분석가의 미래는 어떨까?

여러 회사를 다니면서, 여러 부서에서 분석 업무를 해본 분석가의 푸념?글이라고 봐주면 좋겠다.

 

데이터 사이언스 관련 석사 학위를 17년도에 받았다.

이전에도 말했지만 당시는 알파고의 시대로 머신러닝에서 딥러닝으로 넘어가는 과도기였다.

 

대학원 시절 svm, knn 등 머신러닝에 대해서만 배웠는데 면접때마다 받던 질문은 온통 신경망에 대한 내용들 뿐이었다.

cnn, rnn, r-cnn, bert 등 여러 모델들이 등장하고 이전과도 비교도 할 수 없는 성능을 내는 모델들이 나오기 시작했다.

 

이런 모델들을 적용하려하고 따라하려하고 할때마다

분석가에게 필요한건 모델을 구축하고 미래를 예측하는 능력일까?

라는 의문점이 생겼다.

 

요즘 나는 분석가는 주관식의 문제를 객관식으로 만들어주는 사람이라고 생각한다.

그 방식이 여러 모델이 될 수도 있고 단순한 분석 결과물들일 수도 있다.

방식이 어떠하든 결과적으로 실무진의 의사결정에 보탬이 되어야한다고 생각한다.

 

예전 회사에서 브레이즈란 툴을 도입하려 했었는데,

브레이즈에서 제공하는 기능들이 어마무시했다. 푸쉬 타켓팅, 앱로그 수집, 마케팅 리포트 등 다양한 기능을 제공해주었다.

그리고 그 툴의 연간 사용료가 내 연봉과 비슷했는데,

솔직히 회사 입장이라면 분석가 여러 명 쓰는 것보다 브레이즈 같은 툴을 쓰는게 더 이득이겠다는 생각이 들었다.

 

비슷한 가격에, 더 다양한 기능을 제공하고, 따로 업무를 가르칠 필요도 없고, 원하는 기능을 요청하면 구현해줄 수 있는데

그에 비해 분석가는 업무 적응도 기다려야하고, 기능 하나 업데이트 하는데도 시간이 걸리고 안정화까지 고려하면 더 길어질 수도 있다.

 

분석가에게 필요한 것은 활용도가 높은 폭넓은 능력보다 하나의 문제를 해결할 수 있는 능력이다.

bm 구조에 맞는 리포트, 실무에 필요한 정보를 빠르고 정확하게 확인할 수 있는 리포트, 때에 따라 필요한 데이터를 제공하는 것 등 말이다.

그리고 이런 리포트들, 데이터들이 쌓이고 이걸 자동화한다면 이것 또한 모델링이라고 생각한다.

 

분석가들이 모델링을 따라가다보면, 우리가 생각하는 만큼 모델 성능이 안나올 수 있다. 그리고 전처리, 실제 업무에 적용하는 것까지 고려하면 배보다 배꼽이 더 클 수도 있다.

 

앞으로 모델링과 같은 부분은 aws나 gcp 등에서 제공하는 다양한 기능들로 대체될 것 같다.

대신에 우리 서비스에 대한 분석 리포트들을 더 깊게 만들어가고, 이걸 자동화하는 방향으로 바뀔 것 같다.

 

다시말하지만 분석가로 몇년 일해본 일개 사원의 뻘글이다. 아 그냥 얘는 저렇게 생각하는구나했으면 좋겠다.