참고: 이 내용은 2022. 2. 24에 게시된 컨텐츠(How to Find, Hire, and Retain Data Scientists)에서 번역되었습니다.

리서치 회사인 IDC는 현재 64제타바이트인 글로벌 데이터 생성이 2025년까지 매년 180제타바이트 성장할 것으로 예상합니다.

이 가파르고 지속적인 성장의 이유는 명백합니다. 디지털 세계의 특정한 변화들이 이러한 현상을 설명해 줍니다. 첫 번째로 비즈니스 차별화 요소로서의 AI 성장이 데이터 생성을 증가시켰습니다. 두 번째로 에지(edge) 기술의 성장 또한 동일한 역할을 했습니다. 2030년까지 300억 개의 연결된 장치가 사용될 것입니다. 마지막으로 폐기물로 여겨지던 데이터가 이제는 리소스로 인정받는다는 것을 깨달았습니다. 데이터의 효율적인 사용은 비즈니스가 경쟁업체보다 유리할 수 있도록 이점을 제공할 수 있습니다.

늘어난 데이터 양과 데이터가 원료라는 자각을 합하면 데이터 과학자를 고용하고 유지하는 것이 왜 가장 중요해졌는지 알 수 있습니다. 하지만 이는 실제로 어렵거나 어려워 보입니다.

데이터 과학자 고용 가이드

여러분에게 데이터 전문 지식이 필요한지와 그렇다면 어떤 유형이 필요한지 결정하는 데 사용할 수 있는 계획을 만들기 위해 5명의 데이터 과학자 및 관리자를 Snowflake에서 인터뷰했습니다.

데이터 과학자에 대한 가장 일반적인 믿음은 대기업이 이들을 고용하고 유지하는 데 있어서 소규모 회사보다 앞서 있다는 것입니다. 하지만 너무 성급한 결론을 내려선 안 됩니다. 대기업은 더 높은 급여와 명성을 쉽게 제공할 수 있습니다. 하지만 이는 데이터 과학자에게 종종 충분하지 않습니다. 특히나 학문을 따지는 데이터 과학자의 경우 그렇습니다.

아직 거대하다는 수식어를 얻지 못한 회사가 어떻게 하면 대기업과의 경쟁에서 살아남을 수 있을까요? 두 가지 전략을 사용할 수 있습니다. 즐거운 작업을 제공하거나 외부와 교류해야 하는 필요를 줄이면 됩니다.

고용 전 해야 하는 질문

고용 난투극에 몸부터 밀어 넣기 전에 자신이 필요하다고 생각하는 것이 왜 필요한지를 알고 있는 것이 중요합니다.

“우선 어떤 데이터를 가지고 있으며 품질은 어떤지 알아봐야 합니다.”라고 Snowflake의 데이터 과학자 워크로드를 위한 리드 제품 마케팅 관리자인 Julian Forero는 말했습니다. “모든 회사는 우선 이런 질문에 답해 봐야 합니다. 데이터 과학자가 아직 필요한가?”

만약 필요하다면 데이터 과학자가 ML 모델 구축에 집중할 수 있습니까, 아니면 데이터 관리에 시간을 허비하게 됩니까? Julian Forero는 이러한 질문을 ‘데이터 분석 곡선에 관한 실존적 질문’이라고 부릅니다.

데이터 과학자에게 도움을 요청하기 전에 다음의 두 가지 질문에 답해야 합니다.

  • 데이터의 상태는 어떤가요?
  • 데이터 전문가가 어떤 작업을 해야 하나요?

Harpal Singh가 만든 이 체크리스트나 Talia Borodin가 만든 이 체크리스트를 꼼꼼하게 확인하는 것이 도움이 될 수 있습니다. 이러한 질문에 만족스럽게 답할 수 없다면 데이터 설계자가 도움이 될 수도 있습니다.

이러한 두 가지 핵심 질문에 답할 수 있다면 데이터 경제에 여러분의 의견을 피력할 준비가 된 겁니다.

도전 수락!

거대한 규모의 기업에서 데이터 과학 팀을 이끌고 있다면 지원자가 그의 이력서를 돋보이게 할 만큼의 명성을 떨치도록 할 수 있을 뿐만 아니라 후한 급여 패키지를 제공할 수 있을 것입니다. 하지만 Julian Forero는 대부분의 데이터 전문가는 이러한 것을 최우선으로 여기지 않는다고 말합니다.

“데이터 과학자에게는 흥미로운 작업이 최우선입니다.”라고 그는 말했습니다. 작업이 흥미로운지는 다음의 세 가지 질문에 따라 결정됩니다.

  • 다루는 데이터 과학이 최첨단에 얼마나 가까운가?
  • 데이터 과학자가 단순한 데이터 준비보다 모델 구축에 더 많은 시간을 투자할 수 있도록 하는가?
  • 마지막으로, 데이터 과학자가 요청받은 작업이 전체적으로 이 세상에서 얼마나 흥미로운 작업인가?

빵의 귀퉁이 같은 일보다 핵심적인 일을 더 많이 제공하고, 데이터 과학자와 이들의 동료가 최첨단이라고 느끼는 작업을 제공하며, 세상에 실질적으로 영향을 주는 작업을 줄 수 있다면 귀사보다 규모가 큰 기업들과 경쟁할 때 어깨를 나란히 하거나 앞서갈 수 있습니다.

영향력의 불안

Snowflake 데이터 과학 관리자인 Bhaskar Saha에 따르면 데이터 과학자는 자신의 작업에 영향력이 있다고 느낄 때 아주 좋아한다고 합니다.

영향력은 사내, 산업 내 및 전 세계적과 같은 세 가지 단계로 행사될 수 있습니다. 여러분의 회사가 대기업이 아니더라도 경쟁업체가 위기감을 느끼도록 하는 영향력이나 중요성을 갖춘다면 데이터 과학자는 자신의 작업물이 비즈니스의 전반적인 행보에 영향을 준다고 여길 수 있습니다. 그리고 이로 인해 자신의 작업물이 전 세계에 영향을 준다고 여길 수도 있습니다.

“Snowflake에서 저희는 데이터 솔루션을 제공하기 위해 Google, Amazon 또는 Microsoft와 같은 대기업과 경쟁할 뿐만 아니라 어떤 방면에서는 이들을 자극하기도 합니다.”라고 Bhaskar Saha는 말했습니다.

“저희가 기준을 세운 다음 이들이 저희가 세운 기준을 능가하면 저희는 이들을 능가합니다. 이는 전체적인 최종 사용자에게 이점을 제공합니다. 저희는 마켓플레이스의 경쟁 수준을 개선하고 있습니다.”

“데이터를 중요하게 여기는 데이터 문화는 좋은 인재를 끌어옵니다.”라고 Snowflake 데이터 과학 및 엔지니어링 이사인 Kristen Werner는 말했습니다. “중요한 자리를 차지하고 싶어하는 사람들은 상부부터 말단까지 데이터를 우선시하는 사고방식이 퍼져 있는 회사에 이끌립니다.”

자동화로 늘어난 분석가

분명, 일부 회사는 수요가 많은 이러한 전문가를 데려오기 위한 경쟁에 뛰어들 준비가 적어도 아직은 되지 않았다고 생각할 것입니다.

Julian Forero는 기술이 다른 옵션을 제공할 수 있다고 암시합니다. “자동화 머신 러닝이 존재합니다. 이는 데이터 과학자가 아닌 사람이 일부 데이터 과학 작업을 할 수 있도록 합니다. 아니면 이미 고용해 둔 데이터 과학자가 작업을 더 나은 방식으로 또는 더 빠르게 진행하는 데 도움이 될 수 있습니다.”라고 그는 말했습니다. 데이터를 둘러싼 많은 부분이 자동화되고 있습니다. 또한 이러한 자동화는 경쟁업체에 다른 방식으로 대응하도록 할 수 있습니다.

“큰 비용을 들여 데이터 과학자를 백 명을 고용해, 흥미로운 프로젝트가 부족하여 유지될 수 없는 팀을 꾸리기 보다는 현재 사내에 있는 리소스를 살펴보시기 바랍니다. 이러한 리소스에는 BI와 보고를 통한 데이터 통찰력을 관리하는 비즈니스 분석가와 데이터 분석가가 포함됩니다. 또한 데이터를 중점적으로 수년간 다룬 작업을 수행한 인원이 포함됩니다.”라고 Snowflake GTM, 소매 및 CPG, 유럽, 중동, 아프리카 및 아시아 태평양 산업 책임자인 Paul Winsor는 암시했습니다.

“현재 기술이 제공하는 자동화 접근 방식을 통해 우리를 이것을 채택하여 ‘가서 이러한 애플리케이션을 사용할 수 있도록 스스로 배우고, 예측되는 분야에서 결정하기 시작하고, 기술이 무거운 작업은 기술이 처리하도록 하세요’라고 말할 수 있습니다.” 그는 이렇게 말했습니다.

데이터 과학자를 찾을 때 추가적인 팁

데이터는 더 이상 선택이 아닙니다. 필수입니다. 하지만 데이터 과학자 마켓플레이스에 무작정 뛰어들기 전에 데이터가 여러분에게 제공하는 것, 데이터의 상태 및 자신에게 필요한 것을 이해해야 합니다. 솔직히 데이터 우수성을 돈으로 달성하려 들진 않으실 겁니다. 머리를 써야 합니다.

데이터 과학은 소규모 회사도 경쟁할 수 있는 분야입니다. 조직이 용감하고 창의적이라면, 필요한 전문 지식에 접근할 방법이 있는 것입니다. 자동화를 배우고 싶어 하고 이에 익숙한 직원이 회사에 있어도 마찬가지입니다.

이 주제에 대해 자세히 알아보고 이러한 데이터 집약적인 세상에서 경쟁하기 위한 추가 전략을 검토하려면 다음과 같은 CIO 및 기타 전문가의 전략을 고려해 보시기 바랍니다.

  • 지원자를 찾고 교육할 수 있는 협회나 로컬 비영리 단체 및 대학과 파트너십을 체결하세요.
  • 인도 같은 일반적인 장소가 아닌 동유럽같이 덜 알려진 장소로 글로벌 탐색을 확장하세요. 이 접근 방식을 사용하려면 당연히 새로운 사무실을 열거나 더 많은 원격 팀을 구축해야 할 수도 있습니다.
  • 기대를 정확하게 충족하지 않을 수 있는 지원자를 고용하셔도 괜찮습니다. 대신 비즈니스 문제 해결 능력을 갖춘 지원자를 우선적으로 찾으세요.
  • 이러한 학문에 대한 여러분의 헌신을 선보이기 위해 CDO를 고용하거나 승진시키세요.
  • 업무를 진행함에 따라 공급업체와 구현 파트너가 귀사의 직원을 교육시키도록 하세요.
  • 새로운 지원자를 찾고 해당 영역에서 조직의 인지도를 높이기 위해 사내 또는 사외에서 데이터 과학 대회를 주최하세요.
  • 객관적인 질적 검토부터 시작하여 인터뷰 프로세스를 개선하세요.