빅데이터 유망 직업, 데이터 과학자 vs. 비즈니스 인텔리전스

 

 

 

대체로 우리가 빅데이터를 이야기 할 때, 그 전문가로 떠올리는 직업은 '데이터 과학자' 아니면 '비즈니스 인텔리전스'입니다. 하지만 일각에서는 우리의 이러한 지각이 잘못되었다고 말을 하기도 하는데요. 그들의 의견은 간단합니다. 바로 '데이터 과학자'와 '비즈니스 인텔리전스'는 용어가 혼동되어 사용되고 있을 뿐 사실상 아주 다른 직업이고, 또 이 두 분야는 완전히 별개의 지식분야라는 것이죠. 제 생각에도 두 가지 분야는매우 비슷하다고 생각되는데요. 뚜껑을 열어보면 그게 아닌 것 같기도 하네요. 그 근거들을 한번 살펴볼까요?
 

 

 

1. 데이터 과학이 미래 예측에 관한 것인 반면, 비즈니스 인텔리전스는 정적 보고서 생산에 관한 것입니다.

"전통적인 비즈니스 인텔리전스 전문가들은 트렌드와 표준편차에 대한 보고를 할 때조차 있는 그대로의 정보를 효과적으로 보고한다. 비즈니스 인텔리전스 전문가들은 새로운 정보의 조각을 발견해 내는 일을 하는 게 아니다. 그저 현재의 데이터만을 다룰 뿐이다.
그러나 데이터 과학에서는 미스터리 요소가 가미된다. 예를 들어, 넷플릭스는 '어떤 고객들이 왜 업체를 갈아 타는지, 갈아 탈 가능성이 있는지'를 파악하기 위해 축적된 기존 데이터를 살펴본다. 평균적으로 볼때 수많은 사람들이 비슷한 시청 습관을 가지고 있기 때문에 불확실성이 더 크지만, 개인적 단계로 보면 똑같은 사람은 어느 누구도 없다"
- 넷플릭스(Netflix) DVD 비즈니스 인텔리전스와 분석 책임자 앤드류 뎀프시


2. 데이터 과학과 비즈니스 인텔리전스 사이의 또 다른 주요 차이점은 데이터 그 자체에서도 찾을 수 있습니다.

"우선 순수한 데이터 양에서 다르다. 아주 많은 데이터 속에서 예외를 찾아내기 위해서는, 보고하기보다는 이를 충분히 이해해야 한다. 바이오젠 아이덱은 데이터의 신호들을 전체 제조 과정에 걸쳐 계속적으로 확인하고 허용수준을 넘어서는 것들을 잡아낸다. 변칙이 감지되면, 완전히 다른 작업 절차가 촉발된다. 이는 모두 우리의 제조과정을 최대한 제어하기 위한 것이다. 또한 우리는 여러 배치에 걸쳐 데이터를 확인해 분석 절차를 성숙시켜왔기 때문에, 우리는 특정 대상의 변동성을 줄이기 위해 트렌드를 본다"
- 그렉 메이어스


3. 또다른 도전 과제는 빅 데이터의 변동성에 대처하는 것입니다.

"전형적인 데이터 인텔리전트 시스템은 고객 프로필과 같이 고도로 구조화된 데이터를 가지는 게 보통이다. 그 데이터의 상관성을 보여주고 이에 대한 회귀분석을 함으로써 분석을 하는 것이다. 이와 반대로 오늘날의 빅 데이터 환경 속에서는 복잡한 데이터가 엄청나게 주어지기 때문에, 자신이 살펴보고 있는 특성들이 결과물에 어떻게 관련되어 있는 지조차 알 수 없다. 최종 결과는 데이터 과학이 훨씬 더 탐구적이다. 데이터 과학은 자신의 발등을 찍기 쉽기 때문에 더욱 엄격해져야 한다. 분석도 훨씬 어렵기 때문에 기계 학습에 관련된 연구도 그렇게 많이 진행되고 있다."
- 콘태전트(Kontagent) 데이터 과학자 조시 윌리엄스
 

 

이렇게 정리를 하고 보니 정말 두 가지 용어의 차이점이 무엇인지 느껴지네요. '데이터'를 다룬다는 점 때문에 같은 것 같지만 분명히 다른 차이점을 가지고 있는 두 분야를 자세하게 살펴보니 그 매력이 배가 됩니다. 앞으로 떠오르는 분야가 될 '데이터 과학'과 '비즈니스 인텔리전스'를 제대로 이해하면 많은 도움이 될 것 같습니다^^


[본 글은 ITWorld의 데이터 과학자와 BI 전문가와의 차이 그리고 데이터 과학자가 되는 법을 참조하였습니다]

[출처] Dell Korea 블로그

[출처] 빅데이터 유망 직업, 데이터 과학자 vs. 비즈니스 인텔리전스|작성자 Dell 코리아