데이터 사이언티스트 라는 직업이 있다고?

인터넷 서핑 중 배너를 클릭하고, TV를 보면서 습관적으로 특정 버튼들을 누르고, 뉴스 기사 댓글이나 SNS에 의견을 남기는 등 우리의 행동들은 ‘흔적(log)’을 남깁니다. 이 흔적들이 쌓이면 사람들의 행동양식, 습관, 의견 등을 담은 엄청난 빅데이터(Big Data)가 됩니다.

이러한 빅데이터 속에서 의미를 찾고, 새로운 가치를 만들어내는 사람들이 있습니다. 바로 데이터 사이언티스트(Data Scientist)들인데요. LG전자 클라우드센터 스마트데이터팀의 최유경 대리를 만나보았습니다. :)

LG전자에서 빅데이터 분석을 담당하고 있는 최유경 대리

데이터 속에서 의미를 찾는 사람, 데이터 사이언티스트

스마트기기의 확산과 인터넷, 데이터 저장 및 처리 기술의 발달은 빅데이터 산업의 비약적인 발전을 가져왔습니다. 빅데이터와 함께 뜨거운 관심을 받고 있는 ‘데이터 사이언티스트’는 데이터 수집·가공·분석을 통해 인사이트를 추출하여, 더 나은 의사 결정에 도움을 주는 전문가를 말합니다.

수많은 데이터들 속에서 유용한 의미를 찾기 위해, 데이터 사이언티스트에 대한 수요도 점차 늘고 있는데요. 미국 포브스(Forbes)와 하버드 비즈니스 리뷰(Harvard Business Review)는 데이터 사이언티스트를 21세기에 가장 유망한 직업으로 꼽기도 했습니다.

Q. 데이터 사이언티스트 직무가 생소합니다. 어떤 일을 하시나요?

“기술의 발전과 함께 최근 들어 급격히 관심을 받게 된 거지, 사실 완전히 새로운 직업은 아니에요. 기존에도 데이터들은 늘 있었고, 그것을 관찰하는 사람들은 존재했으니까요.

데이터 사이언티스트(Scientist)는 데이터 엔지니어(Engineer)의 영역과 데이터 분석가(Analyst)의 영역을 모두 필요로 합니다. 저희 팀에도 컴퓨터 공학을 바탕으로 데이터 분석 인프라와 플랫폼을 구축하시는 분들, 수리·통계적 지식을 바탕으로 데이터를 가공하고 분석하는 분들이 섞여 있거든요.

과학자들이 가설 수립 – 가설 검증 – 결론 도출 프로세스를 거치는 것처럼, 데이터 사이언티스트(Scientist) 역시 마찬가지에요. 수립한 가설을 데이터로 검증하고, 결론을 도출하죠. 물론 저희는 학계가 아닌 회사에 있기 때문에, 그 결론을 어떻게 비즈니스에 접목해야 할지 고민하고, 유관 부서들과 커뮤니케이션 하는 과정까지도 업무에 모두 포함되죠.”

데이터 사이언스의 영역과 필요 역량

Q. 어떤 데이터들을 어떻게 분석하시나요? 이를 통해 어떤 결과물을 만들어내시는지도 궁금합니다.

“LG전자의 모든 제품·솔루션 관련, 전세계의 고객들로부터 얻는 모든 데이터를 모두 다뤄요. 콜센터로 들어오는 고객들의 이야기나 A/S 관련 정보, 제품 및 서비스 사용 로그, 온라인 상에서 회사나 제품에 대해 사람들이 언급하는 버즈(buzz)들까지, 어마어마한 양의 데이터들이 분석 대상이 됩니다.

버즈 데이터나 콜센터로 들어오는 VOC(Voice of Customer)를 활용하는 경우, 사용자들이 원하는 욕구는 무엇인지, LG제품을 사용하는 사용자들이 만족하는 부분과 더 개선해야 할 점들은 무엇인지, 경쟁 제품과 비교했을 때 사용자들이 어떤 의견을 가지고 있는지 등의 마켓 인사이트를 도출해 사내의 관련 부서들과 공유해요. 주로 상품기획이나 마케팅, UX(사용자 경험) 디자인 파트 등에서 많은 관심을 가지고 계세요.

내부뿐 아니라 회사 밖의 고객 분들에게 서비스를 제공할 수도 있는데요. 예를 들면, 스포츠용품 기업과 협업해 러닝화에 센서를 붙여, 이 데이터의 분석을 통해 가치를 제공하는 등 다양한 데이터 기반의 B2B 컨설팅도 가능합니다.”

Q. 데이터 분석의 결과로 얻는 시사점들이 회사의 경영 활동에 어떻게 반영되었는지, 구체적인 사례를 말씀해주세요.

“한 예를 알려드리자면, 제품 수리 기사의 출장이나 부품 교체 없이 단순한 설명으로도 처리할 수 있는 고객의 질문∙불만을 콜센터 상담사를 통해 해결할 수 있도록 하는 콜센터 지능화 시스템을 개발했어요.

얼음 냉장고의 경우 얼음이 제대로 나오지 않는 현상에 대한 VOC가 가장 높은데, 이런 경우 콜센터 상담사들이 그 원인을 쉽게 설명할 수 있도록 상담 콘텐츠를 추천하는 시스템이라 이해하시면 될 것 같습니다. 이렇게 되면 굳이 제품 수리 기사가 출동하지 않아도 문제를 해결할 수 있어 회사에서는 큰 비용을 절감할 수 있죠. 현재 가전 사업부에 적용되어 있으며, 글로벌 국가로 확산 중에 있어요. 또 최근에는 24시간 상담을 할 수 있는 챗봇(Chatbot)도 연구 중에 있답니다.

그 외에도 정말 많아요. 수리 데이터를 기반으로 한 품질 빅데이터 분석 시스템도 개발했고, 시스템 에어컨의 센서 데이터를 기반으로 한 이상 진단, 에너지 진단 시스템도 개발하여 현장에서 업무에 잘 활용하고 계세요.”

Q. 데이터 분석 업무에 필요한 지식이나 역량이 있다면요?

“컴퓨터 공학이나 수학·통계적 지식이 있으면 아무래도 도움이 되겠죠. 또 데이터를 볼 때 탐색적 분석이 자연스러운 사람이라면 이 일을 잘할 수 있을 것 같아요.

(탐색적인 분석이요?) 네, 평균과 분산 등 다양한 데이터의 이면을 가공해보거나, 정확한 분석을 위해 어떤 데이터를 취하고 버려야 하는지 판단하는 능력이요.

보통 데이터 사이언티스트라고 하면 데이터의 ‘분석’ 쪽으로 많이 초점을 맞추시지만, 실제로는 데이터 마이닝(Data Mining)이나 수집한 데이터를 처리하는 영역도 중요해요. 데이터에는 숫자뿐 아니라 텍스트 데이터도 많은데, 이것들을 머신러닝(Machine Learning)을 활용해 판단하기 위해 자연어 처리 등도 할 줄 알아야 하고요.”

물론 ‘분석하고 판단하는 힘’도 굉장히 중요합니다. 최유경 대리는 어려서부터 가까이 했던 독서 취미가 ‘생각하는 힘’을 키우는데 도움이 된 것 같다고 이야기합니다.

Q. 제조업 기업에서의 데이터 분석이 다른 기업과 다른 점이 있나요?

“웹에서 사용자가 행동을 하면 ‘웹 로그(weblog)’가 남아요. 우리가 포털 사이트에서 단어를 검색하거나, 배너를 클릭하거나, 쇼핑몰에서 물건을 구입하는 등 일종의 ‘흔적’인데요. 웹 기반의 비즈니스 기업에서는 이러한 데이터를 보면서 더 많은 클릭이나 구매가 이뤄지도록 거의 실시간으로 빠르게 상품·콘텐츠를 배치해요.

반면 저희는 제조업인지라, 주로 제품에서 나오는 로그를 분석하는데요. 웹 로그처럼 방대하면서 실시간으로 수집·반영이 가능하지는 않지만, 제품에서 나오는 로그는 제조업체만이 가질 수 있는 특별한 데이터예요. 웹 로그는 허수도 많고 특정 현상을 일반화하는데 한계가 있지만, 사용자들이 제품을 사용하면서 쌓이는 디바이스·센서 로그는 매우 실질적인 사용자 행동과 패턴을 볼 수 있어요. 진짜 실생활에서 나오는 데이터고, 가치 있다는 생각이 드니까 재미가 있어요. 굉장히 특별한 경험이죠.”

“사람에 대한 데이터를 다루고 싶었어요”

최유경 대리는 과학고를 졸업하고, 대학과 대학원에서 모두 통계학을 전공했습니다. 수학을 좋아해서 이과에 진학했고, 수학과와 통계학과 중에 고민하다가 좀더 실용적인 통계학을 선택했습니다.

Q. 석사 졸업 후, 박사 진학 대신 LG전자에 입사하신 계기가 있다면요?

“통계학 전공하신 분들은 아시겠지만, 하루 종일 보는 게 ‘숫자’와 ‘수식’밖에 없어요. 매일 숫자와 씨름하다 보면 심리학이나 경영학을 공부하는 친구들이 그렇게 부러울 수가 없었어요. 적어도 그들은 ‘사람의 언어’로 공부를 하니까…. (웃음)

사실 학사 졸업 후 증권사에 합격하기도 했었고, 석사 기간에 카드회사에서 잠깐 인턴을 해 보기도 했어요. 하지만 코스피 수치나 금융 데이터를 분석하는 것이 적성에 잘 안 맞더라고요. 무형의 숫자들 보다는 좀더 유형에 가까운, 그리고 사람과 관련된 데이터를 다루고 싶었어요. 그래서 LG전자 인턴십에 지원하게 됐어요.”

그녀는 숫자들이 좋지만, 좀더 인간적인 숫자들이 더 좋다.

Q. 처음에는 다른 직무로 입사했다고 들었는데, 현재 팀에 어떻게 합류하게 되었나요?

“처음엔 제 전공과 직접적 관련이 없는 해외마케팅·상품기획 직무로 지원했어요. 데이터를 깊게 파기보다는 그걸 기반으로 좀 더 실질적인 일을 하고 싶다는 생각이 한창 컸나 봐요.

그런데 제 이력서를 보신 인사 담당자 분이 더 잘 맞을 것 같다고 하시며 서비스기획 직무로 배치를 해주셨어요. 입사 후 채 1년도 되지 않아 빅데이터와 관련된 팀이 만들어졌는데, 제 전공 통계학 덕분에 새로운 팀의 초기 멤버가 될 수 있었죠. 처음에는 전공을 떠나려고도 했었지만, 결국 제가 좀 더 잘 할 수 있고, 잘 맞는 일에 물 흐르듯 자연스럽게 돌아온 것 같아요.” ^^;

Q. 팀의 분위기는 어떤가요?

“저희 팀은 사내 벤처 같은 분위기가 장점이에요. 팀장님도 30대 후반으로 젊고, 추진력이 매우 강하세요. 저 같은 주니어들도 발언권이 많고, 직급에 상관없이 팀장님을 포함해 모두가 실무에 관여합니다. 주니어들이 성장하기에 정말 좋은 환경이라고 할 수 있어요.

보고 장표도 잘 안 만들어요. 형식에 신경쓰기 보다는 문제에 대해 고민하는 시간에 더 많이 할애해요. 본질에 집중하는 거죠. 이런 분위기가 매우 만족스러워요.”

신생팀의 초기 멤버였던 덕분에 어린 나이에도 팀 대표로 많은 경험을 했다.

4명의 멤버로 출발한 스마트데이터팀은 3년만에 27명으로 이뤄진 큰 조직이 되었습니다. 팀의 설립 멤버였던 그녀도 거의 모든 팀의 업무에 관여했고, 팀이 성장하는데 열정을 보탰습니다. 물론 그 과정에서 개인 스스로도 많은 성장을 했습니다.

데이터 분석, 답은 현장에 있다

팀이 자리를 자리잡는 과정에서 최유경 대리도 빠르게 성장했습니다. 사내/외에 빅데이터 분석의 필요성과 중요성을 직접 알리다 보니, 20대의 나이에도 불구하고 사내 직무교육 과정의 강사로 서거나, LG그룹의 지식 강연행사인 ‘LG Open Talks’에서 강연을 하는 등 전문성도 인정받게 되었습니다.

Q. 일을 하면서 보람을 느낄 때는 언제인가요?

“아직 사회 경험으로 보면 전 부족한 것이 많은 주니어죠. 다만 이제는 어떤 데이터나 현상을 보았을 때 무시해도 될지, 수용해야 할지에 대한 저만의 판단 기준(?)이 생긴 것 같아요. 그렇게 전보다 쉽게 무언가를 판단할 수 있을 때, 성장했다는 느낌이 들어요.

빠르게 변화하는 팀에 있다 보면 한번도 해보지 않은 새로운 일에 도전할 기회가 많아요. 매번 새로운 업무가 물론 힘들 때도 있지만, 조직 안에서 나만의 영역을 가지고 성장하고 있다는 생각이 들 때가 많아요.”

LG 판 TED인 ‘LG Open Talks’에서 강의 중인 최유경 대리

Q. 데이터 사이언티스트에게 가장 필요한 태도는 무엇일까요?

“문제 해결을 위해 집중하는 자세가 필요해요. 어떤 문제가 있으면 그 문제를 풀려고 하는 마음가짐이요. 모두가 뭔가를 ‘해냈다’는 사실에 집중할 때 “그래서 그게 어떤 의미인데?”라고 한번 더 물으며, 그 일의 의미를 파악하는 자세도 필요하고요.

가장 중요한 것은 ‘답은 현장에 있다’는 사실 같아요. 저희 팀이 늘 강조하는 사항이기도 해요. 데이터는 현장의 암묵지(暗默知)와 결합이 되고, 현장의 문제점을 해결하는 방향으로 분석되어야 해요. 그렇지 않으면 자칫 데이터 사이언티스트들은 옆에서 ‘말만 하는’ 사람들이 되기 쉬워요. 유관 부서들의 실무와 얼마나 잘 밀착되어 있는지가 성공의 관건이 된다고 생각해요.”

빅데이터 분석은 흩어진 데이터 속에서 인사이트를 도출하고 아이디어를 발굴하는 멋진 일지만, 지극히 어려운 과정을 겪습니다. 그래서 그녀는 데이터 사이언티스트라는 직업에 쏟아지는 관심과 장밋빛 전망에는 더욱 조심스럽습니다.

“분석할 데이터가 많아지며 인력 수요가 늘고 있는 것은 사실이에요. 그런데 좋은 전망만큼 환상도 큰 것 같아요. 빅데이터를 분석한다고 하면 사람들은 ‘재미있겠다’라고 하지만, 데이터를 들여다보는 일은 생각보다 잡일도 많고, 체력적으로나 정신적으로 정말 힘들거든요.

그래서 이 일은 데이터를 정말 좋아하는 사람, 분석을 정말 좋아하는 사람이 해야 잘할 수 있을 것 같아요. 무언가를 깊게 파고들고, 모든 결과에 의문을 품는 사람이요. 앞서 말씀 드린 것처럼 데이터 사이언스의 범위는 굉장히 넓어요. 공학과 수학, 통계뿐 아니라 사람이나 비즈니스에 대한 이해도 필요해요. 물론 커뮤니케이션 능력도 중요하고요. 이런 분들이라면 충분히 도전해 볼 만한 매력이 있는 직무라고 생각해요.” :)

* 출처: LG blog (www.lgblog.co.kr)