한빛미디어

• 분노와 짜증으로 가득찬 나날
  • 화를 잘 내지 않고 어디 가서도 둥글둥글하다는 말을 듣는 편이지만 데이터에 발을 들인 이후 많이 바뀌었다.
  • 의심이 많아졌고 분노가 가득차 있으며 체력이 감당할 수 있는 범위를 넘어서면서 짜증을 낼 때도 많아졌다.
  • 이런 부정적인 감정은 표면적으로는 특정 데이터나 인물을 향해있지만 스스로는 안다. 나를 향한 것이라는 걸.
  • 기껏 받은 데이터를 원하는 대로 요리하지 못하는 나, 쓸만한 모델을 만들지 못하는 나에게 화가 난다.
  • 내 능력이 한없이 부족하게 느껴지는 것과 비례하여 자기 데이터를 제대로 보지도 않는 오너들이 어이가 없다.
  • 쏟아지는 신기술을 따라잡는 건 사실상 포기, 그런데 현업에서는 옛날 기술만 요구해서 성장은 정체된다.
  • 산책이라도 하면서 냉정하게 판단하려고 노력을 하고 나름의 전략을 수립하지만 맞게 가는 중인지 불안하다.
  • 사춘기 때, 늦어도 학위 과정 중에 마쳤어야 하는 고민을 지금 하는 것 같아 나이에 뒤처진 느낌마저 든다. 

• 데이터 과학자들은 불안하다
  • 한 명의 사람이 태어나 신체적으로, 정신적으로, 사회적으로 한 사람 구실을 하려면 여러 과정이 필요하다.
  • 걸음마를 하기 위해서 넘어져 보기도 하고 다른 친구들과 부대끼며 사랑과 이별을 겪으며 감정이 여문다.
  • 전문적인 기술을 익히면서 조금은 특별한 존재가 되는데 이 때 스승과 선배들의 도움이 요긴하다.
  • 문제는 새로운 분야에 몸을 담은 사람들. 이들에게는 스승이나 선배라고 할 만한 사람들이 존재하지 않는다.
  • 다 같이 걸음마를 하는 입장에서 내가 똑바로 걷고 있는지 봐 줄 사람도 없고,
  • 행정상, 조직도상 선배나 동료로 분류되지만 다른 일을 하는 이들의 조언은 와 닿지도 않고 도움도 안된다.
    - 귀는 듣고 입은 "네네"라고 하고 있지만 속으로는 "개뿔..."을 되뇌인 게 백 번은 넘은 것 같다.
  • 실질적으로 역량을 키울 수 있는 방법을 경험적으로 체득하지만 제도권에서 노력으로 인정받기 힘들다.
    - 블로그 작성, 커뮤니티 활동, 오픈 소스 기여, 유튜브 등 공개 강연 등이 그 예시.
    - 생존과 성장을 위한 필사적인 노력이지만 밖에서 보기엔 시간이 남아 노는 걸로 보이기 딱 좋다.

• 선배 데이터 과학자들의 후배를 위한 조언
  • 이 책은 데이터 과학자 되는 법이라는 제목과 매우 잘 어울리는 내용을 담고 있다.
  • 네 개의 파트로 나누어진 본문은 소제목 이상의 의미를 담고 있다.
    
  • 교과서적인 뻔한 원론적인 이야기는 과감하게 배제한다.
  • 아니, 교과서적인 이야기가 때로는 틀릴 수 있음을 여러 사례를 들어 알려준다.
  • 흔히 커뮤니티 질의 응답에서 회바회(회사 바이 회사), 사바사(사람 바이 사람)으로 정리되는 데이터 과학의 너무나 많은 사례들을 적절하게 묶어서 유형별로 정리해주기 때문에 데이터 과학자들이 겪는 성장통의 원인과 처방을 알 수 있다.

• Part I. 데이터 과학 시작하기
  • 데이터 과학의 본질과 회사 유형별 업무 형태를 알려 준다.
  • 막연하게 최신 기법을 적용하려는 이들과 데이터 만능주의로 빠지기 쉬운 이들에게 경종을 울린다.
  • "12년동안 일하면서 아카이브 논문을 적용한 경우는 없습니다. 효과가 높은 회귀분석을 여전히 사용합니다. 이것이 바로 현실이죠. 여러분은 데이터를 정리할 것입니다. (중략) 이것이 현실입니다." - p68
  • "데이터를 잘 알아야 합니다. (중략) 데이터 품질은 모든 업무의 기본입니다. (중략) 데이터를 제대로 이해하기 위해서는 해당 분야의 전문가와 가까이 지내야 합니다." - p69
  • "해당 분야의 최신 기술이나 트렌드를 따라잡는 데 너무 스트레스받지 마세요. 데이터 과학과 머신러닝 일을 하면 딥러닝이나 다른 고급 방법을 사용해야 한다는 유혹이 있을 겁니다. 이런 방법은 산업에서 가장 어려운 문제 중 일부를 해결하기 위해 개발됐습니다. 데이터 과학자로서, 특히 신입이 직면할 문제가 아닙니다. 데이터 변환 및 시각화, 다양한 패키지를 사용한 프로그래밍, 가설 검정, 분류 및 회귀분석과 같은 통계적 기법부터 시작해야 합니다. 최신 개념을 고민하기 전에 개념을 잘 이해하고 적용하는 것이 중요합니다." - p102

• Part II. 데이터 과학 직무 찾기
  • 커뮤니티에 가장 많이 올라오는 질문 중 하나다. "이 회사 어떤가요?" or "이 회사 가면 뭐 하나요?"
  • 경영진이 데이터 과학을 제대로 아는 경우가 적기도 하고, 세상이 빠르게 변해 같은 말이 다르게 쓰인다.
  • 사람에게 문제가 없어도 데이터가 제대로 갖춰지지 않은 경우가 허다하고 이 사실을 아무도 모른다.
  • 제대로 된 기업은 공고를 내면 지원자가 너무 많기 때문에 인맥을 통해 사람을 뽑는다. 결국 인맥이 중요하다.
  • "직무 기술서에서 눈여겨봐야 할 문장이 있다. '열심히 일하고 열심히 놉니다'는 장시간 근무하고 비공식적인 회사 행사(회식)에 참석해야 한다는 것을 의미한다. '자발적이고 독립적인 사람'은 지원을 많이 받지 못한다는 뜻이다." - p109
  • "필요한 데이터는 잘 정리돼 항상 이용할 수 있고 문제가 있으면 엔지니어 팀이 즉시 해결해주며 여러분의 업무는 직무 기술서에 명시된 그대로이고 흥미 없는 데이터 과학은 하지 않아도 된다고 생각할 것이다.
    아쉽게도 꿈 같은 일이다." - p111
  • "2017년 캐글의 조사에 따르면 데이터 과학자로 채용된 사람들이 회사를 찾았던 대표적인 방법은 채용 담당자 및 친구, 친인척, 지인 등 인맥을 통해서이다. 인맥을 만드는 가장 좋은 방법은 밋업meetup 행사에 가는 것이다." - p 112

• Part III. 데이터 과학자로 자리잡기
  • Part I과 II가 데이터 과학자로서의 삶을 시작하는 이들을 위한 부분이라면 III부터는 이미 데이터 과학자로서의 삶을 시작한 이들을 위한 장이다.
  • 대기업과 중소기업의 업무 형태를 비교하고, 효과적으로 분석하는 방법과 모델을 배포하는 방법을 언급한다. 
  • 특히 Chapter 10. 효과적으로 분석하기 부분에서 크게 공감을 하고 많은 위안을 얻었다.
  • 수년간 여러 데이터를 겪으며 고민한 내용을 발표한 적도 있지만(https://bit.ly/3Hbu7gR) 혼자만의 고민으로 얻은 결론이기에 누군가의 지지가 절실했는데 내가 했던 말과 거의 같은 내용들이 적혀 있어서 너무 기뻤다.
  • "처음으로 데이터 과학에 입문하는 사람들은 흔히 최고 성능의 모델을 개발하는 것이 목표라고 오해하고는 한다. 많은 학문적 연구와 교육에서 정확한 모델을 만드는 방법을 다루기 때문에 충분히 오해할 만 하다. 대부분 데이터 과학 업무에서 매우 정확한 모델을 가지는 것 만으로는 성공하기 어렵다. 모델의 유용성, 통찰력 수준, 유지 가능성 등이 더 중요하다." - p178 (번역 수정) 
  • "데이터에서 '뭐지?'라고 소리쳤던 부분을 기록하며 어디에 있는지 발견해야 한다. 업무 과정에서 일일이 기억하기는 어렵다. 많은 기업은 데이터를 문서화하지 않으며 데이터 발견에 도움을 주는 시스템이 없다." 
    - p180
  • "관리자에게 질문을 하고 다른 사람에게 몇 분간 물어보는 것이 며칠 동안의 헛수고보다 낫다." - p183
  • "협업을 잘 하는 두 가지 비결이 있습니다. 엔지니어의 언어를 이해하고 엔지니어의 업무에 관심을 갖는 것입니다." - p233

• Part IV. 데이터 과학자로 성장하기
  • 성장을 바라보는 저자들의 관점이 여기에 녹아있을텐데, 단락들이 흥미롭다. 
  • Chapter 13. 데이터 과학 프로젝트를 실패할 때, Chapter 14. 데이터 과학 커뮤니티에 참여하기, Chapter 15. 품위 있게 퇴사하기, Chapter 16. 한 단계 올라가기
  • 그간 겪어왔던 크고 작은 실패로 인해 마음이 불편하고 빚진 느낌은 짜증과 분노의 원인이 되고 있다.
  • 내가 부족하다고 보기에는 억울한 일들 - 아무 생각 없이 분석을 요청한 이들, 자기 데이터의 상태도 모르고 있던 이들, 계획하지 않는 책임자 - 도 상당히 많았지만 결국 내 탓이라는 생각에 앓기도 했다.
  • 때로 나 혼자 아픈 것이 아니라는 것을 아는 것 만으로도 큰 치유가 되는데 이 단락을 읽으며 내 영혼이 많이 나은 것 같다.
  • "대부분 데이터 과학 프로젝트는 위험성이 높고 모험적이다. 어느 누구도 예측하지 못한 것을 예측하고 최적화하지 못한 것을 최적화하며 이전에 보지 못한 데이터를 이해해야 한다. 여러분은 무엇이 되었든 그 프로젝트를 하는 첫 번째 사람이며 프로젝트는 항상 실험적이다." - p259
  • "실패한 프로젝트의 마지막에 나오는 자연스러운 말은 '내가 더 훌륭한 데이터 과학자였다면 이 프로젝트는 실패하지 않았을 것이다'이다. 잘못된 생각이다. 대부분 데이터 과학 프로젝트는 데이터 과학이 본질적으로 작동하지 않는 것을 시도하는 데 기초해 실패한다. (중략) 데이터 과학 프로젝트를 실패하는 이유는 여러 가지이다. 데이터 과학자의 역량 문제인 경우는 매우 드물다." - p269

• 가면 증후군이 치료될지도 모르겠다.
  • 본문 중에 여러 차례 언급되는 가면 증후군(impostor syndrome)은 본인의 성공을 스스로의 재능과 노력이 아닌 운에 기인했다고 생각하고 언젠가 자신의 사기 행각이 드러날까 두려워하는 불안 증세를 말한다.
  • 고백컨대 데이터에 발을 들인 이후 저 생각을 안 한 날이 드물다.
  • 나를 좋게 봐 주시는 분들이 적지 않고 이 분들께 진심으로 감사하는 한편, 아직 저 분들이 내 단점을 알지 못하기에 어쩌다가 일시적으로 그런 생각을 해 주시는 것이라는 불안감이 공존하고 있다.
  • 하지만 데이터 과학의 범위가 넓은 만큼 모든 분야를 잘 알고 잘 하는 사람은 상상 속에나 존재한다. 
  • 내가 알고 있는, 나보다 나은 수많은 사람들이 모든 분야에서 나보다 나은 것은 아니기 때문에 이들을 보며 자괴감에 빠지기보다 (이제까지 이렇게 하려고 노력해왔듯) 좋은 부분은 보고 배우며 내게 맞는 나만의 장점을 다듬어 나갈 일이다.

• 나는 틀리지 않았다는 사실이 가장 반갑다.
  • 데이터 owner들과의 협업을 제외하면 데이터 담당자로서 4년째 혼자 일을 하면서 고민이 많다.
  • 부서별로 뽑은 AI 담당자들과의 협력, 지원부서 소속으로 연구부서 소속인 저들과의 차별화 포인트.
  • 세상과 동떨어지기 너무 좋은 환경이라 어떻게 시류에 뒤쳐지지 않을 지에 대한 방안.
  • 무엇보다 조직과 세상에 보탬이 될 수 있는 방법.
  • 내가 고민하고 실행하고 있는 방법이 데이터 과학자 되는 법이라고 말해주는 이 책이 너무 반가웠다.
  • 데이터 과학자를 꿈꾸는 이들, 데이터 과학자로 살아가는 비슷한 고민을 가진 이들에게 필독을 권한다.

 ※ 한빛미디어 2021 도서 서평단 "나는 리뷰어다"의 일원으로 도서를 제공받아 작성한 리뷰입니다.