데이터 분석가 신입

데이터 분석가 신입 취업준비 현실 : 기간, 스펙, 포트폴리오, 취준 팁

제로베이스 데이터 취업 스쿨

Chapter 1.
데이터 분석가 신입 취업 성공! 어떻게?

안녕하세요! 만 6개월차 데이터 분석가 신입 랜디라고 해요. 저는 시리즈D 규모의 IT 플랫폼 기업에서 데이터 분석가 신입으로서 다양한 업무 경험을 쌓고 있어요.
저는 회사에서 크게 두 가지 업무를 진행하고 있어요. 첫 번째로는 데이터 공급의 업무, 두 번째로는 크고 작은 분석 업무를 담당하고 있어요.
첫 번째, 사내 데이터가 필요한 곳에 적절한 데이터를 공급해주는 일을 하고 있어요. 저희 회사는 직무를 가리지 않고 데이터를 통해 인사이트를 얻고, 크고 작은 의사결정에 데이터를 활용하고 있어요. 저는 의사결정 과정에서 필요한 데이터를 DB에서 뽑아 공급해주는 역할을 하고 있으며 필요 시 지표를 모니터링 할 수 있도록 대시보드를 제작하고 있습니다.

두 번째로는 크고 작은 데이터 분석 업무를 담당하고 있어요. 회사에서 제공하는 다양한 서비스 중 하나의 프로덕트를 전담하여 인사이트를 발굴하는 프로덕트 데이터 분석가 업무도 진행하고 있어요. 개편 전후의 성과 측정이나 데이터 기반의 액션 도출 등을 통해 프로덕트의 성장에 기여하고 있답니다. 그리고 ad-hoc* 분석도 하곤 해요. 아직 데이터 분석가 신입으로 큰 성과를 만들어낸 경험은 없지만 수평적인 문화 속에서 빠르고 넓게 제 성장곡선을 그려갈 수 있음에 뿌듯함과 감사함을 느끼며 회사생활을 하고 있어요!

* ad-hoc : 저희 회사에서는 특정 목적을 위해 짧은 호흡으로 진행하는 분석을 ad-hoc 분석이라고 정의하고 있어요. 주요 지표가 크게 하락하면 그 이유를 찾기 위해 다양한 관점에서 생각해보고 관찰하여 공유하는 일을 의미해요.

데이터 분석가 신입으로
취업 성공하기까지.

저는 2016년 알파고를 보고 ‘앞으로 내 미래는 데이터 분야다!’ 고 생각했어요. (소위 말하는 알파고 키즈가 바로 저에요! 🙂) 막연히 데이터가 유망하다는 생각만 가지고 있던 시기에 우연히 드라마 <스토브리그>의 한 장면을 보았어요.

극 중 백승수 단장이 데이터를 기반으로 한 프레젠테이션을 통해 직원들의 마음을 돌리는 장면이었어요. ‘객관적 근거와 논리로 반박할 수 없는 의견 제시라니’ 너무 멋있어 보였죠.
이 때부터 데이터 기반의 논리와 액션 제시에 관심을 가지게 되었고, 데이터 분석가로 질 좋은 의사결정에 보탬이 되고싶다! 라는 꿈을 가지게 되었습니다.

Chapter 2.
데이터 분석가 신입
취업이 어려운 이유

왜 데이터 분석가 신입 취업이 어려울까….
제가 생각하는 이유는 크게 4가지에요.

첫째, 데이터 분석가라는 직무를 이제 막 도입하는 회사가 많아요.

‘데이터 분석가를 뽑기 시작하는 회사가 많아졌다.’라면 좋은 신호 아닌가?라고 생각할 거 같아요. 다만 회사 입장에서 생각해보면, 이제 막 새로 생긴 직무인 데이터 분석가에 경력이 없는 신입을 뽑기는 상당히 부담스럽습니다. 사내 첫 데이터 분석가는 앞장서서 사내의 데이터 리터러시* 문화를 만들 수 있어야 해요. 즉, 데이터를 활용한 문제 해결 혹은 의사결정의 본보기가 될 수 있는, 동시에 사내 구성원 누구나 데이터를 활용할 수 있도록 도와주는 역할을 기대하죠. 이를 위해 크고 작은 성공 경험을 갖춘 경력직 데이터 분석가를 선호합니다.
* 데이터 리터러시란, 데이터를 활용한 문제 해결을 의미합니다.

둘째, 데이터 분석가는 C레벨의 의사결정에 영향을 줄 수 있습니다.

데이터 분석가의 업무 중 가장 주요한 업무는 데이터 분석을 통한 액션 제시에요. 데이터 분석가의 해석에 의해 특정 액션을 제시하는 순간, 회사의 크고 작은 의사결정에 직간접적으로 영향을 줍니다. 뿐만 아니라, 잘못된 데이터 추출로 편향된 대시보드를 구성한 경우, 대시보드를 통해 의사 결정하는 실무진의 액션이 잘못된 방향으로 수립될 수 있어요. 만일 데이터 분석가 신입이 잘못된 데이터의 해석이나 실수로 회사의 큰 의사결정에 영향을 끼쳤다면, 회사와 데이터 분석가 모두에게 좋지 않은 상황이 발생하지 않을까요?

셋째, 데이터 분석가는 사내 빠른 적응을 요구합니다.

데이터 분석가는 빠르게 도메인을 파악해야 합니다. 분석 과정에서 도메인에 대한 지식이 없다면 인사이트나 액션을 제시하는 데에 한계가 있기 때문이죠. 제 경험과 관련된 예시를 하나 들어볼까요.
EDA(Exploratory Data Analysis)를 통해 새로운 인사이트를 발견한 저는 프로덕트 기획자 분께 공유했죠. 그런데 막상 기획자 분께서는 그걸 보시면서 “너무 좋은 인사이트이지만, 우리 서비스의 오래된 특성이고, 모든 기획자가 알고 있는 부분이에요..” 라고 하셨죠.
네, 그렇게 제 2시간은 물거품으로 돌아가게 되었어요. 😢
다시 하던 이야기로 돌아가보면, 자사가 제공하는 서비스의 도메인(이를테면 IT 플랫폼, 제조, 금융 등)의 데이터를 접해본 경험이 있는 지원자에게 더 빠른 퍼포먼스를 기대할 수 있기에 유관 경력을 가진 데이터 분석가를 선호하곤 해요. 즉, 어느정도 경력이 있는 지원자, 특히 비슷한 산업을 겪은 지원자를 우대할 수 밖에 없어요.

넷째, 데이터 분석가 신입 준비 시 실무 데이터를 다룰 수 있는 기회가 많지 않아요.

데이터 내 고객 정보 혹은 사내 기밀이 포함되어 있는 경우가 많아요. 즉, 데이터는 회사의 내면을 투명하게 볼 수 있는 정보이며 때로는 회사의 경쟁력이 되기도 하죠. 그렇기에 보안 이슈에 굉장히 예민하답니다. 이러한 상황에서 신입 지원자들은 실무 데이터를 다룰 수 있는 기회를 많이 부여받지 못하기에 데이터 분석가 신입 준비 시 실무 데이터를 접하는 건 정말 어려운 일이죠.

Chapter 3.
데이터 분석가 신입 취업 현실

저는 대학교 학사 졸업 후 데이터 분석가 신입으로 취업하기까지 약 7개월 정도 걸렸어요. 물론 대학교 재학 중 했던 활동도 취준 시간에 포함한다면 더 많은 시간을 쏟은 것으로도 볼 수 있죠. 제가 데이터 분석가 신입 직무를 도전하며 했던 취업 스펙 활동들을 소개해드릴게요!

1. 데이터 분석가 신입 취업 스펙 : 대외 활동

✅ ‘멋쟁이사자처럼’ 동아리 활동
멋쟁이사자처럼은 90개 넘는 대학에 퍼져 있는 IT 연합 코딩 동아리 입니다. 기획/개발/디자인으로 구성되어 있으며 팀빌딩, 서비스 기획, 프로그래밍 전반을 학습할 수 있어요. 멋쟁이사자처럼에 지원하기 전 어느정도 사전 지식을 갖춰야 한다 생각하여 python, HTML, C 등 기초적인 언어를 유튜브나 다양한 강의를 통해 습득했고, 정성스럽게 적어간 지원서 덕에 조금 부족한 실력에도 합격할 수 있었던 것 같아요.

멋쟁이사자처럼에서는 간단한 웹 기초지식(+ 프로젝트), python과 알고리즘 등을 공부했어요. 경험을 통해 프로그래밍 언어와 조금 더 친숙해졌고, 웹 서비스에 대한 간단한 원리를 알 수 있었어요. 멋쟁이사자처럼에서의 경험을 기반으로 이후 소개드릴 ‘데이터 연구실’에 들어갈 수 있었습니다.

✅ BOAZ 활동
저는 1년 간 빅데이터 연합 동아리인 BOAZ의 분석 트랙으로 활동했어요. 분석에 필요한 전처리 스킬이나 머신러닝 모델 설계 방법 등을 학습했고, 마음이 맞는 친구들과 다양한 프로젝트를 경험할 수 있었어요.
BOAZ 활동은 대부분 팀 프로젝트로 구성되어 있는데요. 이전까지 배웠던 지식들을 활용해서 간단한 서비스를 만들어 볼 수 있었습니다. BOAZ 활동 전에는 연구와 취업을 많이 고민하던 시기였어요.(대학원 vs 취업을 고민하고 있었죠.) BOAZ 활동을 하면서 학문에 대한 연구보다 서비스에 기여하는 경험에 더 재미를 느꼈고, 취업에 확실한 목표를 두고 준비를 시작했어요.

2. 데이터 분석가 신입 취업 스펙 : 학부 수업 및 자격증

✅ 데이터 관련 연구실 학부 연구생
사실 저는 학점이 낮은 편에 속했어요. (4.5 만점에 2점 후반대.. 정도😇) 하지만 멋쟁이사자처럼에서 쌓았던 코딩 기초와 알고리즘 지식, 데이터 분야를 독학했던 내용과 관심 분야에 대해 구체적인 연구 계획을 제출했고 교수님께서 좋게 봐주신 덕분에 대학생으로서 마지막 1년을 학부 연구생으로 활동할 수 있었어요. 머신러닝, 딥러닝의 개념을 A to Z로 꼼꼼하게 공부하며 동시에 리눅스에 분석 환경을 구축해서 실제 모델을 구현하기도 했어요. 학습했던 내용을 토대로 관심있는 분야에 새로운 모델을 만들고 제안하는 활동까지 경험했습니다.

✅ SQL 공부
SQL은 데이터 분석가 신입이 꼭 갖춰야할 스킬이에요. 학부 시절 ‘데이터 베이스’에 대해 공부한 경험이 있어서 SQL에 대한 사전 지식이 있었어요. 하지만 SQL 쿼리 테스트에서 몇 번 떨어지고 나니 취업 시장에서 요구하는 SQL 역량은 학부에서 배운 내용과는 다르다는 걸 느꼈죠. 프로그래머스 SQL 고득점 kit를 시작으로 해커랭크의 모든 문제를 능숙하게 풀 수 있을 정도의 실력을 갖추는 것으로 목표로 했어요. 목표를 이루고 난 후에는 쿼리 테스트에서의 탈락은 없었습니다.

3. 데이터 분석가 신입 취업 스펙 : 취업 성공 비결

✅ 지원, 또 지원
데이터 분석가 신입 취업 성공까지의 과정 바라보면 ‘지원 - 코딩테스트(과제 전형) - 면접 - 최종 합격’으로 구성되어 있어요. 가장 앞단인 ‘지원’에 최대한 많은 숫자가 보장이 되어야 우리의 목표인 최종 합격의 확률이 올라가지 않을까요?
저는 제가 관심있는 IT 기업 외에도 금융, 제조, Si까지 다양한 회사의 ‘데이터 분석가 신입(인턴)’ 공고에 지원했어요. 아무리 관련이 없는 산업군일지라도, 면접 경험을 쌓을 수 있고 최종 합격 후 입사 여부는 제 선택이니까요. 실제로 다양한 회사를 지원하면서 코딩테스트와 과제 전형을 경험할 수 있었어요. 코딩테스트를 통해 부족한 개념을 보완할 수 있었고, 과제 전형과 면접을 통해 실무에서 필요로 하는 신입 데이터 분석가의 역량을 엿볼 수 있는 중요한 경험이었다고 생각해요.

✅ 인턴
저는 다른 신입 경쟁자들과 차별점을 만들고 싶었어요. 그간의 경험을 정리하여 포트폴리오를 만들었고 작은 IT 스타트업에 인턴에 합격할 수 있었어요. 인턴 경험을 통해 다른 지원자와 달리 실무를 ‘직접’ 경험해봤다는 차별점을 갖추었는데요.

첫 번째는 실무 데이터를 직접 다뤄 본 것. 실무 데이터를 데이터 베이스에서 직접 추출, 가공하여 사수에게 넘겨드리는 역할을 했습니다.

두 번째로는 데이터 시각화 분야를 경험한 것 인데요. 인턴 전에는 python을 활용하여 간단한 plot 정도만 찍어본 경험이 있었지만 인턴 활동 기간에 실제로 의사결정에 기여할 수 있는 데이터 시각화를 했습니다. Tableau를 활용해서 궁금한 지표들을 모두 찍어보았고, 특이사항이 있는 날에는 리포팅까지 하여 인사이트를 공유하는 업무도 진행했어요.

앞서 데이터 분석가 신입 취업이 어려운 이유에서 말했듯 접해보기 힘든 실무 데이터를 직접 다룬 경험은 다른 지원자와는 확실히 다른 차별점이 될 수 있었죠. (실제로 면접에서 실무 경험에 대한 질문을 정말 많이 받았어요!)

Chapter 4.
데이터 분석가 신입 채용 공고
취업 전략

카카오 데이터 분석가 인턴십 채용 공고를 항목별로 하나씩 살펴볼게요!

1) 데이터에 대한 기본적인 이해력을 갖추신 분 (기술 통계량 이해 및 해석)

기술 통계량이란, 데이터를 요약하여 대표하는 값을 의미합니다. 평균, 표준편차, 중앙값 등이 있죠. 데이터 분석가는 데이터의 특성에 따라 기술 통계량을 선정하여 그 의미를 올바르게 해석해야 합니다.

유명한 예시를 하나 들어보겠습니다.
1985년 노스캘로라이나 대학교 지리학과 졸업생의 평균 초봉은 1억이 훨씬 넘는 금액으로 집계되었는데요. 1985년 이라는 점을 감안하면 아주 큰 금액이라 판단할 수 있어요. 하지만 당시 집계에 마이클 조던이 포함되어 있었고 마이클 조던의 연봉값이 합산되어 전체 집단을 대표하는 값인 평균이 오염되었다고 볼 수 있어요. 즉, 데이터를 해석하기 위해 대표하는 값으로 “평균”이라는 기술 통계량을 선정했다면 잘못된 분석으로 흘러갈 수 있는 셈입니다.

2) 논리적이고 분석적인 사고력을 갖추신 분

논리적이고 분석적인 사고는 최적의 의사결정을 이끌어내기 위해 필수적인 요소입니다. 데이터 분석가는 느낌과 경험에 의존하는 직관적인 의사결정을 지양해야 하고, 이성적이고 객관적인 숫자 기반의 분석적인 의사결정을 지향해야 합니다.

3) 데이터 분석 업무를 수행할 수 있는 언어 스킬을 갖추신 분

논리의 기반이 되는 분석적인 사고를 하기 위해서는 데이터를 꼼꼼하게 뜯어보아야 하는데요, 데이터를 추출하는 것으로부터 그 과정이 시작됩니다. 분석에 알맞은 데이터를 선정한 후, DB에서 필요한 데이터를 뽑기 위해 SQL은 필수적인 요소입니다.
또한 원하는 형태로 가공하고 모델을 설계하기 위해서는 R과 python이라는 기술이 동반되어야 해요.

4) 분석 결과를 잘 이해시킬 수 있도록 커뮤니케이션이 가능하신 분

분석이 모두 끝났다면 의사결정에 도움이 되기 위해 유관 부서나 담당자에게 공유합니다. 유의미한 인사이트를 뽑아내기 전까지의 과정을 누구나이해할 수 있도록 설명할 수 있어야 해요.
아무리 테크니컬하고 최신 기술을 활용해서 좋은 인사이트를 뽑았더라도 의사결정권자나 동료들이 이해하지 못한다면 우리의 인사이트는 의사결정으로 이어지기 어렵겠죠. 소통에 있어서 꼭 필요한 요소가 올바른 데이터 시각화 능력인데요. 좋은 데이터 시각화 자료는 직관적인 이해를 돕는데 중요하게 작용하기 때문입니다.

다음으로는 우대조건에 대해 살펴볼게요.
5) 로그 수준의 데이터를 가공/분석 해본 경험이 있으신 분
일반적으로 카카오와 같은 IT 회사에서는 유저가 서비스를 이용하면서 하는 행동을 수집한 데이터를 로그 데이터로 보곤 해요. 이러한 로그 데이터를 원하는 형태로 가공하여 특정 지표를 찍어볼 수 있는지 여부와 그 지표들을 토대로 분석해본 경험의 유무를 확인하고 있는 항목으로 보입니다.

6) 복잡한 데이터를 처리하고 분석하여 인사이트와 실질적인 액션까지 도출해보신 경험이 있으신 분
앞선 역량들을 모두 갖추었다면, 데이터에 기반한 액션을 제시할 수 있을거라 생각해요. 그리고 이 마지막 항목은 데이터 분석가가 이끌어낸 액션 아이템을 실제 조직의 의사결정으로까지 연결시켜본 경험이 있는지를 묻고 있는 항목인 것 같습니다.

앞서 살펴본 채용 공고를 아래와 같이 네 가지의 역량으로 추려보았어요.

🚩 SQL
🚩 데이터 핸들링
🚩 로그 데이터
🚩 데이터 시각화 & 레포팅

각 항목별로 어떻게 준비해야
데이터 분석가 신입으로 취업할 수 있을까요?

데이터 분석가 신입 취업 준비 1. SQL

데이터 분석가 신입 지원자의 SQL 능력을 검증하는 방식은 대부분 쿼리 테스트로 진행해요. 즉 쿼리 테스트에 통과할 정도의 실력을 갖추는 것을 목표로 공부하면 충분합니다.
SQL에 대한 배경 지식이 없는 경우 Cousera나 유투브 강의를 참고해서 기본 문법을 먼저 공부하는 것을 추천드리고 싶어요. 그 이후에 앞서 말씀드린 프로그래머스나 해커랭크의 문제를 순차적으로 풀어보면서 window 함수, 형 변환, Join 등을 자유자재로 할 수 있는 수준까지 올라오면 쿼리 테스트 문제를 쉽게 풀어낼 수 있을거라 생각합니다.

데이터 분석가 신입 취업 준비 2. 데이터 핸들링

데이터 핸들링 능력은 kaggle*을 많이 참고하면 좋을 것 같아요. kaggle의 공개된 notebook을 참고하면 질 좋은 전처리 코드를 학습할 수 있어요. 같은 전처리라도 더 깔끔한 코드와 효율적인 전처리 방법을 습득할 수 있고, 이를 Github 등을 활용해서 포트폴리오에 녹이면 충분히 어필할 수 있어요.
*kaggle : https://www.kaggle.com/

데이터 분석가 신입 취업 준비 3. 로그 데이터

로그 데이터는 인턴을 통해 경험하는게 최고의 시나리오겠지만, 제한되는 경우는 경진대회나 kaggle을 활용하는 방식도 있어요. 간혹 특정 회사에서 자사의 로그 데이터를 공개한 대회를 개최하는 경우도 있고, kaggle의 데이터셋을 잘 찾아보면 유저의 로그 데이터셋을 발견할 수 있습니다.

데이터 분석가 신입 취업 준비 4. 데이터 시각화 & 레포팅

회사마다 활용하는 데이터 시각화 툴은 모두 다르고, 취준생 입장에서 경험하기 어렵습니다. 그렇기 때문에 특정 시각화 툴을 활용한 경험보다 활용 가능한 툴을 통해 본인의 데이터 시각화 능력을 어필하는게 더 유효할거라 생각해요. 참고할 수 있는 자료는 Dacon의 시각화 경진대회가 있으며, 직접 참가해서 대시보드를 만들어보는 경험을 쌓는 것도 어필이 가능할 것 같습니다.

Chapter 5.
데이터 분석가 신입
취업 필승 전략 핵심

데이터 분석가 신입 준비 시 이건 하지 마세요!

저는 채용 공고에 없는 내용을 어필하는 건 지양해야 한다고 생각해요. 카카오 채용 공고를 다시 예시로 들어 보자면, 채용 공고 상에 ‘머신러닝 모델링’에 대한 언급이 없는 것을 알 수 있어요. 하지만 대다수의 취준생들은 본인들이 가장 많은 시간을 들여 학습한 내용을 어필하고자 공고 상에는 없는 모델링 능력을 어필하는 경우가 많습니다. 하지만 데이터 분석가의 채용 공고를 살펴보면 머신러닝 모델링 능력은 대체로 우대사항에 적혀있는 경우가 많으며, 더 높은 합격률을 기대하기 위해서는 필수역량인 전처리와 분석적 사고를 어필하는걸 추천드리고 싶어요.

합격률을 높이는 데이터 분석가 취업 준비

채용 공고 내 필수 역량 중 저에게 없는 경험을 만드는데 초점을 맞춰 준비했어요.
멋쟁이사자처럼이나 보아즈 활동을 통해 다양한 경험을 쌓았지만, 막상 졸업을 앞두고보니 못 해본 경험이 많았어요. 하고 싶은 분야는 데이터 분석인 반면, 준비한 경험들은 데이터사이언티스트나 AI 엔지니어 쪽에 더 가까워 보였죠. 그래서 시각화 능력이나 레포팅 능력, 그리고 논리적으로 내 생각을 정리해서 이해시키는 역량을 키우는데 집중했습니다. 친구들과 공모전에 참가해서 데이터 기반의 액션을 제시해보기도 하고, 시각화 툴을 혼자 독학해서 공공 데이터를 활용해서 대시보드를 만들어 보기도 했어요. 그 경험들을 포트폴리오에 잘 녹여서 제 역량을 어필했고, 최종 합격을 할 수 있었다고 생각해요.

앞서 말씀드렸듯, 신입으로 데이터 분석가 취업에 바로 성공하기란 쉽지 않은 일이라 생각해요. 회사에서 요구하는 필수 역량을 어필할 수 있는 경험이 부족할 수도 있고, 전형 과정에서 부족한 점이 있을 수 있어요. 하지만 데이터 분석가에게 요하는 필수 역량은 전공자나 깊은 연구가 선행되어야만 한다고 생각하지 않아요. 채용 공고 속 역량을 충분히 혼자 채울 수 있으며, 이를 어떻게 잘 어필하고 표현하는 지가 중요합니다. 그러니 급하게 마음먹지 말고 차근차근 원하는 회사에서 요구하는 역량을 채우고 잘 어필한다면 당당하게 취업에 성공하실 수 있을 거에요. 제 글이 여러분의 취업에 조금이라도 도움이 되었으면 좋겠어요. 취준생 여러분 화이팅!

관련 동아리, 실무 프로젝트, 관련 인턴 등 직무에 대한 경험이 없으신 분들은 회사에서 요구하는 역량을 채우는 것이 막연하게 느껴질 것이라 생각합니다. 저희 제로베이스 데이터 취업 스쿨에서는 ‘인턴 경험’을 필수로 가져가실 수 있게 100% 취업 연계 프로그램을 운영하고 있어요.

데이터 분석가 신입 지원자들과 완전히 다른 차별점 ‘실무 경험’을 쌓고 싶다면
지금 바로 데이터 취업 스쿨과 함께하세요!

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

추천 컨텐츠