데이터 분석가(데이터 직무), 데이터를 활용하는 다양한 직군 소개
- 데이터 분석가(데이터 직무), 데이터를 활용하는 다양한 직군 소개 글입니다
- 키워드 : 데이터 분석가, 퍼포먼스 마케터, CRM 마케터, 그로스해커, 비즈니스 분석가, 프로덕트 분석가
- I Want To Study Data Science에 정리한 내용을 보면 “데이터 분석가”를 통합해서 정리했습니다
- 최근엔 데이터 분석가란 이름으로 통합하는 추세지만, 데이터를 활용하는 직군들이 다양해서 처음 접하는 분들이 혼란이 오는 것 같습니다. 이런 디테일한 이해가 있으면 좋을 것 같아 이 글을 작성합니다
데이터를 활용하는 직군
- 데이터를 활용하는 직군은 다음과 같습니다
- 프로덕트 분석가(제품 분석가) : Product Analyst
- 비즈니스 분석가 : Business Analyst
- 퍼포먼스 마케터 : Performance Marketer
- CRM 마케터 : CRM Marketer
- 그로스 해커 : Growth Hacker
- 데이터 분석가 : Data Analyst
- 데이터 사이언티스트 : Data Scientist
- 직접적으로 데이터 분석이 아닌 머신러닝 엔지니어, 데이터 엔지니어, 리서치 사이언티스트는 이 글에서 제외합니다
- 퍼포먼스 마케터, CRM 마케터가 데이터 분석가냐? 라고 반론할 수 있지만 여기선 분석가라는 타이틀에 집착하는게 아닌 “데이터를 활용”하는 관점에 작성했습니다
프로덕트 분석가
- 회사의 프로덕트(제품) 데이터를 분석하는 분석가
- 앱 서비스 또는 웹 서비스에서 발생하는 유저 행동 로그 데이터를 분석함
- 고객이 제품을 어떻게 사용하고 있을까?
- 퍼널별로 얼마나 체류할까? 퍼널 분석
- 어떻게 제품을 사용할까?
- 제품 개선을 위한 유저 활동 데이터 분석
- 코호트 분석
- 어떤 지표를 볼 지 정하고, 그 지표를 보기 위한 데이터 로깅
- 제품 AB Test
- UX 관점의 데이터를 파악
- 제품 KPI 모니터링
- 유저 리텐션(Retention) : 서비스를 계속 사용하는지
- 퍼널 별 전환율
- 특정 기능, 버튼 사용률
- 페이지별 체류 시간
- 업무 예시
- 새로운 기능을 성공을 의미하는 Metric 정의
- 새로운 Feature(기능) 출시 후, Metric 모니터링 및 해석
- 어떤 고객들이 리텐션이 높은가?
- 프로젝트 매니저 직군이 데이터를 자주 보다가, 이직할 때 프로덕트 분석가가 되는 경우도 꽤 존재
- 주로 Google Analytics, Google Tag Manager, Amplitude 등의 도구를 다루며 채용 공고의 필요 역량 중 SQL, 논리적 사고가 자주 나옴
- 예시 채용 공고
비즈니스 분석가
- 회사의 비즈니스를 분석하는 분석가
- 비즈니스와 프로덕트는 연관이 되어 있는 경우가 많음
- 그러나 비즈니스쪽은 조금 더 “매출”, “비용” 등 사업의 가치에 집중함
- 회사의 조직별로 다양한 팀이 있고, 팀마다 분석가가 있을 수 있음
- 팀에서 진행하는 비즈니스의 업무 분석하는 역량
- 비즈니스 KPI 모니터링
- 매출, 비용, 손익 등을 분석
- 빠른 의사 결정을 위한 데이터 분석
- 전략을 짜는 경우도 존재
- 가설 검증, AB Test
- 주로 SQL을 많이 다루고, 논리적 사고 등이 나옴
- 프로덕트 분석가와 유사하지만, 주로 파악하는 데이터가 다르다고 보면 됨
- 예시 채용 공고
퍼포먼스 마케터
- 광고 캠페인을 통한 광고 최적화
- 페이스북, 인스타 등 광고(Paid, Non Paid)
- AARRR 퍼널 별 KPI를 달성하기 위한 마케팅 전략 수립
- 마케팅 KPI 모니터링
- ROAS(Return on Ad Spend) = 매출/광고 집행 비용
- 유저 리텐션(Retention) : 서비스를 계속 사용하는지
- LTV(Life Time Value) : 고객 생애 가치
- UAC(User Acquisition Cost) : 유저 획득 비용
- 광고 최적화, 광고 AB Test 등
- 주로 Appsflyer, Branch, Google Analytics 등과 자주 활용하며, 보통 SQL을 점점 익힘
- 퍼포먼스 마케팅은 디지털 마케팅이란 단어로 사용되기도 함
- 예시 채용 공고
CRM 마케터
- Customer Relationship Management, 고객과 커뮤니케이션하고 분석
- 유저 Life Cycle 관리
- AARRR 퍼널 별 KPI를 달성하기 위한 마케팅 전략 수립
- 마케팅 KPI 모니터링
- 유저 리텐션(Retention) : 서비스를 계속 사용하는지
- LTV(Life Time Value) : 고객 생애 가치
- (고객 등급이 있는 경우) 고객 등급별 분석
- (구독 모델이 존재하는 경우) 구독 모델 기획 및 분석
- 고객이 계속 제품을 사용하도록 문자, 이메일, Push Notification 기획 및 분석
- 쿠폰 마케팅(어떤 금액대의 쿠폰을 누구에게 보낼 것인가)
- 고객 Segment 분석
- AB Test
- 고객 커뮤니케이션 툴인 Braze 사용하며, Google Analytics, Amplitude 등 활용하며 SQL을 자주 활용함
- 예시 채용 공고
그로스 해커
- 프로덕트 분석가 + 퍼포먼스 마케터 + CRM 마케터 + 비즈니스 분석가의 역할을 넓게 하는 Role이라 생각
- 또는 CRM 마케터 + 퍼포먼스 마케터의 역할
- Growth를 위한 데이터 분석
- 마케팅 => AARRR 퍼널 분석
- 퍼포먼스 마케팅
- CRM 마케팅
- KPI 수립 및 관리
- AB Test
- 제품을 성장시키기 위한 지표를 정하고, 그 지표를 위한 것들을 수단 가리지 않고 진행하고, 액션하는 직군
- 요새는 그로스 해커라는 이름으로 채용하는 경우는 적은 것 같고, 그로스 마케터/그로스 데이터 분석가 채용 공고가 존재
- Amplitude, Mixpanel, Segment, Tag Manager, SQL 등을 활용
- 예시 채용 공고
데이터 분석가
- 의사 결정에 도움이 될 데이터 분석 / 전사 비즈니스 분석가
- 가설 검증 및 결론 도출
- 타 부서의 요청 데이터 처리
- 전사적 KPI 설정 및 관리
- AB Test
- 통계적 모델링
- 머신러닝 모델링
- 회사마다 다른데, 프로덕트 분석가, 비즈니스 분석가, CRM 마케터에서 적은 일을 하기도 함(회사의 규모나 데이터팀의 규모에 따라 다름)
- 다양한 일을 하는 경우 데이터 분석가로 표현하는 경우도 존재
- 분석 도구(Amplitude)도 활용하고, SQL을 사용한 데이터 분석을 많이 하는 편
- 보통 데이터팀에 속하며, 전사적 관점에서 진행
- 주요 역량에 SQL, 파이썬, 논리적 사고 등이 자주 나옴
- 예시 채용 공고
데이터 사이언티스트
- 이 직군도 정의가 다양한 직군
- 한국에선 데이터 분석가와 데이터 사이언티스트는 비슷한 느낌
- 저는 데이터 분석가가 점점 경력이 쌓이고 여러 성장을 하면(모델링, 엔지니어링 경험 등) 데이터 사이언티스트가 된다고 생각하고 있음
- 데이터 분석가 업무를 맡기는데, 데이터 사이언티스트라는 타이틀을 주는 경우도 존재
- 데이터 분석가와 데이터 사이언티스트가 나뉘는 경우엔, 데이터 사이언티스트는 주로 머신러닝 모델, 딥러닝 모델, 연구, 통계 모델링 등을 조금 더 하는 편
- 속한 도메인의 목적에 맞는 모델 개발
- 추천 시스템
- 개인화 추천 알고리즘
- 자연어
- 컴퓨터 비전
- 음성 인식
- 추천 시스템
- 주요 역량에 파이썬이 자주 나오며, 데이터 분석을 하기 위해 SQL을 해야하는 경우도 있음(SQL 우대가 없다면 모델링을 더 하는 역할일 수 있음)
- 예시 채용 공고
데이터 관련 일을 하고 싶은 분들에게
- 위에 작성한 직군들은 “데이터”를 활용하는 다양한 직군
- 공통적인 필요 역량은 SQL, 논리적 사고 등
- 프로덕트냐 비즈니스냐 고객이냐 등 어떤 부분의 데이터를 주로 보느냐의 차이
- 이 차이는 회사의 사이즈(비즈니스나 프로덕트)에 따라 데이터를 다루는 직군의 역할이 다르기 때문
- 기본적으로 모두 KPI 확인, 지표 모니터링, 가설 검증을 위한 분석, AB Test에 대한 지식이 필요함
- 프로덕트와 비즈니스 데이터를 같이 보는 회사도 있을거임
- 본인이 어떤 종류의 데이터를 다루고 싶은지 고민해도 좋음
- 데이터를 해석하는 능력인 데이터 리터러시 역량도 매우 중요
- 추가로 제가 만든 영상인 데이터 분석가의 현실. 취업하려니 회사마다 정의가 너무 달라요!! 정리해드립니다 영상도 참고하면 좋음
- 핵심 : 위 직군들의 “타이틀”에 집착하지 말고, 채용 공고에서 어떤 일을 하는지 확인하고 => 그 일에 따라 선택하기
- 핵심 2 : 대부분 회사에서 프로덕트 분석가, 비즈니스 분석가, 데이터 분석가 등 정확히 나뉘지 않고, 한명이 여러 역할을 하는 경우도 많습니다 ㅠ_ㅠ 참고 부탁드려요
- 김성준님이 남겨주신 내용도 유익해서 첨부합니다!
- 몇년 전에 애플 다니시는 분으로부터 듣고 메모해둔 건데요. 데이터를 활용하는 사람들은 크게 두 부류로 나눌 수 있다 : 데이터에서 인사이트를 뽑는 내부 지향형과, 데이터로부터 사용자에게 유의미한 서비스를 만들어내는 외부 지향형이 있다. 그 말도 맞는 것 같고, 전 데이터 활용 분야에선 본인의 역량과 관심에 따라 커버 할 수 있는 범위가 달라질 뿐이고, **‘나는 어떤 직군이야’ 라고 말하는건 스스로를 가두는 느낌이 들더라구요. **
직군이 하는 일 관련해서 더 내용이 궁금하면 양승화님의 그로스 해킹 책 추천드립니다!
- 방향성(직군)을 잡은 후, 어떤 산업에 좋은지 고민해보기
- 어떤 산업의 데이터를 파악하고 싶은지
- 문제 정의 능력이 매우 중요함
- 문제 정의 능력은 논리적 사고랑도 관련된 능력
- 어떤 문제를 풀어야 하는 경우에 어떤 방식이 있을지 구조화하고 해결 방식 마련해보기
- 회사에서 모델이 항상 좋은 것은 아니고, 서비스의 상황에 따라 룰베이스가 더 좋을 수 있음
- A라는 문제의 해결 방식, 가 나 다 ⇒ 각각의 장단점이 무엇이고 현재 상황에 따라 어떤 결정을 할지 고민해보는 것도 추천
- 문제를 잘 정의해야 그 이후 문제 해결 과정이 원활해짐
카일스쿨 유튜브 채널을 만들었습니다. 데이터 분석, 커리어에 대한 내용을 공유드릴 예정입니다.
PM을 위한 데이터 리터러시 강의를 만들었습니다. 문제 정의, 지표, 실험 설계, 문화 만들기, 로그 설계, 회고 등을 담은 강의입니다
이 글이 도움이 되셨거나 의견이 있으시면 댓글 남겨주셔요.