글을 읽기에 앞서

• 데이터 풀스택을 희망하는 어느 데이터 분석가의 개인적인 의견을 적었습니다.
• 개발자들도 풀스택이 있는데, 데이터에서는 왜 풀스택이란 용어가 없지라는 생각이 들어서 시작하게 된 글입니다.
• 외국 블로그와 커뮤니티를 참고하여 작성하였습니다.
• 이 글은 알파고 키즈로 시작한 데이터 분석가 세대가 읽기에 가장 적합합니다.

데이터 풀스택이란?

풀스택 웹개발자는 프론트엔드(클라이언트)와 백엔드(서버)를 모두 다룰 수 있는 사람을 의미. A full stack web developer is a person who can develop both client and server software. - w3school

이미 풀스택 용어는 많이 들어봤겠지만, full-stack이 무엇인지 어원에 대해서도 궁금했습니다. 정확한 어원에 대한 기관의 공식문서는 못찾았지만 블로그에서 힌트를 얻었습니다.

full-stack의 어원. 이 불행한 문구는 완전한 기술 솔루션을 구성하는 전체 주요 기술 집합을 의미하는 기술 설명자에서 발전했다. (중략) 일반적으로 “스택”은 완전한 소프트웨어 솔루션(일반적으로 하나 이상의 백앤드 언어와 하나 이상의 프론트앤드을 만드는 데 필요한 데이터베이스, 운영 체제 및 언어만을 가리킨다.

추가로 글을 읽으면서 재미있는게 개발자라는 직업에서만 풀스택이란 단어를 많이 들어보았습니다. 풀스택 의사, 풀스택 경찰 이런 단어를 들어보았나요? 의학도 전문분야가 정말 많고 수년간의 인턴과 레지던트를 겪으면서 전문의를 취득합니다. 그런 의사들도 대학에서는 특정 분야를 가리지 않고 공부를 다하는 것으로 알고 있습니다. 그 중 흉부외과, 피부과 등 특정 분야의 전문성을 지닌 의사를 특별하게 “전문의”이란 호칭을 부여합니다. 이런 비유만 잘 이해해 보면 개발자에서도 동일하게 적용할 수 있습니다.

같은 맥락에서 개발자 커리어를 시작할 때 프론트앤드, 백앤드 구분을 하지 않고 한번씩은 다 공부를 해보면서 나와 핏Fit이 맞는 분야를 찾으면서 전문성을 정한다는 개념입니다. 프론트앤드, 백앤드를 구분하는 경우도 좀더 전문성(혹은 강점)을 갖게 되는 영역이 무엇인지 편의상 표기를 위한 것이라 생각합니다. 결국 T자형 인재가 되는 것입니다.

다만 한 가지 차이점은 있습니다. 우리가 뼈가 다치면 정형외과를 갑니다. 하지만 웹(혹은 앱)을 구현하기 위해서는 프론트앤드 혹은 백앤드만 있어서는 안됩니다. 그래서 풀스택이란 용어가 유독 개발 쪽에서 나오게된 이유도 전문분야가 있지만 전체적으로 다룰 수 밖에 없는 환경에 처해져 있기 때문이 아닐까 싶습니다. 약간의 논리적 비약을 덧붙이면 응급의학과가 사실상 의료 쪽의 풀스택이라고 할 수도 있겠습니다.

그래서 글에서는 끝으로 이런 질문을 던져봅니다.

그래서 개발자에게 “완전 스택인가?”라고 물었을 때, 여러분이 정말로 묻고 있는 것은 “데이터베이스, 운영 체제, 그리고 두 개 이상의 프로그래밍 언어와 함께 일할 수 있는가?” 입니다.

제 나름대로 “당신은 데이터 풀스택 이신가요”라고 질문을 던져보면 이렇게 물어보는 것과 같을 것 같습니다.

“수학&통계적 지식, 문제해결 및 커뮤니케이션 능력, 그리고 SQL과 파이썬 언어를 포함한 두 개 이상의 프로그래밍 역량을 지니시고 계십니까?”

즉, 이것을 한줄로 정리하면 | 데이터 풀스택은 데이터 데이터 사이언티스트를 의미합니다.

+) 다른 글에서 데이터 풀스택에 대한 블로그를 가져와봤습니다. 풀스택 데이터사이언티스트랑 무엇인가?

스트는 데이터 과학 라이프 사이클의 각 단계에서 처음부터 끝까지 엔지니어링하고 작업하는 팔방미인(jack-of-all trades)입니다.” 앞서 개발자 풀스택의 설명과 거의 동일하다는 것을 알 수 있습니다.

즉, 데이터파이프라인도 설계하고, 분석도 하고 모델링도 할 수 있는 데이터 만능인. 제가 생각하는 데이터 풀스택을 정리해보 았습니다.

왜 데이터 풀스택을 해야하는가

그렇다면 왜 데이터 풀스택(=데이터 사이언티스트)을 이야기하는지 이야기를 해보면, 결국은 취업과 연계됩니다. 이제 취업시장에서는 SQL만 할 줄 아는 데이터분석가는 점점 도태될 것 입니다. 패스트캠퍼스를 비롯한 데이터 교육을 가르치는 곳도 많아지고 수준도 높아집니다. 배움의 러닝커브가 쉬워지면서 T자를 그려지기가 쉬워졌습니다. 수강생들들도 전체적으로 상향평준화가 되면서 경험 있는 신입이 늘어나고 기업에서는 더 높은 수준의 지원자를 요구합니다. 네카라쿠배당은 더 이상 개발자만의 이야기가 아니게 되었습니다.

회사에서도 풀스택을 희망하는 이유는 비용을 아끼기 위한 것입니다. 이왕 뽑는다면 이것저것 다 할줄 아는 사람을 뽑는게 훨씬 가성비가 좋을 것 입니다.

• 투자에 선구안이 있는 한 지인이 이런 이야기를 해주었습니다. "코로나로 인해 재택이 활성화되면서 국내 인재만 뽑지 않아도 괜찮다는 것을 기업들이 알게되었다. 언어의 장벽만 해결된다면 기업에서는 앞으로 인도, 중국 같이 한국보다 적은 임금으로 높은 교육수준의 인재를 데려올 수 있게되었다." 이 말을 들으며 “사무실”이라는 공간적 제약조건의 붕괴를 시사하는 바였습니다. 미래의 조직에서는 아래로는 대학원을 다녀온 젊은 신입이, 위로는 유수의 글로벌에서 경험을 해온 외국인 리더가 앞으로 우리와 함께 일할 수도 있겠다는 생각이 들었습니다.

결국 이런 상황에서 설자리를 유지(혹은 생존)하기 위해 데이터 풀스택을 준비해야 하는 것을 주장하고 싶었습니다. 데이터 분석이라는 것도 결국 데이터 인프라가 구축이 되어야 할 수 있습니다. 그 인프라는 데이터 엔지니어가 구축해줘야 합니다. 데이터분석가 혼자서는 이 넓은 광야에서 혼자 살아남기가 어려운 상황입니다. 그렇기에 데이터분석가는 스스로 배관공이 되어 파이프라인을 구축할 수 있는 역량을 갖추어가는 것으로 데이터 풀스택의 첫 발을 내딛을 수 있습니다.

글을 마무리하며

데이터 풀스택을 이루기 위한 로드맵

이미 온라인상에는 “데이터 사이언티스트 로드맵” 검색해서 몇 가지 글들로 귀결되는 곳들이 있습니다. 각자 처한 상황이 다르기 때문에 해당 로드맵을 보면서 나의 위치를 먼저 파악하는 것이 중요할 것입니다. 내가 아는 것과 모르는 것을 구분하고 우선순위를 정하는 것이 첫번째로 해야할 것입니다.

그리고 공부해야 할 우선순위를 정할 때는 그 답을 JD(Job Description)로 많이 찾아보고 있습니다. 회사에서 요구하는 데이터 직무 JD를 살펴보면 요구하는 역량들이 비슷하다고 확인할 수 있습니다. 올라온 JD를 분석해 보면서 공통 필수 역량을 먼저 익히고 특정 분야의 전문분야를 가지면 좋겠다고 생각합니다. 끝으로 앞서 T자형 인재에 대해서 짧게 이야기를 했는데, 리멤버에 올라왔던 “제너럴리스트와 스페셜리스트의 차이” 글을 보면서 많은 공감을 했었습니다. 한번 읽어보면 도움이 될 것 같습니다!

끝으로 비슷한 고민을 하고 있는 전국의 3~4년 차 데이터 분석가분들에게 같이 힘내자고 이야기하고 싶었습니다. 희망 편과 절망 편이 공존하는 세상이지만, 앞으로의 데이터 직무가 어떻게 변화될지 무척이나 궁금하고 기대됩니다!