2017.09.29

8020 데이터 과학자의 딜레마

Armand Ruiz | InfoWorld
클라우드의 등장으로 데이터가 폭증하면서 데이터 과학자에 대한 수요도 급격히 늘었다. 데이터 과학자는 10년 전에는 존재하지도 않았던 직업이지만 글래스도어(Glassdoor)가 연봉과 직업 만족도, 구인 공고 수를 기반으로 선정하는 미국 최고 직업 순위에서 2년 연속 1위 자리를 차지했다. 심지어 하버드 비즈니스 리뷰(Harvard Business Review)는 데이터 과학자를 "21세기 가장 섹시한 직업"으로 선정했다.


Credit: Getty Images Bank

인구는 늘고 있지만 데이터 과학자를 찾기는 매우 어렵다. 최근 연구에 따르면, 데이터 과학자와 분석가의 수요는 2020년까지 28% 증가할 전망이다. 현재 시장에서 가장 수요가 많은 직종이다. 링크드인에 따르면, 8월 말 기준으로 미국에서 채용 중인 데이터 과학자 일자리 수는 1만 1,000개 이상이다. 특별한 변화가 없다면 이 격차는 앞으로 계속 벌어질 것이다.

상황이 이러하니 데이터 과학자가 더 효율적으로 업무를 수행하도록 돕는 것이 최우선 과제다. 그러나 대부분의 데이터 과학자가 실제 데이터 분석에 보내는 시간은 전체 업무 시간의 20%에 불과하다. 데이터 과학자를 채용한 이유는 알고리즘을 개발하고 머신러닝 모델을 구축하는 데 있다. 또한 데이터 과학자도 일반적으로 자신의 업무에서 이 부분을 가장 즐긴다.

그러나 현재 대부분의 기업에서 데이터 과학자의 귀중한 시간 가운데 80%는 방대한 양의 데이터를 찾고 정제하고 재편성하는 단조로운 작업에 소요된다. 적절한 클라우드 툴 없이 이 상황을 타개하기란 불가능하다.

데이터 과학자, 힘든 작업의 연속
클라우드에 연결된 기기와 시스템을 통해 들어오는 다양한 데이터 스트림을 처리하고 그 의미를 파악할 때 데이터 과학자는 데이터 스토리지 리포지토리, 이른바 데이터 호수 내의 관련 데이터 집합을 파악해야 한다. 이는 결코 간단한 일이 아니다.

많은 조직의 데이터 호수는 현실적으로 쓰레기 매립장이나 다름없고 데이터를 쉽게 검색할 방법이 없으며 공유해도 안전한 데이터에 관한 전략과 정책도 불투명하다. 데이터 과학자는 필요한 데이터를 구하기 위해 여러 부서에 연락하고 그 데이터를 받기까지 몇 주를 기다려야 한다.

게다가 막상 받아보니 필요한 정보가 없거나 더 나쁜 경우 심각한 품질 문제가 있는 경우도 허다하다. 또한 기업 수준의 거버넌스 정책이 혼란스럽고 비일관적이거나 시행하기 어려운 이유로 데이터 거버넌스(또는 데이터 공유 정책)의 책임을 데이터 과학자가 짊어지는 경우도 흔하다.

데이터 과학자가 필요한 데이터를 입수했다 해도 이 데이터를 탐색하고 이해하기 위한 시간이 필요하다. 쉽게 분석할 수 없는 형식의 데이터인 경우도 있고 도움이 되는 메타데이터가 거의 없어 데이터 소유자에게 데이터에 대한 자문을 구해야 할 수도 있다.

이런 모든 과정을 거친 후에도 분석을 위해 데이터를 준비하는 작업이 남았다. 여기에는 데이터를 형식화, 정제, 샘플링하는 과정이 포함된다. 데이터 과학자가 모델 교육을 시작하기 전에 데이터 확장, 해체, 집계 변환이 필요한 경우도 있다.

조직의 구조가 분석 과정의 비효율성을 유발하기도 한다. 데이터 과학자와 개발자는 보통 서로 단절된 상태로 작업한다. 각 그룹은 상호 관련되면서도 개별적인 작업을 수행한다. 여기서 병목 현상이 발생하고 오류 가능성이 높아지고 리소스가 낭비된다. 클라우드 플랫폼을 활용하고 적절한 데이터 거버넌스를 포함한 통합된 접근 방법은 효율성을 높이고 데이터 과학자 간, 개발자와의 협업을 촉진한다.

데이터 과학자 업무가 어려운 이유
많은 시간이 소요되고 지루할 수 있지만 이런 프로세스는 중요하다. 일반적으로 모델은 더 많은 데이터에 노출될수록 더 개선되므로 데이터 과학자는 분석에 최대한 많은 데이터를 포함하는 것이 좋다.

그러나 시한에 쫓기는 데이터 과학자는 최적의 결과보다는 "적당히 좋은" 것을 목표로 잡고, 사용하는 데이터에 대한 타협의 유혹에 빠지기 쉽다.

모델 개발 중 성급한 결정을 내릴 경우 전혀 다른 결과가 나오고 막상 실무 현장에서 모델이 쓸모없게 될 수도 있다. 데이터 과학자는 끊임없이 데이터를 해석해 판정하는데 애초에 그 데이터가 불완전할 경우 잘못된 길로 들어서기 쉽다.

데이터 과학자는 품질과 시간 제약 사이에서 균형을 찾기 위해 일반적으로 한번에 하나의 모델에만 집중한다. 뭔가가 잘못되면 처음부터 다시 시작해야 한다. 사실상 모든 패에 모든 판돈을 걸 수밖에 없고, 이로써 데이터 과학은 운에 좌우되는 도박으로 변질된다.

함정에서 빠져나오기
클라우드 데이터 서비스를 사용해 데이터를 찾고 정제하는 것과 관련된 지루한 과정의 많은 부분을 자동화하면 데이터 과학자는 사용하는 데이터 품질을 타협하지 않고 더 많은 시간을 분석에 투자할 수 있으며 AI와 인지 앱을 위한 최선의 기반을 구축할 수 있다.

견실한 클라우드 데이터 플랫폼은 데이터 과학자가 필요한 데이터를 찾도록 지원하는 지능적인 검색 기능을 제공하며 태그, 주석, 품질 메트릭과 같은 메타데이터는 데이터 집합이 유용한지 여부와 그 데이터 집합에서 가치를 끌어내는 최선의 방법이 무엇인지 알아내는 데 도움이 된다.

또한 데이터 과학자는 통합 데이터 거버넌스 툴을 사용해 자신이 특정 데이터 집합을 사용할 권한이 있는지 여부를 확인하고, 생산된 모델과 결과를 다른 사람들이 책임감 있게 사용할 것임을 확신할 수 있게 된다.

결과적으로 데이터 과학자는 여러 가지 모델을 동시에 구축하고 교육하는 데 필요한 시간을 확보하게 된다. 이를 통해 막다른 길일 가능성도 있는 한가지 접근 방법에 리소스를 집중하는 일 없이 분석 프로젝트의 위험을 분산하고 혁신을 유도하는 실험을 장려할 수 있다.

또한 클라우드 플랫폼은 데이터 과학자에게 모델 저장, 접근, 확장 기능을 제공하므로 새 프로젝트에서 처음부터 새로 시작할 필요 없이 기존 자산을 템플릿으로 사용할 수 있다.

한 가지 문제를 해결하면서 습득한 지식을 보존하고 이를 다른 관련 문제에 적용하는 학습 이전 개념은 머신러닝에서 중요한 화두다. 데이터 과학 툴을 사용한 시각화는 시간을 절약하고 위험을 낮추는 동시에 모델의 원리를 이해시키는 데 도움이 된다.

데이터 과학자는 기업에서 혁신을 추진하고 경쟁 우위를 확보하는 데 필수적인 역할을 한다. 오늘날의 비즈니스 번영에 필요한 클라우드 데이터 툴을 데이터 과학 팀에 제공하면 기업은 80/20 딜레마를 극복하고 앞으로 전진할 수 있다. editor@itworld.co.kr  

2017.09.29

8020 데이터 과학자의 딜레마

Armand Ruiz | InfoWorld
클라우드의 등장으로 데이터가 폭증하면서 데이터 과학자에 대한 수요도 급격히 늘었다. 데이터 과학자는 10년 전에는 존재하지도 않았던 직업이지만 글래스도어(Glassdoor)가 연봉과 직업 만족도, 구인 공고 수를 기반으로 선정하는 미국 최고 직업 순위에서 2년 연속 1위 자리를 차지했다. 심지어 하버드 비즈니스 리뷰(Harvard Business Review)는 데이터 과학자를 "21세기 가장 섹시한 직업"으로 선정했다.


Credit: Getty Images Bank

인구는 늘고 있지만 데이터 과학자를 찾기는 매우 어렵다. 최근 연구에 따르면, 데이터 과학자와 분석가의 수요는 2020년까지 28% 증가할 전망이다. 현재 시장에서 가장 수요가 많은 직종이다. 링크드인에 따르면, 8월 말 기준으로 미국에서 채용 중인 데이터 과학자 일자리 수는 1만 1,000개 이상이다. 특별한 변화가 없다면 이 격차는 앞으로 계속 벌어질 것이다.

상황이 이러하니 데이터 과학자가 더 효율적으로 업무를 수행하도록 돕는 것이 최우선 과제다. 그러나 대부분의 데이터 과학자가 실제 데이터 분석에 보내는 시간은 전체 업무 시간의 20%에 불과하다. 데이터 과학자를 채용한 이유는 알고리즘을 개발하고 머신러닝 모델을 구축하는 데 있다. 또한 데이터 과학자도 일반적으로 자신의 업무에서 이 부분을 가장 즐긴다.

그러나 현재 대부분의 기업에서 데이터 과학자의 귀중한 시간 가운데 80%는 방대한 양의 데이터를 찾고 정제하고 재편성하는 단조로운 작업에 소요된다. 적절한 클라우드 툴 없이 이 상황을 타개하기란 불가능하다.

데이터 과학자, 힘든 작업의 연속
클라우드에 연결된 기기와 시스템을 통해 들어오는 다양한 데이터 스트림을 처리하고 그 의미를 파악할 때 데이터 과학자는 데이터 스토리지 리포지토리, 이른바 데이터 호수 내의 관련 데이터 집합을 파악해야 한다. 이는 결코 간단한 일이 아니다.

많은 조직의 데이터 호수는 현실적으로 쓰레기 매립장이나 다름없고 데이터를 쉽게 검색할 방법이 없으며 공유해도 안전한 데이터에 관한 전략과 정책도 불투명하다. 데이터 과학자는 필요한 데이터를 구하기 위해 여러 부서에 연락하고 그 데이터를 받기까지 몇 주를 기다려야 한다.

게다가 막상 받아보니 필요한 정보가 없거나 더 나쁜 경우 심각한 품질 문제가 있는 경우도 허다하다. 또한 기업 수준의 거버넌스 정책이 혼란스럽고 비일관적이거나 시행하기 어려운 이유로 데이터 거버넌스(또는 데이터 공유 정책)의 책임을 데이터 과학자가 짊어지는 경우도 흔하다.

데이터 과학자가 필요한 데이터를 입수했다 해도 이 데이터를 탐색하고 이해하기 위한 시간이 필요하다. 쉽게 분석할 수 없는 형식의 데이터인 경우도 있고 도움이 되는 메타데이터가 거의 없어 데이터 소유자에게 데이터에 대한 자문을 구해야 할 수도 있다.

이런 모든 과정을 거친 후에도 분석을 위해 데이터를 준비하는 작업이 남았다. 여기에는 데이터를 형식화, 정제, 샘플링하는 과정이 포함된다. 데이터 과학자가 모델 교육을 시작하기 전에 데이터 확장, 해체, 집계 변환이 필요한 경우도 있다.

조직의 구조가 분석 과정의 비효율성을 유발하기도 한다. 데이터 과학자와 개발자는 보통 서로 단절된 상태로 작업한다. 각 그룹은 상호 관련되면서도 개별적인 작업을 수행한다. 여기서 병목 현상이 발생하고 오류 가능성이 높아지고 리소스가 낭비된다. 클라우드 플랫폼을 활용하고 적절한 데이터 거버넌스를 포함한 통합된 접근 방법은 효율성을 높이고 데이터 과학자 간, 개발자와의 협업을 촉진한다.

데이터 과학자 업무가 어려운 이유
많은 시간이 소요되고 지루할 수 있지만 이런 프로세스는 중요하다. 일반적으로 모델은 더 많은 데이터에 노출될수록 더 개선되므로 데이터 과학자는 분석에 최대한 많은 데이터를 포함하는 것이 좋다.

그러나 시한에 쫓기는 데이터 과학자는 최적의 결과보다는 "적당히 좋은" 것을 목표로 잡고, 사용하는 데이터에 대한 타협의 유혹에 빠지기 쉽다.

모델 개발 중 성급한 결정을 내릴 경우 전혀 다른 결과가 나오고 막상 실무 현장에서 모델이 쓸모없게 될 수도 있다. 데이터 과학자는 끊임없이 데이터를 해석해 판정하는데 애초에 그 데이터가 불완전할 경우 잘못된 길로 들어서기 쉽다.

데이터 과학자는 품질과 시간 제약 사이에서 균형을 찾기 위해 일반적으로 한번에 하나의 모델에만 집중한다. 뭔가가 잘못되면 처음부터 다시 시작해야 한다. 사실상 모든 패에 모든 판돈을 걸 수밖에 없고, 이로써 데이터 과학은 운에 좌우되는 도박으로 변질된다.

함정에서 빠져나오기
클라우드 데이터 서비스를 사용해 데이터를 찾고 정제하는 것과 관련된 지루한 과정의 많은 부분을 자동화하면 데이터 과학자는 사용하는 데이터 품질을 타협하지 않고 더 많은 시간을 분석에 투자할 수 있으며 AI와 인지 앱을 위한 최선의 기반을 구축할 수 있다.

견실한 클라우드 데이터 플랫폼은 데이터 과학자가 필요한 데이터를 찾도록 지원하는 지능적인 검색 기능을 제공하며 태그, 주석, 품질 메트릭과 같은 메타데이터는 데이터 집합이 유용한지 여부와 그 데이터 집합에서 가치를 끌어내는 최선의 방법이 무엇인지 알아내는 데 도움이 된다.

또한 데이터 과학자는 통합 데이터 거버넌스 툴을 사용해 자신이 특정 데이터 집합을 사용할 권한이 있는지 여부를 확인하고, 생산된 모델과 결과를 다른 사람들이 책임감 있게 사용할 것임을 확신할 수 있게 된다.

결과적으로 데이터 과학자는 여러 가지 모델을 동시에 구축하고 교육하는 데 필요한 시간을 확보하게 된다. 이를 통해 막다른 길일 가능성도 있는 한가지 접근 방법에 리소스를 집중하는 일 없이 분석 프로젝트의 위험을 분산하고 혁신을 유도하는 실험을 장려할 수 있다.

또한 클라우드 플랫폼은 데이터 과학자에게 모델 저장, 접근, 확장 기능을 제공하므로 새 프로젝트에서 처음부터 새로 시작할 필요 없이 기존 자산을 템플릿으로 사용할 수 있다.

한 가지 문제를 해결하면서 습득한 지식을 보존하고 이를 다른 관련 문제에 적용하는 학습 이전 개념은 머신러닝에서 중요한 화두다. 데이터 과학 툴을 사용한 시각화는 시간을 절약하고 위험을 낮추는 동시에 모델의 원리를 이해시키는 데 도움이 된다.

데이터 과학자는 기업에서 혁신을 추진하고 경쟁 우위를 확보하는 데 필수적인 역할을 한다. 오늘날의 비즈니스 번영에 필요한 클라우드 데이터 툴을 데이터 과학 팀에 제공하면 기업은 80/20 딜레마를 극복하고 앞으로 전진할 수 있다. editor@itworld.co.kr  

X