2021 잡 마켓 트렌드: 데이터 사이언티스트 (data scientist) & 데이터 분석가 (data analyst)

 

최근에 헤드헌팅 펌으로 유명하고, 데이터 관련 분야 잡마켓 동향을 꾸준하게 발표해 온 Burtchworks 에서 2021 데이터 직무 관련 리포트를 발행하여, 오늘부터 주요 데이터 직무 별로 하나씩 리뷰해 보고자 한다.

첫 번째 시간 데이터 엔지니어에 이어, 오늘은 두번째 리뷰, 데이터 사이언티스트와 데이터 분석가이다.

 

1. 데이터 사이언티스트와 데이터 분석가를 한 범주에 두고 조사한 이유, 그리고 그 둘의 차이점

 

우선 시작하기에 앞서 Burtchworks는 다음과 같은 이유로 Data Scientist와 Data Analytics Professionals를 같은 범주에 두고 조사를 했다고 한다.

• salary range (급여 수준의 범위)
• demographic characteristics (인구통계학적 특성)
• academic backgrounds (학업/전공 백그라운드)
• common tools (사용하는 툴의 공통점)

 

하지만, 데이터 사이언티스트와 데이터 애널리스트는 다음과 같은 차이점을 가진다고 하는데, 개인적으로 동의가 조금 어려웠다. 분명히, unstructured data를 잘 다루는 애널리스트도 업계나 프로젝트에 따라서 본적이 있기 때문이다. 그냥 전반적으로 데이터 사이언티스트가 경험이 많고, 그리하여 좀 더 다양한 분야와 주제에 대해서 풍부한 지식을 가지고 있다 정도로 해석하면 되지 않을까 싶다...

특히, 전공 (academic background) 관련해서는 다음과 같은 차이가 있다고 한다. 특히, 데이터 분석가는 대학교에서의 정규 교육 프로그램 이외에도 충분히 회사 내에서의 재교육과 본인의 노력 (e.g. MOOC 수강 등) 으로 데이터 분석가로 성장할 수 있다는 차이점이 있다고 한다.

 

 

특히 미국 대학원에서 빠르게 (경영대 중심으로) Analytics 석사 프로그램들이 생겨나면서, newer programs에 analytics 석사 과정이 추가된 것으로 보아, analytics 석사 이후 analytics professionals로 취직하는 사람들이 생겨난 것으로 보인다.

 

 

data scientist와 analytics pros 간의 사용하는 툴의 차이는 data scientist가 좀 더 다양하긴 하지만, 거의 차이가 없는 것으로 보여진다.

 

 

상대적으로 data에 관해 advanced한 지식이 필요한 data scientist 에게서 좀 더 높은 phd degree holder 비율을 확인할 수 있었다.

 

 

특히 Analytics pros에게서는 앞서 언급한 것처럼 미국의 경영대 중심으로 analytics 석사 과정이 많이 생겨나고 있기 때문에, 높은 경영대 비율을 확인할 수 있었다.

반면, 데이터 사이언스의 경우에서는 analytics 보다 높은 engineering, CS 비율을 확인할 수 있었다.

흥미로운 점은 수학/통계 전공자는 DS보다는 Anayltics 비율이 좀 더 높다는 점.

 

 

그리고 이전의 테크 업계에서 가지고 있던 male dominance 현상 역시 데이터 분야에서 똑같이 적용되고 있었다. 고질적인 문제.

특히, analytics 보다 data science에서 그 성별 편중 현상이 더 심하게 나타났다.

 

 

마무리하며

 

2021 미국의 데이터 사이언스 & Analytics 잡마켓 트렌드를 요약 해보면,

• 데이터 사이언스 (사이언티스트)의 경우 학위가 PhD 학위자 쪽의 비중이 점점 높아지는 경향을 보이고 있다.
• 전통적인 MBA 프로그램에서 좀 더 quantitative하고, data-driven한 MBA 프로그램들이 증가하는 추세이다.
• 2020년 졸업생들에게는 쉽지 않은 취업 시장이 될 것이다.
• 특히, 바이오/의료 분야에서의 Analytics 적용 사례나 활용 사례들이 빠르게 증가하고 있으니, 이 쪽의 도메인에 관심이 있다면 적극적으로 노력하도록 하자.
• 점점 더 많은 인더스트리에서 좀 더 advanced 된 데이터 사이언스 적용 사례나 best practice를 갈망하고 있고, 현업에서는 현재의 업계 수준을 뛰어넘기 위해서 끊임없는 인력 투자와 경쟁이 이루어지고 있다. - 따라서, 빠르게 성장할 것이며, 미래는 밝다.