[큰글자책] AI 시대의 데이터과학자

AI 시대에 데이터과학자 되기

01 데이터, 빅데이터, 데이터과학
02 데이터과학자의 필요성
03 데이터과학자의 핵심 역량
04 데이터과학자와 도메인 지식
05 비즈니스 분야의 데이터과학자
06 공공 영역의 데이터과학자
07 현실적 문제와 도전 과제
08 데이터과학자로의 전환
09 데이터과학자의 커리어 패스
10 변화를 준비하는 데이터과학자

데이터과학 분야에서 중요한 것은 인사이트 발굴을 위한 전체 프로세스의 설계인데, 서로의 영역을 잘 모르는 협업 체계에서는 어려운 일이다. 따라서 협업 체계를 강화하거나 각 분야 전문가가 교육을 받아 다른 영역을 이해하는 방식으로 데이터과학 분야는 발전했다. 사실 한 명의 전문가가 모든 영역을 섭렵한다는 것은 현실적으로 불가능하며 협업은 효과적인 성공을 이끌 가능성이 높아 데이터과학 분야의 기본 요소이기도 하다. 그런데 탄탄한 협업 체계에서도 목표에 맞는 데이터를 수집, 분석, 해석, 적용할 수 있는 전문가인 데이터과학자를 필요로 하게 되었다. 데이터과학에는 각 영역에 대한 이해를 바탕으로 하는 팀워크로도 해결할 수 없는 영역이 존재하기 때문이다.

－01_“데이터, 빅데이터, 데이터과학” 중에서

데이터과학자의 역량으로 코딩과 프로그래밍 실력이 얼마나 중요한지를 설명하기 전에 두 가지가 조금 다른 일이라는 것을 이해할 필요가 있다. 코딩은 기계나 컴퓨터가 이해할 수 있는 형식으로 명령어를 작성하는 과정이며, 프로그래밍은 소프트웨어나 애플리케이션을 개발하는 전체 과정이다. 예를 들어 계산기 앱을 만들기 위해서는 계산기 인터페이스 설계, 계산 기능을 위한 알고리즘 구현, 테스트와 오류 수정, 업그레이드의 과정이 필요하며 이 전체가 프로그래밍이다. 그리고 덧셈과 뺄셈 계산식의 구현을 코딩으로 작업한다. 프로그래밍 안에 코딩과정이 포함되지만 분명한 차이가 있다.

－03_“데이터과학자의 핵심 역량” 중에서

소셜미디어 데이터는 공공 분야 데이터과학자에게 중요한 데이터 소스다. 가장 많이 활용되는 출처는 온라인 커뮤니티와 언론사 데이터로, 다른 출처에 비해 데이터 수집에 큰 제한이 없다. 온라인 커뮤니티는 비즈니스 영역에서도 상품 리뷰나 추천과 관련해서 많이 활용하는데, 공공 영역에서도 비슷한 목적으로 사용한다. 예를 들어 저출산 정책에 대한 맘카페의 의견, 불법 거래 관련 게시글, 특정 집단에 대한 혐오 발언을 분석 대상으로 선정해 데이터를 수집할 수 있다. 언론사의 경우 빅카인즈(BIGKINDS)라는 뉴스 빅데이터 서비스로부터 데이터를 일부 다운로드할 수 있으며 더 많은 기사를 원한다면 직접 언론 기사를 수집할 수도 있다.

－06_“공공 영역의 데이터과학자” 중에서