이번 포스팅은 미국 테크 회사 구직 중인 저의 경험에 관한 내용입니다.

시작하며

테크 회사의 ‘데이터 과학자’, ‘데이터 분석가’ 또는 ‘프로덕트 분석가’는 등장한 지 5~6년 정도 된 것 같네요. 덕분에 사회과학이나 자연과학의 수량적인 모델을 연구하는 박사생들도 관련 분야에 취업할 길이 열리게 되었습니다. 이러한 분야 중에서도 저는 추천 시스템과 같은 머신 러닝을 활용하기 보다는 인과 추론이나 실험과 같은 통계 기법을 선호하는 직종을 지원하려고 하고 있습니다. 아직 9개월~1년 정도 남았지만, 스킬을 쌓기 위해서는 미리 준비를 해야해서 구인공고에서 요구하는 스킬들부터 공부하는 중입니다.

지원하려는 미국회사는 주로 박사생을 뽑거나 적어도 우대하는 경우 또는 기업 규모가 큰 경우입니다. 기업 규모가 작아지는 경우, 박사생을 우대하는 경우가 드물고, 이에 따라서 지원자가 몰리며, 머신 러닝 등 더 포괄적인 지식을 요구하는 경우가 많아집니다.
이번 포스팅에서는 “인과추론/실험”과 관련하여, 머신러닝이 아닌 분야에 박사생들이 지원을 한다면, 어떤 준비가 필요한 지 포괄적으로 작성해보고자 합니다. 물론, 필자의 취향이 반영되어 있고, 경제학 박사와 관련된 내용이 많지만, 인과 추론/실험에 관심이 있고 수량적인 연구를 하시거나 데이터 과학/프로덕트 분석 등에 관심이 있는 분들이라면 흥미롭게 읽으실 내용이라고 생각합니다.

올해 잡 포스팅 분석 / 인턴 자격 요건 분석

해당 링크의 파일에 제가 관심 있는 구인공고를 정리해 두었습니다. 저는 공고를 크게 세 가지 카테고리로 나누어 보았습니다. 첫번째는, 전미경제학회 (AEA) 에 올라오는 구인 공고들입니다. 경제학 박사들의 잡마켓은 주로 11월~1월에 공고가 온라인으로 올라와 1월 초에 면접을 합니다. 코로나 이후로 온라인으로 많이 대체되면서 1월 초에 오프라인으로 한 곳에 모여 면접하는 관행은 다소 누그러졌으나, 이맘 때 잡마켓에 지원하는 것이 일반적인 흐름입니다. 수량적인 연구를 하시는 분들도 겹치는 부분이 종종 있어서 참고하시면 좋을 것 같네요.

두번째로, 프로덕트 분석/데이터 분석의 엔트리 레벨 포지션입니다. 프로덕트 분석이나 데이터 분석의 엔트리 레벨은 정말 드문 것 같습니다. 제가 찾아본 공고는 메타(구: 페이스북)의 VR 수요분석을 하는 프로덕트 분석가와 엑스피디아 (호텔스 닷컴, 트리바고 등을 포함) 이네요. 세번째는 인더스트리 경험이 필요한 프로덕트 분석/데이터 분석가 포지션인데, 인더스트리 경험이 필요한 경우가 많아 보입니다.

제 검색 경험에 의하면, 회사의 크기가 작아질수록 머신 러닝 등의 스킬까지 함께 요구하는 직무가 많아집니다. 엔트리 레벨 포지션을 뽑는 경우는 주로 큰 회사의 경우가 많고, 회사 규모가 작은 경우에는 직무 경험을 요구하는 경우가 종종 있습니다. 그리고, R/Python 과 SQL 은 기본적으로 요구하는 스킬입니다.

이번에 인턴 관련 지원을 하면서 찾아본 인턴 구인 공고 링크입니다. 데이터 베이스와 관련된 스킬을 많이 요구하고, A/B testing (or Experiment) 경험 요구하는 경우가 다수입니다. 그리고, 역시 기업 사이즈가 작아질수록 업무의 종류가 다양해지는 경향이 있습니다.

이러한 회사 외에도 다른 회사들도 있을텐데 (넷플릭스, 에어비엔비 등), 제가 올해 1월부터 4월 초사이에 검색하는 동안에는 구인 공고를 만나지 못했습니다. 링크딘에 구인 공고를 올리는 경우에는 링크딘의 추천 시스템을 통해서 제가 파악할 수 있는데, 회사들 중에서는 특정 직군의 경우 링크딘에서 만나기 어려운 경우가 종종 있었네요. 저는 주로 “Data Scientist” 로 링크딘에 검색을 했습니다. . 검색하면서 알게된 사실은 직무 유형은 비슷하나 이름이 다른 경우도 있고, 직무 명칭은 “Applied Scientist” 로 동일한데 하는 일은 다른 경우도 있습니다 (아마존은 주로 머신러닝 위조, 우버는 Applied Scientist /Economist 의 경우). “Data Scientist” 뿐만 아니라 좀 더 다양한 키워드들을 알아두는 것이 본인의 관심 직종을 파악하는데 도움이 될 것 같네요.

인터뷰를 간다면… (참고자료)

제가 검색해서 찾아본 자료들 중에 Scarlet Chen 의 “EconPhd to Tech” 의 미디엄 글과 Evan Buntrock 의 “Industry Job Finding Advice” 가 구직 과정의 전체적인 흐름을 이해하기에 좋았습니다.

우선 Scarlet Chen 이 인터뷰에서 경험했다는 키워드를 가져와보았습니다. 모든 내용을 한 회사에서 다 물어보는 것은 아니지만, 아래 키워드들을 한 번씩은 어딘가에서 질문받았다고 하네요.

키워드: SQL, Coding: algorithm (알고리즘), data structures (데이터 구조), Coding: dataset manipulation, A/B testing (or Experimentation), Metric definition (주요 비즈니스 지표들), Causal Inference (인과추론), Machine Learning (머신러닝), Open-ended case study, Your research, Behavioral questions, Statistics, Probability, Numerical computation.

인터뷰는 크게 테크니컬 인터뷰(기술면접)와 행위적 인터뷰 (behavior interview, 한국의 인성면접과 유사) 두 가지로 나뉩니다. 테크니컬 인터뷰에서는 본인의 직군에서 필요한 스킬을 사용하여 회사가 직면한 문제를 푸는 케이스 스터디가 있다고 합니다.

또한, 행위적 인터뷰를 준비하는 팁으로는 키워드를 10개 이하로 뽑은 이후에 이를 포함하는 2~3가지 스토리를 준비하는 팁도 유용하겠다는 생각이 듭니다 (행위적 인터뷰에 대한 팁은 “ Industry Job Finding Advice (for EconPhD)” 에서 참고).

인터뷰를 가기 위해서는… (참고자료)

이력서는 학계용의 이력서가 아니라, 인더스트리에서 좋아하는 1페이지 이력서가 좋습니다. 채용 관련자들은 시간이 없기 때문에 빨리빨리 읽고 넘어간다고 하네요. 본인의 프로젝트나 연구가 많은 경우에는 회사의 요구/우대 사항에 맞게 맞춤식으로 작성하는 것이 필요합니다.

인터뷰에 가기 전에는 서류 통과가 되어야 하는데, 구직 준비하면서 읽었던 다수의 “조언” 들에서 네트워킹을 강조합니다. 학과 졸업생이 있거나, 서로 링크딘 친구가 동일하거나 할 때, 링크딘 메세지를 통해서 15분 정도 간단히 대화할 수 있는지 부탁하는 팁도 좋은 것 같습니다. 가족, 친구 지인이 회사에 다닌다면 추천을 부탁하거나, 소셜 미디어를 통해서 본인을 어필하는 것도 방법이라고 합니다.

마무리하며

한 문장으로 요약하면, “인더스트리용 이력서를 만들고, 관심 직종에서 요구/우대하는 스킬을 쌓고, 본인의 관심 분야의 사람들과 네트워킹을 하자”가 될 것 같습니다.

그 외 제가 앞의 섹션에서 담지는 못했지만 도움이 될 만한 정보들을 아래와 같이 나열해보았습니다.

• 특정 분야나 스킬을 요구하는 경우가 종종 있습니다 (e.g. 서베이 디자인, 사회학, 조직행동, 심리학, 경제학 등).
• 링크딘으로 지원하는 경우 수 백 명 이상이 지원한 경우가 빈번합니다 (“Apply” 버튼을 누르면 회사 채용 페이지로 이동도록 해서 실제로 표기된 명수의 사람들이 모두 지원을 했는지는 알 수 없지만, 적어도 그만큼의 사람들이 강한 관심을 갖고 있는 것을 알 수 있습니다).
• 자기 스스로 자신을 세일즈할 수 있어야 할듯합니다 (예를 들면, “미디엄” 블로그 영어로 작성, GitHub 이나 본인 홈페이지에 프로젝트 올리기 등).
• 웨비나/컨퍼런스 같은 곳에서 질문을 하거나 사람들을 만나고, 추후에 이메일/링크딘 메세지 등의 서신을 교환하는 것도 방법이 될 듯 합니다.
• 추천 알고리즘에 대한 이해와 이를 A/B 테스팅해보는 경험이 있다면, 다양한 회사들의 수요를 만족시킬 수 있지 않을까 생각이 드네요.

A/B 테스팅(실험)과 머신러닝을 함께 할 수 있는 프로젝트가 무엇이 있을 지 고민중입니다. 기회가 된다면 PAP 시즌2 내에서 관련 프로젝트에 대한 내용도 공유할 수 있으면 좋겠네요. 읽어주셔서 감사합니다!

위 글은 저의 개인블로그에서도 읽으실 수 있습니다.

레퍼런스 (파트 III & IV)

EconPhd to Tech (by Scarlet Chen)

• EconPhd 를 청중으로 두었지만, Data Scientist 직군에 관심이 있다면 도움되는 글들이 종종 있습니다.

• Industry Job Finding Advice (for Econ PhD) -이 글도 EconPhd 를 청중으로 두었으나, 리쿠르터에 대한 이야기와 Behavioral Question 답을 준비하는 방법이 상당히 인상적입니다.