‘데선배들’은
데이터 비전공자들을 위한 데이터 관련 직무와 취업 관련 내용을 담은 뉴스레터 입니다.
구독하시고, 격주 월요일마다 이메일로 받아보세요!
레터 원문 전체보기
최신 콘텐츠 보기
.png&blockId=1b18b21d-a241-80ea-9b15-d21215840d57)

Q1. People Analyst(PA) 이중학님을 소개해주세요!
안녕하세요. 가천대학교 경영학부 이중학 교수입니다. HR
데이터 분석 전공으로 연구 및 기업 컨설팅 등을 하고 있어요. 롯데인재개발원에서 DT인재육성팀장으로 근무했고, 현대차그룹 기업경영연구원에서 핵심인재 데이터 관련 업무를 하며 People Analyst(PA)로서의 커리어 패스를 걸어왔습니다.
People Analytics란 피플 데이터
를 다양한 방식으로 분석해 비즈니스 문제 해결에 활용하는 기법으로, 기업 DT
가속화에 따라 그 중요성이 확대되고 있어요. 채용·승진 등 인재와 관련한 의사결정이 데이터와 알고리즘을 바탕으로 이뤄지는 방향으로 변하고 있다는 뜻이죠. PA가 최근 5년간 미국에서 가장 떠오로는 직업 2위인 이유도 여기에 있다고 생각합니다.
Q2. PA는 어떤 업무를 수행하나요?
PA는 크게 예측적, 기술적(descriptive), 최적화적 분석 업무를 수행해요. 예측적 분석이란 채용 단계에서 지원자의 퇴사 확률이나 업무 수행 능력 등을 확인하는 데 쓰여요. 기술적 분석은 직원 근속연수와 매출 등 기업 조직 내 다양한 변수 간의 관계를 파악하는 것이 목적이고, 최적화적 분석은 제한된 인적 자원을 적재적소에 배치해 최상의 결과를 도출하는 기법입니다. 현장에서 가장 관심을 보이는 분야는 예측적 분석이에요. DT 가속화에 따라 비즈니스 모델이 급변하면서, 인재의 성장가능성을 예측하는 업무의 중요성이 확대됐기 때문이죠.
AI 및 로봇과의 협업이 확대되는 상황에서, PA는 조직 구성원들이 개발해야할 업무 역량뿐만 아니라 이와 관련한 동기 부여 방법까지 함께 고민하고 있어요. DT 실행의 주체인 조직 구성원들에게 업무 방식을 바꿔야 하는 이유를 충분히 설명하지 못하면, AI 도입·빅데이터 활용 등 관련 논의가 뜬구름 잡는 소리로 여겨지는 문제가 발생할 수 있기 때문입니다. 실제로 세계적 IT 기업 IBM은 DT 동기부여와 관련해 직원들에게 업스킬링
배지를 부여하면서, 동시에 관련 역량이 조직 내에 얼마만큼 보유됐는지를 관리하고 있어요.
Q3. PA 실무에서 어떤 데이터를 어떻게 활용하나요?
비대면 면접에 기초한 채용 절차를 보다 효율적으로 개선하기 위해, 인성 및 적성 검사 관련 데이터를 분석하기도 해요. 인성 및 적성 검사 항목별 점수를 집계하고, 항목별 점수와 면접 합격 여부의 상관관계 등을 비교해, 어떤 항목이 면접 합격 여부를 잘 예측하는지를 검증하는 식이죠. 직급별 EVP
개선책 마련을 위해, 설문조사 데이터를 수집하고 LPA
분석 기법을 활용하기도 합니다. 국내 기업 I사는 사내 설문조사를 통해 직급별 EVP 데이터를 수집 및 분석하고, 이를 바탕으로 관리자급 직원들에게는 조직 내 성장 기회를 제공하고 주니어급 직원들에게는 외부경쟁력을 쌓을 수 있는 기회를 제공했어요.
Q4. 피플 데이터 분석 노하우를 알려주세요!
기본적인 통계 분석 방법으로도 피플 데이터를 분석하고 인사이트를 도출할 수 있어요. 세계적인 경영학자 모튼 한센 교수도 회귀 분석
기법으로 5000명의 리더에게 공통적으로 나타나는 특징 등을 도출했으니까요. 다만 미래 성과를 예측할 때는 분석 기법과 관련해 주의가 필요합니다. 가설 검정
에 기초한 피플 데이터 분석은 직원 수 등의 독립 변수
와 매출과 같은 종속 변수
의 상관관계
를 분석할 뿐, 인과관계를 입증하거나 새로운 데이터에서의 예측력을 보장하지 못하는 한계가 있어요. 데이터가 없는 새로운 상황에서도 정확한 결과를 도출하는데 초점이 맞춰진 예측 분석 기법에 대해서도 공부해야 하는 이유죠.
링크드인이 선정한 핫한 데이터 직무는?
10회차
2025/03/10
.png&blockId=1b18b21d-a241-8080-a65c-e50fe2e9066b)
취업 준비는 기업 리서치부터 이력서, 자기소개서 작성, 포트폴리오 제작, 면접 준비까지 많은 시간과 노력이 필요한 과정인데요. 이미 ChatGPT를 활용하고 있는 취준생들이 많지만, 취업 준비 과정의 각 단계별로 특화된 AI 툴들이 존재한다는 사실, 알고 계셨나요?
자기소개서 작성에 최적화된 AI, 포트폴리오 제작을 도와주는 툴, 채용 트렌드를 분석해주는 인공지능까지! 이번 뉴스레터에서는 취업 준비 시간은 반으로 줄여주고 퀄리티는 두 배로 올려줄 AI 툴 7가지를 소개합니다. 각 툴의 특징과 활용법, 그리고 실제 사용 팁까지 함께 알려드릴게요!
지원 기업과 직무 리서치가 필요할 때 + 개인 맞춤형 이력서를 작성하고 싶을 때
1. Gemini AI
구글의 생성형 AI인 Gemini는 구글 검색과의 긴밀한 연동으로 취업 준비에 필요한 최신 직무 정보와 업계 동향 조사에 탁월한 성능을 보이고 있어요. 특정 기업과 직무의 채용 공고를 분석하여 요구 역량과 우대사항을 파악할 수 있고, 국내뿐 아니라 해외 직무 트렌드와 산업 변화까지 폭넓게 조사할 수 있어 글로벌 취업을 준비하는 이들에게도 큰 도움이 됩니다.
또한, 구글 드라이브에 있는 기존 문서들을 활용해 자신의 경력과 직무 관련 기록을 분석하고 맞춤형 이력서를 작성할 수 있는 것도 큰 장점이죠.

출처: Gemini AI
기본 버전은 무료로 사용 가능, 더 강력한 기능(구글 드라이브 통합, 고급 AI 기능)은 유료 구독 필요
기업별 맞춤형 자기소개서를 작성하고 싶을 때
2. 뤼튼 AI
한국어에 최적화된 AI 글쓰기 도구인 뤼튼은 자기소개서 작성에 탁월한 성능을 보여줍니다. 취준생의 경험과 강점을 자연스럽게 풀어내는 데 도움을 주고, 작성한 글의 문체와 톤을 상황에 맞게 조정할 수 있어 다양한 기업의 분위기에 맞춘 서류를 준비할 수 있어요. 특히 중복되는 표현이나 어색한 문장을 자동으로 개선해주는 기능이 유용하죠.

출처: 뤼튼 AI
ChatGPT만 알고 있었다면? 취업 준비 단계별 AI 툴 7가지
10회차
2025/03/10

.png&blockId=1a28b21d-a241-80e6-b6f0-c5b86e29c23c)
Q1. Product Manager 박성준님을 소개해주세요!
현재는 PM으로 일하는 것 외에도 브런치에서 PM 관련 글을 연재하고, 여러 곳에서 특강을 진행하며 제가 얻은 인사이트를 나누고 있어요. PM은 개발자처럼 코드를, 디자이너처럼 디자인 결과물을 남기기는 어려워요. 그래서 어떻게 하면 현장에서 얻은 인사이트를 잘 정리해서 다른 사람들에게 전달할 수 있을까 고민했죠. 장기적으로는 AI 시대에 IT를 잘 모르는 사람들에게 디지털 세상과 오프라인 세상을 어떻게 연결할 수 있는지 전달하는 크리에이터이자 작가로 성장하고 싶습니다.
Q2. PM은 어떤 업무를 수행하나요?
PM은 단순히 제품을 기획하는 역할이 아니라, 제품의 생애 주기를 관리하고, 비즈니스 목표에 맞춰 최적의 방향으로 성장시키는 역할이라고 생각합니다. 기획부터 개발, 운영, 개선까지 전반적인 과정을 책임지며, 각 단계에서 적절한 의사결정을 내리는 것이 핵심이죠. 특히, 다양한 부서와 협업하며 사용자의 니즈를 반영해 프로덕트를 개선하는 것이 PM의 중요한 미션이에요.
저는 QA, 즉 품질 보증(Quality Assurance) 섹션의 PM을 맡고 있어요. 크게 두 가지 역할을 하는데, 하나는 웹이나 앱 배포 전에 버그를 찾고 제대로 작동하는지 테스트하는 것이고, 다른 하나는 상품 품질을 관리하는 거예요. 특히 저는 후자에 더 집중하고 있는데, 쿠팡이 중개 플랫폼이다 보니 수많은 상품이 내부 가이드라인에 맞게 관리 및 운영되고 있는지 확인하는 게 중요하기 때문이죠.
Q3. PM은 데이터를 어떻게 활용하나요?
현재 제가 맡고 있는 QA PM 직무에서는 세 가지 핵심 지표를 중심으로 데이터를 활용하고 있어요. 완수율, 불량률, 그리고 VoC
예요. 쿠팡은 중개 플랫폼이다 보니 수많은 상품의 품질을 관리해야 하는데, 고객이 상품을 받는 경험이 곧 서비스 경험이 되거든요. 그래서 품질 관리가 고객 만족도에 직결됩니다.
처음에는 엑셀로 고객 데이터와 품질 데이터를 수집하고 분석했는데, 이제는 내부 데이터 시스템으로 마이그레이션
하는 작업을 진행하고 있어요. 이렇게 수집된 데이터를 바탕으로 데이터팀, 개발팀과 협업하며, 단순한 데이터 분석을 넘어 실제 서비스 품질을 개선하는 방향으로 연결하고 있습니다. PM은 단순히 데이터를 해석하는 것뿐만 아니라, 그 데이터를 기반으로 어떤 의사결정을 내릴지 판단하는 역할이 중요하기 때문에, 감이 아닌 데이터로 소통하는 게 핵심이에요.
경력 없이도 PM 취업에 도전해도 될까요?
9회차
2025/02/24


Q1. 데이터 분석가 이보민님을 소개해주세요!
안녕하세요! 동료들과 함께 데이터 분석 교육 플랫폼 ‘데이터리안’을 창업하고, 강의 제작 등 플랫폼 성장에 필요한 모든 일을 하고 있는 이보민입니다. ‘잡플래닛’에서 데이터 분석가로 커리어를 시작했어요. 학부 시절 개발 동아리 활동을 하며, 화학공학과 출신 선배가 데이터 분석가로 일하게 됐다는 소식을 접했습니다. 개발과 전공 지식을 활용할 수 있다는 점에서 데이터 분석가라는 직무가 매력적으로 다가왔고, 채용 플랫폼이라는 도메인은 제 관심사와 강점을 살릴 수 있는 분야라 선택했어요. 취미로 채용 공고를 읽으며 쌓은 도메인 지식을 바탕으로 더 큰 임팩트를 낼 수 있을 거라 생각했죠. 데이터 분석가로 일하며 SQL
강의 등 교육 콘텐츠가 부족하다는 걸 느꼈고, 문제 의식을 공유하는 동료들과 함께 데이터리안을 창업하게 됐어요.
Q2. 데이터 분석가는 어떤 업무를 수행하나요?
데이터 분석가의 업무는 어떤 회사의 어떤 조직에서 일하느냐에 따라 달라져요. 회사에 따라 인하우스
와 에이전시
데이터 분석가 그리고 조직에 따라 프로덕트와 마케팅 데이터 분석가 등으로 나눠지는 식이죠. ‘잡플래닛’ 인하우스 프로덕트 데이터 분석가로 일하면서, 다양한 서비스와 기능 등 프로덕트의 매출 성과를 측정 및 분석하는 업무를 수행했어요. 기획자·개발자·디자이너 등 프로덕트팀 동료와 협업하는 경우가 많았고, 필요에 따라 운영팀·CS팀 등이 필요로 하는 데이터를 전달하는 식으로 타부서와 협업하기도 했죠. ‘데이터리안’에서도 데이터 분석을 바탕으로 마케팅 전략을 세우고 있어요. GA4
등의 툴을 활용해 유입경로별 결제 전환율을 비교하고, 전환율이 비교적 높은 채널을 중심으로 광고를 노출하는 식이죠.
Q3. 데이터 분석으로 업무 성과를 개선한 사례를 설명해주세요!
잡플래닛 데이터 분석가로 일할 당시, 퍼널
분석을 바탕으로 멤버십 결제율을 높이는 프로젝트를 진행했어요. 매출과 직결된 결제 구간을 분석하고 전환율을 개선하면, 매출 기여도 등 임팩트를 가시적으로 보여줄 수 있을 것이라는 이유에서였습니다. 웹사이트 내에서 결제 페이지로 랜딩되는 경로별 전환율을 비교 분석하고, 개선에 필요한 비용 대비 전환율 제고 기대치가 가장 높은 경로를 찾는 식으로 프로젝트를 수행했죠. 그렇게 별도의 개발 없이 페이지 디자인 및 문구 수정만으로 전환율 제고를 기대할 수 있는 경로를 발견 및 개선했고, 명시적인 수준으로 결제율을 높이는 성과를 거뒀어요. 이러한 성과를 거둘 수 있었던 배경에는 어떤 데이터를 어떻게 분석할지에 대한 고민이 있었어요. 원하는 지표를 보려면 어떤 데이터가 있어야 하고, 해당 데이터를 어떤 부서와 협업해서 만들어야 하는지 등을 끊임없이 질문하는 식이었죠.
Q4. 비전공자가 데이터 분석가로 취업하려면, 가장 먼저 무엇을 해야 할까요?
채용 공고를 꼼꼼히 읽는 것이 취업을 위한 첫걸음이 돼야 한다고 생각해요. 채용 공고에 자격 요건과 우대사항, 즉 기업이 필요로 하는 역량이 구체적으로 나타나 있기 때문이죠. 자격 요건은 해당 직무를 당장 수행하기 위해 반드시 필요한 역량, 우대 사항은 해당 직무를 수행할 때 도움이 되지만 필수까진 아닌 역량으로 이해해주시면 좋아요. 다양한 데이터 분석가 채용 공고를 모아 보면서, 자격요건에 공통적으로 언급된 스킬 등을 중심으로 취업 준비하시길 추천 드리는 이유입니다. 그렇게 쌓은 스킬을 자소서나 포트폴리오 등에서 강조할 때는 구체적 사례를 함께 제시하시면 좋아요. 이를테면 SQL을 활용한 분석 사례 및 GA4를 활용해 진행한 프로젝트 성과 등을 소개하며, 무슨 목표를 달성하기 위해 어떤 스킬을 활용했는지를 자연스럽게 보여주는 식이죠.
데이터리안 세미나에서 강연하신 카드회사 카드금융팀 마케터 분의 사례를 예시로 설명드려 볼게요. 이 분은 채용 공고를 분석해 ‘데이터 드리븐 마케팅 및 기획’ 역량을 강조하자는 전략을 세우셨고, 이와 관련해 인스타그램 계정을 활용한 마케팅을 실천하셨어요. RFM
분석 기법을 활용해 인스타그램 팔로워를 분류하고 맞춤형 소통 전략을 통해 광고 수익 등의 성과를 창출하셨죠. 이처럼 채용 공고라는 표지판을 참고해 포트폴리오 등을 준비하시면, 효율적으로 ‘취뽀’라는 정상에 도달하실 수 있을 거예요.
데이터 분석가로 취업하려면, 가장 먼저 무엇을 해야 할까요?
8회차
2025/02/10
.png&blockId=0ab9f13f-e8f3-4cd8-a5fc-713c6739309b)

Q1. 그로스 컨설턴트 유성민님을 소개해주세요!
안녕하세요! 데이터를 기반으로 비즈니스 성장을 이끄는 컨설턴트 유성민입니다. 그로스 마케팅 컨설팅 기업 ‘허들러스’의 대표로 활동하고 있어요. 광고 대행사에서 퍼포먼스 마케터로서 커리어를 시작했습니다. GA
등 마케팅 툴을 활용해 광고 데이터를 분석하다 보니, 데이터 분석 및 개발 분야까지 관심사가 확장됐어요. 데이터 기반 그로스 마케팅 컨설팅 기업 ‘허들러스’를 설립한 배경이죠.
허들러스 대표로서 삼성전자 C랩, 한국관광공사 등에 입주한 스타트업 컨설팅을 주로 진행했습니다. 컨설팅을 하면서 가장 설레는 순간은 제가 기획한 전략이 실제 성과로 이어질 때인데요. 실제로 MZ세대 놀거리 콘텐츠 플랫폼 ‘데이트팝’을 컨설팅하면서, 데이터 분석에 기초한 전략으로 ROI
를 이전보다 몇억 원가량 높이는 성과를 거두기도 했습니다. 물론 모든 컨설팅이 성공으로 이어지긴 어렵지만, 일련의 경험은 제가 계속 움직일 수 있는 원동력이 되곤 하죠(웃음)
‘오가닉한 충성고객을 어떻게 늘릴 수 있을까?’에 대한 답을 최종 목표로 설정하고, 마케팅 전략을 기획하시는 것을 추천드려요. ROAS
등 단기 지표에만 집중하면, 자극적인 콘텐츠를 남발하는 문제가 발생할 수 있어요. 그렇게 마케팅 메시지가 일관성을 잃게 되면, 고객 경험이라는 핵심 가치를 놓치는 결과가 발생해요. 오가닉한 충성고객을 얻기는커녕 오히려 잃을 수 있는 셈이죠. 퍼포먼스 마케팅처럼 ROAS 등 특정 지표를 지나치게 강조하는 표현들을 지양하는 이유도 여기에 있어요.
KPI 역시 ROAS뿐만 아니라 다양한 지표를 종합적으로 고려하는 식으로 설정해보시면 좋아요. 효율이라는 나무에만 집중하다 보면, 마케팅 목표라는 숲을 놓치는 문제가 발생할 수 있기 때문이죠. ROAS가 영업 이익과 비례하지 않는 경우를 일례로 설명드릴께요. A브랜드는 광고비 100만 원으로 ROAS 500%를 기록해 매출 500만 원을 올렸고, B브랜드는 광고비 1,000만 원으로 ROAS 200%로 매출 2,000만 원을 올렸다고 가정해보겠습니다. ROAS로만 판단하면 A브랜드가 B브랜드보다 좋은 성과를 거둔 것으로 보입니다. 하지만 영업이익이 실제로 높은 건 B브랜드입니다. ROAS 뿐만 아니라 광고비 등 다양한 지표를 함께 고려하는 식으로 KPI를 설정해야 하는 이유죠.
Q3. 데이터 분석 결과를 바탕으로 마케팅 전략을 수립하는 과정을 설명해주세요!
채널별 유입 비율에 따라 마케팅 전략을 수립하는 과정을 예시로 설명드릴께요. A브랜드와 B브랜드 각각 5,000명이 유입되었다고 가정해보겠습니다. A는 80%가 광고 유입이고 B는 50%가 검색 유입이라면, 어떤 브랜드의 생존확률이 높을까요? 바로 B입니다. 검색 유입이 많다는 건 브랜드를 인지하고 있는 고객이 많다는 뜻이기 때문이죠. 반대로 A브랜드는 광고를 멈추면 매출이 감소할 위험이 크겠죠. 따라서 A브랜드는 오가닉 고객
을 확보하기 위해 인스타그램이나 유튜브와 같은 장기적인 전략이 필요합니다. 반면, B브랜드는 이미 많은 오가닉 고객을 충성 고객으로 전환하기 위한 CRM 마케팅에 집중해야 해요. 유입 고객 수가 같아도 채널별 유입 비율이 다르면, 마케팅 전략과 방향성이 완전히 달라져야 하는 이유입니다.
Q4. 마케팅 실무에서 GA를 많이 쓰는 이유와 활용 팁을 알려주실 수 있을까요?
데이터 드리븐 마케터가 되려면 어떤 노력이 필요할까요?
7회차
2025/01/13


Q. ‘데이터 시각화 전문가’ 최정민을 소개해주세요!
기업 데이터 등을 바탕으로 시각화 프로젝트를 진행하는 프랙티셔너(Practitioner)이자 데이터 시각화를 주제로 많은 분들과 소통하는 멘토로서 활동하고 있어요. 대학 및 교육 플랫폼에서 ‘태블로(Tableau)’
를 활용해 데이터를 시각화하는 법을 강의하거나, 초보자들도 쉽게 따라할 수 있는 데이터 시각화 노하우 등을 담은 책을 집필하는 식이죠.
“태블로(Tableau)라는 BI
툴을 잘 쓰려면 어떻게 해야할까”를 고민한 결과, 데이터 시각화 전문가로서의 커리어를 시작하게 됐습니다. 데이터를 그래프나 차트로 표현하는데 특화된 태블로를 쓰면서 데이터 시각화 자체에 관심이 커졌어요. 지난 10년간 데이터 시각화를 활용한 스토리텔링 등을 중심으로 커리어를 확장해왔습니다. 데이터를 근거로 비즈니스 아이디어에 설득력을 더하는 일을 해온 셈이죠.
Q. ‘데이터 시각화’ 역량을 왜 쌓아야 할까요?
데이터를 매개로 소통하려면, 그래프 등 시각화된 결과물을 중심으로 분석 결과를 설명해야 하기 때문이죠. 보고서나 논문 작성은 물론 회사에서 업무를 보고할 때, 표나 차트를 활용하는 경우가 많아요. 그래프, 표, 차트 등 데이터를 시각화한 결과물로 ‘왜 이런 결과가 나왔는지’ 그리고 ‘어떤 점에 주목해야 하는지’ 등 비즈니스 아이디어를 함축적으로 보여줄 수 있다는 이유에서입니다. 데이터 시각화가 커뮤니케이션의 핵심 고리인 셈이죠.
Q. 비즈니스 아이디어 등을 효과적으로 전달하려면, 데이터를 어떻게 시각화해야 할까요?
데이터를 심층적으로 이해하려고 노력해야, 그래프 등을 통해 비즈니스 아이디어를 함축적으로 표현할 수 있다고 생각해요. 데이터를 심층적으로 이해하려면, 데이터를 비판적으로 해석할 필요가 있어요. ‘데이터를 활용해 어떤 문제를 해결해야 하는지’라는 질문을 중심으로 대시보드를 기획하고, 이와 관련해 그래프와 차트 등을 그리는 식이죠. 그렇게 정리한 비즈니스 아이디어를 중심으로 워크플로우
를 구성하면, 데이터에 근거한 문제 해결책 등을 스토리 형식으로 설명하실 수 있을 거예요.
Q. ‘데후배’는 어떤 데이터를 활용해 데이터 시각화를 연습해볼 수 있을까요?
설문조사나 선거 등 공공데이터를 활용해보시는 것을 추천드려요. 데이터에 대한 접근성, 프로젝트 자유도 모두가 높다는 이유에서입니다. 특히 설문조사 데이터는 개인별 응답 내용까지 확인할 수 있을 정도로 구체적이에요. 설문조사 데이터는 MDIS(마이크로데이터 통합서비스), 선거 데이터는 선거관리위원회 웹페이지 등에서 쉽게 다운받으실 수 있어요.
데이터 시각화 역량은 어떻게 쌓을 수 있을까요?
6회차
2024/12/30
.png&blockId=b8e60f27-7afa-46f4-8404-4aab1ea3a5a5)

1. 데이터 사이언티스트 오수은을 소개해 주세요.
안녕하세요! SK C&C에서 데이터 사이언티스트
로 일하고 있는 오수은입니다. 데이터 분석 및 AI 모델 등을 바탕으로, 하이닉스 등 관계사에 공장 수율 제고책을 비롯한 다양한 컨설팅을 제안하는 업무를 수행하고 있어요. 데이터를 근거로 문제를 정의하고 해결책을 제시하는 프로젝트가 주요 업무인 셈이죠.
학부 때는 경제·통계 등 문과 계열을 전공했어요. 브랜드 마케팅과 관련해 인턴을 하면서, 도메인 경험이 많은 개인 의견을 근거로 프로젝트가 진행되는 사례를 많이 겪었습니다. 일련의 경험을 통해 프로젝트의 설득력을 높이려면, 데이터 등 정량적인 수치가 뒷받침돼야 한다는 인사이트를 얻었어요. 대학원에서 데이터 사이언스를 전공하게 된 배경이죠. 데이터 전공자를 원하는 시장 수요도 무시할 순 없었죠 
2. 데이터 직무로 취업하려면 대학원에 가야할까요?
직무 성격에 따라 대학원 진학 필요성이 달라질 수 있다고 생각해요. 다양한 도메인 데이터를 분석하고 이와 관련해 최신 분석 기술을 활용해야 하는 직무를 수행하려면, 대학원 수준의 학습이 필요하죠. 데이터 분석 트렌드를 다루는 최신 논문을 이해하고 이를 문제 해결에 적용하는 능력을 길러야, 신속하게 도메인별 데이터 특성을 이해하고 적절한 분석 기법을 활용하는 역량을 발휘할 수 있다는 이유에서입니다. 특히 추천 시스템 개발 등 딥러닝
수준의 전문 지식을 요구하는 직무를 수행하려면, 박사 학위 취득까지 염두에 두실 필요가 있겠죠.
반면 한정된 도메인에서 데이터 추출 및 분석 업무를 수행하는 직무를 희망하시면, 대학원 진학이 필수가 아닐 수도 있어요. 무신사·토스처럼 자사 데이터가 실시간으로 업데이트되는 기업에선 상황에 따라 필요한 데이터를 전문적으로 추출하는 직무를 필요로 하는 경우가 많아요. 해당 직무 핵심 역량은 데이터 추출에 필요한 쿼리문
을 작성하는 요령과 추출한 데이터를 조직에 리포팅하는 능력인데, 쿼리문 작성과 관련해선 MySQL
과 같은 DBMS
활용법을 익히고 리포팅과 관련해선 ‘POWER BI’
등으로 비즈니스 대시보드 만드는 경험을 쌓아야 하거든요. 실무 역량에 더 중점을 둘 가능성이 높은 거죠.
3. 문과생도 데이터 관련 대학원에 진학할 수 있을까요?
이과생 수준으로 데이터 관련 지식을 쌓겠다는 각오를 해야, 대학원 진학이 의미 있는 성과로 이어진다고 생각해요. 이과생들이 학부 시절에 배웠던 알고리즘 기초나 파이썬 등을 모르는 상황에서 대학원에 진학하면, 강의 진도를 따라가기도 벅차고 실무 경쟁에서도 뒤처질 수밖에 없기 때문이죠. 저도 통계나 알고리즘 프로그래밍 관련 계절 학기를 수강하고, 파이썬 개인 과외를 받는 등 절대적인 학습 시간을 늘렸어요. 동기들이 2시간 만에 끝낸 파이썬
프로그래밍에 6시간을 투자하기도 했죠. 희망하는 직무가 필요로 하는 역량과 학위 취득에 필요한 시간·노력 등을 종합적으로 고려해서, 대학원 진학 여부를 결정하시면 좋을 것 같아요.
4. 대학원 진학을 희망하는 문과생은 어떤 준비를 해야 할까요?
우선 본인이 전공하고 싶은 분야를 선택하셔야겠죠. NLP
, VISION AI
등 분야별로 선행 학습할 내용이 다르기 때문에, 분야에 따라 학습 전략도 달라질 거예요. 어떤 학교로 진학해야 하는지가 고민되신다면, 선택하신 분야에서 어떤 학교의 교수 또는 LAB실이 가장 많은 논문을 발표하는지 또는 세미나를 많이 개최하는지 등을 확인해보시면 좋아요. 교수나 LAB실별 논문 발표 및 세미나 개최 수가 인기도와 비례하는 경우가 많기 때문이죠. 진학을 희망하는 학교를 정하셨으면, 학교 연구실 홈페이지 등을 통해 논문 세미나 정보를 찾아보시거나 공개 컨퍼런스에 참여해서 연구 내용 등을 파악해보시는 것을 추천 드려요.
데이터 직무로 취업하려면 대학원에 가야할까요?
4회차
2024/12/02
.png&blockId=1ecbbdce-33f5-4562-8d74-f1d5cd012111)

1. 생성형 AI 강사 박조은을 소개해주세요!
안녕하세요! 온라인 교육 플랫폼, 유튜브 채널 ‘오늘코드’에서 생성형 AI, 파이썬
데이터 분석 등을 주제로 강의하는 박조은입니다. 게임 및 광고 회사에서 백엔드
개발자로 애플리케이션을 개발하고 비즈니스 대시보드
등을 만들어왔어요. 데이터 분석에 가장 가까웠던 업무는 매일 업데이트 되는 데이터를 가공해 비즈니스 지표를 만들고 시각화하는 일이었습니다. 생성형 AI 강사는 ‘N잡러’ 커리어의 한 축이에요. 육아를 위해 N잡러 생활을 시작했고 데이터 분석 프로젝트, 마이크로소프트 MVP
등 커뮤니티 활동을 이어가던 중, 생성형 AI라는 게임 체인저가 등장했습니다. 처음에는 생성형 AI로 인해 내 역할이 축소되지 않을까 좌절하기도 했어요. 하지만 사람마다 생성형 AI를 달리 쓰는 모습을 보면서, 생성형 AI가 데이터 분석의 효율은 물론 접근성까지 높이는 도구가 될 수 있다고 생각하게 됐습니다. 생성형 AI를 주제로 한 네트워킹, 즉 생성형 AI 강사로 활동하게 된 배경이죠.
2. 문과도 생성형 AI로 데이터 분석할 수 있을까요?
데이터 리터러시 수준에 따라 프롬프트 작성 역량이 결정되고, 프롬프트
작성 역량이 결국 데이터 분석의 질을 결정한다고 생각해요. 데이터 리터러시란 데이터를 어떤 부분들로 나눌지 그리고 부분들을 총체적으로 해석해 어떤 의미를 부여할지 결정하는 능력이에요. 라면 조리법을 봉지 뜯기-물 끓이기 등의 단계로 세분화하고, 라면 식감과 관련해 물 온도에 의미를 부여하는 식이죠. 여기서 핵심은 데이터 리터러시가 부족한 상태에서 생성형 AI에 데이터 분석을 요청하면, 봉지째 라면을 끓이는 등의 엉뚱한 결과가 도출될 수 있다는 점이에요. 데이터 리터러시를 바탕으로 생성형 AI에 어떤 질문을 던질지를 고민하는 일, 즉 프롬프트 작성을 어떤 과정을 통해 해야하는지에 대한 고민이 데이터 분석의 핵심인 셈이죠. 분석방법론이나 통계학 등에 대한 리터러시를 추가 학습하신다면, 생성형 AI 활용에 날개를 다실 수 있을 거예요.
3. 데이터 리터러시를 어떻게 기를 수 있을까요?
일상 속 데이터 분석 사례를 살펴보고, 그렇게 익힌 요령을 업무 고민 등에 적용해보는 방법을 추천해요. 예를 들어 자동차를 구매한다고 가정하면, 중고차 여부·연비 등 스펙을 고려해 자동차를 구매하게 되는데 이런 과정이 일상에서 겪는 데이터 분석 과정입니다. 중고차 판매 가격을 책정하기 위해, 차종·연비 관련 데이터를 분석하는 사례가 일례죠. 이처럼 회사에서 데이터 분석 업무를 수행할 때도, 특정한 목적에 따라 어떤 데이터를 수집하고 분석할지를 결정해요. 식품회사에서 옥수수를 수입할 때, 환율·물류 및 저장 비용 데이터 등을 분석해 부가가치를 예측하는 식이죠.
데이터 시각화 사례를 참고하는 것도 도움이 돼요. 신문을 보면서 소비자 물가지수는 선형 그래프로 설문 결과는 원형 그래프로 시각화됐다는 사실을 확인하고, 왜 서로 다른 그래프를 활용했을까를 고민해보는 식입니다. 그렇게 데이터 특성에 따른 시각화 방법을 익히면, 직접 분석한 데이터를 어떻게 시각화해야 할지도 감이 올 거예요.
4. 프롬프트는 어떻게 작성해야 할까요?
짧고 단순한 문장으로 의도한 바를 정확하게 전달하면 좋습니다. 그렇지 않으면 생성형 AI가 요청하지 않은 내용까지 수행하면서, 답변이 왜곡되는 문제 등이 발생하기도 하거든요. “원문을 살려서 번역해줘”라는 프롬프트 없이 단순 번역을 요청하면, 의역을 남발하면서 번역의 질이 떨어지는 식이죠. 의도하는 바를 짧고 단순한 문장으로 표현하기 어렵다면, 프롬프트 자체를 GPT와 함께 써보셔도 괜찮아요. “A라는 업무를 진행하려고 하는데 프롬프트를 어떻게 작성해야 할까” 이렇게 질문하면, GPT가 키워드를 제시해줘요. 해당 키워드를 취사 선택해서 프롬프트를 작성하면, 의도한 바를 보다 쉽게 전달할 수 있을 거예요. 제가 실제로 쓰는 방법이기도 해요 
프롬프트 작성이 끝났으면, 해당 프롬프트를 여러 LLM
서비스에 동시에 입력해보는 방법도 추천해요. LLM 서비스별 답변을 서로 비교하는 과정에서, AI 할루시네이션 검증은 물론 답변 퀄리티를 높일 수 있기 때문이죠.
문과도 Chat GPT로 데이터 분석할 수 있을까요?
3회차
2024/11/18
1 고민상담소 보기
.png&blockId=1b18b21d-a241-80ea-9b15-d21215840d57)

Q1. People Analyst(PA) 이중학님을 소개해주세요!
안녕하세요. 가천대학교 경영학부 이중학 교수입니다. HR
데이터 분석 전공으로 연구 및 기업 컨설팅 등을 하고 있어요. 롯데인재개발원에서 DT인재육성팀장으로 근무했고, 현대차그룹 기업경영연구원에서 핵심인재 데이터 관련 업무를 하며 People Analyst(PA)로서의 커리어 패스를 걸어왔습니다.
People Analytics란 피플 데이터
를 다양한 방식으로 분석해 비즈니스 문제 해결에 활용하는 기법으로, 기업 DT
가속화에 따라 그 중요성이 확대되고 있어요. 채용·승진 등 인재와 관련한 의사결정이 데이터와 알고리즘을 바탕으로 이뤄지는 방향으로 변하고 있다는 뜻이죠. PA가 최근 5년간 미국에서 가장 떠오로는 직업 2위인 이유도 여기에 있다고 생각합니다.
Q2. PA는 어떤 업무를 수행하나요?
PA는 크게 예측적, 기술적(descriptive), 최적화적 분석 업무를 수행해요. 예측적 분석이란 채용 단계에서 지원자의 퇴사 확률이나 업무 수행 능력 등을 확인하는 데 쓰여요. 기술적 분석은 직원 근속연수와 매출 등 기업 조직 내 다양한 변수 간의 관계를 파악하는 것이 목적이고, 최적화적 분석은 제한된 인적 자원을 적재적소에 배치해 최상의 결과를 도출하는 기법입니다. 현장에서 가장 관심을 보이는 분야는 예측적 분석이에요. DT 가속화에 따라 비즈니스 모델이 급변하면서, 인재의 성장가능성을 예측하는 업무의 중요성이 확대됐기 때문이죠.
AI 및 로봇과의 협업이 확대되는 상황에서, PA는 조직 구성원들이 개발해야할 업무 역량뿐만 아니라 이와 관련한 동기 부여 방법까지 함께 고민하고 있어요. DT 실행의 주체인 조직 구성원들에게 업무 방식을 바꿔야 하는 이유를 충분히 설명하지 못하면, AI 도입·빅데이터 활용 등 관련 논의가 뜬구름 잡는 소리로 여겨지는 문제가 발생할 수 있기 때문입니다. 실제로 세계적 IT 기업 IBM은 DT 동기부여와 관련해 직원들에게 업스킬링
배지를 부여하면서, 동시에 관련 역량이 조직 내에 얼마만큼 보유됐는지를 관리하고 있어요.
Q3. PA 실무에서 어떤 데이터를 어떻게 활용하나요?
비대면 면접에 기초한 채용 절차를 보다 효율적으로 개선하기 위해, 인성 및 적성 검사 관련 데이터를 분석하기도 해요. 인성 및 적성 검사 항목별 점수를 집계하고, 항목별 점수와 면접 합격 여부의 상관관계 등을 비교해, 어떤 항목이 면접 합격 여부를 잘 예측하는지를 검증하는 식이죠. 직급별 EVP
개선책 마련을 위해, 설문조사 데이터를 수집하고 LPA
분석 기법을 활용하기도 합니다. 국내 기업 I사는 사내 설문조사를 통해 직급별 EVP 데이터를 수집 및 분석하고, 이를 바탕으로 관리자급 직원들에게는 조직 내 성장 기회를 제공하고 주니어급 직원들에게는 외부경쟁력을 쌓을 수 있는 기회를 제공했어요.
Q4. 피플 데이터 분석 노하우를 알려주세요!
기본적인 통계 분석 방법으로도 피플 데이터를 분석하고 인사이트를 도출할 수 있어요. 세계적인 경영학자 모튼 한센 교수도 회귀 분석
기법으로 5000명의 리더에게 공통적으로 나타나는 특징 등을 도출했으니까요. 다만 미래 성과를 예측할 때는 분석 기법과 관련해 주의가 필요합니다. 가설 검정
에 기초한 피플 데이터 분석은 직원 수 등의 독립 변수
와 매출과 같은 종속 변수
의 상관관계
를 분석할 뿐, 인과관계를 입증하거나 새로운 데이터에서의 예측력을 보장하지 못하는 한계가 있어요. 데이터가 없는 새로운 상황에서도 정확한 결과를 도출하는데 초점이 맞춰진 예측 분석 기법에 대해서도 공부해야 하는 이유죠.
링크드인이 선정한 핫한 데이터 직무는?
10회차
2025/03/10

.png&blockId=1a28b21d-a241-80e6-b6f0-c5b86e29c23c)
Q1. Product Manager 박성준님을 소개해주세요!
현재는 PM으로 일하는 것 외에도 브런치에서 PM 관련 글을 연재하고, 여러 곳에서 특강을 진행하며 제가 얻은 인사이트를 나누고 있어요. PM은 개발자처럼 코드를, 디자이너처럼 디자인 결과물을 남기기는 어려워요. 그래서 어떻게 하면 현장에서 얻은 인사이트를 잘 정리해서 다른 사람들에게 전달할 수 있을까 고민했죠. 장기적으로는 AI 시대에 IT를 잘 모르는 사람들에게 디지털 세상과 오프라인 세상을 어떻게 연결할 수 있는지 전달하는 크리에이터이자 작가로 성장하고 싶습니다.
Q2. PM은 어떤 업무를 수행하나요?
PM은 단순히 제품을 기획하는 역할이 아니라, 제품의 생애 주기를 관리하고, 비즈니스 목표에 맞춰 최적의 방향으로 성장시키는 역할이라고 생각합니다. 기획부터 개발, 운영, 개선까지 전반적인 과정을 책임지며, 각 단계에서 적절한 의사결정을 내리는 것이 핵심이죠. 특히, 다양한 부서와 협업하며 사용자의 니즈를 반영해 프로덕트를 개선하는 것이 PM의 중요한 미션이에요.
저는 QA, 즉 품질 보증(Quality Assurance) 섹션의 PM을 맡고 있어요. 크게 두 가지 역할을 하는데, 하나는 웹이나 앱 배포 전에 버그를 찾고 제대로 작동하는지 테스트하는 것이고, 다른 하나는 상품 품질을 관리하는 거예요. 특히 저는 후자에 더 집중하고 있는데, 쿠팡이 중개 플랫폼이다 보니 수많은 상품이 내부 가이드라인에 맞게 관리 및 운영되고 있는지 확인하는 게 중요하기 때문이죠.
Q3. PM은 데이터를 어떻게 활용하나요?
현재 제가 맡고 있는 QA PM 직무에서는 세 가지 핵심 지표를 중심으로 데이터를 활용하고 있어요. 완수율, 불량률, 그리고 VoC
예요. 쿠팡은 중개 플랫폼이다 보니 수많은 상품의 품질을 관리해야 하는데, 고객이 상품을 받는 경험이 곧 서비스 경험이 되거든요. 그래서 품질 관리가 고객 만족도에 직결됩니다.
처음에는 엑셀로 고객 데이터와 품질 데이터를 수집하고 분석했는데, 이제는 내부 데이터 시스템으로 마이그레이션
하는 작업을 진행하고 있어요. 이렇게 수집된 데이터를 바탕으로 데이터팀, 개발팀과 협업하며, 단순한 데이터 분석을 넘어 실제 서비스 품질을 개선하는 방향으로 연결하고 있습니다. PM은 단순히 데이터를 해석하는 것뿐만 아니라, 그 데이터를 기반으로 어떤 의사결정을 내릴지 판단하는 역할이 중요하기 때문에, 감이 아닌 데이터로 소통하는 게 핵심이에요.
경력 없이도 PM 취업에 도전해도 될까요?
9회차
2025/02/24


Q1. 데이터 분석가 이보민님을 소개해주세요!
안녕하세요! 동료들과 함께 데이터 분석 교육 플랫폼 ‘데이터리안’을 창업하고, 강의 제작 등 플랫폼 성장에 필요한 모든 일을 하고 있는 이보민입니다. ‘잡플래닛’에서 데이터 분석가로 커리어를 시작했어요. 학부 시절 개발 동아리 활동을 하며, 화학공학과 출신 선배가 데이터 분석가로 일하게 됐다는 소식을 접했습니다. 개발과 전공 지식을 활용할 수 있다는 점에서 데이터 분석가라는 직무가 매력적으로 다가왔고, 채용 플랫폼이라는 도메인은 제 관심사와 강점을 살릴 수 있는 분야라 선택했어요. 취미로 채용 공고를 읽으며 쌓은 도메인 지식을 바탕으로 더 큰 임팩트를 낼 수 있을 거라 생각했죠. 데이터 분석가로 일하며 SQL
강의 등 교육 콘텐츠가 부족하다는 걸 느꼈고, 문제 의식을 공유하는 동료들과 함께 데이터리안을 창업하게 됐어요.
Q2. 데이터 분석가는 어떤 업무를 수행하나요?
데이터 분석가의 업무는 어떤 회사의 어떤 조직에서 일하느냐에 따라 달라져요. 회사에 따라 인하우스
와 에이전시
데이터 분석가 그리고 조직에 따라 프로덕트와 마케팅 데이터 분석가 등으로 나눠지는 식이죠. ‘잡플래닛’ 인하우스 프로덕트 데이터 분석가로 일하면서, 다양한 서비스와 기능 등 프로덕트의 매출 성과를 측정 및 분석하는 업무를 수행했어요. 기획자·개발자·디자이너 등 프로덕트팀 동료와 협업하는 경우가 많았고, 필요에 따라 운영팀·CS팀 등이 필요로 하는 데이터를 전달하는 식으로 타부서와 협업하기도 했죠. ‘데이터리안’에서도 데이터 분석을 바탕으로 마케팅 전략을 세우고 있어요. GA4
등의 툴을 활용해 유입경로별 결제 전환율을 비교하고, 전환율이 비교적 높은 채널을 중심으로 광고를 노출하는 식이죠.
Q3. 데이터 분석으로 업무 성과를 개선한 사례를 설명해주세요!
잡플래닛 데이터 분석가로 일할 당시, 퍼널
분석을 바탕으로 멤버십 결제율을 높이는 프로젝트를 진행했어요. 매출과 직결된 결제 구간을 분석하고 전환율을 개선하면, 매출 기여도 등 임팩트를 가시적으로 보여줄 수 있을 것이라는 이유에서였습니다. 웹사이트 내에서 결제 페이지로 랜딩되는 경로별 전환율을 비교 분석하고, 개선에 필요한 비용 대비 전환율 제고 기대치가 가장 높은 경로를 찾는 식으로 프로젝트를 수행했죠. 그렇게 별도의 개발 없이 페이지 디자인 및 문구 수정만으로 전환율 제고를 기대할 수 있는 경로를 발견 및 개선했고, 명시적인 수준으로 결제율을 높이는 성과를 거뒀어요. 이러한 성과를 거둘 수 있었던 배경에는 어떤 데이터를 어떻게 분석할지에 대한 고민이 있었어요. 원하는 지표를 보려면 어떤 데이터가 있어야 하고, 해당 데이터를 어떤 부서와 협업해서 만들어야 하는지 등을 끊임없이 질문하는 식이었죠.
Q4. 비전공자가 데이터 분석가로 취업하려면, 가장 먼저 무엇을 해야 할까요?
채용 공고를 꼼꼼히 읽는 것이 취업을 위한 첫걸음이 돼야 한다고 생각해요. 채용 공고에 자격 요건과 우대사항, 즉 기업이 필요로 하는 역량이 구체적으로 나타나 있기 때문이죠. 자격 요건은 해당 직무를 당장 수행하기 위해 반드시 필요한 역량, 우대 사항은 해당 직무를 수행할 때 도움이 되지만 필수까진 아닌 역량으로 이해해주시면 좋아요. 다양한 데이터 분석가 채용 공고를 모아 보면서, 자격요건에 공통적으로 언급된 스킬 등을 중심으로 취업 준비하시길 추천 드리는 이유입니다. 그렇게 쌓은 스킬을 자소서나 포트폴리오 등에서 강조할 때는 구체적 사례를 함께 제시하시면 좋아요. 이를테면 SQL을 활용한 분석 사례 및 GA4를 활용해 진행한 프로젝트 성과 등을 소개하며, 무슨 목표를 달성하기 위해 어떤 스킬을 활용했는지를 자연스럽게 보여주는 식이죠.
데이터리안 세미나에서 강연하신 카드회사 카드금융팀 마케터 분의 사례를 예시로 설명드려 볼게요. 이 분은 채용 공고를 분석해 ‘데이터 드리븐 마케팅 및 기획’ 역량을 강조하자는 전략을 세우셨고, 이와 관련해 인스타그램 계정을 활용한 마케팅을 실천하셨어요. RFM
분석 기법을 활용해 인스타그램 팔로워를 분류하고 맞춤형 소통 전략을 통해 광고 수익 등의 성과를 창출하셨죠. 이처럼 채용 공고라는 표지판을 참고해 포트폴리오 등을 준비하시면, 효율적으로 ‘취뽀’라는 정상에 도달하실 수 있을 거예요.
데이터 분석가로 취업하려면, 가장 먼저 무엇을 해야 할까요?
8회차
2025/02/10
.png&blockId=0ab9f13f-e8f3-4cd8-a5fc-713c6739309b)

Q1. 그로스 컨설턴트 유성민님을 소개해주세요!
안녕하세요! 데이터를 기반으로 비즈니스 성장을 이끄는 컨설턴트 유성민입니다. 그로스 마케팅 컨설팅 기업 ‘허들러스’의 대표로 활동하고 있어요. 광고 대행사에서 퍼포먼스 마케터로서 커리어를 시작했습니다. GA
등 마케팅 툴을 활용해 광고 데이터를 분석하다 보니, 데이터 분석 및 개발 분야까지 관심사가 확장됐어요. 데이터 기반 그로스 마케팅 컨설팅 기업 ‘허들러스’를 설립한 배경이죠.
허들러스 대표로서 삼성전자 C랩, 한국관광공사 등에 입주한 스타트업 컨설팅을 주로 진행했습니다. 컨설팅을 하면서 가장 설레는 순간은 제가 기획한 전략이 실제 성과로 이어질 때인데요. 실제로 MZ세대 놀거리 콘텐츠 플랫폼 ‘데이트팝’을 컨설팅하면서, 데이터 분석에 기초한 전략으로 ROI
를 이전보다 몇억 원가량 높이는 성과를 거두기도 했습니다. 물론 모든 컨설팅이 성공으로 이어지긴 어렵지만, 일련의 경험은 제가 계속 움직일 수 있는 원동력이 되곤 하죠(웃음)
‘오가닉한 충성고객을 어떻게 늘릴 수 있을까?’에 대한 답을 최종 목표로 설정하고, 마케팅 전략을 기획하시는 것을 추천드려요. ROAS
등 단기 지표에만 집중하면, 자극적인 콘텐츠를 남발하는 문제가 발생할 수 있어요. 그렇게 마케팅 메시지가 일관성을 잃게 되면, 고객 경험이라는 핵심 가치를 놓치는 결과가 발생해요. 오가닉한 충성고객을 얻기는커녕 오히려 잃을 수 있는 셈이죠. 퍼포먼스 마케팅처럼 ROAS 등 특정 지표를 지나치게 강조하는 표현들을 지양하는 이유도 여기에 있어요.
KPI 역시 ROAS뿐만 아니라 다양한 지표를 종합적으로 고려하는 식으로 설정해보시면 좋아요. 효율이라는 나무에만 집중하다 보면, 마케팅 목표라는 숲을 놓치는 문제가 발생할 수 있기 때문이죠. ROAS가 영업 이익과 비례하지 않는 경우를 일례로 설명드릴께요. A브랜드는 광고비 100만 원으로 ROAS 500%를 기록해 매출 500만 원을 올렸고, B브랜드는 광고비 1,000만 원으로 ROAS 200%로 매출 2,000만 원을 올렸다고 가정해보겠습니다. ROAS로만 판단하면 A브랜드가 B브랜드보다 좋은 성과를 거둔 것으로 보입니다. 하지만 영업이익이 실제로 높은 건 B브랜드입니다. ROAS 뿐만 아니라 광고비 등 다양한 지표를 함께 고려하는 식으로 KPI를 설정해야 하는 이유죠.
Q3. 데이터 분석 결과를 바탕으로 마케팅 전략을 수립하는 과정을 설명해주세요!
채널별 유입 비율에 따라 마케팅 전략을 수립하는 과정을 예시로 설명드릴께요. A브랜드와 B브랜드 각각 5,000명이 유입되었다고 가정해보겠습니다. A는 80%가 광고 유입이고 B는 50%가 검색 유입이라면, 어떤 브랜드의 생존확률이 높을까요? 바로 B입니다. 검색 유입이 많다는 건 브랜드를 인지하고 있는 고객이 많다는 뜻이기 때문이죠. 반대로 A브랜드는 광고를 멈추면 매출이 감소할 위험이 크겠죠. 따라서 A브랜드는 오가닉 고객
을 확보하기 위해 인스타그램이나 유튜브와 같은 장기적인 전략이 필요합니다. 반면, B브랜드는 이미 많은 오가닉 고객을 충성 고객으로 전환하기 위한 CRM 마케팅에 집중해야 해요. 유입 고객 수가 같아도 채널별 유입 비율이 다르면, 마케팅 전략과 방향성이 완전히 달라져야 하는 이유입니다.
Q4. 마케팅 실무에서 GA를 많이 쓰는 이유와 활용 팁을 알려주실 수 있을까요?
데이터 드리븐 마케터가 되려면 어떤 노력이 필요할까요?
7회차
2025/01/13


Q. ‘데이터 시각화 전문가’ 최정민을 소개해주세요!
기업 데이터 등을 바탕으로 시각화 프로젝트를 진행하는 프랙티셔너(Practitioner)이자 데이터 시각화를 주제로 많은 분들과 소통하는 멘토로서 활동하고 있어요. 대학 및 교육 플랫폼에서 ‘태블로(Tableau)’
를 활용해 데이터를 시각화하는 법을 강의하거나, 초보자들도 쉽게 따라할 수 있는 데이터 시각화 노하우 등을 담은 책을 집필하는 식이죠.
“태블로(Tableau)라는 BI
툴을 잘 쓰려면 어떻게 해야할까”를 고민한 결과, 데이터 시각화 전문가로서의 커리어를 시작하게 됐습니다. 데이터를 그래프나 차트로 표현하는데 특화된 태블로를 쓰면서 데이터 시각화 자체에 관심이 커졌어요. 지난 10년간 데이터 시각화를 활용한 스토리텔링 등을 중심으로 커리어를 확장해왔습니다. 데이터를 근거로 비즈니스 아이디어에 설득력을 더하는 일을 해온 셈이죠.
Q. ‘데이터 시각화’ 역량을 왜 쌓아야 할까요?
데이터를 매개로 소통하려면, 그래프 등 시각화된 결과물을 중심으로 분석 결과를 설명해야 하기 때문이죠. 보고서나 논문 작성은 물론 회사에서 업무를 보고할 때, 표나 차트를 활용하는 경우가 많아요. 그래프, 표, 차트 등 데이터를 시각화한 결과물로 ‘왜 이런 결과가 나왔는지’ 그리고 ‘어떤 점에 주목해야 하는지’ 등 비즈니스 아이디어를 함축적으로 보여줄 수 있다는 이유에서입니다. 데이터 시각화가 커뮤니케이션의 핵심 고리인 셈이죠.
Q. 비즈니스 아이디어 등을 효과적으로 전달하려면, 데이터를 어떻게 시각화해야 할까요?
데이터를 심층적으로 이해하려고 노력해야, 그래프 등을 통해 비즈니스 아이디어를 함축적으로 표현할 수 있다고 생각해요. 데이터를 심층적으로 이해하려면, 데이터를 비판적으로 해석할 필요가 있어요. ‘데이터를 활용해 어떤 문제를 해결해야 하는지’라는 질문을 중심으로 대시보드를 기획하고, 이와 관련해 그래프와 차트 등을 그리는 식이죠. 그렇게 정리한 비즈니스 아이디어를 중심으로 워크플로우
를 구성하면, 데이터에 근거한 문제 해결책 등을 스토리 형식으로 설명하실 수 있을 거예요.
Q. ‘데후배’는 어떤 데이터를 활용해 데이터 시각화를 연습해볼 수 있을까요?
설문조사나 선거 등 공공데이터를 활용해보시는 것을 추천드려요. 데이터에 대한 접근성, 프로젝트 자유도 모두가 높다는 이유에서입니다. 특히 설문조사 데이터는 개인별 응답 내용까지 확인할 수 있을 정도로 구체적이에요. 설문조사 데이터는 MDIS(마이크로데이터 통합서비스), 선거 데이터는 선거관리위원회 웹페이지 등에서 쉽게 다운받으실 수 있어요.
데이터 시각화 역량은 어떻게 쌓을 수 있을까요?
6회차
2024/12/30
.png&blockId=b8e60f27-7afa-46f4-8404-4aab1ea3a5a5)

1. 데이터 사이언티스트 오수은을 소개해 주세요.
안녕하세요! SK C&C에서 데이터 사이언티스트
로 일하고 있는 오수은입니다. 데이터 분석 및 AI 모델 등을 바탕으로, 하이닉스 등 관계사에 공장 수율 제고책을 비롯한 다양한 컨설팅을 제안하는 업무를 수행하고 있어요. 데이터를 근거로 문제를 정의하고 해결책을 제시하는 프로젝트가 주요 업무인 셈이죠.
학부 때는 경제·통계 등 문과 계열을 전공했어요. 브랜드 마케팅과 관련해 인턴을 하면서, 도메인 경험이 많은 개인 의견을 근거로 프로젝트가 진행되는 사례를 많이 겪었습니다. 일련의 경험을 통해 프로젝트의 설득력을 높이려면, 데이터 등 정량적인 수치가 뒷받침돼야 한다는 인사이트를 얻었어요. 대학원에서 데이터 사이언스를 전공하게 된 배경이죠. 데이터 전공자를 원하는 시장 수요도 무시할 순 없었죠 
2. 데이터 직무로 취업하려면 대학원에 가야할까요?
직무 성격에 따라 대학원 진학 필요성이 달라질 수 있다고 생각해요. 다양한 도메인 데이터를 분석하고 이와 관련해 최신 분석 기술을 활용해야 하는 직무를 수행하려면, 대학원 수준의 학습이 필요하죠. 데이터 분석 트렌드를 다루는 최신 논문을 이해하고 이를 문제 해결에 적용하는 능력을 길러야, 신속하게 도메인별 데이터 특성을 이해하고 적절한 분석 기법을 활용하는 역량을 발휘할 수 있다는 이유에서입니다. 특히 추천 시스템 개발 등 딥러닝
수준의 전문 지식을 요구하는 직무를 수행하려면, 박사 학위 취득까지 염두에 두실 필요가 있겠죠.
반면 한정된 도메인에서 데이터 추출 및 분석 업무를 수행하는 직무를 희망하시면, 대학원 진학이 필수가 아닐 수도 있어요. 무신사·토스처럼 자사 데이터가 실시간으로 업데이트되는 기업에선 상황에 따라 필요한 데이터를 전문적으로 추출하는 직무를 필요로 하는 경우가 많아요. 해당 직무 핵심 역량은 데이터 추출에 필요한 쿼리문
을 작성하는 요령과 추출한 데이터를 조직에 리포팅하는 능력인데, 쿼리문 작성과 관련해선 MySQL
과 같은 DBMS
활용법을 익히고 리포팅과 관련해선 ‘POWER BI’
등으로 비즈니스 대시보드 만드는 경험을 쌓아야 하거든요. 실무 역량에 더 중점을 둘 가능성이 높은 거죠.
3. 문과생도 데이터 관련 대학원에 진학할 수 있을까요?
이과생 수준으로 데이터 관련 지식을 쌓겠다는 각오를 해야, 대학원 진학이 의미 있는 성과로 이어진다고 생각해요. 이과생들이 학부 시절에 배웠던 알고리즘 기초나 파이썬 등을 모르는 상황에서 대학원에 진학하면, 강의 진도를 따라가기도 벅차고 실무 경쟁에서도 뒤처질 수밖에 없기 때문이죠. 저도 통계나 알고리즘 프로그래밍 관련 계절 학기를 수강하고, 파이썬 개인 과외를 받는 등 절대적인 학습 시간을 늘렸어요. 동기들이 2시간 만에 끝낸 파이썬
프로그래밍에 6시간을 투자하기도 했죠. 희망하는 직무가 필요로 하는 역량과 학위 취득에 필요한 시간·노력 등을 종합적으로 고려해서, 대학원 진학 여부를 결정하시면 좋을 것 같아요.
4. 대학원 진학을 희망하는 문과생은 어떤 준비를 해야 할까요?
우선 본인이 전공하고 싶은 분야를 선택하셔야겠죠. NLP
, VISION AI
등 분야별로 선행 학습할 내용이 다르기 때문에, 분야에 따라 학습 전략도 달라질 거예요. 어떤 학교로 진학해야 하는지가 고민되신다면, 선택하신 분야에서 어떤 학교의 교수 또는 LAB실이 가장 많은 논문을 발표하는지 또는 세미나를 많이 개최하는지 등을 확인해보시면 좋아요. 교수나 LAB실별 논문 발표 및 세미나 개최 수가 인기도와 비례하는 경우가 많기 때문이죠. 진학을 희망하는 학교를 정하셨으면, 학교 연구실 홈페이지 등을 통해 논문 세미나 정보를 찾아보시거나 공개 컨퍼런스에 참여해서 연구 내용 등을 파악해보시는 것을 추천 드려요.
데이터 직무로 취업하려면 대학원에 가야할까요?
4회차
2024/12/02
.png&blockId=1ecbbdce-33f5-4562-8d74-f1d5cd012111)

1. 생성형 AI 강사 박조은을 소개해주세요!
안녕하세요! 온라인 교육 플랫폼, 유튜브 채널 ‘오늘코드’에서 생성형 AI, 파이썬
데이터 분석 등을 주제로 강의하는 박조은입니다. 게임 및 광고 회사에서 백엔드
개발자로 애플리케이션을 개발하고 비즈니스 대시보드
등을 만들어왔어요. 데이터 분석에 가장 가까웠던 업무는 매일 업데이트 되는 데이터를 가공해 비즈니스 지표를 만들고 시각화하는 일이었습니다. 생성형 AI 강사는 ‘N잡러’ 커리어의 한 축이에요. 육아를 위해 N잡러 생활을 시작했고 데이터 분석 프로젝트, 마이크로소프트 MVP
등 커뮤니티 활동을 이어가던 중, 생성형 AI라는 게임 체인저가 등장했습니다. 처음에는 생성형 AI로 인해 내 역할이 축소되지 않을까 좌절하기도 했어요. 하지만 사람마다 생성형 AI를 달리 쓰는 모습을 보면서, 생성형 AI가 데이터 분석의 효율은 물론 접근성까지 높이는 도구가 될 수 있다고 생각하게 됐습니다. 생성형 AI를 주제로 한 네트워킹, 즉 생성형 AI 강사로 활동하게 된 배경이죠.
2. 문과도 생성형 AI로 데이터 분석할 수 있을까요?
데이터 리터러시 수준에 따라 프롬프트 작성 역량이 결정되고, 프롬프트
작성 역량이 결국 데이터 분석의 질을 결정한다고 생각해요. 데이터 리터러시란 데이터를 어떤 부분들로 나눌지 그리고 부분들을 총체적으로 해석해 어떤 의미를 부여할지 결정하는 능력이에요. 라면 조리법을 봉지 뜯기-물 끓이기 등의 단계로 세분화하고, 라면 식감과 관련해 물 온도에 의미를 부여하는 식이죠. 여기서 핵심은 데이터 리터러시가 부족한 상태에서 생성형 AI에 데이터 분석을 요청하면, 봉지째 라면을 끓이는 등의 엉뚱한 결과가 도출될 수 있다는 점이에요. 데이터 리터러시를 바탕으로 생성형 AI에 어떤 질문을 던질지를 고민하는 일, 즉 프롬프트 작성을 어떤 과정을 통해 해야하는지에 대한 고민이 데이터 분석의 핵심인 셈이죠. 분석방법론이나 통계학 등에 대한 리터러시를 추가 학습하신다면, 생성형 AI 활용에 날개를 다실 수 있을 거예요.
3. 데이터 리터러시를 어떻게 기를 수 있을까요?
일상 속 데이터 분석 사례를 살펴보고, 그렇게 익힌 요령을 업무 고민 등에 적용해보는 방법을 추천해요. 예를 들어 자동차를 구매한다고 가정하면, 중고차 여부·연비 등 스펙을 고려해 자동차를 구매하게 되는데 이런 과정이 일상에서 겪는 데이터 분석 과정입니다. 중고차 판매 가격을 책정하기 위해, 차종·연비 관련 데이터를 분석하는 사례가 일례죠. 이처럼 회사에서 데이터 분석 업무를 수행할 때도, 특정한 목적에 따라 어떤 데이터를 수집하고 분석할지를 결정해요. 식품회사에서 옥수수를 수입할 때, 환율·물류 및 저장 비용 데이터 등을 분석해 부가가치를 예측하는 식이죠.
데이터 시각화 사례를 참고하는 것도 도움이 돼요. 신문을 보면서 소비자 물가지수는 선형 그래프로 설문 결과는 원형 그래프로 시각화됐다는 사실을 확인하고, 왜 서로 다른 그래프를 활용했을까를 고민해보는 식입니다. 그렇게 데이터 특성에 따른 시각화 방법을 익히면, 직접 분석한 데이터를 어떻게 시각화해야 할지도 감이 올 거예요.
4. 프롬프트는 어떻게 작성해야 할까요?
짧고 단순한 문장으로 의도한 바를 정확하게 전달하면 좋습니다. 그렇지 않으면 생성형 AI가 요청하지 않은 내용까지 수행하면서, 답변이 왜곡되는 문제 등이 발생하기도 하거든요. “원문을 살려서 번역해줘”라는 프롬프트 없이 단순 번역을 요청하면, 의역을 남발하면서 번역의 질이 떨어지는 식이죠. 의도하는 바를 짧고 단순한 문장으로 표현하기 어렵다면, 프롬프트 자체를 GPT와 함께 써보셔도 괜찮아요. “A라는 업무를 진행하려고 하는데 프롬프트를 어떻게 작성해야 할까” 이렇게 질문하면, GPT가 키워드를 제시해줘요. 해당 키워드를 취사 선택해서 프롬프트를 작성하면, 의도한 바를 보다 쉽게 전달할 수 있을 거예요. 제가 실제로 쓰는 방법이기도 해요 
프롬프트 작성이 끝났으면, 해당 프롬프트를 여러 LLM
서비스에 동시에 입력해보는 방법도 추천해요. LLM 서비스별 답변을 서로 비교하는 과정에서, AI 할루시네이션 검증은 물론 답변 퀄리티를 높일 수 있기 때문이죠.
문과도 Chat GPT로 데이터 분석할 수 있을까요?
3회차
2024/11/18
2-1 데이터 분석 스킬 보기
2-2 자소서 첨삭 보기
2-3 채용 돋보기
.png&blockId=1b18b21d-a241-8080-a65c-e50fe2e9066b)
취업 준비는 기업 리서치부터 이력서, 자기소개서 작성, 포트폴리오 제작, 면접 준비까지 많은 시간과 노력이 필요한 과정인데요. 이미 ChatGPT를 활용하고 있는 취준생들이 많지만, 취업 준비 과정의 각 단계별로 특화된 AI 툴들이 존재한다는 사실, 알고 계셨나요?
자기소개서 작성에 최적화된 AI, 포트폴리오 제작을 도와주는 툴, 채용 트렌드를 분석해주는 인공지능까지! 이번 뉴스레터에서는 취업 준비 시간은 반으로 줄여주고 퀄리티는 두 배로 올려줄 AI 툴 7가지를 소개합니다. 각 툴의 특징과 활용법, 그리고 실제 사용 팁까지 함께 알려드릴게요!
지원 기업과 직무 리서치가 필요할 때 + 개인 맞춤형 이력서를 작성하고 싶을 때
1. Gemini AI
구글의 생성형 AI인 Gemini는 구글 검색과의 긴밀한 연동으로 취업 준비에 필요한 최신 직무 정보와 업계 동향 조사에 탁월한 성능을 보이고 있어요. 특정 기업과 직무의 채용 공고를 분석하여 요구 역량과 우대사항을 파악할 수 있고, 국내뿐 아니라 해외 직무 트렌드와 산업 변화까지 폭넓게 조사할 수 있어 글로벌 취업을 준비하는 이들에게도 큰 도움이 됩니다.
또한, 구글 드라이브에 있는 기존 문서들을 활용해 자신의 경력과 직무 관련 기록을 분석하고 맞춤형 이력서를 작성할 수 있는 것도 큰 장점이죠.

출처: Gemini AI
기본 버전은 무료로 사용 가능, 더 강력한 기능(구글 드라이브 통합, 고급 AI 기능)은 유료 구독 필요
기업별 맞춤형 자기소개서를 작성하고 싶을 때
2. 뤼튼 AI
한국어에 최적화된 AI 글쓰기 도구인 뤼튼은 자기소개서 작성에 탁월한 성능을 보여줍니다. 취준생의 경험과 강점을 자연스럽게 풀어내는 데 도움을 주고, 작성한 글의 문체와 톤을 상황에 맞게 조정할 수 있어 다양한 기업의 분위기에 맞춘 서류를 준비할 수 있어요. 특히 중복되는 표현이나 어색한 문장을 자동으로 개선해주는 기능이 유용하죠.

출처: 뤼튼 AI
ChatGPT만 알고 있었다면? 취업 준비 단계별 AI 툴 7가지
2025/03/10
10회차
3 데선배들의 JD 분석 보기
ⓒ데선배들