[해외DS] ‘데이터 사이언티스트’ 붐, 아직도 커지는 중

사이언스 타임즈, 데이터 사이언티스트 직업 전망 분석 데이터 기반 의사 결정에 필수적인 데이터 사이언티스트, 대기업에서도 스타트업에서도 모셔간다 2031년까지 포지션 36% 증가 예상, 연봉 중간값은 무려 10만 달러

pabii research

[해외DS]는 해외 유수의 데이터 사이언스 전문지들에서 전하는 업계 전문가들의 의견을 담았습니다. 저희 데이터 사이언스 경영 연구소 (MDSA R&D)에서 영어 원문 공개 조건으로 콘텐츠 제휴가 진행 중입니다.

사진=Kampus Production from Pexels

‘데이터 과학’은 많은 사람들의 예상을 훨씬 뛰어넘는 속도로 성장했습니다. 가히 폭발적이라 할 수 있는데, 심지어는 아직까지도 상당한 성장 잠재력을 갖고 있습니다. 그 끝이 어디일지는 아무도 쉽게 예측할 수 없습니다.

데이터 사이언티스트는 어떻게 해서 현대 직업 시장의 슈퍼스타가 된 걸까요? 사이언스 타임즈가 이 ‘데이터 사이언티스트 붐’의 원인을 파헤쳤습니다.

데이터 과학은 정보에 기반한 의사 결정(informed decision-making)

올바른 결정을 내리는 방법은 누구에게나 중요한데, 데이터 과학은 기업의 의사 결정 과정에 굉장히 큰 도움을 줍니다.

데이터에 기반한 의사 결정은 직관 혹은 추측에 기반한 의사 결정보다 훨씬 우월합니다. 이유를 굳이 설명할 필요도 없죠. 그런데 요즘 기업은 데이터 부족이 아닌, 데이터에서 기업에 실질적으로 도움이 될 어떤 통찰력을 끌어내야 한다는 과제를 안고 있습니다.

지금은 그야말로 ‘데이터 황금기’ 입니다. 빅데이터와 실시간 인사이트 수집 기술 등이 발전하면서 대부분의 기업들이 충분한 데이터를 확보하게 됐습니다. 하지만 데이터 사이언티스트가 있어야 그 데이터에서 조직이 원하는 정보를 찾아내고 기업의 앞길을 결정하는 데 도움이 될, 실행 가능한 의사 결정을 할 수 있습니다.

반응형에서 능동형으로의 변화

데이터 사이언티스트는 글로벌 대기업에서도, 작은 스타트업에서도 러브콜을 받고 있습니다. 바로 기업이 변화하는 시장 조건과 시간이 지나면서 나타나는 새로운 장애물에 보다 빠르게 대응할 수 있게 도와주기 때문입니다.

기존의 데이터 기반 의사 결정은 한 마디로 소급 분석의 결과물입니다. 만들어진 지 이미 몇 주, 몇 달 심지어는 몇 년이 지난 데이터를 이용했죠. 이렇게 나온 결정은 당연히 적시성이 부족할 수밖에 없습니다.

그렇지만 이제는 최신 툴과 기술을 활용해 데이터를 실시간으로 분석할 수 있게 됐습니다. ‘실시간 방법론(real time methodologies)’의 시대가 온 것입니다. 기업의 의사 결정 과정은 원래 계단을 하나 올라갈 때마다 멈춰서 생각하는, 단계적이고 느린 형태였지만 이제는 마치 에스컬레이터를 탄 것처럼 매끄러워졌습니다.

게다가 데이터 사이언티스트는 분석과 자동화를 구현해 미래에 있을 시장의 변화를 정확히 예측할 수 있습니다. 기업은 이를 보고 사전에 계획을 세우고, 새로운 도전과 기회가 찾아오는 시점에 대비할 수 있죠. 대기업이든 소기업이든 마찬가지입니다.

창창한 미래

비록 지금처럼 폭발적이지는 않을지라도, 향후 10년 동안 데이터 사이언티스트의 수요는 엄청날 것입니다.

BLS 통계에 따르면 데이터 사이언티스트 포지션은 지금부터 2031년까지 36%가량 늘어날 것입니다. 같은 기간 동안의 경력직 포지션 증가율이 5%로 추정되는 것과 비교하면 훨씬 높은 수치이죠.

게다가 급여도 훌륭합니다. 중간값이 연 10만 달러를 조금 넘는 수준인데, 이는 전체 평균인 4만 5천 달러의 2배 이상입니다. 기업은 훌륭한 데이터 사이언티스트에게 돈을 아끼지 않을 것입니다. 시장이 좀더 성장하고, 성숙기에 접어든다 할지라도 말입니다.

이게 끝이 아닙니다. 앞으로 몇 년 동안은 급여 외적인 매력도 계속해서 생겨날 것입니다. 이미 전 세계 곳곳에서 시범 도입되고 있는 주 4일 근무가 대표적인데, 데이터 사이언티스트같이 수요가 많은 직업군에는 이러한 혜택이 좀더 빠르게 적용될 수 있습니다.

위험 요소는 없을까?

물론 데이터 사이언티스트의 미래가 장밋빛이기만 한 건 아닙니다. 데이터 과학 분야의 자동화 추이 등을 지켜봐야 할 필요가 있죠.

사실 이러한 자동화는 데이터 사이언티스트의 직무 중 하나이기도 한데, 데이터 사이언티스트는 보통 데이터 분석을 보다 효율적으로 수행하기 위해 자신이 맡은 기업에 자동화를 도입합니다. 즉 데이터 사이언티스트가 업무를 성공적으로 수행하는 것 자체가 데이터 사이언티스트의 미래에 좋지 않은 영향을 줄지도 모른다는 겁니다.

그렇지만 적어도 단기적으로 봤을 땐 자동화가 데이터 사이언티스트의 일자리를 빼앗지 못할 것입니다. 현재는 자동화가 점점 확장되면서 비즈니스 영역, 그리고 데이터 사이언티스트에게 이득이 된다는 것이 중론이고, 모든 지표가 이를 뒷받침하고 있습니다. 이는 미국만이 아닌 전 세계적인 현상입니다.

The stratospheric increase in data science as a discipline has occurred quicker than many expected. And yet even with the wild ride this field has experienced to date, there’s still room for significant growth.

To understand why this boom has occurred, read on for an exploration of what makes data scientists such hot property in the modern job market.

Data science is all about informed decision-making

Everyone needs to consider how to make good decisions, and businesses stand to benefit more than most in this context.

Data-driven decisions are necessarily better than those fuelled only by intuition or guesswork, and yet the challenge companies face today is not of accumulating data (there’s more than enough of that to go around) but of wringing useful insights out of it.

As we’re in a golden age of data, it’s only with the help of data scientists that organizations can sift through the info at their disposal and find actionable tidbits to determine the path forwards.

Moving from reactive to proactive

Another aspect of what a data scientist does which makes them in-demand among businesses of all sizes is increasing the speed with which a firm can react to changing market conditions and new obstacles that emerge over time.

In the past, most data which was used for decision-making was retrospectively analyzed, whether weeks, months or even years after it was generated. This wasn’t ideal for agility, for obvious reasons.

Today, modern tools and techniques are able to interpret data as it pours in, using real time methodologies to glean useful details that let a business pivot and roll with the punches, rather than being knocked for six and forced to pick up the pieces slowly.

Better yet, data scientists are capable of implementing analytics and automation to make precise predictions about how the market might shift in the future. This lets large corporations and small businesses alike plan ahead and prepare for whatever new challenges and opportunities are just over the horizon.

Embracing the positive outlook

The growth of the data scientist field over the next decade is undeniably impressive, even it if will not quite reach the levels seen so far,

BLS stats project a 36 percent growth in data science jobs between now and 2031. That’s significantly above the 5 percent growth that the average career niche will undergo over the same period.

Better still, median pay sits at just over $100,000 annually, which is again above the overall average of $45,0000. In order to attract the right talent, businesses are willing to pay top dollar for data science specialists, and will continue to do so even as the market grows and matures.

Further changes could sweeten the deal in the coming years; the concept of a 4-day work week is already making waves elsewhere in the world, and could be applied as a perk to in-demand roles like that of data scientist.

Anticipating what the future holds

There are of course some aspects of data science which might preclude it from the stellar growth that has been forecast, one of which is the role that automation plays in this arena.

There’s no denying that data scientists are partly responsible for implementing automation in the businesses they serve, chiefly as a means of making data analysis occur more efficiently. But to think that this will render the role of data scientist redundant in the short term is unfounded in fact.

All indicators point to this field continuing to expand, not just in the US but globally, bringing benefits to businesses as well as to those data science pros out there.

Similar Posts