데이터 사이언티스트는 기적의 일꾼이 아니다

데이터 사이언티스트(data scientist)를 찾는데 혈안이다. 

데이터 사이언티스트는 핫하다 못해 별종으로 인식된다. 데이터 사이언티스트는 통계학자들보다 프로그램을 잘 구사하고, 프로그래머보다 통계를 잘 활용하는 것으로 알려져 있다. 비즈니스 문제를 해결하기 위해 어떤 형태의 데이터든 자유자재로 뽑아내고 분석할 수 있는 것이다.

그런데 기존의 분석가들과 데이터 사이언티스트는 어떤 차이가 있을까?

글로벌 컨설팅사인 Accenture의 Jeanne Harris와 샌프란시스코 대학의 Vijay Mehrotra 교수는 미국내 300여 분석 전문가들을 조사해, 데이터 사이언티스트의 특성을 다음과 같이 정리했다.

"분석가 vs. 데이터 사이언티스트"

"데이터 사이언티스는 둔하다?"

이처럼 데이터 사이언티스트는 기존 분석가들보다 다루는 데이터가 방대하다. 현상을 묘사하는 기술적 분석 보다, 새로운 탐색을 통해 기존과 다른 인사이트 발굴에도 뛰어나다.

그런데 많은 경영진들에 따르면, 데이터 사이언티스트는 다른 동료들에게 둔감한 모습을 보인다. 자신이 뽑아낸 데이터 인사이트를 기술적 이해도가 떨어지는 직원들에게 잘 커뮤니케이션 하지 못한다. 심지어 설명할 필요성을 느끼지 못하기도 한다. 이런 성향은 분석 영역을 벗어난 다른 비즈니스 전문가들과 효과적으로 협업하는데 걸림돌이 된다.

"데이터 사이언티스는 기적의 일꾼(miracle worker)이 아니다"

데이터 사이언티스트는 똑똑하다. 그러나 자신이 찾아낸 인사이트를 비즈니스에 의미가 있는 방식으로 전달하는 데 애를 먹곤 한다. 매출과 수익, 비용 절감, 고객 감동과 고객 획득 등등, 그래서 비즈니스에 어떤 의미가 있는가?

데이터 사이언티스는 직접 비즈니스를 수행하고 성과를 창출하지 않는다. 비즈니스 활동을 수행하는 다른 직원들에게 영향을 줌으로써 성과 창출에 기여한다. 이를 위해선 비즈니스 업무 담당자들의 언어로 이야기 하고 의사결정자들을 설득하는 법을 익혀야 한다. 

또한 데이터 사이언티스트는 업무 특성상 독립된 사무실에 무리를 지어 일하곤 한다. 하지만 실제 업무 현장과 비즈니스 담당자들에게 노출되는 것만큼 비즈니스 활동에 영향을 미칠 수 있는 게 없다. 현장에서 직접 문제를 접하고 담당자들과 섞여 문제를 해결할 수 있는 업무 환경 조성이 필요하다. 

Source: Jeanne G. Harris and Vijay Mehrotra, (Sep 2014), "Getting Value From Your Data Scientists", MIT Sloan Management Review