데이터 분석가와 데이터 과학자의 차이

 

본격적인 데이터 관련 포스팅에 앞서 데이터 분석 직무에 대해서 알아보고자 합니다.

 

흔히들 데이터 분석 직무는 데이터 과학자(Data Scientist) 또는 데이터 분석가(Data Analyst)로 불립니다.

 

먼저 네이버 사전을 참고하자면

 

 

[데이터 과학자, Data Scientist]

빅데이터시대를 맞아 방대한 데이터에서 목적에 따른 유익한 정보를 얻어내 제품이나 서비스를 개선하는 사람을 말한다. 무분별한 데이터 속에서 새로운 것을 읽어내는 판별력과 분석력으로 무장한 사람들로, 데이터에서 금맥을 찾아내는 사람들이라 불리기도 한다.

[네이버 지식백과] 데이터 사이언티스트 [Data Scientist] (트렌드 지식사전, 2013. 8. 5., 김환표)

 

 

[데이터 분석가, Data Analyst]

이건 마땅한 정의가 안나오네요...

 

 

위키백과에는 해당 직무를 나눠서 보지 않고, 빅데이터 분석가(Big Data Analyst)라고 정의해놨네요.

 

https://ko.wikipedia.org/wiki/%EB%B9%85%EB%8D%B0%EC%9D%B4%ED%84%B0_%EB%B6%84%EC%84%9D%EA%B0%80

빅데이터 분석가 - 위키백과, 우리 모두의 백과사전

 

그래서 google에서 검색을 해봤습니다.

 

 

Data analysts sift through data and seek to identify trends. What stories do the numbers tell? What business decisions can be made based on these insights? They may also create visual representations, such as charts and graphs to better showcase what the data reveals.

(구글번역 - 너무 훌륭하게 번역해서 그냥 갖다 썼습니다.)

데이터 분석가는 데이터를 조사하고 추세를 식별하려고합니다. 숫자는 어떤 이야기를 하는가? 이러한 통찰력을 바탕으로 어떤 비즈니스 결정을 내릴 수 있습니까? 또한 데이터가 드러내는 것을 더 잘 보여주기 위해 차트 및 그래프와 같은 시각적 표현을 만들 수 있습니다.

 

Data scientistsare pros at interpreting data, but also tend to have coding and mathematical modeling expertise. Most data scientists hold an advanced degree, and many actually went from data analyst to data scientist. They can do the work of a data analyst, but are also hands-on in machine learning, skilled with advanced programming, and can create new processes for data modeling. They can work with algorithms, predictive models, and more.

 

(구글번역)

데이터 과학자는 데이터 해석에 능숙하지만 코딩 및 수학적 모델링 전문 지식을 보유하고 있습니다. 대부분의 데이터 과학자들은 학위를 소지하고 있으며 많은 사람들이 실제로 데이터 분석가에서 데이터 과학자로갔습니다. 이들은 데이터 분석가의 작업을 수행 할 수 있지만 머신 러닝에 능숙하고 고급 프로그래밍에 능숙하며 데이터 모델링을 위한 새로운 프로세스를 생성 할 수 있습니다. 알고리즘, 예측 모델 등으로 작업 할 수 있습니다.

https://www.springboard.com/blog/data-analyst-vs-data-scientist/

직무기술서(job description)로 구분해서 보면 아래와 같습니다.

 

[Data Analyst]

· Degree in mathematics, statistics, or business, with an analytics focus

· Experience working with languages such as SQL/CQL, R, Python

· A strong combination of analytical skills, intellectual curiosity, and reporting acumen

· A solid understanding of data mining techniques, emerging technologies (MapReduce, Spark, large-scale data frameworks, machine learning, neural networks) and a proactive approach, with an ability to manage multiple priorities simultaneously

· Familiarity with agile development methodology

· Exceptional facility with Excel and Office

· Strong written and verbal communication skills

 

[Data Scientist]

· Master’s or Ph.D. in statistics, mathematics, or computer science

· Experience using statistical computer languagessuch as R, Python, SQL, etc.

· Experience in statistical and data mining techniques, including generalized linear model/regression, random forest, boosting, trees, text mining, social network analysis

· Experience working with and creating data architectures

· Knowledge of machine learning techniques such as clustering, decision tree learning, and artificial neural networks

· Knowledge of advanced statistical techniques and concepts, including regression, properties of distributions, and statistical tests

· 5-7 years of experience manipulating data setsand building statistical models

· Experience using web services: Redshift, S3, Spark, DigitalOcean, etc.

· Experience analyzing data from third-party providers, including Google Analytics, Site Catalyst, Coremetrics, AdWords, Crimson Hexagon, Facebook Insights, etc.

· Experience with distributed data/computing tools: Map/Reduce, Hadoop, Hive, Spark, Gurobi, MySQL, etc.

· Experience visualizing/presenting data for stakeholders using: Periscope, Business Objects, D3, ggplot, etc.

https://www.springboard.com/blog/data-analyst-vs-data-scientist/

 

내용을 좀 요약해보자면

 

데이터 분석가는 현업에서 주어진 업무를 분석하는 수동적인 직무라면,

데이터 과학자는 주도적으로 프로젝트를 만들어 분석하고 모델뿐만 아니라 시스템까지 구축할 수 있는 능동적인 직무로 구분할 수 있을 것 같습니다.

 

아무래도 주도적인 프로젝트 수행을 위해선 학력과 경력이 많을수록 유리하기 때문에

데이터 분석가보다 데이터 과학자에 보다 많은 직무기술이 요구되는 것 같습니다.

물론 그에따라 더 높은 연봉을 받습니다.

 

아래는 미국 기준으로 두 직무에 관해 연봉 수준을 비교한 자료입니다.

데이터 과학자가 데이터 분석가 대비 1.5배가 넘는 연봉을 받네요.

 

www.payscale.com/research/US/Job=Data_Analyst/Salary

Data Analyst Salary | PayScale

www.payscale.com/research/US/Job=Data_Scientist/Salary

Data Scientist Salary | PayScale

 

몇몇 사이트에서 데이터 분석가와 과학자의 차이에 대해서 더 찾아보았으나 거의 유사한 결과를 얻었습니다.

 

오늘의 포스팅은 여기까지 입니다.

 

데이터 분석가와 데이터 과학자를 구분하는데 조금이라도 도움이 되셨길 바랍니다.

 

감사합니다.