 업무로 이어지지 못한 점이 아쉬웠습니다. 이제 막 시작하는 분들에게 팁을 드리자면 ‘해보고 싶은 업무가 있다면 꼭 팀원 분께 말씀드리기’ 입니다! 데이터 분석 인턴 기간동안 현업에서 배울 수 있는 점을 최대한 많이 활용해보세요!

데이터 분석 인턴 경험을 바탕으로 정규직 취업 성공했어요!
데이터 분석가 인턴을 경험해보고 나서야 데이터를 어떻게 바라봐야 하고 데이터 분석가는 조직에서 어떤 기여를 하는지 명확하게 알 수 있었어요. 단순히 숫자만 보는 직무가 아니라 비즈니스 전체를 바라보고 사업을 좋은 방향으로 이끌 수 있어야 하는 직무였다는 걸요. 기술적인 역량 측면에서도 인턴 입사 초기에는 아주 간단한 수준의 쿼리만 짤 수 있었다면 이제는 원하는 구조로 전처리할 수 있는 역량을 갖췄고 대시보드에서 중요한 점은 무엇인지 알 수 있었습니다. 기술 역량 뿐만아니라 비데이터 직군과 협업할 땐 어떻게 커뮤니케이션 해야 하는지, 어떤 프로세스로 데이터 분석 단계를 거치는지와 같은 소프트 스킬까지도 기업 내부에서 직접 경험할 수 있었기에 정말 좋은 경험이었습니다.

데이터 분석 인턴 경험 많지 않은 공고에, 준비되지 않은 역량까지 막연하게 느껴질텐데요. 저희 제로베이스 데이터 취업 스쿨에서는 ‘인턴 경험’을 필수로 쌓을 수 있도록 100% 취업 연계 프로그램을 운영하고 있어요.

데이터 분석 인턴, 직접 기업에 출근해서 데이터 분석 실무 역량을 갖추고 싶다면
지금 바로 데이터 취업 스쿨과 함께하세요!

데이터 분석 취업까지 6개월.
데이터 전문 교수진이 여러분을 기다립니다.
>> 데이터 취업 스쿨 바로가기

추천 컨텐츠