[Review] 데이터 취업 토크 콘서트 첫 패널 참여 후기

학부생 2-3학년 때 데이터의 세계를 본격적으로 처음 배우게 만들어 줬던 스터디 모임 빅리더의 인연으로
너무나도 좋은 기회를 얻어 데이터 직군 관련 취업 토크콘서트의 패널로 참가하게 되었다.
아직 3년도 채 되지 않은 내가 패널로 참여해서 많은 도움이 될 수 있을까 고민도 됐지만,
오히려 아직 입사한지 3년이 되지 않았으니 취업 경험이 더 잊혀지기 전 좋은 시기라고 생각하고 함께 참여하게 되었다.

행사는 4가지 세션으로 나눠서 진행되었다.
초반 3가지 세션은 인공지능 산업과 관련해서 공공기관에서의 이야기와 함께 스터디 했던 선배들의 직무별 이야기,
그리고 해당 빅리더 9기 (내가 참여했을 때가 2기였는데 벌써 여러 기수가 많이 흘렀다..) 모집과 관련된 이야기로 진행되었고, 
마지막에 토크 콘서트가 진행되어 자리에 함께할 수 있었다.

[Session 1] AI 산업의 현재와 미래
NIA 박상현 본부장님과 Kodata의 안영재 부장님의 강연으로 행사가 시작되었다.
공공기관에서는 어떻게 데이터 산업을 바라보고 계실지 궁금했는데,
공공기관 중에서도 데이터를 활용하는 곳이기 때문인지 많은 곳에서 분석하고 활용하고자 하는 현황을 알 수 있는 의미 있는 시간이었다.
특히 Tableau를 활용한 듯한 대시보드를 많이 볼 수 있었는데,
공공 데이터를 정말 유의미하게 가시적으로 보여주는 것이 인상적이었다.
(BOAZ 시각화 활동할 때가 새록새록 떠오르기도 하면서 저런 좋은 대시보드를 한번 제작해볼까하는 마음도 생기게 되었다.)

그리고 새롭게 알게 된 부분도 많았는데, 우선 AI에 대한 hyper cycle이라는 것이다.

AI 내 세부 분야별로 현재 뜨기 시작한 분야부터 실제로 서비스 등에 적용되고 있는 분야까지 시각적으로 살펴볼 수 있었다.
Slope of Enlightment까지 도달한 분야가 컴퓨터 비전이나 데이터 라벨링 등 많이 없어서 아직은 가야할 길이 많다는 생각이 들면서도,
내가 다루고 있는 지식그래프가 Peak of Inflated Expectations 에 있다는 것도 신기하면서 Slope of Enlightenment에 도달할 때까지 잘 구축해서 다룰 수 있으면 좋겠다는 생각이 들었다.

또한 사람에게는 어려운 일이 인공지능에게는 쉬울 수 있지만, 반대로 사람에게는 쉬운 일이 인공지능에게는 어려울 수 있다는 "모라벨의 역설"을 통해 인공지능이 모든 것을 대체할 수 없다는 것을 깨달으면서도, 이 역설을 깰 수 있는 기술을 만들 수 있다면 chatGPT만큼의 큰 영향력을 선사할 수 있겠다는 생각이 들었다.

visual trumpery 예시 : 지역 면적으로 인해 왜곡될 수 있는 정보를 카토그램 지도로 해결한 케이스

데이터를 정보로서 읽고, 이해하고, 만들고, 커뮤니케이션 하는 능력인 "데이터 리터러시"에 대한 내용을 통해서는
평소에 너무 기술적인 부분만 바라보고 데이터를 기획적인 관점에서는 많이 놓치고 있지 않았는지 반성하게 되었다.
데이터를 시각적으로 왜곡해서 전달하는 문제인 visual trumpery 등에 대해서도 평소에 주의 깊게 생각하면서
데이터 시각화를 할 때 놓치지 않도록 유의해야 겠다는 마음을 다시 되짚게 되었다.

 

[Session 2] AI 취업 A to Z
앞에서는 직급이 높으신 분들의 관점에서 데이터에 대한 이야기를 들을 수 있었다면,
해당 세션에서는 주니어 데이터 직군 현업자들의 경험담을 깊이 있게 들을 수 있었다.
함께 스터디를 했던 선배 두 분이 발표를 맡아주셨는데, 그동안 여러 인턴십과 현업에서 일하게 된 과정과 직무별로 필요하다고 생각하는 부분에 대해 다뤄주셨다.

(개인적인 이야기들이 많았기에 여기에 내용을 자세히 적기는 어렵지만)
본인의 경험 이야기와 생각을 하나의 발표에 담아 사람들에게 인사이트를 제공하는 모습이 너무 존경스러웠고, 나에게도 저런 기회가 주어진다면 이야기를 잘 펼칠 수 있도록 평소에 여러 고민을 많이 해봐야겠다는 생각이 들었다.
발표 내용도 너무 좋았지만, 특히 청중들을 사로잡고 메시지를 전달하기 위해서는 자신감이 정말 중요하다는 생각 등이 들었던, 많은 자극을 받을 수 있는 시간이었다. 

 

[Session 3] 빅리더 프로젝트 인턴십 소개
해당 행사의 본 목적이 빅리더 9기 모집이기도 했기에, 어떤 식으로 교육과 프로젝트가 진행될지 소개하는 자리였다.
이전 스터디 때부터 뵈었던 교수님의 열정적인 강연을 통해 스스로를 돌아보며 식어가던 나의 열정도 다시 채울 수 있는 시간이었다.

 

[Session 4] 현직자들과의 토크 콘서트
해당 세션에서 함께 스터디했던 선배 분들과 패널로 함께 하면서 이야기를 나눌 수 있었다.
당시 행사 시간이 길지 않아 예상 질문에 대해 준비해 갔던 내용을 모두 쏟지 못해 아쉬움이 남았는데, 글로나마 못다한 이야기를 조금 남겨보고자 한다.
(물론 아래 끄적여둔 나의 생각이 절대적인 정답이 될 수는 없다. 그냥 이렇게 생각하는 사람도 있구나 정도로 참고해주시면 좋을 것 같다.)

 

비전공자로서의 필수 역량 3가지

(역량보다는 이런 부분을 보강하면 더 좋을 것들에 대해 생각해봤다.)

1. (깊이 있는) 프로젝트 경험
진행됐던 세션에서도 프로젝트에 관한 이야기가 꽤 많이 나왔던 것처럼 여러 프로젝트를 깊이 있게 경험해보는 것이 가장 중요하다는 생각이 들었다. 특히 회사 업무 자체가 개인 및 협업 프로젝트의 연속이기 때문이다.
다만 여러 프로젝트를 진행했음에도 막상 면접 때 질문을 드리면 구체적으로 잘 대답하지 못하는 경우도 있기 때문에, 양보단 질이 중요하지 않을까 싶다.
조금 더 취업 입장에서 바라보자면, 적어도 자소서에 적은 내용과 키워드에 대해서는 완벽하게 숙지하고 있을 정도의 깊이로 프로젝트 경험을 쌓는 것이 좋을 것 같다. 면접에서 면접관 분에게는 자소서가 질문 리스트이기 때문에, 자소서에 나오는 키워드에 대해서는 물어볼 확률이 매우 높고 그 키워드에 대한 기술적인 부분을 잘 대답하는 것이 프로젝트에 대해 제대로 알고 있다는 것을 나타내기 때문에 이런 부분이 매우 중요하다고 생각한다.

2. (깊이 있는) 기술적 이해 습관
현업에서도 빨리 결과를 내기 위해 일단 사용하고 보는 경우들이 많이 존재한다. 그런데 이렇게 작업해 뒀을 때는 나중에 오류가 발생하거나 성능이 잘 안 나올 때 해결하는데 많이 애를 먹었던 것 같다..😅
평소에 깊게 이해하고 넘어가는 습관을 잘 갖추고 있다면 이런 문제를 맞닥뜨렸을 때도 해결 실마리를 잘 찾아낼 수 있지 않을까 싶다.

3. (깊이 있는) CS 기초
데이터 직군이라고 해서 가볍게 여길 수 있는 부분이 컴퓨터 기초일 수 있는데,
실제로 업무를 하면서 부족하다고 느끼고 있는 부분이고, 좀 더 탄탄한 개발자가 되기 위해서는 꼭 필요한 부분인 것 같다.
특히 저연차일 때는 심화 기술은 아직 경험이 부족해서 면접 등에서 기초적인 부분을 더 중심으로 질문하는 케이스도 있는 것 같다.
(4-5년차로 넘어가기 전 쌓을 수 있는 마지막 기회라는 생각도 들어서, 시간이 될 때마다 책이나 강의를 통해 필요한 부분을 정리하고 채워나가려고 하고 있다. 나에게도 이 부분을 꼭 극복할 수 있는 날이 오길..!)

 

데이터 엔지니어링 커리어

데이터 직군 하면 주로 머신러닝을 많이 생각하기 때문에 데이터 엔지니어링 쪽은 관심도가 낮을 것이라고 생각했는데 질문 리스트에 있어서 반가운 질문이었다. 그러면서도 어떻게 커리어를 쌓아 나갈지도 계속 고민이 되는 부분이었기에 많은 공감이 되면서도 어떤 답변을 할지 고민됐던 질문이다.

우선 관심 있는 분야에 대해서 직접 데이터 수집부터 정제 및 시각화까지 배치 또는 스트림 형태의 데이터 파이프라인을 한번 구축하는 것이 가장 큰 도움이 될 것 같다. 실제로 진행하고 있는 가짜연구소 데이터 엔지니어링 스터디에서도 이런 부분에 대한 수요가 굉장히 높아서 파이프라인 구축 프로젝트를 진행할 예정이다.

그리고 데이터 엔지니어링 계의 정석으로 여겨지는 "빅데이터를 지탱하는 기술" 1회독을 꼭 권장드리고 싶다.
(이 글을 쓰는 현재도 아직 읽고 있는 중이지만, 필요한 부분 일부만 살펴봤을 때에도 많은 도움을 받았다!)

현재 내 업무에서는 데이터 정제를 위해 python, bash를 많이 사용하고 자동화를 위해서는 jenkins, github actions를 많이 사용하고 있으면서 django 기반으로 업무에 필요한 웹 애플리케이션 구축을 해야하는 업무도 꽤 많이 다루고 있다.
외부 커뮤니티 등에서 뵈었던 다른 데이터 엔지니어 현직자 분들을 통해
SQL은 기본이고 spark, scala, hive 등을 많이 사용하고 데이터 파이프라인 구축을 위해서는 airflow에 대한 수요가 높다는 이야기를 들었다.

 

실무에서의 직무 동향

직무 동향 파악은 아래와 같이 매년 여러 곳에서 개최되는 컨퍼런스에서 원하는 분야 세션을 듣는 것이 가장 도움이 될 것 같다. 

• DEVIEW : https://deview.kr
• if KAKAO : https://if.kakao.com/
• DevFast (by google) : https://sites.google.com/view/devfest-korea-2022
• AWS Summit Seoul : https://aws.amazon.com/ko/events/summits/seoul/
• PyCon : https://2023.pycon.kr/

모든 세션을 이해할 수 있다면 좋겠지만, 슬프게도 매번 가면 전체적인 흐름만 알아도 다행인 경우가 많았다.
오프라인 컨퍼런스 같은 경우는 가서 현장 분위기를 느끼면서 더 열심히 해야겠다는 자극을 받는 것에 더 집중을 하고,
들으면서 관심이 가는 주제에 대해서는 나중에 다시보기 영상이 올라온다면 더 깊게 여러번 반복해서 보는 것도 동향을 파악하는 데에 많은 도움이 되지 않을까 싶다.

 

실무에서의 중요 역량

1) 완벽하지 않더라도 스피드있게 기한 안에 결과를 도출하는 능력
처음에, 그리고 아직도 종종 실수하는 부분인 것 같지만 완벽하게 끝내서 결과를 보고하려는 습관은 정말 고쳐야 할 부분인 것 같다.
성과를 내야하는 회사라는 공간에서는, 완벽한 것도 중요하지만 그전에 기한 안에 늦지 않게 결과물을 내는 것이 중요하다.
(물론 그렇다고 속도만 빠르고 실수 천국인 결과물은.. 오히려 신뢰를 떨어뜨리고 역효과를 불러오기 때문에 조심해야 한다..)

그리고 계속 꾸준히 상사와 이야기를 주고 받는 것도 굉장히 중요한 것 같다.
처음에 아직 부족한 것 같아서 나중에 말씀드리는 습관을 가지고 있었는데, 한 유튜브 영상을 통해 상사에게 여러 의견을 구하면서 상사가 "나는 팀에 필요한 존재이구나"를 느끼게 하는 것이 중요하다는 이야기를 듣게 되었다.
조금은 바쁘신 것 같더라도 잘못된 방향으로 혼자 하고 있는 것보단 눈치보지 않고 질문하는 것이 중요하다는 생각을 가지게 됐고,
지금은 최대한 질문드리고 많이 커뮤니케이션 하는 방향으로 나아가려고 하고 있다.

2) 신입 때는 specialist 보다는 generalist로 접근하기
회사 안에서도 의도치 않게 당장 다음주에 생각하지 못했던 일을 맡기도 한다.
데이터 정제 부분을 맡다가 갑자기 웹 개발을 해야할 때도 있었고, 갑자기 머신러닝 모델을 만들어야 할 때도 있었다.
(물론 해당 케이스가 좀 특이 케이스일 수도 있다..)

특히 신입 때는 이런 여러 경험을 쌓으면서 본인에게 더 맞는 쪽을 찾아나가고, 맞는 쪽이 발견되면 그 부분에 대한 기술적인 역량을 더 키워나가는게 중요하다고 생각한다.

 

---

 

사실 처음에는 가서 편안한 마음으로 이야기나눌 수 있겠다는 생각으로 임했는데, 막상 너무나도 오랜만에 오프라인으로 많은 사람들 앞에서 이야기를 하려다보니 토크 콘서트임에도 불구하고 다소 딱딱하게 이야기를 전달한 것 같아 아쉬움이 남았다.
질문의 의도를 빠르게 캐치해서 순발력 있게 답변을 생각해서 전달하는 능력도 필요하겠다는 생각이 들었다.

그럼에도 조금이나마 평소 생각하고 있던 이야기를 전달할 수 있어서 좋은 기회였고, 나눴던 이야기가 단 한분에게라도 도움이 되었다면 좋을 것 같다. 또한 참여하면서 눈을 마주치며 경청해주시던 분들께 정말 감사했다.
패널로 참여했지만 오히려 많은 배움과 자극을 얻어가는 좋은 시간이었다 :)