데이터 관련 직무 알아보기(데이터분석가, 데이터 사이언티스트, 퍼포먼스 마케터, PM)

데이터 활용 직무

🔹 퍼포먼스 마케터

디지털 환경에서 행해지는 모든 행동들이 축적된 ‘데이터’를
마케팅의 목적에 따라 가장 ‘최적화’된 활동을 찾아내고 수행하면서 효율적인 성과를 만드는 것
= 성과를 달성하기 위해 측정 가능한 지표를 기반으로 개선해나가는 모든 마케팅 행위
데이터 분석 > 아이데이션 > 가설 수립 및 소재 제작 > 광고 집행

필요한 역량

• 데이터 분석 툴 사용 능력(GA, Mixpanel, Redash, Metabase, Excel, SQL, MMP, 시각화 등)
• 데이터에 기반한 의사 결정 능력
• 통계적, 분석적 사고
• 능동적이고 빠른 실행력
• 커뮤니케이션 역량
• 마케팅 지표 관리 경험
• 광고 세팅 능력(광고 집행 및 운영 경험)
• 광고 성과 리포팅 및 보고서 작성 경험
• 정확하고 꼼꼼한 업무 처리 능력
• 광고 전략의 수립 및 실행

주요 업무

• 광고 캠페인 운영
• 매체에 맞는 크리에이티브 기획
• 퍼포먼스 데이터 분석
• 시장 조사 및 데이터 분석
• 디지털 광고 매체 관리
• 판매 채널 운영 관리
• 채널별 광고 집행 (SA/DA)
• 프로모션 기획 및 실행
• 디지털 마케팅 매체 운영 및 성과 관리
• A/B 테스트를 통한 마케팅 방향성 개선점 도출
• 광고 캠페인 효율 관리 및 광고주 대응
• 클라이언트 커뮤니케이션
• 퍼포먼스 광고 Creative 기획
• 유관부서 협업

---

🔹 PM(Product Manager)

(전략)무엇을 해야 하며 
(실행) 어떻게 해야 하는지를 정의합니다.

- 전략

• 시장을 분석해서 우리가 해야 할 가치있는 일을 찾고, 그 일을 성공적으로 해낼 수 있는 방법에 대한 비전을 제시하는 것, 좋은 전략은 사용자의 니즈를 충족하면서 회사의 비즈니스 방향과도 부합하는 것이어야 함.
• 고객 문제 파악, 문제를 해결할 수 있는 프로덕트 구상, 비즈니스 목표와 연관 짓기(근거를 데이터를 바탕으로 한 분석 및 판단)

- 실행

• 정해진 전략을 실제 제품으로 구현해내는 일련의 과정, 더 나아가 일을 하는 방법을 의미
• 제품 팀의 미션을 달성하기 위한 하루하루의 업무 프로세스, 결정들, 그리고 실제 액션들을 의미
• 프로덕트 개발을 위해 팀을 설득하고 이끌며 프로덕트 출시 후에는 시장에서 성공할 수 있도록 사업 기획과 마케팅 방향을 설정하고 운영

역할 1 : 우선순위 지정 (Prioritization)

• 로드맵 그리기: 전략을 구현하기 위한 계획을 수립
• 제품 관련 의사결정: 실제 제품에 반영할/반영하지 말아야 할 것이 무엇인지를 기능 단위로 결정
• 에스컬레이션: 필요한 경우 상급자 혹은 상위 의사결정권자에게 이슈를 적절하게 공유

역할 2 : 프로세스 관리 (Process Management)

• 프로젝트 매니저와 의 차이 : 프로젝트 매니저는 과정을 관리, 프로덕트 매니저는 일의 내용과 방식을 관리

PM은 최고의 실행을 위한 인력의 조합을 만들어낼 줄 알아야 한다.

 

---

데이터 집중 직무

🔹 데이터 분석가

데이터를 수집, 처리, 분석하는 역할을 수행하며, 이를 통해 조직의 의사 결정 과정을 지원하는 사람

 

데이터 분석가가 하는 일

• 데이터베이스 구축 및 관리
• SQL 사용
• 데이터 추출 및 분석
• R과 파이썬이 대중적으로 쓰임
• 시각화 및 대시보드 작업
• 데이터를 시각적으로 나타냄
• 의사결정 과정을 도움
• 시장과 기존 사용자들의 데이터를 기반으로 의사결정을 도울 수 있음

 

필요역량

하드 스킬

• 사용 언어 - SQL,파이썬, 엑셀 등
• 통계학 지식
• 도메인 및 비즈니스에 대한 이해 - 기본적인 비즈니스 지표 및 KPI 성공 지표에 대해 알고 있어야 함
• 툴을 다루는 역량
• 데이터 엔지니어링 역량 - 데이터 마트, 데이터 파이프라인을 만듦

소프트 스킬

• 커뮤니케이션 능력+협업 능력과 태도
• 다양한 직무의 팀원들과 협업 및 커뮤니케이션을 함
• 데이터의 언어를 다양한 직무의 관점으로 바라보고 모두가 이해할 수 있는 언어로 바꿀 수 있는지 중요
• 문제 정의 및 문제 해결 능력
• 데이터 분석 프로세스는 보통 문제 정의>가설 수립>데이터 분석>데이터 해결에 대한 순서로 진행되므로 데이터 분석을 진행하기 전, 문제 정의가 선행되어야 함
• 보고서 작성 - 누구나 잘 이해할 수 있는 비즈니스 보고서를 작성하는 것이 중요

 

---

🔹 데이터 사이언티스트

데이터 분석가 Analyst 와 데이터 과학자 scientist의 차이

• 데이터 분석가가 현재 축적된 데이터의 ‘분석’에 초점이 맞춰져 있다면
• 데이터 과학은 머신 러닝과 AI 기술, 통계학적, 컴퓨터 공학적 기술을 이용해 미래의 경향성을 예측
• 문제 파악 > 데이터 마이닝 > 데이터 정제 및 가공, 탐색 > 머신 러닝을 이용한 feature engineering > 예측 모델링 > 시각화 및 보고

SQL, SAS, 파이썬 또는 R, Hadoop, spark와 같이 데이터 분석에 활용 가능한 툴에 대한 지식 그리고 머신 러닝 모델, 자연어 처리 및 딥 러닝을 포함한 예측 분석 및 AI를 활용해 데이터에서 인사이트를 도출

• 데이터 처리 및 계산을 자동화하여 처리

- 데이터 분석가는 주로 정형 데이터 structured data
- 데이터 과학자는 비정형 데이터 unstructured data
( table 이나 database 에 맞지 않는 데이터로 구분하고 정렬하는 것이 어렵고, 양이 방대하거나 다양한 source 를 가짐. 예시 – 텍스트, 이미지, 음원, 빅데이터 등

BI 와의 차이점

Business intelligence 란 원시 데이터에서 실행 가능한 정보를 식별하여 다양한 산업 분야의 조직 내에서 데이터 기반 의사 결정을 용이하게 하는 데이터 기술을 포괄하는 용어로,

데이터 과학과 혼동되기 쉬우나 BI는 현재 축적된 과거의 정형 데이터를 기반으로 이를 파악해서 설명하고 조치를 취하는데 반면 데이터 과학은 예측 변수를 결정한 뒤 데이터를 분류하거나 예측하는데 이용함.