데이터 괴학자,데이터 사이언티스트가 어떤 일을 하는지, 어떠한 가치를 줄수 있는지 모르고 있는 경우가 많습니다.
그냥 남들도 하니까, 좋타고하니까, 유행하는 핫한 직무니까 등의 이유로 무턱대고 시작하는 경우가 종종 있는것 같습니다.
이보다는 이런 직무의 내용을 잘 알아보고 본인의 성향과 잘 맞는지 확인하보고 시작해도 늦지 않습니다.
이러한 직무의 특징과 가치, 사례를 잘 설명해주는 글이 있어서 소개하고자 합니다.
Data Scientist
Problem Solving as Data Scientist: a Case Study ; Pan Wu, LinkedIn
https://towardsdatascience.com/problem-solving-as-data-scientist-a-case-study-49296d8cd7b7
Problem Solving as Data Scientist: a Case Study
My thoughts on how data scientists solve problems, along with sharing a case study using one favorite project in my first job
towardsdatascience.com
Problem Solving as Data Scientist: a Case Study
My thoughts on how data scientists solve problems, along with sharing a case study using one favorite project in my first job
바로 링크드인 데이터 과학자로 일하고있는 Pan의 글입니다.
데이터 사이언티스트(Data Scientist)가 하는 일을 실제 사례를 들면서 알기쉽게 설명해주고 있습니다.
간단하게는 문제해결을 위해 아래의 4단계를 말하고 있고, 마인드셋으로 3가지를 말하고 있습니다.
재미있는 설명과 단순히 문제해결에서 끝내지않고 한발더 나아갔다는 것이 신선했습니다. 분석과 발표에서 끝나는 것이 아니라 서비스와 운영까지 실제로 데이터 싸이언티스트가 해야할 일들을 잘 말해주고 있는것 같습니다.
Stage 1 (problem identification) is to help you focus on the key question and not loose track while diving deep into data
Stage 2 (first logical solution) is to get you a quick win and keep the momentum to build trust with business partners
Stage 3 (iterative improvement) is to help you move the solution further ahead and be the owner of the area
Stage 4 (operational excellence) is to help you remove tech debt, to set you free from mundane maintenance works going forward
데이터 사이언티스트 마인드셋 (data scientist has the right mindsets)
* Business-driven, not algorithm-driven.
* Owning the problem, not just taking orders.
* Open-minded, and always be learning.
물론 사례로 말한 기업이 IPO 기업공개 전이었기 때문에 가능했다고 생각합니다. 다시말해 작은 규모에, (합리적으로 일처리하는?) 외국 기업 이어서 가능했던 사례가 아닌가 싶습니다.
중견규모 이상의 기업에서는 긴호흡에서의 성과와 사내 조직의 지원과 방해 정도 그리고 리더십을 통한 이러한 문제해결 등에 따라서 데이터 과학자의 결과물이 사장되거나 실제 운용에 적용되기도 합니다.
따라서 결과에 따라 허탈하고 무의미한 활동으로 인식되어 조직내에서 인정받지 못하는 경우도 종종 있습니다.
그럼에도 불구하고 데이터 과학자가 제시한 다양한 방법들이 기업의 혁신 활동으로 이어져서 고객에게 사랑받고 기업의 이윤을 높이는 사례가 더 많이 있습니다.
계속해서 더 많은 사례와 방법을 공유 드리겠습니다.