1주차 2차시 과제_본인은 어떠한 직업을 꿈꾸고 있으며 이를 달성하기 위해 포노사피엔스 시대에 갖춰야 할 능력은 무엇인가?
1. 본인은 어떠한 직업을 꿈꾸고 있으며 이를 달성하기 위해 포노사피엔스 시대에 갖춰야 할 능력은 무엇인가?
1>콘텐츠마케터
콘텐츠 마케터는 단순히 콘텐츠를 제작하는 것에서 한발 더 나아가 브랜드에 대한 이미지를 구축하고 전달하는 사람입니다. 쉽지 않은 역할인 만큼 콘텐츠 마케터에게는 다양한 역량과 자질이 필요합니다.
1. 전략적 사고
콘텐츠 마케터에게는 프로세스 중심의 전략적 사고가 중요합니다. 프로세스 중심의 사고가 중요한 이유는 콘텐츠 마케팅은 여러 프로세스로 연결되어 있기 때문입니다. 어떤 프로세스가 잘못되면 다음 프로세스에도 안 좋은 영향을 미칩니다. 성공적인 콘텐츠 마케팅을 위해서는 여러 프로세스별로 목표를 세워야 합니다. 또한 프로세스별로 목표와 실제 이루어낸 성과를 비교 분석해 어떤 프로세스에 역량을 집중해야 하는지 파악해야 합니다.
2. 창의적인 사고
사람의 뇌는 글자보다 그림을 600,000배 빠른 속도로 처리합니다. 콘텐츠 마케터는 텍스트뿐 아니라 이미지, 영상, 인포그래픽 등 스토리를 여러 시각적 콘텐츠로 보여줄 줄 알아야 합니다.
3. 소셜미디어 활용 능력
콘텐츠 마케터는 소셜 미디어에 능통해야 합니다. 콘텐츠는 어떤 SNS 채널에 배포해야 할지, 콘텐츠를 배포하기 적합한 시간은 언제인지, 콘텐츠 확산을 극대화하기 위해 전달해야 할 대상은 누구인지 등을 알고 있어야 합니다.
4. 혁신적인 사고
콘텐츠 마케터는 자원을 잘 활용하며 집념이 강하고 대담해야 합니다. 콘텐츠 마케터는 실패를 두려워하지 않고 계속해서 새로운 도전을 해야 합니다.
5. 숫자에 대한 감각
유능한 콘텐츠 마케터가 되기 위해서는 숫자에 대한 감각이 뒷받침되어야 합니다. 최근 데이터 분석에 기반한 마케팅이 산업 전반을 휩쓸고 있습니다. 다양한 계량지표에 대한 인식은 높아지고 있지만 이를 실제로 이용 가능한 마케터는 그리 많지 않습니다. 여러 계량지표 중에서도 우리 회사의 마케팅 및 비즈니스 목표에 맞는 방법을 찾을 줄 알아야 합니다.
6. 커뮤니케이션 능력
콘텐츠 마케터는 다양한 관련 부서 및 기관과 협업을 해야 합니다. 이런 업무 특성으로 인해 콘텐츠 마케터에게는 ‘커뮤니케이션 능력’이 필수로 꼽힙니다. 예를 들어, 콘텐츠 마케터가 협력해야 할 내부 인력으로는 콘텐츠 마케팅팀원 및 사내 연관 부서가 있습니다. 외부 인력에는 협력 업체, 분석기관, 대행사, 프리랜서 등이 있습니다.
7. 유머 감각
콘텐츠는 재미있어야 많은 공감을 얻고 퍼집니다. 콘텐츠 마케터는 출퇴근 시간 등 시간이 날 때마다 틈틈이 유머커뮤니티 등을 살피며 최근 유행을 파악해야 합니다.
8. 트렌드를 읽을 줄 아는 능력
콘텐츠 마케터는 트렌드를 읽을 줄 아는 능력이 필요합니다. 브랜드가 시장을 선점하고 선도하기 위해서는 고객의 반응과 시장의 동향, 소비 트렌드에 대응해야 하기 때문입니다. 제품 및 회사에 대한 지식은 물론, 고객과 시장의 변화를 끊임없이 연구하는 자세가 필요합니다.
->구글 애널리틱스(Google Analytics)
->사회조사분석사
9. 글쓰기 능력
유능한 콘텐츠 마케터는 글쓰기 능력이 중요합니다. 검색엔진에 잘 검색되는 콘텐츠를 쓰기 위한 SEO 능력, HTML에 대한 이해, 꼼꼼함, 문법 및 맞춤법에 대한 이해, 좋은 제목(카피)을 뽑는 능력, 스토리텔링 능력이 필요합니다.
미래에 어느 직업을 택하던지 트렌드를 읽는 데이터분석 능력이 매우 중요하다
세상은 지금 정보기술(IT, Information Technology) 시대에서 데이터기술(DT, Data Technology) 시대로 가고 있다”
– 알리바바그룹 마윈 회장, 2015년
우리는 현재 데이터 시대에 살고 있습니다. 디지털 마케팅 영역에서도 고객의 데이터를 분석해서 인사이트를 도출하고 이를 마케팅이나 비즈니스 전략에 활용하는 데이터 분석 능력은 오늘날 마케터가 갖춰야 할 필수 역량이 되었습니다.
네이버, 다음, 구글과 같은 검색엔진에서의 검색 데이터, 페이스북과 같은 매체에서의 소셜 데이터, 각종 광고매체 데이터, 개별 기업이 보유한 CRM 고객 데이터, 웹사이트 방문자의 웹로그 데이터 등은 시장을 파악하고 고객을 이해할 수 있는 대표적인 디지털 데이터에 해당하며, 그 활용을 위해 통계 분석이나 빅데이터 분석 등 다양한 분석 방법이 적용됩니다.
이 중 기업에서 일반적으로 가장 널리 사용되고, 기본이 되는 데이터 분석 중 하나가 바로 웹로그분석인데요, 많은 사업자들에게 있어 1) 웹사이트가 디지털 마케팅 활동의 거점 역할을 담당한다는 점과, 2) 간단한 설치만으로 방대한 양의 고객 데이터를 수집, 분석할 수 있다는 점을 그 이유로 들 수 있습니다.
<디지털 마케팅 데이터 분석>
정확한 통계 수치가 나와 있지는 않지만 국내에서도 많은 기업들이 웹분석 서비스를 이용하고 있습니다. 대기업 등 일부 업체에서는 구글이나 어도비 등에서 제공하는 고가의 프리미엄 웹분석 서비스를 이용하기도 하지만, 대부분의 회사에서는 무료 서비스인 구글 애널리틱스와 네이버 애널리틱스, 유료 서비스인 에이스카운터와 로거 등의 툴이 주로 사용되고 있습니다.
구글 애널리틱스(Google Analytics)란?
참조: 구글 애널리틱스 공식 사이트
구글 애널리틱스는 웹사이트 방문자의 데이터를 수집해서 분석함으로써 온라인 비즈니스의 성과를 측정하고 개선하는 데 사용하는 웹로그분석 도구입니다.
구글은 2005년 3월 웹분석 전문 업체인 어친 소프트웨어(Urchin Software)를 인수한 후 그해 11월 구글 애널리틱스 서비스를 출시했습니다. 무료 서비스임에도 매우 강력한 기능을 제공함으로써 지금은 전세계적으로 가장 널리 사용되는 웹분석 툴이 되었습니다.
2>빅데이터분석가
데이터 분석가(Data scientist)에게 꼭 필요한 4가지 역량
Data scientist?
빅데이터의 시대라고들 합니다. 최근 몇 년 간 데이터 저장 및 처리 비용이 엄청나게 낮아지면서 생성되는 데이터의 종류, 양이 무척이나 다양해졌습니다.
데이터 분석가, 혹은 데이터 싸이언티스트라고 불리우는 직업군이 주목을 받게 된 것도 이러한 배경에서 데이터 분석을 통해 무궁무진한 비즈니스 기회를 찾아낼 수 있기 때문일 것입니다.
Job market에서도 Data scientist에 대한 수요가 점점 커짐에 따라 이들의 몸값도 올라가는 추세입니다. Harvard Business Review에서는 수년 전에 이미 Data scientist를 “The sexist job in the 21st century“로 규정하면서, 2020년대가 되면 특정 영역에서는 Data scientist에 대한 수요가 공급을 훨씬 초과하는 현상이 발생할 것이라고 예측한 바 있습니다.
참고로, 데이터 싸이언티스트와 데이터 애널리스트, 데이터 엔지니어, 비즈니스 애널리스트 등 데이터 분석 관련 직업을 상세하게 구분하는 경우도 있지만, 이 글에서는 기업에서 데이터를 분석하는 직업을 가진 사람을 통칭하여 “데이터 분석가”라고 부르겠습니다.
소스: www.techjuice.pk
데이터 분석가, 어떤 일을 하나?
기업 마다 조금씩 다르겠지만, 데이터 분석가의 가장 중요한 역할은 의사결정자가 data-informed decision을 할 수 있도록 적절한 시기에 정보를 제공하는 역할일 것입니다.
여기서의 정보는 기술 통계적인 데이터(평균, 합계 등)에서 부터, 보다 복잡한 현상을 해석하고 예측하는 모델에 이르기 까지 다양합니다. 데이터 분석가의 전문성이 높아질 수록 보다 정교하면서도 설명력/예측력이 높은 모델을 제공할 수 있겠죠.
좀 더 구체적으로 라이엇 게임즈를 기준으로 이야기 해 보겠습니다.
제가 속해 있는 비즈니스 애널리틱스(Business Analytics) 팀의 주요 업무 영역은 회사 내 Key business metrics의 모니터링 및 보고, ad-hoc 데이터 분석 요청 대응, 주요 이슈에 대한 프로젝트 형 분석의 세가지로 구분할 수 있습니다.
사전에 정의되어 있는 지표를 모니터링 및 보고하는 것이 기술 통계적인 정보의 제공이라면, 심층 분석은 현상 해석 혹은 예측 모델을 수립하는 것이라고 볼 수 있습니다.
데이터 분석가에게 필요한 역량 4가지
데이터 분석가는 의사 결정을 위한 “정보”를 제공하는 사람이라고 말씀드렸죠? 데이터 분석가에게는 이러한 말씀드린 정보(기술 통계적인 정보에서 예측 모델까지를 통칭해서)를 제공하기 위한 역량이 핵심적입니다.
1 데이터에 대한 이해
가트너는 빅데이터의 특징을 3V (양Volume, 다양성Variety, 속도Velocity)의 세가지로 정의한 바 있습니다. 데이터가 복잡하고 방대해 졌다는 뜻인데요, 그렇기 때문에 데이터 자체에 대한 이해 없이는 좋은 분석가가 되기 어렵습니다.
데이터 분석가는 데이터베이스에서 자신이 원하는 데이터를 추출할 수 있어야 합니다. 회사마다 DB구조가 다르고, 주로 분석하는 영역이 다르기는 하지만 대부분 RDBMS를 사용하기 때문에 어떤 분야던지 SQL에 대한 이해는 필수적이고, Mongo DB를 사용하는 곳에서는 JSON에 대한 지식도 필요하겠죠.
2 통계 및 분석 방법에 대한 이해
“데이터 싸이언티스트라는 말은 단지 통계학자를 멋있게 부르는 말에 불과하다 (Data scientist is just a sexed-up word for statistician)“는 말을 한 적이 있습니다.
머신러닝, 딥러닝을 비롯한 최근의 다양한 분석 방법이 통계학적 기반을 가지고 있다는 것을 생각해보면 수긍이 갑니다. 데이터 분석을 하기 위해서는 통계적 지식이 필수라는 말이지요.
물론 기존의 통계학에만 정통해서는 데이터 분석 업무를 잘 수행해 내기 힘듭니다. 계속해서 다양한 분석 기법들이 쏟아져 나오고, 기존의 분석 기법들이 업그레이드 되니까요.
다양한 분석 기법을 습득하기 위해 추천해 드리는 방법은 자주 사용되는 분석 기법들을 정리해 놓은 책을 읽거나, 온라인 강의를 통해 분석 방법론의 유형과 기본 개념에 대해 익혀두는 것입니다.
지도학습, 비지도학습 영역 별로 사실 자주 사용되는 기본 분석 방법론을 알아 나가는 것은 그리 어려운 일은 아닙니다. 최신 분석 방법에 대해 계속 업데이트 받기 위해서는 데이터 분석과 관련된 커뮤니티(캐글)에 가입하거나, 유명한 데이터 분석가 중 마음에 드는 사람의 블로그를 팔로잉 하는 것도 좋은 방법이라고 생각합니다.
물론 데이터 분석 방법은 분야도 다양하고, 점점 깊어지는 추세이기 때문에 대략적인 분석 방법을 아는 것 만큼이나 자신의 전문 영역을 확보하는 것도 중요합니다. 이 부분은 데이터 분석가가 된 이후에도 계속 습득해 나가야 하는 부분이구요.
3 분석 Tool에 대한 이해
MS Excel은 다양한 기능이 있고, 사용하기 매우 편리하지만, 위에서 언급한 분석 기법을 모두 지원하지는 않습니다. 따라서 데이터 분석가는 분석을 위한 전용 Tool을 사용할 수 있어야 합니다.
데이터 분석을 위한 다양한 Tool이 있는데요, 자신과 잘 맞는다고 생각하는 Tool을 하나 정해서 익히면 됩니다. 가장 자주 사용되는 분석 Tool에는 아래와 같은 것들이 있습니다.
오픈소스: R, Python
유료: SAS, SPSS
유료 Tool의 경우 보다 사용하기 쉬운 UI를 제공하지만 코딩이 익숙하지 않은 분들이 비교적 쉽게 습득할 수 있다는 장점이 있습니다.
오픈소스는 무료라는 점, 사용자가 다양하기 때문에 다양한 기능이 지원된다는 점이 매력적이구요. 혹시 R과 Python 중 어느 것을 고를 지 고민되시는 분은 이 포스트를 참고해보세요.
R vs Python
소스: InData Labs
4 비즈니스 커뮤니케이션
데이터 분석가에게는 커뮤니케이션을 잘 하는 것이 다른 직업군 보다 더욱 중요합니다. 데이터가 다른 여러 부서와 관련이 되어 있기 때문이기도 하고, 분석 결과 또한 다른 부서, 의사 결정자가 활용하기 때문입니다.
커뮤니케이션에는 여러가지 영역이 있고, 중요하지 않은 영역은 물론 없지만, 저는 데이터 분석가에게 필수적인 커뮤니케이션 능력은 아래 두 가지로 정의할 수 있을 것 같습니다.
문제 정의 능력
무엇을 해결하고자 하는지 명확하게 알지 못하면 문제를 해결 할 수도 없습니다. 실제로 문제를 해결했다고 하더라도 해결했는지 조차도 모를 수도 있겠죠.
그렇기 때문에 데이터 분석을 시작하기 전에 달성하고자 하는 목적 및 비즈니스 임팩트가 무엇인지를 구체적으로 정의하는 것이 중요합니다.
사전에 기본적인 Problem solving 방법론과 데이터 분석의 기본적인 문제 유형을 습득하고 있어야 유관부서나 의사결정자와 문제에 대한 정의를 할 때 정말로 해결해야 할 문제가 무엇인지에 대한 협의를 이끌어 낼 수 있습니다.
결과 전달 능력 (STORYTELLING AND VISUALIZATION)
데이터 분석의 결과를 필요한 사람/부서에서 잘 이해할 수 있도록 전달하는 것 또한 필수적인 스킬 중 하나입니다. 이를 위해서는 잘 구성된 Storyline을 적절히 시각적으로 보여주는 것이 필요합니다.
스토리텔링의 영역에서는
데이터가 어떻게 받아들여 질지, 이해관계자 입장에서 쉽게 이해할 수 있도록 계속 고민하는 것이 필요합니다.
데이터 시각화 영역에서는
간단한 데이터 분석의 결과를 전달할 때는 PPT나 엑셀 그래프도 여전히 자주 사용되지만, 최근에는 tableau나, R의 ggplot2 패키지 등 보다 다양한 시각화 기능을 지원해 주는 Tool들을 점점 더 많이 활용하는 추세입니다.