데이터 직군은 나에게 맞을까? 분석가, 사이언티스트, 엔지니어 성향 체크리스트

데이터 직군을 고를 때 “어떤 직업이 유망한가?”만 보면 오래 버티기 어렵습니다. 더 오래가는 질문은 “나는 어떤 문제를 풀 때 집중이 잘 되는가?”입니다.

아래 체크리스트는 정답표가 아닙니다. 세 직무 중 지금 어디에 더 끌리는지 확인하는 임시 지도에 가깝습니다.

먼저 표시해보기

각 문장을 읽고 가장 마음이 가는 쪽에 표시해보세요. 한 줄에서 하나만 고를 필요는 없지만, 너무 많이 고르면 구분이 흐려집니다.

질문	A	B	C
숫자를 볼 때 먼저 드는 생각	왜 바뀌었지?	예측할 수 있을까?	어디서 만들어졌지?
오래 붙잡고 싶은 작업	그래프 해석	모델 실험	데이터 정리 구조
결과물로 남기고 싶은 것	리포트, 대시보드	예측 모델, 검증표	데이터베이스, 파이프라인
답답하게 느끼는 상황	기준 없는 주장	검증 없는 모델	반복되는 수작업

A가 많다면: 분석가형

분석가형 학생은 “왜 이런 결과가 나왔을까?”라는 질문을 자주 합니다. 그래프를 보고 높고 낮음만 말하는 데서 끝나지 않고, 기준과 맥락을 확인하려고 합니다.

잘 맞는 활동은 공공데이터 분석, 설문 분석, 지역 통계 비교, 학교생활 데이터 분석입니다. 결과물은 거창할 필요가 없습니다. 표 하나와 그래프 하나라도 “그래서 무엇을 판단할 수 있는가?”가 분명하면 좋습니다.

B가 많다면: 사이언티스트형

사이언티스트형 학생은 예측과 검증에 관심이 많습니다. “이 변수를 쓰면 결과를 더 잘 설명할 수 있을까?”, “이 모델이 정말 잘 맞는 걸까?” 같은 질문을 던집니다.

잘 맞는 활동은 회귀분석, 분류 모델, 변수 선택 비교, 학습 데이터와 검증 데이터 비교입니다. 모델을 만들었다는 사실보다 왜 그 모델을 썼고 어디서 틀렸는지 설명하는 쪽이 더 중요합니다.

C가 많다면: 엔지니어형

엔지니어형 학생은 결과보다 구조에 관심이 많습니다. “데이터가 어디서 생기고 어디에 저장될까?”, “다음에도 같은 방식으로 분석할 수 있을까?”를 중요하게 봅니다.

잘 맞는 활동은 CSV 정리 규칙 만들기, SQLite 데이터베이스 구성, 공공데이터 수집 자동화, 간단한 데이터 파이프라인 만들기입니다. 남들이 분석할 수 있게 기반을 정리하는 일에 재미를 느낀다면 이 방향을 살펴볼 만합니다.

결과를 너무 빨리 확정하지 않기

A, B, C 중 하나가 많이 나왔다고 해서 직무를 바로 정할 필요는 없습니다. 실제 데이터 조직에는 중간 역할도 많습니다. BI 분석가는 분석가와 커뮤니케이터 사이에 있고, 애널리틱스 엔지니어는 분석가와 엔지니어 사이에 있습니다.

가장 좋은 방법은 세 방향을 작게 하나씩 해보는 것입니다. 분석가형 프로젝트 하나, 사이언티스트형 프로젝트 하나, 엔지니어형 프로젝트 하나를 해보면 직무 설명을 읽을 때보다 훨씬 빨리 감이 옵니다.