테크에서 데이터 사이언티스트는 무슨 일을 하죠?
아래의 글은 필자의 의견이고 회사의 의견을 반영하지 않고 있습니다.
[요약]
- 구글, 페이스북 같은 실리콘 밸리 테크 회사에서 제품을 개발하는 팀들은 보통 이렇게 구성되어있다: Product Manager 1명, Product Designer 1명, UX Researcher 1 명, Engineer 여러명, 그리고 데이터 사이언티스트 1명.
- 이런 구조의 팀에서 데이터 사이언티스트는 데이터를 사용해 제품이 누구에게, 어디서, 어떻게 쓰이고 있는지 파악하고, 팀의 전략적 방향을 제시한다.
- 이런 유형의 데이터 사이언스을 Product Analytics라 칭하는데, 더하기/빼기만 할 수 있으면 누구나 입문할 수 있다. 정말이다 – 필자는 중문학 전공이었다.
[테크 회사 팀의 구조와 데이터 사이언티스트의 역할]
페이스북, 구글 같은 실리콘 밸리 대기업의 구조는 제품에 의해 나뉜다. Facebook Inc. 을 예로 들면 크게 페이스북, 인스타*, 워츠앱* 같이 회사가 소유하고 있는 어플 단위로 크게 나뉘고, 그 제품들의 각각 세부적인 기능/부분에 프로덕트 팀이 하나씩 붙는다. 예를 들어, 필자는 인스타에서 Business DM팀에 소속되어 있다 (Facebook, Inc. -> Instagram -> Business -> DM).
*인스타와 워츠앱은 페북 Inc.의 자사이다.
이런 여러 개의 프로덕트 팀이 제각각 담당하고 있는 분야에서 제품을 개발하고, 개선해 나아가고 있다. 각 프로덕트 팀은 보통 이렇게 구성되어 있다:
- Product Manager (“PM”) 1명: 한 팀의 CEO 같은 역할을 한다. 제품의 전략, 디자인, 그리고 개발을 모두 총괄하는 역할이다.
- Data Scientist (“DS”) 1 명: 데이터를 사용해 제품이 누구에게, 어디서, 어떻게 쓰일 것인지/쓰이고 있는지 파악하고, 주로 PM과 같이 팀의 전략적 방향을 세운다.
- Product Designer (“Designer”, “PD”) 1명: 제품의 모든 디자인을 맡고 있다. 필자의 DM팀을 예로 들면, Inbox 배열부터 세부적으로는 채팅창 말풍선 모양까지 모두 총괄한다.
- Product Marketing Manager (“PMM”) 1명: 제품의 go-to-market 전략을 총괄한다.
- UX Research (“Researcher”) 1명: 사용자들을 직접 인터뷰하고, 데이터만으로는 보기 어려운 세부적인 디테일을 매꾸어준다 (제품 사용 목적, 받는 느낌 등등).
- Software Engineers (“SWE”) X 명: 제품을 개발한다. 제품에 따라 Web, iOS, Android, Backend, Data개발자들이 있다.
[Product Analytics 데이터 사이언티스트]
테크의 그 어느 제품도 결국 사람들에게 쓰임을 받아야 살아남는다. 그리고 그런 유용한 제품을 개발하려면, 어떤 사람들을 위해, 어떤 제품을, 어떻게 만들지 고민하고, 제품이 만들어진 후 어떻게 사용되고 있고, 어떤 문제점을 개선해야 하는지 이해 해야 한다. 하지만 인스타 같은 경우 사용자 수가 10억이 넘는다. 이 모든 사람을 일일이 인터뷰하고, 분석하는 건 불가능하다. 결국 이 모든 사용자를 거시적으로 이해하는 방법은 데이터밖에 없고, 요즘 업계에서 이런 유형의 데이터 사이언스 분야를 Product Analytics라 칭한다.
한 팀의 전략은 대부분 PM과 DS가 맡는다.* 물론 겹치는 부분도 있지만, PM은 대부분 추상적인 아이디어 창출과 다른 팀과의 협력을 통해 새로운 전략을 세워간다면, DS는 그 똑같은 전략 문제를 데이터 기반으로 풀어나간다.
*Engineering, Design, PMM도 자신의 전문성을 기반으로 전략 계획에 참여하지만, 주요 업무는 아니다.
다음 글에서 Product Analytics 데이터 사이언티스트의 역할을 좀 더 상세히 설명하겠지만, 간략하게 정리하자면 이렇다:
- 제품 아이디어 창출 및 시장 조사: 데이터로 만들어진 아이디어는 강력하다. 인스타 창업자는 원래 인스타 전 Burbn이라는 여행지 및 위치 check-in 어플을 만들었다. Burbn을 운영하면서 그는 데이터를 통해 사용자들이 어플의 본래 목적인 check-in은 안 하고, 어플의 추가 기능인 사진 필터가 인기 있다는 것을 알게 되었다. 결국 그는 Burbn을 폐지하고, 지금의 인스타를 개발했고, 억만장자가 되었다….
- 팀 목표 수치 설정: 팀이 어떤 수치를 목표 해야 하고, 어디까지 도달할 수 있는지 설정한다. 제품마다 성공의 수치는 다르다. 예를 들어 어떤 제품은 사용자 수가 될 수 있고, 어떤 제품은 사용 횟수가 될 수도 있다. 제품에 따라 어떤 수치가 제일 적합하고, 얼마나 그 수치를 수동적으로 제품 개발과 개선을 통해 증가할 수 있는지 설정한다.
- 실험 및 분석통해 제품 개선: 새로운 기능을 개발 했을 때, A/B testing을 통해 새로운 기능 사용 후 이용 수치 변동을 분석하고, 제품을 개선해 나아간다.
[더하기 빼기 Only]
필자는 복잡한 수학을 잘 못 한다. 학부는 중국어를 전공했고, 어렸을 때 눈높이를 통해 다져진 더하기/빼기 실력 빼고는 형편없다. 하지만 다행히도 업무의 80%는 그 이상의 수학을 요구하지 않는다. 나머지 20%는 동료의 도움을 구하면 된다.
데이터 사이언스라는 분야는 다양하다. 분야 일부는 분명 복잡한 수학과 모델링을 요구한다. 하지만 Product Analytics 같은 경우, 어떤 것을 더하고 뺄 것을 고민하는 게 중요하지, 수학 자체가 어렵지는 않다. 그러니 이 분야에 관심이 있다면, 무조건 입문해보는걸 강력히 추천한다. 데이터는 회사라는 대형 조직에서 여러 사람을 설득시킬 힘을 주기 때문이다.