데이터 사이언티스트, 데이터 엔지니어, 머신러닝/딥러닝 엔지니어의 차이점

데이터사이언스/커리어

데이터 사이언티스트, 데이터 엔지니어, 머신러닝/딥러닝 엔지니어의 차이점

GIL~ 2022. 1. 5. 15:47

이번 포스팅에서는 데이터 사이언티스트, 데이터 분석가, 데이터 엔지니어, 머신러닝/딥러닝 엔지니어의 차이에 대해 알아보겠습니다. 회사마다 포지션 정의가 다르기 때문에 명확한 경계는 아닐 수 있습니다. 즉, A회사에서는 데이터 분석가로 부르는 일을 B회사에서는 데이터 사이언티스트가, C회사에서는 머신러닝/딥러닝 엔지니어가 할 수 있습니다.

기술적인 집중도로 치면(한 마디로 좀 더 공대스러운거...) 다음과 같이 구분할 수 있습니다.

데이터 엔지니어 > 머신러닝/딥러닝 엔지니어 > 데이터 사이언티스트 > 데이터 분석가

데이터 사이언티스트

보통 회사에서 이야기하는 데이터 사이언티스트는 데이터를 기반으로 한 특정한 과제를 해결하는 사람입니다. 반드시 그렇진 않지만 보통 과제나 프로젝트 단위로 굴러가는 경우가 많습니다.

주요 역할

데이터 사이언티스트(data scientist, DS)는 통계, 머신러닝, 최적화 등 다양한 기술을 이용하여 주로 데이터에 기반한 서비스를 개발하거나 수익 향상 등을 위한 의사결정을 도출하는 일을 합니다.

업무 예시

기존 고장 이력을 바탕으로 설비 고장 시점을 미리 예측하는 모델을 개발하여 고장나기 전에 수리하도록 제언
최대 수익을 위한 생산량 결정
고객 클레임 유형 분류 및 강도 예측
이상 신호 판단

데이터 사이언티스트도 머신러닝/딥러닝을 활용하긴 하지만, 머신러닝/딥러닝 엔지니어에 비해 제너럴 리스트인 경우가 많습니다. 주로 통계학, 산업공학, 컴퓨터공학 전공자가 많습니다.

필요 스킬

파이썬, R (보통 파이썬을 더 많이 사용)
머신러닝, 통계적 분석 역량
SQL
수학적 최적화 역량

데이터 분석가

데이터 분석가(data analyst, DA) 혹은 비즈니스 분석가(Busniess analysist, BA)는 보통 대용량의 데이터를 분석하여 인사이트를 도출하는 역할을 합니다. 인사이트 도출은 데이터마이닝 테크닉을 이용하여 주로 큰 규모의 데이터에서 새로운 정보를 도출해내는 작업을 의미하며, 그 결과는 지표 개발 혹은 보고서 등으로 정리됩니다. 즉, 우리가 가지고 있는 데이터와 그 의미를 다른 직원들도 쉽게 이해할 수 있도록 정리하는 일을 합니다.

주로 통계학, 경영학, 산업공학 전공자가 많습니다.

업무 예시