[아이티데일리] 지난 2014년 10월 8일 컴퓨터월드/IT Daily가 주최한 ‘데이터 사이언티스트의 현실과 미래’ 컨퍼런스에 참가한 후 컨퍼런스에서 다루어진 내용을 중심으로 빅 데이터 및 데이터 사이언티스트에 대해 나의 생각을 정리해 보았다.

교육의 전체적인 일정은 데이터 사이언티스트로 입신하기 위한 기본적인 자질과 특성, 데이터 사이언티스트의 역할과 미래, AXA손해보험의 빅 데이터 활동과 향후 방향, SK텔레콤의 분석 활동 방법, 오라클의 빅 데이터 분석 활동, 테라데이터의 머신 러닝 방법론, 리비젼컨설팅의 데이터 사이언티스트의 현실과 미래, 데이터베이스진흥원의 데이터 사이언티스트 양성 체계에 대해 알차게 커리큐럼을 편성하여 현실적인 방법론과 각 기업들의 대응방향에 대해 종일 상세한 설명을 듣게 되어 보람찬 하루 일정이었다.
강의에 참여해 주신 강사님이나 컨퍼런스에 참여하신 각 기업의 담당자 또는 직업에 대한 희망으로서 기대를 가지고 계신 분이나 빅 데이터와 데이터 사이언티스트의 커다란 정체성의 벽에 막혀 있는 듯한 느낌을 받았다.
특히 첫 번째 발제 해주신 허명회 교수님의 ‘데이터 사이언티스트로 입신(入身)하기’에서 ‘입신’이라는 화두가 계속 머릿속에서 맴돌고 있고, 어떻게 하면 빅 데이터라는 업무에 좀 더 현실적으로 다가갈 수 있을까에 대해 고민하게 되었다. 그리고 그 고민의 끝자락을 붙잡고 보니 몇 가지 사실, 아니 엄밀하게 과거의 사고에 사로잡히거나, 현재의 ‘나’ 자신에 국한하여 생각하는 것이 걸림돌로 봉착하게 되었다는 사실을 인지하게 되었다.

왜 홍길동을 홍길동이라 부르지 못하는가?
지금까지 빅 데이터에 대해 논하면서 지엽적인 사항에 함몰되지 않았는가 여겨진다. ‘빅 데이터’다, ‘스몰 데이터’다 하며 용어에 대한 개념잡기로 한바탕 논쟁꺼리를 만들었지만, 빅 데이터명 어떻고 스몰 데이터면 어떠한가? 우리들은 그러한 개념에 관해 왈가왈부할 필요가 없을 것이다. 전 세계가 ‘Big Data'란 용어를 사용하는데 유독 한국에서만 다른 용어를 사용할 이유가 없는 것이다.
마찬가지로 ‘데이터 사이언티스트’ 또한 마찬가지일 것이다. Science라는 것은 학문적으로 추론하여 분석하는 것인데 Data를 가지고 분석하는 것은 Science 영역이 아니라는 이야기도 있다. 하지만 기존의 사고와 분류방식으로 접근하기가 곤란한 것 또한 사실인 것이다.
새롭게 탄생된 배경으로 하나의 직업군을 형성하고 있으며 이미 선진연구를 하고 있는 서구(미국 등)에서는 빅 데이터, 데이터 사이언티스트라는 용어로 사용하고 있는데 우리들만 그것은 사이언스가 아니라고 용어 개념 정립하는데 시간과 열정을 소비할 것인가 생각해 보아야 할 것이다.
‘홍길동을 왜 홍길동이라고 부르는가?’ 그냥 이름을 길동이라 지었기 때문일 것이다. 마찬가지로 빅 데이터를 ‘Big Data'라 하였기 때문이다. 이것에 사족을 달기 시작하면 왜 길동이라는 이름을 짓게 되었는가 라는 비현실적인 함정에 빠지게 될 것이다. 따라서 ‘빅 데이터’를 고유명사 그대로 사용하는 것이 바람직하지 않을까 여겨진다.

빅 데이터로 입신하기: 강아지가 물구나무 한다는 것(입신)
발제한 허명회 교수님 집안의 강아지가 어느 날 물구나무 서서 다닌다는 현상에 대해 간략하게 말씀하셨는데, 이 안에 많은 이야기를 내포하고 있는 듯하다. 강아지가 강아지로서 인식하였다면 물구나무를 설 수 없었을 것이다. 어쩌면 자신이 강아지가 아니라 사람이라는 인식, 혹은 왜 두발로 걸을 수 없을까 라는 자각, 또는 무의식적인 행동의 변화가 일어나고 그것을 통해 받은 칭찬이 동기부여 되어 더욱 더 잘하게 되는 경지에 이르지 않았을까 라는 추측을 해보았다. 이러한 현상이 나에게는 빅 데이터에 대한 깊은 정체성의 고민에서 헤어나갈 수 있는 계기가 되었다. 우리도 그 강아지처럼 ‘다른 생각’을 갖는다면 어떻게 될까?

사고의 연속성과 단절
기존 사고의 연장선 상에서 ‘빅 데이터’, ‘데이터 사이언티스’를 이해하려 하고 정체성을 정립하려면 큰 벽에 부딪힐 수밖에 없을 것이다.
서두에 ‘빅 데이터’를 ‘빅 데이터’로 받아들이자고 이야기하였다. 새로운 시각으로서 빅 데이터를 바라보면 안될 것인가. 이것을 하나의 직무로 생각할 것이 아니라 직종으로 생각하여야 할 것이다. S/W직종이 아니라 빅 데이터 직종으로 수용하면 어떨까. DW 분석이 아니라 데이터 사이언스로 받아들이면 안될까. R, SPSS, 하둡을 다룬다고 빅 데이터 전문가인가 등등, 이 모든 것을 포괄적으로 포함하면서 다른 시각으로 접근하는 것이 되어야 할 것이다. S/W, 통계라는 시각적(한정적) 개념을 뛰어넘어야만 가능할 것이다.
로이터 통신에 의하면 2015년 유망한 데이터 관련 직업으로 다음과 같은 5개의 직업을 이야기하고 있다 - 데이터 과학자, 테크니컬 아키텍처, 머신러닝 전문가, 하둡 기술자, 데이터 마케팅 경영자. 이러한 분류 기준을 참고하여 빅 데이터란 직종을 포함, 관련 직무를 정의하여야 할 것이다.
지금까지 아무런 개념 없이 제각각 빅 데이터를 다루는 사람에 대해 ‘데이터 사이언티스트’라는 명칭을 사용하였는데, 직무를 구분하고 정의를 내린다면 이러한 명칭에 대한 해석의 차이에 대한 오해는 점차 줄어들지 않을까 여겨진다.
빅 데이터를 하나의 직무로 생각하여 직무분석을 해보니, 기획도 해야 하고, 프로그래밍도 해야 하고, 데이터 분석도 해야 하고, 시맨틱 분석도 해야 하고, 시각화도 해야 하고, 그래서 그것을 하나의 그릇에 모두 담으려는 생각으로 데이터 사이언티스트로서 양성교육을 생각하게 되었고, 그러다 보니 실무경력이 최소 3년 이상이 되어야 한다는 식의 제한조건을 달게 된 것이 아닐까?
강의에서 전용준 박사가 이야기하였지만 (물론 서구에서도 마찬가지) 빅 데이터 업무를 위해서는 석사 이상의 학력을 대체적으로 요구하고 있는 현실을 고려하고 고급분석 인력 양성을 위해서는 석 박사 재학 중인 인력을 흡수하는 방향으로 전개하기 위해서는 직무별 전문가 양성 체계로 전환되어야 할 것이다. 또한 고급 분석 인력 양성을 위해서는 현직의 경력보다 석 박사급의 신규 인력을 보충하여 빅 데이터를 활성화시켜 나가는 것이 시급할 것이다. 또한 현직에서 오랜 경험을 토대로 한 데이터 경영 전문가에 대한 양성 또한 필요할 것이다.

빅 데이터와 콜라보레이션(Collaboration)
앞서도 언급한 바와 같이 빅 데이터는 하나의 직종으로서 자리매김하여야 하며, 그러한 직종 속에서 하둡 전문가, 테크니컬 아키텍처 등 각각 빅 데이터 직무 전문가와 데이터 경영 전문가가 함께 거대한 파고를 타고 넘어갈 준비를 하여야 할 것이다.
이러한 각각의 영역 전문가들이 합심하지 않을 경우, 스스로 파도에 휩쓸려 살아남기 힘든 구도가 될 것이다. 어떻게 협업(Collaboration)할 것인가에 대해서는 추후 다시 정리하기로 하겠다. 하지만 이것 하나만은 명심하여야 할 것이다. 우리들이 익히 알고 있는 케이크를 공평하게 나눌 수 있는 방법을 생각하여야 할 것이다. 예를 들어, 칼을 들고 자르는 사람이 가장 나중에 취한다면 좀 더 공평해질 것이라는 이론을 고려할 필요가 있을 것이다.
또 한 가지 생각해야 할 것은, 빅 데이터란 어느 하나만 잘한다고 이루어지는 것이 아니라는 점, 상기 언급한 모든 직문 전문가들이 협력하여 하나의 프로젝트를 완성하여야 더 많은 고객들로부터 앵콜 요청이 쇄도할 것이라는 점이다.

이를 빅 데이터에 대입시켜 보자면 다음과 같을 것이다.

• 스프링 : S/W기술, 머신러닝, 테크니컬 아키텍처
• 표면 재질 : IT기술
• 충진 보완재 : 데이터 사이언스
• 등받이 : 스페셜 리스트, 업의 특성
• 다리 : 전문가로서의 특성과 자질, 습관, 역할
• 디자인 : 데이터 경영 전문가 등
   

이 같은 점들을 생각해 본다면 무엇보다 협업에 대한 강한 요구와 필요성이 대두될 수밖에 없을 것이다.

빅 데이터 어떻게 바라볼 것인가? - 인식의 대전환이 필요

① 현재의 위치에서 과거의 데이터를 수집, 해석, 분석하여 미래를 예측 

과거 우리들이 행해왔던 업무적 사고의 연속선상에서는 고부가가치를 창출하기 힘들 것이다. ‘빅 데이터’라는 거대한 물결 속을 헤쳐 나가기 위해서는 새로운 방식의 수영방법을 익히고 준비하여 새로운 시대의 파고를 타고 넘어가는 사고의 대전환이 필요할 것이다.
데이터 사이언티스트의 연봉이 관해 이야기가 있었는데, 한 기업에서 몇 억원의 연봉을 받는 사람이 있다고 하니 “과연 그런가?” 라는 의구심을 표시한 참석자도 있었다. 하지만 나는 그것보다 몇 배 더 많은 연봉을 받을 수 있다고 생각한다. 기존 소프트웨어 개발자의 입장에서 본다면 분명히 많은 연봉일 것이다. 그런데 기존 소프트웨어에 부가가치를 더한다면 달라질 것이다. 보험업계의 보험왕들의 연봉을 생각해보라. 십여억원에 해당되지 않는가? 현재의 연봉을 기준으로 생각하지 말고 어떤 부가가치를 더해 고액의 연봉을 받을 수 있을지를 고민하여야 할 것이다.