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 사이언스, 성장, 리더십, BigQuery 등을 이야기할 예정이니, 관심 있으시면 구독 부탁드립니다 :)
PM을 위한 데이터 리터러시 강의를 만들었습니다. 문제 정의, 지표, 실험 설계, 문화 만들기, 로그 설계, 회고 등을 담은 강의입니다
이 글이 도움이 되셨거나 다양한 의견이 있다면 댓글 부탁드립니다 :)
