본문 바로가기
FAQ

"미국 대학원 진학과 취업"을 주제로 한 2022년 10월 7일 온라인 미팅 Q&A 리뷰

by USDK 2022. 10. 8.

 


10월 7일 온라인 모임을 통해서 미국 취업을 주제로 루나 님과 함께 다양한 분들이 참여해 주셨는데요. 많은 이야기가 오갔지만, 시간 상 미리 보내주신 질문들 중에서 전부 커버하지 못했던 것이 아쉬웠습니다. 그래서 나머지 질문들에 대해서 답변을 드리고 추가적으로 현장에서 이야기드리지 못한 다른 이야기들도 덧붙여서 정리해드리는 것이 예의일 것 같아 블로그 포스트를 통해 답변을 대신합니다. 참고로 이건 전적으로 저의 짧고도 미천한 저의 미국 유학 + 직장 생활 경험을 토대로 적은 저만의 의견임을 밝히고 시작합니다 (Views are my own).

[미국 데이터 분석 석사 유학 관련 질문]


1. 데이터 관련 직업을 갖기 위해, 공부했던 겻이랑 취업 준비 경험을 듣고 싶습니다
> 루나님과 저는 인더스트리도 다르고, 분야도 많이 다름을 말씀드렸습니다. 우선 기본에 충실하는 것이 중요합니다.
Behavioral interview를 통과하기 위한 기본적인 영어 커뮤니케이션, 질문하는 방법, 인터뷰 에티켓 등은 mock interview를 (여러 사람과) 많이 해보시길 추천드립니다. 대학원에 다니시다 보면, 미국 학교마다 career support / career center라는 곳이 있습니다. 여기에서 무료로 기본적인 resume 첨삭, 그리고 mock interview를 하실 수 있는 career advisor 같은 분들이 계십니다. 여러 명과 미팅을 잡으셔서 이런저런 다양한 상황과 질문을 만나실 수 있도록 연습하는 것이 중요합니다. 저는 대략 10명과 이런 작업을 진행했었습니다.
Technical interview를 통과하기 위해서는 기본적으로 인터뷰에서 다루어지는 통계, CS, 코딩 등의 개념을 "확실"하게 아는 것이 중요합니다. 내가 이해했다고 끝나는 것이 아니라, 그것을 넘어 누군가에게 제대로 빠짐없이 설명할 수 있는 단계가 되어야만 합니다. 보통 Resume에서 본인의 프로젝트에 대해서 이야기 해보라는 질문을 받으실 거예요. 그때, 내가 사용한 방법론 (methodology)의 underlying theory, assumptions, pros & cons 정도는 확실하게 숙지를 하고 가셔야 합니다. Resume에 다양한 방법론과 화려한 머신러닝을 이용해서 프로젝트를 진행해주신 분들이 많이 있습니다. 하지만, 조금만 깊게 질문을 던져보면, 막히는 분들이 꽤 있습니다. 적어도 자신의 프로젝트에 대해서 '왜 A 방법론 대신 B 방법론을 썼는지?', '어떠한 또는 왜 이 기준을 가지고 A방법론과 B 방법론을 비교했는지?' 등에 대한 준비를 하고 들어가셔야 합니다.
저는 아카데미아/연구직 포지션만 당시에 지원했었기 때문에, 세부 분야나 job posting개수가 굉장히 한정적이었습니다. 약 40개 정도를 지원해서 8번 정도의 인터뷰를 보았고, 4개의 오퍼를 받아서 그 중에서 가장 베스트였던 곳을 선택하였습니다.



2. 데이터분야 미국 대학원 준비 사항
> 너무 broad한 질문이네요... 🤔 기본적으로는 TOEFL, GRE, Prerequsites (선수과목), Transcript (성적표), Statement of Purpose (SOP, 학업계획서), Resume, 추천서 (평균 3장) 정도가 필요할 것 같습니다. 이에 학교마다 추가적으로, 인터뷰나 비디오 에세이를 봐야하는 곳도 있구요. 아무래도 가장 시간이 오래 걸리는 것이 선수과목, TOEFL / GRE이기 때문에 이 부분부터 미리미리 준비해주시면 좋습니다.
당장 관심이 있는 5개 정도의 프로그램 홈페이지에 가셔서 지원 요건을 확인해보시고, 내가 어떤 것들이 부족한지를 확인하시는게 먼저이구요. 부족한 부분이 있다면, 그것들을 어떤 식으로 make-up을 하실질 대안을 찾아보시고, timeline을 짜서 실행해 주시면 될 것 같습니다.



3. 현재까지 해온 일과 관련성이 높은 Business Analytics과를 가야할지, 취업에 유리하지만 준비과정이 필요한 통계, 데이터사이언스 과를 가야할지 고민입니다.
> 이런 질문을 루나님이나 저나 참 많이 받습니다. 저는 개인적으로 다시 질문을 드리는 편인데요. "나중에 시니어 때 어떤 일을 하고 싶으신건가요?" 라고 여쭤봅니다. 시니어 되시고 나셔도, 테크니컬한 포지션으로 남고 싶으시면 당연히 깊이 있게 배우시는게 좋습니다. 하지만, 기존의 인더스트리/직무 + data-driven한 의사결정을 섞어서 나중에 실무자 또는 Data PM 같은 일이 하시고 싶으신거면 Analytics면 충분하다는 생각입니다. (요즘에는 심지어 MBA에도 data science concentration이 생기고 있습니다 😲)
"취업에 유리하지만" 이라는 가정을 질문에서 해주셨는데, 저는 Analytics 석사, Data Science 석사 둘 다 해봐서 직접 비교를 해드릴 수 있을 것 같아요. 다른거지, 더 어려운 걸 배운다고 해서 취업 확률이 올라간다고 생각하시는 건 잘못된 생각이라는 입장입니다. 단지, Stat / DS / CS 전공이 지원할 수 있는 job title의 선택지가 넓은 것 뿐이구요, 취업이 더 잘되는건지는 잘 모르겠습니다.
데이터가 핫한만큼 그 관련 지식과 기술이 아주 빠르게 발전하고 있습니다. 현업에 가셔도 끊임없이 공부하셔야 하는게 이 바닥이고, 저도 루나님도 현업에서 프로젝트를 하면서 모자란 부분은 계속 공부하고 있습니다.
본인이 데이터로 하시고 싶으신 일, 좋아하시는 일을 하시는 것을 추천드립니다. 그래야 오래하실 수 있지 않을까요?



[미국 데이터 분석 취업 관련 질문]


1. 네트워킹에 어느 정도의 시간을 투자 해야 되는지
> 네트워킹은 운도 따라야 하지만, 꼭 필수적인 것은 아닙니다. 통계적으로 이야기를 한 번 해보자면, 그래도 한 번 하는 것보단 여러번 시도를 하다 보면, 그 '운'이라는 확률도 증가하겠죠.

저는 인터뷰가 마치 소개팅이라고 생각합니다. 내가 검증받는 자리라는 수직적인 관계라고 생각하시기 보다는, 수평적인 관계에서 나도 회사를, 회사도 나를 더 잘 알아보고 싶은 자리입니다. 네트워킹 -> 취업으로 이루어진다고 생각하시는 것보다는, 그런 과정 속에서 특정 회사에 대해서 알아볼 때 '이 회사가 나한테 잘 맞을까?'란 질문에 대해서 insider 들에게 들어볼 수 있는 좋은 기회가 아닐까요?

네트워킹도 기본적인 테크니컬 인터뷰를 통과할 실력을 갖추신 분들한테만 효과가 있습니다. 네트워킹을 통해서 레퍼럴을 받는다는 것은, 1라운드 (리쿠르터와 하는 폰 스크리닝 인터뷰)만 보통 생략을 해주는 것이지, 테크니컬 인터뷰부터는 다시 제로베이스부터 경쟁입니다. 기본적인 지식과 스킬셋이 부족하다고 느끼신다면, 네트워킹 보다는 부족한 부분을 make-up하시는데 더 집중해 주세요.



2. 대학원을 안 가고 미국에 갈 수 있는 방법
5. 미국에 아예 이민 정착은 아니고 몇년 정도 일해보고 싶다는 생각이 있습니다. 학부를 한국에서 비전공자로 나온 입장에서, 비자 스폰을 받고 정식으로 일하기 위해서는 데이터 관련 석사를 무조건적으로 취득하는 것밖에는 없을까요?
(2, 5번 질문이 비슷하다고 생각해서 하나로 묶어서 답변을 드리도록 할게요)
> 인더스트리와 아카데미아 크게 두 갈래로 나눠서 설명을 드려볼게요.
제가 여태 많은 상담을 진행하면서, 인더스트리에서 대학원을 안 오시고 미국에 정착하신 분은 딱 2분 뵈었습니다.
이 분은 학부 시절에 WEST 프로그램이라는 (해외 인턴십 프로그램) 것을 통해서 미국에 처음 오셨고 (이 때 비자는 J1, 직무는 데이터와 전혀 상관이 없는 분야였습니다), 그 인턴십을 하는 회사에서 이야기가 잘되서 H1b를 지원 받으셨는데, 이게 한 방에 되신 케이스입니다. 그런데, 심지어 H1b 심사 기간에는 한국에 돌아가서 결과를 기다리셨습니다. H1b가 되고 나서, 준비하셔서 미국에서 현재 비데이터 직무로 일하고 계신 케이스입니다. 데이터를 현재 일에 적용하고 싶어서 상담을 요청하셨었습니다.
또다른 케이스는, L1으로 미국에 오신 분입니다. 이 분은 한국에서 학부 나오시고, 미국에 진출해 있는 우리나라 대기업 중 한 곳에서 주재원으로 나오신 케이스였습니다. 한국 대기업의 근무에 대해서 조금 지식이 있으신 분들이 있다면 아시다시피 이런 주재원 자리 (특히, 미국이라면) 보통 해외영업 부서에서도 에이스들의 자리라고 보시면 됩니다.
아카데미아는 조금 더 흔합니다. 보통 PhD를 본국에서 한 경우, 보통 미국으로 포닥 (Postdoc fellow) 경험을 쌓으러 미국에 많이들 오십니다. 이 때, 대학이나 연구소에서는 J1 또는 H1b를 내줍니다. (Non-profit H1b는 cap-exempt여서 로터리가 아니라는 장점이 있습니다. 따라서, 신청하면 대부분 100% 받습니다. 다만 non-profit은 인더스트리보다 연봉이 낮은 경우가 많습니다). 이후에 미국에서 일하시면서, 연구 결과를 논문으로 출판하셔서 인용건수가 쌓이시면, 영주권 (EB-1, EB-2, NIW 등)으로 넘어가시는 경우를 많이 봤습니다.
한국에서만 석박을 하시고도 미국에서 리쿠르터에게 연락 제의를 받으신 분이 있다고 들어본 적이 있습니다. 내가 해당 분야에서 우수한 연구 성과 (유명한 논문, 높은 citation)를 내시게 되면, 이렇게 '스카웃' 제의를 받기도 합니다. 이런 분들은 당연히 박사급 이상이신 경우가 대부분이구요. 사실, 이 정도 실력자라면 미국 밖에서도 바로 영주권 신청이 가능한 분들입니다.
혹시 제가 언급한 케이스 말고 다른 경우를 보신 적이 있으면, 꼭 알려주세요 ㅎㅎ 저도 궁금합니다!



3. 취업시 기업에서 요구하는 자격 수준, 어떤 스킬셋이 필요한지
> 이것은 일반화가 불가능할 것 같아요. 어떤 스킬셋이 필요할지는 내가 지원하고 싶은 회사, 직무, Job 별로 하나하나 확인하시면서, 필요한 것들을 준비해 나가시는 것이 맞습니다. 당장 내가 링크드인에 올라와 있는 관심 있는 job 10개 정도를 모아서 스킬셋들을 정리해 보세요. 어떤 것들이 부족한지 금방 확인하실 수 있을 거에요.


4. Inrernational인 점이 취업 시 끼치는 영향 /공부 방법 /네트워킹 방법
> 일단 스폰을 해주는 기업들의 수가 제한적입니다. 공부방법이나 네트워킹 방법에는 차이가 없습니다. 하지만, 저는 질문을 다시 rephrase해서 답변을 드리고 싶어요. International이라고 해서 나를 걸러내는 회사라면, 애초에 다른 회사를 가시라고 말씀 드리고 싶습니다. 분명히, 나중에 STEM OPT extension, H1b, 영주권 프로세스에서 문제를 일으킵니다. 참고로, 저는 여태 지원해서 인터뷰를 보는 동안 단 한 번도 International이라고 차별받는 경험을 해 본 적은 없습니다.
네트워킹은 "공통점 찾기"라고 생각합니다. 어떻게든 그 사람과 나의 공통점을 찾아서 커넥션을 맺고, 악착같이 질문하세요. 우리나라는 공채 시스템도 많고, 심사 과정에서의 공정성을 중요하게 여기지만, 미국은 그렇지 않습니다. 어차피 리쿠르팅은 사람이 하는 일이고, 리쿠르터들과도 친해져 놓고, 어떻게든 좋은 인상 남길지, 다른 지원자와 차별화 할 지 창의적으로 고민해주셔야 해요. 그러기 위해서는 특히 링크드인을 잘 활용하시는 것이 중요합니다.



6. 인터뷰, 레주메, 네트워킹 등 구직 전략 및 좋은 회사 알아보는 법
> 인터뷰를 많이 받기 위해서는 우선 좋은 Resume를 작성해 주셔야 합니다. 여기까지는 대부분 많이들 해주십니다. 그런데 Recruiter들이 어떤 식으로 인터뷰를 candidate에게 주는지를 알고 계신 분은 드문 것 같아요. Forbes 500의 대부분의 기업에서 ATS (Applicant Tracking System)을 사용합니다. ATS에서는 지원자의 Resume와 Job Posting에 나온 키워드들이 얼마나 매칭이 되는지를 가지고 점수화를 진행하며, 높은 순서대로 Recruiter들에게 노출됩니다. Recruiter은 여기에서 좋은 점수를 받은 상위 지원자들에게 인터뷰를 줍니다. Recruiter들은 사실 데이터 관련 스킬셋이나 기술적인 이해가 있는 분들이 아닌 경우가 많습니다. 따라서, 키워드가 매칭이 되서 점수가 높으면, 그 job에 적합한 사람이라고 생각하시는 경우가 많아요. 따라서, 저는 좋은 Resume = ATS keyword optimization이 잘 된 resume라고 생각합니다. 제가 여태 제가 직접 경험하거나, 상담도 진행하면서 알게된 링크드인 프로필 셋업 팁이나, Resume ATS 관련 Optimization, 인터뷰/네트워킹 팁은 다음 컨텐츠에서 확인하실 수 있습니다:

https://www.datakorlab.com/p/my-downloadable-18356

 

[e-book] LinkedIn / Networking

핵심만 쏙쏙! 미국 취업을 위한 LinkedIn / 네트워킹 가이드

www.datakorlab.com


좋은 회사를 알아보는 팁은 개개인마다 정의가 다를 수 있을 것 같아요. 어떤 분은 연봉을 많이 주는 회사, 어떤 분은 워라밸이 좋은 회사, 어떤 분은 스폰을 해주는 회사를 좋은 회사라고 정의하시겠죠. 일단 궁금한 점이 있다면, Glassdoor, Blind, Reddit, Fishbowl 같은 서비스에서 회사에 대한 리뷰를 찾아보시는 것이 원칙입니다. 그래도 해소가 안되거나 추가적으로 궁금한게 생겼다면, 인터뷰 볼 때 직접 물어보세요. (아까도 말씀 드렸지만, 인터뷰는 나를 검증받는 시간이 아니라, 서로에 대해서 더 잘 알아가는 자리입니다. 잘 맞을지 파악하는 것은 지극히 정상적인 질문입니다.)
예를 들어, 그 회사의 단점이 궁금하다면 저는 이런 식으로 질문하곤 합니다. "너가 이 회사의 대표라고 해보자. 너가 뭐든지 바꿀 수 있어. 그럼 뭐 바꿔볼래?" 이런식으로 직접적으로 "너네 회사 단점이 뭐야?" 라고 물어보시는 것보다, 돌려 질문하시면 내부자가 생각하는 단점을 어느 정도 파악하실 수 있습니다.
링크드인에 내가 지원한 회사의 job title을 가지고 있는 현직자에게 직접 연락하시는 것도 좋은 네트워킹 방법입니다. 콜드 메세지를 보내보세요.

[데이터 분석 석사 & 취업 연계 질문]


1. 석사 준비기간, 취업 준비기간
> 미국에 오기전에 저는 한국에서 학부 (경영학)를 했고, 저도 비전공자였기 때문에 약 1년 정도 기간동안 부족했던 수학, 프로그래밍 관련 prerequisites를 채우기 위해서 시간을 투자했습니다. 선수과목 관련해서는 다음 글을 참고해주시면 도움이 되실 것 같습니다:
https://uslife101.tistory.com/9

 

데이터 석사 선수과목 (Prerequisites) 수강, 어떻게 채워야 할까?

저희가 상담을 진행하면서 가장 많이 받는 질문 중 하나였던, 선수과목 수강하는 방법 (Prerequisites) 에 대해서 알아보도록 하고자 합니다. 결론부터 이야기하자면, 학교 by 학교로 너무 다르다는

uslife101.tistory.com


취업 준비는 따로 크게 하지 않았습니다. 대신 수업 시간에 배웠던 내용들을 최대한 여러번 반복해서 남한테 깔끔하게 설명할 수 있는 수준으로 끌어 올리는 노력을 많이 했습니다. 특히, 통계, 머신러닝 컨셉들은 한 번만 공부해서는 절대 내 것이 되지 않습니다. 여러 번 복습 하시고 정리하시면서 내 것으로 만드는 노력이 필요합니다.

2. 1년과정 중 인턴쉽 기회와 타임라인, 팁
> 보통 석사가 1년 과정이고 (Fall에 시작하는 프로그램이라고 한다면) 아쉽게도 5월 (또는 7월) 정도에 졸업하시기 때문에, Summer Internship 기회가 없습니다. 따라서, 본인이 판단하시기에 나는 인턴십이 무조건 필요하며, 해보고 싶다고 하시면 1년 이상의 프로그램을 지원하시는 걸 추천드립니다. 간혹 1년 짜리 프로그램들 중에서, 학기 연장 옵션을 주는 경우가 있어서 1년 반 정도로 extend하실 수 있는 프로그램들도 다수 존재하는 것으로 알고 있으니, 정확한 내용은 대학원 프로그램에 문의하시는 것이 좋을 것 같아요.
인턴십을 해보고 싶었는데, 구하지 못하셨다면 낙담하지 마세요. 사실 인턴십이 아니어도 현직자들은 hands-on experience이면 괜찮다고 생각합니다. 어떤 대학원 프로그램은 RA/TA 기회를 주기도 하거든요. 정 기회가 없다고 판단되신다면, 학교의 교수님한테 내가 research를 같이 해보고 싶다고 volunteer / unpaid로 교수님 연구를 돕고 싶다고 해보시는 것도 하나의 요령입니다. (지금 당장 급한 건 돈보다는 경험이니까요.)
학교 부속의 병원, 의대, 사회과학대 같은 곳에는 지금도 쌓여 있는 데이터가 많습니다 ㅎㅎ 교수님 입장에서는 연구비 타셔서 포닥이나 박사과정생 돈 주고선 시켜야 하는 것들이거든요. 무료로 분석해 주겠다고 하면, 당연히 땡큐입니다. 가끔 temporary research/data analyst 이런 식의 paid position이 열리기도 합니다. 이런 식으로 hands-on experience를 쌓으실 수 있습니다.
이 방법이 특히 international 한테 좋은 이유가 한 가지 더 있습니다. 보통 학교 바깥에서 인턴십을 구하시는 경우에는, internship offer를 받아다가 학교 DSO (비자 담당자)에게 CPT를 열어 달라고 하고 USCIS에 신청을 하셔야 합니다. 이 기간 동안 상당한 시간이 소요가 됩니다. 하지만, 학교 내에서 일하시게 되면 CPT를 여실 필요가 없습니다. F1 학생들은 school job의 경우 주(week)에 최대 20시간 까지 일할 수 있기 때문입니다. 따라서, 협의만 잘 된다면, 당장 다음 주 부터라도 일을 시작하실 수가 있습니다.
저는 이런 식으로 hands-on 경험을 쌓았고, 논문으로 출판이 되어서 현재 job에 이를 수 있었습니다. 저도 맨처음 두달 정도는 unpaid로 시작했지만, 그 이후부터 교수님이 미안하셨는지 좀 챙겨주셨어요 ㅎㅎ 그리고 이거로 뉴욕에서 집 렌트 정도는 충당했던 것 같습니다.

3. 내년 5월 졸업을 앞두고, 데이터 분야로 미국에서 취업을 목표로 하고 있습니다. 구체적인 질문이 있다기보단, 막연하기만한 미국 데이터분야 취업에 정보를 얻고, 다른 분들의 고민을 듣고, 나누고 싶어서 신청하게 되었습니다.
> 오늘 보셨겠지만, 이 커뮤니티 안에는 대학원 지원 준비를 하고 계시는 분, 대학원 재학 중이신 분, 그리고 현직자 분들이 골고루 포진해 계십니다 😊 궁금하신 건 언제든지 물어보시면 언제든지 다양한 viewpoint로 답변을 해주실 분들이 많이 있으세요.



4. 현재 인턴을 어플라이하는 중인데, 어떤 포지션과 어떤 회사에서 인턴을 하는 것이 나중에 취업에 도움이 될지 궁금합니다. 인턴 구하는 팁이 있다면 어떤 것들이 있을지도 알고 싶습니다. 또, cs와 ds 백그라운드를 쌓고 장기적으로는 창업 목표를 가지고 있는데, 어떤 경험을 해야 저의 career path를 구체화시킬 수 있을지에 대한 조언을 듣고 싶습니다.
> 본인이 우선 하시고 싶은 인더스트리와 직무를 좁히시는게 좋습니다. 목표가 불분명하기 때문에, 내가 부족한 점을 specify 하시기가 힘들어지시는 거라고 생각해요. 좁히기가 힘드시다면, 내가 하기 싫은 분야/직무부터 제거 하시는 것으로부터 시작해 보세요.
나랑 잘맞는지 안맞는지를 확인하기 위해서는 인턴십을 통해서도 직접 경험하시는 방법이 있지만, 링크드인 을 통해서 현직자들이랑 최대한 이야기를 많이 나눠보세요. 이 분야로 가면 내가 잘 맞을까? 저 사람은 A업계인데 어떤 분석을 어떤 방법론을 써서 많이 하지? 이런 걸 간접 경험해 보셨으면 합니다.
또 다른 방법은 데이터 분야 인플루언서들이 많이 있습니다. 그 분들이 진행하는 팟캐스트 같은 걸 보시면, 다양한 현직자들 초청해서 인터뷰 하시는 식으로 진행을 많이 하거든요. 그런 것들 많이 들어보세요. 하나 추천해 드리고 갈게요!
https://podcasts.apple.com/us/podcast/the-data-scientist-show/id1584430381

 

‎The Data Scientist Show on Apple Podcasts

‎Technology · 2022

podcasts.apple.com


그리고 Medium이나 Towardsdatascience 같은 플랫폼에서 기술 블로그 하시는 분들의 글들도 많이 읽어보세요. 개인적으로 새로 진입한 분야에서 흐름을 파악하기 위해서는 이런 오피니언 리더나 인플루언서 분들을 팔로우 하시고, 관련 온라인 커뮤니티에도 조인 하셔서, 그 업계 사람들이 도대체 요즘 무슨 이야기를 하는지 틈나는대로 관심 가지시는 것이 중요하다고 생각합니다. 저도 경영학 -> 바이오로 진입할 때 같은 방법으로 catch-up을 하려고 노력했습니다.




5. 현재 분석가로 삼년정도 일하고 있습니다 (프로그래밍언어 사용X). 데이터관련 학위가 없는 상황에서 혼자 공부하는 것으로도 데이터 과학 분야 일을 할수있을까요?
> 인터뷰를 받는 단계에서는 어느 정도 제한이 있을 수 있을 것 같다는 생각을 합니다. 당연히 전공자 보다는 인터뷰가 덜 들어오지 않을까 생각해요. 인터뷰를 받을 수 있다는 전제 하에 behavioral, technical 인터뷰를 통과하실 실력이시라면 전 괜찮을 것 같아요. 간혹, 회사에 보면 부트캠프 출신들도 존재하시는 거로 알고 있습니다.
좀 더 현실적으로 말씀을 드려보면, 처음부터 좋은 회사 큰 회사를 노리시는 것보다, 관련 경험을 쌓으실 수 있는 회사로 하나씩 옮겨가 보시는게 좋을 것 같아요. 내가 SQL을 배웠다면, 현재 직장에서 SQL을 최대한 업무에 사용해 보려고 하신다거나, 그게 어려울 것 같다면, SQL을 많이 쓰는 포지션으로 이직을 하셔야겠죠.
이후에 SQL이 익숙해 지셨다면, 그 다음은 통계/머신러닝, 그 다음은 CS 이런 식으로 하나씩 정복해 나간다는 생각으로 길게 보시고 가셔야 할 것 같습니다.
미국은 아니지만, 한국에 있는 친구 중에서 관련 학위가 없는데 (비전공자), 한국에서 다들 데이터 사이언스 하면 아실만한 인플루언서 친구가 있습니다. 이 친구는 본인을 증명하기 위해서 끊임없이 자기가 공부한 걸 기록하고 그걸 블로그에 업로드해서 지금의 위치에 이르렀습니다. 남들보다 배가 되는 노력을 기울였고, 지금도 끊임없이 본인을 증명하기 위해서 항상 노력 중입니다. 안될 건 없다고 생각합니다.



6. 외국인 신분으로써 불리한점을 충분히 극복하기 위해 어떤 크리티컬한 스킬셋이 필요한지 궁금합니다.
> 앞서 답변 드린 질문과 유사한 것 같아요. 외국인 신분이라고 해서 갖추어야 할 스킬셋이나 지식에는 차이가 없습니다. 오히려, 외국인이라고 차별하는 회사라면 애초에 가지 않으셨으면 합니다.



7. 석사 졸업 후, 미국 내 취업 성공 방법
> 선택과 집중을 말씀 드리고 싶어요. 가끔 저도 인터뷰를 보다 보면, 지원자의 resume를 읽었을 때 이 사람이 뭘 하고 싶어하는지 모르겠는 지원자가 꽤 많습니다.
마케팅을 하고 싶다면 마케팅에서 데이터를 분석할 때 많이 쓰는 방법론에는 어떤 게 있는지 더 공부해 보셔요. HR로 가고 싶다면, HR에서는 도대체 어떤 분석들을 많이 하는지 찾아보시구요.
Narrowing이 어렵다거나, 이거도 하고 싶고 저거도 하고 싶은신 거라면, 두 가지 resume 버전으로 가셔야 하니, 두 배의 시간과 노력을 기울이셔야 하는거지, 이것도 저것도 아니게 resume를 적으시면 내가 이도저도 아닌 사람이 된다고 생각합니다. 사람을 뽑을 때 그 position에 어울리는 단 한 명을 뽑는 것이지, 상위 N%를 뽑지 않습니다. 그 한 명 안에 드려면 당연히 pin-point로 공략하셔야 타율이 올라간다고 생각합니다.
해당 직무에서 많이 쓰이는 데이터 분석 방법론이 궁금하시다면 현재 링크드인에 있는 희망 job title로 10개-20개 정도를 모아서 키워드들을 정리해보세요. Job description을 모아 보시면 보통 어떤 방법론, 어떤 툴을 써서 어떤 일을 해야 하는지 자세하게 나와 있습니다. 이런 분석 방법론들을 이용해서 포트폴리오를 만들어 보시는 것도 좋고, 어떤 식으로든 내가 자주 쓰이는 방법론들을 써봤다는 경험을 만들어 보세요.



8. 애널리스트가 취업이 더 쉬울지? 비전공자에게 석사 따라가기 괜찮을지 (통계도 아닌 쌩 문과생..) 수업을 잘 따라가기 위해 미리 공부해야할것들
> 우선 어떤 전공으로 오실 생각이신지 여쭤보고 싶습니다. 일단은 '쌩문과'라고 표현해 주셨으니, Analytics 전공으로 가정하고 답을 드려볼게요. 저도 같은 비전공자의 입장에서 시작했습니다. Analytics 프로그램은 상대적으로 기간이 좀 짧습니다. 짧게는 10개월 길면 1년 반 정도이죠 보통. 따라서, 미리미리 준비해 오셔야 합니다. 합격하시고 나신 후에도 끝이 아니라, 모자란 부분을 잘 make-up하시는게 중요합니다.
이 중에서 가장 중요한 것을 꼽자면 역시 SQL 입니다. SQL은 데이터 관련 직무라면, 어느 분야에서든 어느 포지션에서든 중요하게 쓰이기 때문에 SQL을 미리 공부해 오시면, 많은 시간을 버실 수 있습니다. 이 벌어놓은 시간을 이용해서, 통계/머신러닝 공부를 해주시라고 말씀 드립니다.
Analytics 프로그램에 오시면, 마치 교수님이 수업시간에 강의하실 때 너네 미적분 다 할 줄 알고, 회귀 분석 이런 것도 다 예전에 배웠지? 하시고 리뷰하듯이 가르치십니다. 그리고 그 속도가 엄청 빠르게 진행이 되거든요. 회귀분석이 뭔지도 잘 모르는데, 리뷰하듯이 가르치시는 교수님을 따라가시는 건 거의 불가능에 가깝습니다.
결국, Aanlytics 프로그램은 졸업할 때가 되면 대부분의 경우 학생들이 두 그룹으로 나뉘게 됩니다. 숙제 뿐만 아니라 열심히 이 개념들을 어떻게든 catch-up해서 technical한 포지션의 인터뷰를 볼 준비가 된 학생들과 숙제는 열심히 해서 이런 저런 용어들을 들어 봤는데 개념들이 머릿속에서 흐름이 안잡혀서 결국 technical한 포지션으로 job application을 포기한 학생들.
전자가 좋고 후자가 나쁘다는 이야기는 아닙니다. 이건 아까도 말씀 드렸듯이 성향의 차이니까요. 데이터 분석가, 엔지니어, 사이언티스트보다 PM을 하고 싶어하는 학생들도 분명히 있거든요. 하지만, 문제는 본인이 데이터 분석가 혹은 그 이상을 하고 싶은데, 숙제와 커리큘럼의 폭풍 속에 살다 보니 어느덧 졸업할 때가 되었고, 정작 중요한 통계/ML 개념을 이해, 반복하는 시간을 충분히 갖지 못해서 타의에 의해 포기하게 되는 학생들이 적지 않다는 점입니다.
오시기 전에 반드시, 못해도 SQL 정도는 학습해 오시고. 하실 수 있다면, 코딩도 중요하지만, 기초 통계 개념을 미리 학습하고 오셨으면 합니다. 다음 글을 읽어 보시면, 좀 더 자세한 정보를 얻으실 수 있습니다:
https://uslife101.tistory.com/15

 

Analytics 석사 합격 후, 프로그래밍도 중요하지만 통계 기초 정말 중요합니다!

합격 후에 프로그램 시작하기 전까지 절대적으로 Statistics 기초 개념을 이해하는데 시간을 투자해야 한다. 오늘은 Analytics 석사 기준으로 이야기 해보고자 한다. 보통 Analytics 석사 지원하시는 분

uslife101.tistory.com





9. 데이터 관련 경험이 없는 사람이 데이터 쪽 직무가 맞는지 알기 위한 방법
> 기본적으로 저는 호기심이 중요하다고 생각합니다. 데이터 분석은 보통 질문을 던지고, 가설을 세우고, 그에 대한 답을 찾아나가는 과정이라고 생각합니다. 프로그래밍이든 통계든 CS든 배우면 됩니다. 하지만, 호기심은 가르치기가 어렵습니다. 궁금하지 않은 사람을 궁금하게 만드는 것은 거의 불가능에 가깝지 않을까요?
두번째도 호기심인데요. 조금 맥락이 다릅니다. 지적 호기심입니다. 데이터란 분야는 요즘 그 어느 분야보다 빠르게 발전하고 있습니다. 새로운 지식과 논문이 매일 같이 쏟아지고 있구요. 배워야 할 툴과 내용들이 점점 늘어나고 있어요. 즉, 취업을 하신 이후에도 계속 공부하셔야 하는 분야입니다. 저도 루나님도 매일 같이 필요에 의해서 부족한 내용, 새로운 부분에 대해서 요즘도 공부하고 있습니다.
세번째는 그릿 (GRIT)이라고 생각합니다. 유명한 베스트셀러였죠. 그릿은 보통 '자신이 성취하고자 하는 목표를 끝까지 해내는 힘이자, 어려움과 역경, 슬럼프가 있더라도 그 목표를 향해 오랫동안 꾸준히 정진할 수 있는 능력' 이라고 정의할 수 있습니다. 데이터 분석을 하다 보면, 매일매일 수 많은 에러를 마주하셔야 합니다. 어떻게 보면 매일 수십 번의 실패를 반복하고 있다고 보셔도 무방한데요. 이런 실패를 두려워 하거나, 오랫동안 하나의 문제를 해결하기 위한 끈기가 부족하다면, 이 분야가 재미없게 느껴지실 수 있습니다.
여러분들은 데이터 분석을 하는데 있어서 어떤 역량이 중요하다고 생각하시나요?


[데이터 사이언스 직무 및 커리어에 관한 질문]


1. 데이터 사이언티스트로서 중요하게 알아야 할 것들은 뭐가 있을까요? (예를들어서 통계학중에서 어떤 개념이나 코딩 언어, 비즈니스 및 도메인 지식등) 데이터 사이언티스트는 비즈니스 상황문제점을 어떤식으로 파악하고 모델을 만들기 전에 어떤부분들을 체크하는지 궁금합니다.
> 보통 현직 데이터 사이언티스트가 되려면, 3가지를 많이들 이야기 하십니다. 도메인 지식, Stat/ML, 그리고 CS. 그리고 이를 구현하기 위해서는 보통 SQL + R 또는 Python 프로그래밍이 가장 기본이라고 보시면 됩니다. 거기에 추가적으로 업무나 프로젝트에 따라서, 필요한 tool을 추가해 나가신다고 보시면 좋습니다.
제 개인적으로 중요하게 생각하는 것은 바로 스토리텔링입니다. 데이터 분석을 통해서 얻은 새로운 사실과 인사이트를 조합해서 스토리텔링을 하실 수 있어야 하며, 반대로 내가 하고 싶은 주장을 justify하기 위해서 어떤 데이터가 필요할지 어떤 방법론을 써야할지도 예상하실 수 있어야 합니다. 즉, 데이터<-> 스토리텔링이 양방향으로 되는 것이 중요하다고 생각 합니다. 특히, 이건 senior가 될수록 더욱 더 중요해집니다.


2. 데이터 사이언스의 미래와 그에 대한 대응
- 패스할게요. 질문이 너무 광범위해서 제가 답을 드릴 수 있는 부분이 아닌 것 같습니다.


3. 미국 회사 내 데이터사이언티스트들의 연령대는 어느정도인가요? 너무 먼 미래지만 시니어들의 나이대도 궁금하고 퇴직하는 연령대도 궁금합니다. 그리고 커리어적으로 추후 목표가 있으신가요? 또한 교육쪽에서 커리어 전환을 하려고 하는데, 교육 관련 기업에서도 데이터사이언티스트로 일할 수 있을까요? 금융, 바이오나 비즈니스 등은 많이 들어봤는데 다른 분야도 가능한지 사례가 궁금합니다.
> 보통 20-40대까지 다양합니다. 그래도 다른 직무보다는 다들 젊으신 편인 것 같아요. 아무도 퇴직할 나이가 되신 분들은 없으실 거 같아요. 저는 현재 Biostatistician으로 일하고 있고, 이 position은 미국에서 꽤 예전부터 존재했었는데요. (물론 예전에 요구됐던 역량보다 지금은 요구하는 능력이나 지식이 많이 확대되었습니다.) 제가 봤던 분 중에서 제일 오래 일하셨던 분은 28년 동안 이 일만 하신 분을 본 적이 있습니다.
저는 개인적으로 교육 쪽은 잘 모릅니다. 하지만, 멘토링 했던 분 중에서 교육학/교육 심리 쪽으로 공부하시는 분이 계셨었구요. 이전에 듀오링고, 또는 ETS 같은 기업에서 데이터 관련 포지션에 지원하신 분을 본 적이 있습니다. 저는 정량적 분석이 가능한 분야라면 모두 데이터가 쓰이니까 수요가 존재할 거라고 생각합니다.









마무리하며


많은 분들이 석사 프로그램을 통해서 단번에 내가 목표로 하는 회사, 직무, 잡 타이틀을 원하시는 경우가 많습니다. 하지만, 데이터 분야는 그렇게 단기간에 모든 것을 한 번에 학습하실 수 있는 분야가 아닙니다. 또 너무 빠르게 발전 중이어서, 새롭게 공부해야 할 것도 많고요. 그러니까 한번에 모든 것을 얻으려고 생각하시기 보다는, 한 단계씩 길게 보시면서 가셨으면 좋겠씁니다.
석사 프로그램에서 내가 배운 것을 토대로 첫 번째 job에서 확실히 얻을 수 있는 것을 얻고, 동시에 그다음 단계로 나아가기 위해서 필요한 지식 또는 스킬을 공부하셔야 하고요. 그럼 또 새로운 도전을 하셔야 할 순간이 다가옵니다. 그렇게 한 단계씩 한 단계씩 성장하시다 보면, 언젠가는 꿈을 이루실 수 있을 거라고 생각합니다.
끝으로 온라인 모임을 통해서 다양한 분들을 만날 수 있어서 저는 개인적으로 유익한 시간이었습니다. 오늘 참여해 주신 분들께 다시 한 번 감사의 말씀을 드리고 싶습니다.
오늘 참여해주신 분께 보내드린 피드백 설문지를 작성해 주시면, 이 커뮤니티를 향후 어떤 방향으로 이끌어 갈지를 결정하는데 큰 도움이 됩니다.


이제 직접 미국 대학원과 현지 취업을 경험해 본 멘토들과 함께 대학원 진학과 미국 취업을 준비해 보세요.

https://www.datakorlab.com/

 

Data KorLab

Featured Courses

www.datakorlab.com






#영어이력서 #영문이력서 #이력서 #Cover #coverletter #resume #레주메 #데이터분석 #데이터애널리스트 #미국데이터분석석사 #미국석사 #데이터과학자 #네트워킹이벤트 #GMAT #링크드인 #미국데이터분석 #데이터사이언스 #미국 #GRE #해외취업 #데이터사이언티스트 #미국현지취업 #데이터분석석사 #글래빈 #미국데이터사이언티스트 #글래빈미국 #글래빈미국데이터사이언티스트 #브라이언 #브라이언미국데이터사이언티스트 #스테이시미국데이터사이언티스트 #미국대학원 #해외취업마스터 #미국생활 #데이터사이언스석사 #미국유학생 #유학생 #미국데이터 #애널리틱스석사 #데이터석사 #미국데이터석사유학 #뉴욕직딩 #미국유학 #미국직장인 #미국취업 #미국현지취업 #prerequisites #선수과목 #미국대학원선수과목 #리트코드 #테크니컬인터뷰 #코딩인터뷰 #leetcode #커피챗 #대학원진학컨설팅 #데이터분석대학원

 

 

728x90

댓글