데이터사이언티스트가 되려면 이렇게 준비하면 됩니다
처음엔 ‘코딩 잘하는 사람’보다 ‘문제를 숫자로 보는 사람’에 가깝습니다
얼마 전 지인이 데이터사이언티스트로 이직하고 싶다며 뭘 먼저 공부해야 하냐고 물어봤습니다. 파이썬부터 해야 하는지, 통계부터 해야 하는지, 아니면 요즘 많이 들리는 AI 모델을 바로 파야 하는지 꽤 헷갈려 하더라고요. 사실 데이터사이언티스트라는 직무는 이름만 보면 굉장히 거창하지만, 현장에서 하는 일은 생각보다 현실적입니다. 회사가 가진 데이터를 보고 “왜 매출이 줄었지?”, “어떤 고객이 이탈할 가능성이 높지?”, “이 기능을 바꾸면 사용자가 더 오래 머물까?” 같은 질문에 숫자로 답을 찾는 일이 많습니다.
그래서 초보 단계에서는 멋진 모델을 만드는 것보다 데이터로 질문을 만들고, 그 질문을 검증하는 습관이 더 중요합니다. 예를 들어 쇼핑몰 데이터가 있다면 단순히 매출 총액만 보는 게 아니라 신규 고객과 재구매 고객의 비율, 장바구니에 담고 구매하지 않은 비율, 할인 쿠폰을 쓴 고객의 평균 구매액 같은 지표를 나눠서 봐야 합니다. 이런 식으로 데이터를 쪼개 보는 힘이 쌓이면 기술 공부도 훨씬 덜 막막해집니다.
데이터사이언티스트 준비 순서
처음부터 모든 걸 완벽하게 하려고 하면 금방 지칩니다. 데이터사이언티스트에게 필요한 역량은 꽤 넓지만, 순서를 잡으면 훨씬 수월합니다. 개인적으로는 엑셀과 SQL, 파이썬, 통계, 머신러닝, 포트폴리오 순서가 가장 현실적이라고 봅니다. 특히 비전공자라면 SQL을 빨리 익히는 게 좋습니다. 실제 회사 데이터는 대부분 데이터베이스에 들어 있고, 원하는 데이터를 꺼내는 능력이 없으면 분석을 시작하기도 어렵습니다.
- 엑셀: 피벗 테이블, 기본 함수, 간단한 시각화에 익숙해지기
- SQL: SELECT, JOIN, GROUP BY, 서브쿼리까지 반복해서 연습하기
- 파이썬: pandas, numpy, matplotlib, seaborn 중심으로 익히기
- 통계: 평균, 분산, 상관관계, 가설검정, p-value의 의미 이해하기
- 머신러닝: 회귀, 분류, 군집화 모델을 실제 데이터에 적용해보기
여기서 중요한 건 순서를 너무 엄격하게 받아들이지 않는 겁니다. 예를 들어 SQL을 배우면서 바로 간단한 시각화를 해도 되고, 파이썬을 공부하다가 통계 개념이 막히면 그때 다시 돌아가도 됩니다. 다만 처음부터 딥러닝 논문이나 복잡한 알고리즘 구현에 매달리면 실제 업무 감각과 멀어질 수 있습니다. 초반에는 데이터를 불러오고, 깨끗하게 다듬고, 의미 있는 표와 그래프를 만드는 경험이 훨씬 값집니다.
실무에서 자주 쓰는 기술은 생각보다 뚜렷합니다
데이터사이언티스트 채용 공고를 보면 요구사항이 길게 적혀 있어서 겁이 날 때가 많습니다. Python, SQL, A/B 테스트, 머신러닝, 대시보드, 클라우드, 커뮤니케이션까지 한 사람이 다 해야 할 것처럼 보이죠. 그런데 실제로 초급 지원자에게 기대하는 수준은 대개 “데이터를 다룰 기본기가 있는가”에 가깝습니다. SQL로 데이터를 뽑고, 파이썬으로 전처리한 뒤, 그래프로 패턴을 설명할 수 있다면 출발선에 설 수 있습니다.
예를 들어 한 서비스의 가입자 데이터를 분석한다고 해보겠습니다. 단순히 가입자 수가 10만 명이라는 숫자만 말하면 정보가 부족합니다. 월별 가입자 증가율이 5%에서 2%로 떨어졌는지, 특정 유입 채널에서 전환율이 낮아졌는지, 가입 후 7일 안에 이탈하는 사용자가 많은지까지 봐야 합니다. 이런 분석에는 고급 AI보다 SQL 집계, pandas 전처리, 기본 통계, 명확한 그래프가 더 자주 쓰입니다.
공부할 때 잡으면 좋은 기준
공부 범위가 넓을수록 기준이 필요합니다. 저는 “이 기술로 어떤 질문에 답할 수 있는가”를 기준으로 삼는 편이 좋다고 봅니다. SQL은 원하는 데이터를 꺼내기 위한 도구이고, 통계는 우연과 의미 있는 차이를 구분하기 위한 도구입니다. 머신러닝은 과거 패턴을 바탕으로 예측하거나 분류하기 위한 도구입니다. 이렇게 역할을 나눠두면 공부가 훨씬 덜 추상적으로 느껴집니다.
- SQL을 배울 때는 매출, 유입, 전환, 유지율 지표를 직접 계산해보기
- 파이썬을 배울 때는 결측치, 이상치, 날짜 데이터를 자주 다뤄보기
- 통계를 배울 때는 A그룹과 B그룹의 차이가 의미 있는지 판단해보기
- 머신러닝을 배울 때는 정확도뿐 아니라 왜 그런 예측이 나왔는지 설명해보기
솔직히 말하면 강의를 듣는 것만으로는 실력이 잘 늘지 않습니다. 강의 예제는 이미 깔끔하게 준비된 경우가 많아서 실제 데이터 특유의 지저분함을 만나기 어렵습니다. 날짜 형식이 제각각이거나, 같은 고객이 여러 ID로 나뉘어 있거나, 결측치가 특정 조건에서 몰려 있는 상황을 직접 겪어봐야 분석 감각이 생깁니다.
포트폴리오는 거창한 주제보다 설명력이 중요합니다
데이터사이언티스트 포트폴리오를 만들 때 많은 사람이 너무 큰 주제를 고릅니다. 주가 예측, 영화 추천 시스템, 이미지 분류 같은 주제도 나쁘진 않지만, 이미 비슷한 예제가 많아서 본인의 사고 과정을 보여주기 어렵습니다. 오히려 배달 앱 리뷰 데이터로 불만 키워드를 찾거나, 공공자전거 이용 데이터를 계절과 시간대별로 비교하거나, 온라인 쇼핑 데이터를 기준으로 재구매 가능성이 높은 고객을 나눠보는 프로젝트가 더 설득력 있을 수 있습니다.
좋은 포트폴리오는 모델 이름보다 흐름이 분명합니다. 먼저 어떤 문제가 있었는지 말하고, 어떤 데이터를 썼는지 보여준 뒤, 전처리 과정에서 어떤 판단을 했는지 설명해야 합니다. 그다음 분석 결과가 실제 의사결정에 어떤 의미가 있는지 연결하면 됩니다. 예를 들어 “비 오는 날 이용량이 줄었다”에서 끝나지 않고, “퇴근 시간대 감소 폭이 특히 커서 우천 시 프로모션보다 배차 최적화가 먼저 필요하다”처럼 해석이 붙으면 훨씬 좋습니다.
포트폴리오에 넣으면 좋은 구성
- 문제 정의: 왜 이 분석을 했는지 한 문단으로 설명
- 데이터 소개: 출처, 기간, 주요 컬럼, 데이터 크기 제시
- 전처리: 제거하거나 변환한 값과 그 이유 기록
- 분석 과정: 주요 지표, 비교 기준, 그래프 포함
- 해석: 결과가 어떤 행동으로 이어질 수 있는지 제안
수치도 꼭 넣는 게 좋습니다. “많이 증가했다”보다 “전월 대비 18% 증가했다”가 낫고, “젊은 사용자가 많았다”보다 “20대와 30대가 전체의 64%를 차지했다”가 훨씬 선명합니다. 숫자가 들어가면 글이 단단해지고, 면접에서도 질문을 받았을 때 대답하기 쉬워집니다.
혼자 준비할 때 흔히 막히는 부분
많은 사람이 중간에 막히는 지점은 비슷합니다. 첫째, 수학이 어렵다고 느끼는 순간입니다. 물론 선형대수, 미적분, 확률을 깊게 알면 좋지만 처음부터 대학 교재를 끝까지 볼 필요는 없습니다. 초급 단계에서는 평균과 분산, 확률분포, 회귀의 의미, 과적합 개념부터 잡아도 충분합니다. 둘째, 코딩 에러가 너무 자주 나서 지치는 순간입니다. 이때는 코드를 많이 외우려고 하기보다 에러 메시지를 읽고 검색하는 습관이 더 중요합니다.
셋째, 내가 어느 수준인지 감이 안 오는 문제도 큽니다. 이럴 때는 작은 기준을 세우면 좋습니다. 예를 들어 CSV 파일을 불러와서 결측치를 확인하고, 그룹별 평균을 구하고, 그래프 3개로 설명한 뒤, 짧은 보고서까지 만들 수 있다면 이미 꽤 괜찮은 출발입니다. 여기에 SQL로 같은 지표를 계산할 수 있고, 간단한 예측 모델까지 붙일 수 있다면 지원 가능한 프로젝트가 됩니다.
데이터사이언티스트는 공부할 게 많은 직업이 맞습니다. 그런데 모든 기술을 다 아는 사람이 되는 것보다, 데이터를 보고 합리적인 질문을 던지고 끝까지 검증하는 사람이 되는 게 먼저입니다. 기술은 그 과정을 돕는 도구에 가깝습니다. 처음엔 느리게 느껴져도 작은 분석을 여러 번 완성해본 사람이 결국 면접에서도, 실무에서도 훨씬 안정적으로 말할 수 있습니다.
