🥇성공적인 데이터 과학자 및 데이터 분석가가 되는 방법

훌륭한 데이터 과학자 또는 데이터 분석가가 되기 위해 필요한 기술에 관한 기사는 많지만 성공하는 데 필요한 기술에 대해 설명하는 기사는 거의 없습니다. 탁월한 성과 평가, 경영진의 칭찬, 승진 또는 위의 모든 내용이 포함됩니다. 오늘 우리는 저자가 데이터 과학자 및 데이터 분석가로서의 개인적인 경험과 성공을 위해 배운 내용을 공유하고 싶은 자료를 소개합니다.

저는 운이 좋았습니다. 저는 데이터 과학에 대한 경험이 없었을 때 데이터 과학자 자리를 제안받았습니다. 제가 그 일을 어떻게 처리했는지는 다른 이야기인데, 제가 이 일을 맡기 전에는 데이터 사이언티스트가 어떤 일을 하는지 막연하게만 알고 있었다고 말씀드리고 싶습니다.

저는 이전 직업인 데이터 엔지니어로 인해 데이터 파이프라인 작업에 채용되었습니다. 그곳에서 데이터 과학자 그룹이 사용하는 예측 분석을 위한 데이터 마트를 개발했습니다.

데이터 과학자로서의 첫 해에는 기계 학습 모델을 훈련하고 이를 프로덕션에 적용하기 위한 데이터 파이프라인을 만드는 일이 포함되었습니다. 나는 모델의 최종 사용자인 마케팅 이해관계자들과의 회의에 눈에 띄지 않았고 많은 회의에 참여하지 않았습니다.

입사 XNUMX년차에 마케팅을 담당하던 데이터 처리 및 분석 관리자가 퇴사했습니다. 그때부터 나는 주역이 되어 모델 개발과 프로젝트 마감일 논의에 더욱 적극적으로 참여하게 됐다.

이해관계자들과 교류하면서 저는 데이터 과학이 사람들이 들어봤지만 잘 이해하지 못하는 모호한 개념이라는 것을 깨달았습니다. 특히 고위 경영진에서는 더욱 그렇습니다.

XNUMX개가 넘는 모델을 만들었지만 주로 마케팅에서 모델을 요청했음에도 불구하고 그 가치를 어떻게 보여줘야 할지 몰라 그 중 XNUMX분의 XNUMX만 사용했습니다.

내 팀원 중 한 명은 고위 경영진이 데이터 과학 팀의 가치를 보여줄 수 있는 모델을 개발하는 데 몇 달을 보냈습니다. 아이디어는 모델이 개발되면 조직 전체에 모델을 확산하고 마케팅 팀이 이를 채택하도록 장려하는 것이었습니다.

아무도 기계 학습 모델이 무엇인지 이해하지 못했고 이를 사용하는 가치를 이해할 수 없었기 때문에 이는 완전한 실패로 판명되었습니다. 그 결과, 아무도 원하지 않는 일에 몇 달이 낭비되었습니다.

그러한 상황에서 나는 다음과 같은 몇 가지 교훈을 얻었습니다.

성공적인 데이터 과학자가 되기 위해 배운 교훈

1. 올바른 회사를 선택하여 성공을 위한 준비를 하십시오.
회사에서 인터뷰할 때 데이터 문화에 대해 물어보고 의사 결정에 얼마나 많은 기계 학습 모델이 채택되고 사용되는지 물어보세요. 예를 들어보세요. 모델링을 시작할 수 있도록 데이터 인프라가 설정되어 있는지 알아보세요. 원시 데이터를 가져와서 정리하는 데 시간의 90%를 소비한다면 데이터 과학자로서의 가치를 입증할 모델을 구축할 시간이 거의 또는 전혀 남지 않게 됩니다. 처음으로 데이터 과학자로 채용된다면 주의하세요. 이는 데이터 문화에 따라 좋은 것일 수도 있고 나쁜 것일 수도 있습니다. 회사가 알려지기를 원한다는 이유만으로 고위 경영진이 데이터 과학자를 고용하는 경우 모델 구현에 대한 더 많은 저항에 직면할 수 있습니다. 더 나은 결정을 내리기 위해 데이터 과학을 사용, 그러나 그것이 실제로 무엇을 의미하는지 전혀 모릅니다. 또한 데이터 기반 회사를 찾으면 그 회사와 함께 성장할 것입니다.

2. 데이터와 핵심성과지표(KPI)를 파악하세요.
처음에 저는 데이터 엔지니어로서 데이터 과학자 팀을 위한 분석 데이터 마트를 만들었다고 언급했습니다. 저도 데이터 사이언티스트가 되면서 이전 직책에서 원시 데이터를 집중적으로 다루었기 때문에 모델의 정확도를 높이는 새로운 기회를 찾을 수 있었습니다.

우리 캠페인 중 하나의 결과를 제시함으로써 더 높은 전환율(백분율)을 생성하는 모델을 보여주고 캠페인 KPI 중 하나를 측정할 수 있었습니다. 이는 마케팅이 연결될 수 있는 비즈니스 성과 모델의 가치를 입증했습니다.

3. 이해관계자에게 가치를 입증하여 모델 채택을 보장합니다.
이해관계자가 비즈니스 결정을 내리기 위해 모델을 사용하지 않는다면 데이터 과학자로서 결코 성공할 수 없습니다. 모델 채택을 보장하는 한 가지 방법은 비즈니스 문제점을 찾고 모델이 어떻게 도움이 될 수 있는지 보여주는 것입니다.

영업팀과 이야기를 나눈 후에 저는 두 명의 담당자가 회사 데이터베이스에 있는 수백만 명의 사용자를 수동으로 조사하여 팀 라이선스로 업그레이드할 가능성이 높은 단일 라이선스 사용자를 식별하기 위해 풀타임으로 일하고 있다는 것을 깨달았습니다. 선정은 일련의 기준을 사용했지만, 담당자가 한 번에 한 명의 사용자를 살펴보기 때문에 선정에 오랜 시간이 걸렸습니다. 제가 개발한 모델을 사용하여 담당자는 팀 라이선스를 구매할 가능성이 가장 높은 사용자를 타겟팅하고 더 짧은 시간에 전환 가능성을 높일 수 있었습니다. 이로 인해 영업팀이 공감할 수 있는 핵심성과지표에 대한 전환율이 높아져 시간을 더욱 효율적으로 사용할 수 있게 되었습니다.

몇 년이 지났고 동일한 모델을 계속해서 개발했으며 더 이상 새로운 것을 배울 수 없다고 느꼈습니다. 저는 다른 자리를 찾기로 결정했고 결국 데이터 분석가라는 자리를 얻게 되었습니다. 다시 마케팅 지원을 맡았음에도 불구하고 데이터 과학자였을 때와 비교해 책임의 차이가 이보다 더 클 수는 없었습니다.

A/B 실험을 분석한 것은 이번이 처음이었습니다. 모든 실험이 잘못될 수 있는 방법. 데이터 과학자로서 나는 A/B 테스트를 전혀 하지 않았습니다. 왜냐하면 그것은 실험팀을 위한 것이기 때문입니다. 저는 프리미엄 전환율 증가부터 사용자 참여 및 이탈 방지에 이르기까지 마케팅에 영향을 미치는 광범위한 분석 작업을 수행해 왔습니다. 저는 데이터를 보는 다양한 방법을 배웠고 결과를 편집하여 이해관계자와 고위 경영진에게 제시하는 데 많은 시간을 보냈습니다. 데이터 과학자로서 저는 주로 한 가지 유형의 모델에 대해 작업했고 강연은 거의 하지 않았습니다. 성공적인 분석가가 되기 위해 배운 기술은 몇 년이 빨리 지나갔습니다.

성공적인 데이터 분석가가 되기 위해 배운 기술

1. 데이터를 사용하여 스토리를 전달하는 방법 배우기
KPI를 단독으로 보지 마십시오. 그들을 연결하고 비즈니스 전체를 살펴보십시오. 이를 통해 서로 영향을 미치는 영역을 식별할 수 있습니다. 고위 경영진은 렌즈를 통해 비즈니스를 바라보며, 이러한 기술을 보여주는 사람은 승진 결정을 내릴 때 주목을 받습니다.

2. 실행 가능한 아이디어를 제공하십시오.
사업 제공 효과적인 아이디어 문제를 해결하기 위해. 아직 근본적인 문제를 해결하고 있다고 말하지 않았을 때 적극적으로 해결책을 제시한다면 더욱 좋습니다.

예를 들어, 마케팅에 다음과 같이 말한 경우: "최근 사이트 방문자 수가 매달 감소하고 있는 것을 확인했습니다.". 이는 그들이 대시보드에서 알아차렸을 수 있는 추세이며 관찰 내용만 언급했기 때문에 분석가로서 가치 있는 솔루션을 제공하지 않았습니다.

대신, 데이터를 조사하여 원인을 찾고 해결책을 제안하십시오. 마케팅에 대한 더 좋은 예는 다음과 같습니다. “최근에 우리 웹사이트 방문자 수가 감소했다는 것을 알았습니다. 최근 변경으로 인해 Google 검색 순위가 하락했기 때문에 문제의 원인이 자연 검색이라는 것을 알게 되었습니다.". 이 접근 방식은 회사의 KPI를 추적하고, 변경 사항을 파악하고, 원인을 조사하고, 문제에 대한 해결책을 제안했음을 보여줍니다.

3. 신뢰할 수 있는 조언자가 되어 보세요
귀하는 이해관계자가 귀하가 지원하는 비즈니스에 대한 조언이나 질문을 받기 위해 가장 먼저 찾는 사람이 되어야 합니다. 이러한 능력을 발휘하는 데는 시간이 걸리기 때문에 지름길은 없습니다. 이를 위한 핵심은 오류를 최소화하면서 지속적으로 고품질 분석을 제공하는 것입니다. 다음에 분석을 제공할 때 사람들이 다음과 같이 궁금해할 수 있기 때문에 잘못된 계산으로 인해 신뢰도가 떨어지게 됩니다. 지난번에 틀렸다면 이번에도 틀릴 수도 있겠죠?. 항상 작업 내용을 다시 확인하세요. 또한 분석에 대해 의문이 있는 경우에는 수치를 발표하기 전에 관리자나 동료에게 수치를 살펴보도록 요청하는 것도 나쁘지 않습니다.

4. 복잡한 결과를 명확하게 전달하는 방법을 배우십시오.
다시 말하지만, 효과적으로 의사소통하는 방법을 배우는 데 지름길은 없습니다. 이는 연습이 필요하며 시간이 지남에 따라 더 좋아질 것입니다. 핵심은 수행하려는 작업의 주요 사항을 식별하고 분석 결과 이해관계자가 비즈니스 개선을 위해 취할 수 있는 조치를 권장하는 것입니다. 조직에서 높은 자리에 있을수록 의사소통 능력이 더욱 중요해집니다. 복잡한 결과를 전달하는 것은 입증해야 할 중요한 기술입니다. 저는 데이터 과학자이자 데이터 분석가로서 성공의 비결을 배우는 데 수년을 보냈습니다. 사람들은 성공을 다르게 정의합니다. "놀랍고" "뛰어난" 분석가로 묘사되는 것은 내 눈에는 성공으로 보입니다. 이제 당신은 이러한 비밀을 알았으니, 당신이 어떻게 정의하든 당신의 길이 빠르게 성공으로 이어지기를 바랍니다.

성공으로 가는 길을 더욱 빠르게 만들려면 프로모션 코드를 유지하세요. 하브르, 배너에 표시된 할인에 추가로 10%를 더 받으실 수 있습니다.

더 많은 과정

특집 기사

출처 : habr.com