데이터분석가가 갖춰야 할 9가지 역량

1) 사용 언어

데이터 분석가가 실무에서 데이터 추출 및 간단한 분석을 할 때 주로 SQL을 사용합니다. 따라서 요즘은 채용 과정에서 기본적으로 SQL 코딩 테스트를 보는 회사도 많습니다. 더불어 심화된 분석(요인 분석, 예측 모델링 등)이 필요할 때는 파이썬을 주로 사용합니다. 기본적으로 데이터를 다루고 전처리할 수 있는 도구 SQL, 파이썬 등을 사전에 익혀두면 실무에서도 빠르게 활용할 수 있습니다. 속한 조직 및 분석 환경 단계에 따라 다르지만 엑셀을 사용하는 경우도 많습니다.

2) 통계학

통계학은 크게 기술 통계와 추론 통계로 나누어지는데요. 상관관계, 회귀분석, 인과관계 등의 통계 개념들은 데이터 분석에서 EDA(탐색적 데이터 분석) 단계를 진행할 때 활용되는 개념으로 사전에 학습해두면 좋습니다. 기초 통계학의 경우 채용공고에 자주 등장하는 A/B 테스트에서 많이 활용됩니다. A/B 테스트에서 활용되는 개념인 귀무가설, 대립가설, 검정력 등 가설검정 관련하여 기초 통계학 관련 내용을 익혀두면 도움이 될 것입니다.

3) 도메인 및 비즈니스에 대한 이해

도메인에 따라 정의해야 할 문제와 비즈니스는 달라지게 됩니다. 이커머스, 모빌리티 등 어떤 산업을 선택하는지에 따라 풀어야 할 주요 문제와 액션이 다르기 때문인데요. 이처럼 비즈니스와 프로덕트는 직결되어 있으며, 관련된 재무, 마케팅 등 기본적인 비즈니스 지표 및 KPI 성공 지표(MAU, Gross Margin 등)에 대해 알고 있어야 합니다. 대부분의 지표는 비즈니스 지표의 증감 원인을 파악하기 위해 활용되며, 서비스 전반을 이해하는데 꼭 필요합니다.

4) 툴을 다루는 역량

시중에는 수많은 분석 관련 SaaS 툴(구글 애널리틱스, 엠플리튜드 등)과 BI 툴(루커 스튜디오, 태블로 등)이 있습니다. 이러한 툴들을 잘 다루는 것은 구성원이 데이터 기반 의사결정을 빠르게 할 수 있는 환경을 위해 필요합니다. 이때 단순히 툴을 다룰 수 있는 것뿐만 아니라, 툴을 활용할 때 데이터 분석에 용이한 데이터 마트를 직접 설계하고, 자동화하는 방법까지 습득하는 것이 좋습니다.

5) 업무 자동화와 데이터 엔지니어링

데이터 분석가에겐 다향한 부서의 일회성(Ad-hoc) 분석 요청에 대한 대응, 데이터 정합성 및 퀄리티 확인, 데이터 플랫폼 운영 이슈를 처리해야 할 상황이 있습니다. 다만 일회성 분석의 경우 BI 대시보드, 데이터 플랫폼을 통해 자동화로 해결되고 있는 추세입니다. 그러나 플랫폼이 자동화된 단계에서도 데이터 분석가는 데이터 플랫폼 운영 이슈를 처리하고, 플랫폼을 최적화할 수 있도록 개발자와 소통해야 합니다. 또한 필요한 기능을 기획 및 테스트하는 역할도 여전히 중요합니다. 한편 최근에는 데이터 마트, 데이터 파이프라인을 만드는 데이터 엔지니어링 역량도 함께 요구되고 있는데요. Airflow, SQL 등 분석을 위한 데이터 엔지니어링 언어와 도구를 활용할 수 있도록 준비해야 합니다.

6) 커뮤니케이션 능력

데이터 분석가의 일을 살펴보면, 보고서와 커뮤니케이션이 70% 이상을 차지한다고 생각합니다. 데이터의 언어를 다양한 직무의 관점으로 바라보고, 모두가 이해할 수 있는 언어로 바꿀 수 있는지가 중요합니다. 또한 데이터 분석가의 역할 중 데이터 드리븐 문화를 조성하는 것도 포함되는데요. 때로는 구성원들이 자발적으로 툴 또는 플랫폼을 손쉽게 활용할 수 있도록 전사 데이터 교육 및 스터디를 진행할 수 있습니다.

7) 협업 능력과 태도

데이터 분석가는 조직에서 경영진, PO, PM, 마케터 등 다양한 직무의 팀원들과 협업 및 커뮤니케이션을 합니다. 일반적으로 다른 직무의 팀원들은 통계학의 개념이나 용어 등을 어렵게 느끼는 경우가 많은데요. 그들이 잘 이해할 수 있는 소통 방식과 태도를 갖추어야 합니다. 위에서도 언급했듯이 모두가 이해할 수 있는 언어로 바꾸는 작업입니다. 또한 조직 구성과 목표에 따라 협업 방식이 달라질 수 있기 때문에 자신이 속한 팀이 기능 조직인지, 목적 조직인지에 대한 확인이 필요합니다.

8) 문제 정의 및 문제 해결 능력

데이터 분석 프로세스는 보통 문제 정의 > 가설 수립 > 데이터 분석 > 문제 해결에 대한 순서로 진행됩니다. 따라서 데이터 분석을 진행하기 전, 문제 정의가 선행되어야 합니다. 이때 문제를 논리적으로 정의하고, 현상에 대한 파악을 토대로 다양한 분석 방법론을 시도하는 것이 중요합니다.

9) 보고서 작성

데이터 분석가는 분석 결과를 공유하기 위해 많은 보고서를 작성하는데요. 이때 보고서 형식, 논리, 시각화에서 누구나 잘 이해할 수 있는 비즈니스 보고서를 작성하는 것이 중요합니다. 더불어 분석 결과를 토대로 기획, 전략 단계까지 사업화할 수 있는 액션 아이템을 구상할 수 있어야 합니다. 보고서의 표현과 언어를 비즈니스 관점에서 작성하면 협업은 물론, 이해관계자들을 설득하기도 훨씬 수월해집니다.