2024년도에 들었던 현직자 특강 요약 4)

🗣️ 2024.11.20 | 데이터 분석가의 A/B테스트 프로세스 & 결과 해석 방법론 (메타코드)

• A/B 실험 정의: A는 기존 방안, B는 변경 방안, 정량 조사로 전환율 측정함
• 단계별 실험 설계: 하나씩 비교하는 스텝 바이 스텝 애자일 접근법 권장함
• KPI 구성: 프라이머리 지표(최종 목표)와 가드레일(보조 지표) 개념 및 중요성 강조함
• 최소 감지 효과(MDE) 설정으로 비즈니스 가치 기준 수립 방법 제시함
• 통계적 검정: 이항분포 검정, 알파=0.05 기준 p-value 해석법 설명함
• 표본 크기 고려: 충분한 모수 확보가 통계 검정력에 미치는 영향 언급함
• 조직 내 어려움: 결과 해석과 기준 설정, 데이터 셋 확보의 난점 공유함
• 개인 실습 방안: 시뮬레이션 형태로 가설 설정 및 테스트 경험 쌓기 권장함
• SQL 역량 강조: 비즈니스 유의미성 확보를 위한 SQL 스킬 필요성 언급함
• 커뮤니케이션: KPI 얼라인 및 분석 결과 공유 중요성 강조함

 

🗣️ 2024.11.27 | 7년차 대기업 반도체 DA가 알려주는 제조업 데이터 사이언스의 모든 것 (메타코드)

• 문제 정의부터 모델 선택·전처리 준비까지 전 과정 로드맵 제시함
• 배포(Deployment) 단계의 중요성 강조: 알고리즘 이상 중요하게 여김
• 카프카, 스파크, AWS, Hive 등 빅데이터 인프라 활용 기술 소개함
• 반도체 생산 최적화 및 품질 이상 탐지 업무 사례 공유함
• 결함 이미지 분석을 통한 의사결정 프로세스 설명함
• 개발 주기: 짧게는 6개월 단위로 개발·양산이 반복되는 현장 특수성 언급함
• 클래스 유형별 분석 비용·리소스 고려 방안 논의함
• 횡전개(Reuse) 전략: 유사 프로젝트에 기술·방법론 전파 가능성 강조함
• 커리어 초기 단계: 대학 동아리, 공모전, 대학원 프로젝트 경험 활용 조언함
• Q&A: 대학원 진학 vs. 실무 경험, 모델 관리·파이프라인 중요성 논의함

 

🗣️ 2024.12.04 | 대기업 출신 DA의 지표설정부터 성과분석까지 실무사례 A to Z (메타코드)

• 지표 수집: SQL 및 BI 툴 활용과 정합성 검증 프로세스 소개함
• 차원(dimensions)과 지표(metrics) 정의: 그룹화 기준 및 보고 대상 구분 설명함
• 차트 구성 요소: 제목·설명·필터 설정과 차트 유형 선택 중요성 강조함
• 데이터 추출 능력 및 커뮤니케이션 스킬이 핵심 역량임을 언급함
• SQL 코딩 테스트: 신입은 SQL 중심, 경력직은 알고리즘 경험 차이 설명함
• 통계·수학 스킬: 신입 면접 빈도와 경력 평가 시 프로젝트 경험 중심 차이 언급함
• 데이터 마트 설계: 복잡도에 따라 2–3주 소요될 수 있음을 안내함
• 도메인 선택 팁: 완전 미지 분야보다는 기본 이해 있는 영역에서 시작 권장함
• 머신러닝 활용 사례: 이탈 예측·분류·그룹핑 모델링 활용 및 설명 필요성 제시함
• 일상 업무 비중: 주간 레포팅, ad-hoc 분석, CRM 설계 역할 소개함

 

🗣️ 2024.12.11 | 채용불황에도 살아남는 데이터 직무 필수 역량 (제로베이스)

• 문제 해결 경험과 커뮤니케이션 역량을 최우선으로 평가함
• 직무 전문영역 세분화 추세: BI 데이터 추출 전담자 채용 언급함
• 소프트 스킬(학습 속도·적응력·응용력) 강조, 기술은 입사 후 학습 가능함
• SQL 역량 중시: 윈도우 함수 등 고급 쿼리 작성 스킬 수요 증가 언급함
• 도구보다 본질적 문제 해결 능력에 집중할 것 권장함
• 이력서 작성: 자격 요건 및 프로젝트 맥락·성과를 간결히 기술할 것 제안함
• 포트폴리오 작성: 문제 정의→해결 흐름→결과 자세 서술 중요성 강조함
• 초반 업무 경험: 작은 데이터 작업도 경력의 시작으로 의미 부여함
• 코딩 테스트 난이도: SQL 함수 활용 능력 평가 지표로 사용됨
• 석사 vs. 실무: 사이언티스트는 석사, 분석가는 비즈니스 경험 중심 채용 차이 언급함

 

🗣️ 2024.12.12 | 제로베이스 설명회 (제로베이스)

• 2024년 신입 채용이 적었고 경력직 중심 채용 트렌드임을 공유함
• 실무 경험 및 대규모 프로젝트 수행 이력 우대함
• 문제 해결력과 협업 제안 능력을 평가 핵심으로 삼음
• 이력서·코딩 테스트에서 사전 과제·예측 과제 활용 빈도 증가 언급함
• 직무 성숙도에 따른 업무 영역 겹침·전문화 추세 분석함
• 데이터 직무 내 추천시스템 강조, 컴퓨터 비전은 사이언티스트 역할 언급함
• 학벌보다 문제 해결 역량과 실무 성과로 평가 기준 이동함
• 사전 과제·예측 과제를 통한 직무 적합성 검증 중요성 강조함
• 신입 채용 감소, 경력직은 확보 전략 제시함
• 핵심 역량은 문제 해결력임을 최종 정리함

 

📌 공통적으로 다루는 내용

1. 문제 해결력 강조: 모든 강연에서 본질적 문제 정의 및 해결 경험을 핵심 역량으로 제시함
2. 데이터 기반 지표 설정·해석: KPI 구성, 지표 정의·정합성 검증 프로세스를 공통으로 다룸
3. SQL 및 기술 도구 역량: SQL, BI 툴, 빅데이터 인프라 활용 스킬의 중요성 언급함
4. 커뮤니케이션·협업 역량: 분석 결과 공유, KPI 얼라인, 협업 제안 능력을 강조함
5. 포트폴리오·프로젝트 경험: 개인 실습, 실무 사례, 대규모 프로젝트 경험을 입증 수단으로 추천함
6. 통계·실험 설계 역량: A/B 테스트, 통계적 검정, MDE 설정 등 실험 방법론을 다룸
7. 도메인 학습·적응력: 반도체, 제조업, 다양한 도메인 경험과 빠른 학습 속도 강조됨
8. 이력서·코딩 테스트 준비: 자격 요건 기술, 사전 과제, SQL 테스트 대비 전략 제시함

 

📌 강연 간 차이점

1. 11.20 A/B테스트 웨비나: 실험 설계·통계 해석 방법론에 집중함
2. 11.27 제조업 데이터 사이언스: 반도체 생산 최적화·배포 과정 및 도메인 특수성 강조함
3. 12.04 지표설정 A to Z: 지표 수집·차트 구성·정합성 검증의 실무 사례 A to Z 제공함
4. 12.11 필수 역량 세미나: 채용불황 대응 역량, 직무 성숙도·커뮤니케이션 스킬 강조함
5. 12.12 제로베이스 설명회: 채용 트렌드·사전 과제·협업 제안 능력 중심 트렌드 분석함