나는 평범한 데이터 과학자입니다. 그리고 10년째 잘 살고 있습니다

• PhD를 가지고 FAANG에서 일하며 최신 기술에 능통한 정말 뛰어난 Data Scientist들이 있다는 점은 알고 있음. 하지만 본인은 그런 부류가 아님
• 구식 기술을 쓰는 중소 규모 회사, 혼자 Analyst/Scientist 역할을 맡은 회사, 대부분 들어보지 못했을 회사들에서 근무해 옴
  • 특별한 일을 하지 않으며, 스스로를 똑똑하거나 뛰어나다고 여기지 않고, 현재의 FAANG 면접은 통과하지 못할 것
• 그럼에도 Data Scientist로서 멋진 경험을 해 왔고, 함께 일한 회사들에서 실질적인 임팩트를 만들어 옴
  • 지금도 면접을 보면 입사 제안을 받는 데 큰 어려움은 없으나, 현재 시점에서는 훨씬 더 어려워짐
  • 새로운 것을 배우려는 갈망과 추진력을 늘 가져왔으며, 복잡한 정보를 누구나 이해할 수 있는 방식으로 번역하는 재능이 있음을 발견
• 친절하고 공감하는 자세를 유지하며, 데이터가 흥미롭고 재미있을 수 있다는 점을 누구에게나 보여주려 함
  • 타인을 깎아내리며 자신을 더 똑똑해 보이게 하려는 태도를 거부, 그래서 복잡한 개념을 누구나 이해하도록 풀어내는 일을 사랑함
• 데이터에서 인사이트와 나아갈 방향을 보여주는 일을 좋아함
  • 결과로 이어지지 않는 모델이 많더라도 모델 구축 자체를 즐김
  • 회사가 내린 가장 큰 임팩트와 의사결정 중 일부는 막대 그래프와 기본 KPI에서 나옴
• 앞으로도 이 일을 계속할 계획임
  • 스스로 평범하거나 그 이하라고 느끼지만, 좋아하는 일을 하며 잘하는 영역에 집중함
  • 특히 AI로 인해 분야에 극적인 변화가 일어나고 있으며, 현재 그 변화에도 적응 중
• 고통스러울 만큼 평범한 사람의 긍정적 경험을 공유하고 싶었음
  • 특히 신입과 분야로 전환하려는 사람들에게, 방에서 가장 똑똑한 사람일 필요는 없음을 보여주고 싶었음
  • 견고한 기초를 깊이 파고들고, 회사에 변화를 만들거나 가치를 가져오려는 의지가 필요함

[GN⁺]

Reddit 의견들

• 모델 만들기가 즐겁고, 많은 모델이 실제로는 쓰이지 않더라도 회사의 큰 결정은 막대그래프와 기본 KPI에서 나오는 경우가 많다는 말이 정말 현실적임
  • 내 경험상 그 막대그래프는 학습된 xgboost 모델의 가장 중요한 특성 보고서인 경우가 많았음
    데이터 과학자를 그만둔 지 7년쯤 돼서 낡은 타임캡슐 같은 경험이지만, 고객들이 그 결과물을 꽤 좋아했던 기억이 남아 있음
  • 소프트웨어 엔지니어지만 모델을 만들고 학습시키는 걸 취미처럼 좋아함
  • 그 부분에서 움찔했음. 나는 공감이 안 되고, 만든 건 반드시 쓰이길 바라는 편임
    그래도 복잡한 내용을 사람이 이해할 말로 바꾸는 능력은 절대 가볍게 볼 게 아님. 이 기본기를 못 하는 사람이 너무 많아서, 제대로 해내기만 해도 평균 이하일 수는 없다고 봄
• 나도 평범한 데이터 과학자로서 고맙게 느껴짐. 여기서 FAANG 얘기만 계속 보는 것도 지겨워짐
  • 요즘은 Only FAANGS 자기 홍보만 보이는 느낌임
  • 평균이냐 최상위냐보다, 데이터 과학자가 된 타이밍이 더 중요함
  • 게다가 FAANG 데이터 과학자 상당수는 “AI” 모델을 다루는데, 그런 일은 나를 미치게 할 듯함. 세상에 또 다른 ChatGPT 버전은 필요 없음
• 이게 현실적인 데이터 과학자 경력 경로에 가까움. 99%의 경우 화려한 모델보다 비즈니스 영향과 커뮤니케이션이 더 중요함
  • 컨설팅에서 데이터 과학·분석 팀으로 일하는데, SQL 쿼리를 쓰고 결과를 고객에게 전달하는 것만으로 수백만 달러를 청구해 왔음
    물론 내가 청구한 금액이 곧 내 급여라는 뜻은 아님
  • 데이터 쪽이 아닌 사람들은 가끔 오컴의 면도날의 정반대를 적용하려 함. “수학”이 더 많다고 항상 통찰이 늘어나는 건 아니고, 때로는 그냥 가정만 늘어날 뿐임
• 솔직히 좋은 데이터 과학자처럼 들림. 이력서에 자격과 유명한 이름이 있고 말은 거창하지만, 실제로는 거의 아무것도 만들어내지 못하는 사람들을 충분히 봐서 그런 것들에 큰 비중을 두지 않게 됨
• 평균 데이터 과학자가 아니라 중앙값 데이터 과학자일지도 모름
• 신선한 관점임
• 나도 비슷한 평범한 데이터 과학자라서, 여기 글들을 읽다 보면 가끔 불안해졌음
• 나도 이쪽에 가까움. 회사는 크지만, 가장 화려하고 복잡한 최신 방법론을 밀어붙이기보다 재무팀의 의사결정을 돕는 데 초점이 있음
  데이터 과학 면접 콘텐츠를 보면 통계, 컴퓨터 과학, 인공지능의 살아 있는 사전이 되어야 할 것처럼 느껴지지만, 실제로 가장 성공적인 사람들은 다른 사람의 일에 긍정적인 영향을 주고 팀에서 함께 일하기 좋은 사람들인 경우가 많았음
• 데이터 과학자 일자리를 못 찾는 사람들에게 늘 이 얘기를 함. 나는 공급망 출신이고, 사람들이 하는 수작업이 너무 많다고 느껴서 독학으로 프로그래밍을 배웠음
  이후 데이터 과학 석사를 하면서 공급망 프로젝트 관리 역할로 옮겼고, 거기서 자동화, 대시보드, 데이터 파이프라인 구축, 예측 모델링, 임시 분석 작업 등을 하게 됨. 학위를 마친 뒤에는 회사에서 실제로 데이터 과학자 직함과 연봉으로 승진시켜 줬음
  일부 데이터 과학자들처럼 엄청나게 고급 작업을 하는 건 아니지만, 데이터 과학과 기술 역량으로 회사 문제를 해결하면 덜 흔하지만 만족스러운 경력 경로를 찾을 수 있음
  • 지금은 얼마나 버는지 궁금함. 계속할 만큼 충분한지, 아니면 더 높은 보상을 위해 더 해야 한다고 느끼는지 궁금함
• 이런 얘기 정말 좋음. 중간쯤에 있는 오래된 실무자들도 일어나야 함