|
|
|
|
|
 |
조직에서 데이터가 힘을 가지려면 분석 결과가 맞는 것만으로는 부족합니다.
저는 기아에서 데이터를 잘 다루는 사람이 아니라, 데이터를 통해 더 나은 판단이 가능해 지도록 만드는 사람이 되고 싶습니다.
저는 데이터를 다루는 데 있어 가장 중요한 출발점이 분석 기법이 아니라 문제정의라고 생각합니다.
데이터 직무는 혼자 이해하는 것보다 함께 이해시키는 힘 이 더 중요하다고 생각하기 때문입니다.
그러나 중요한 것은 데이터를 얼마나 많이 갖고 있느냐보다, 어떤 질문을 더 잘 던질 수 있느냐입니다.
그래서 저는 데이터 직무일수록 더 투명해야 하고, 그 투명함 위에서 각자의 책임도 분명해져야 한다고 생각합니다.
데이터 직무의 핵심은 한 번의 대단한 분석보다, 더 나은 질문과 더 나은 판단 구조를 반복적으로 만들어가는 일이기 때문입니다.
제가 기아에 필요한 이유는 데이터를 잘 다루는 사람에 머물지 않고, 데이터를 통해 더 나은 판단 구조를 만드는 사람으로 일할 준비가 되어 있기 때문입니다.
|
|
|
 |
기아의 가치와 행동(기아탤런트 라운지 내 Culture페이지 참고) 중 한 가지를 선택해, 관련된 본인의 경험/사례를 소개해 주십시오.
기아의 가치와 행동 중 본인과 가장 잘 맞는 것은 무엇이며, DataScientist 직무에서 어떻게 실천하시겠습니까?
제가 기아의 DataScientist 직무에 지원한 이유는 데이터를 많이 다루고 싶어서가 아니라, 데이터가 실제 의사결정과 고객 경험을 바꾸는 현장에서 일하고 싶어서입니다.
데이터는 결국 복잡한 현실을 더 나은 우선순위로 번 역하는 도구여야 합니다. 고객의 불편이 어디에서 발생하는지, 어떤 서비스가 반복적으로 이탈을 만드는지, 어떤 지점에서 비용과 경험이 동시에 개선될 수 있는지를 읽어내는 일은 데이터 직무의 본질입니다.
저는 단순히 정확한 분석보다 움직이게 만드는 분석을 하고 싶고, 그런 분석이 가장 의미 있게 사용될 수 있는 곳이 기아라고 판단했습니다.
저는 입사 후 가장 먼저 데이터 구조를 배우는 것과 동시에, 기아의 사업구조와 고객 접점, 서비스 흐름, 현업부서의 의사결정 방식까지 함께 이해하겠습니다.
저는 좋은 DataSci entist는 SQL이나 Python을 잘 다루는 사람에서 한 단계 더 나아가, "이 숫자가 왜 중요한가"를 비즈니스 언어로 말할 수 있는 사람이라고 생각합니다.
저는 일회성 인사이트를 내는 사람보다, 데이터의 기준을 정교하게 다듬고 조직이 같은 언어로 데이터를 볼 수 있게 만드는 사람이 되고 싶습니다.
저는 그 신호 를 해석해 고객이 말하지 못한 문제를 먼저 찾아내는 사람이 되고 싶습니다.
저는 기아에서 데이터를 잘 다루는 사람이 아니라, 데이터를 통해 더 나은 판단이 가능해 지도록 만드는 사람이 되고 싶습니다.
저를 가장 잘 설명하는 문장은 "데이터를 계산하기 전에 먼저 질문의 구조를 세우는 사람"입니다.
실제로 팀 프로젝트에서도 제가 맡은 역할은 단순 분석보다 분석 결과를 발표와 문서 형태로 재구성하는 일이 많았습니다.
그러나 중요한 것은 데이터를 얼마나 많이 갖고 있느냐보다, 어떤 질문을 더 잘 던질 수 있느냐입니다.
오히려 누가 무엇을 왜 하고 있는지, 어떤 기준으로 판단했고 어떤 한계가 있는지, 그 과정이 얼마나 투명하게 공유되는지가 더 큰 차이를 만든다고 믿습니다.
데이터는 객관적인 것처럼 보이지만, 실제로는 어떤 지표를 선택했는지, 어떤 가정을 두었는지, 어떤 데 이 터를 제외했는지에 따라 결과가 달라질 수 있기 때문입니다.
그래서 저는 데이터 직무일수록 더 투명해야 하고, 그 투명함 위에서 각자의 책임도 분명해져야 한다고 생각합니다.
이 가치를 중요하게 여기게 된 계기는 팀 프로젝트에서 역할은 나뉘어 있었지만 결과 해석의 기준이 공유되지 않아 혼선이 발생했던 경험 때문입니다.
분석 결과만 내놓는 것이 아니라, 어떤 기준과 가정위에서 나온 결과인지 함께 설명해야 한다고 생각합니다.
저는 이것이 투명한 책임의 핵심이라고 생각합니다.
데이터 직무의 핵심은 한 번의 대단한 분석보다, 더 나은 질문과 더 나은 판단 구조를 반복적으로 만들어가는 일이기 때문입니다.
이 가치와 가장 닮아 있는 제 경험은 반복적으로 수정되던 분석보고서를 구조적으로 개선했던 일입니다.
그래서 저는 보고서 전체를 다시 뜯어보며 메시지 구조를 재설계했습니다.가장 먼저 한 일은 "이 보고서를 본 사람이 무엇을 한 문장으로 기억해야 하는가"를 정하는 것이었습니다.
처음에는 많은 내용을 덜어 내는 일이 아깝게 느껴졌지만, 결국 핵심을 살리기 위해서는 버릴 것을 정하는 일이 더 중요하다는 사실을 배웠습니다.
분석을 많이 하는 사람이 아니라, 더 나은 분석 구조를 만드는 사람. 모델을 많이 돌리는 사람이 아니라, 정말 필요한 질문에 자원을 집중하는 사람. 그리고 데이터를 맹신하지도 무시하지도 않고, 데이터와 판단을 균형 있게 연결하는 사람이 되고 싶습니다.
저는 이 두 가지를 보며 기아가 데이터 를 선언적으로만 말하는 것이 아니라 실제 채용과 조직 운영에서 중요한 축으로 다루고 있다고 판단했습니다.
그래서 데이터 분석 역량은 기 본이고, 문제정의, 실험설계, 모델링, 해석 가능성, 현업 커뮤니케이션까지 모두 포괄하는 태도가 필요하다고 봅니다.
그래서 저는 데이터와 현업이 충돌할수록 더 투명하게 설명하고 더 작게 검증하는 방식으로 접근하겠습니다.
그래서 저는 좋은 모델보다 먼저 중요한 것이 이 문제가 왜 중요한지, 어떤 의사결정과 연결되는지, 결과가 실제 행동으로 이어질 수 있는지를 정리하는 일이라고 봅니다.
저는 이 경험 이후 기술보다 구조를 먼저 보는 사람이 되었습니다.
제가 기아에 필요한 이유는 데이터를 잘 다루는 사람에 머물지 않고, 데이터를 통해 더 나은 판단 구조를 만드는 사람으로 일할 준비가 되어 있기 때문입니다. |
 |
데이터, 생각, 더, 분석, 어떻다, 기아, 사람, 이다, 결과, 고객, 만들다, 경험, 판단, 직무, datascientist, 구조, 중요하다, 가장, 보다, 문제 |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2026.04.03
11페이지
