디지털화가 진행되며 더 많은 과학자가 필요할 것이라고 여겨져왔다. 수많은 데이터를 통해해 이전에 불가능했던 통찰력을 창출할 수 있게 되며, 동시에 새로운 전문 지식이 필요하게 되었다. 데이터는 실행 가능한 값을 제공할 수 있는 경우에만 유용하며, 이를 해석할 사람이 없다면 큰 도움이 되지 않기 때문이다.
지난 몇 년간 데이터 과학자의 수요는 계속해서 증가했다. 글로벌 구인·구직 SNS 링크드인(LinkedIn)은 2019년 미국 최고 유망 직종 1위로 데이터 과학자를 뽑았다. 데이터 과학 전문가를 구하는 기업의 수요는 연간 4천 개가 늘어나 56%의 증가율을 보일 것으로 전망했다.
기업의 데이터 과학자 수요는 계속되지만 유능하고 경험이 풍부한 인재는 부족하다. 그런데 분석적 전문 지식을 갖춘 인력이 부족한 것은 사실이지만, 인력 부족 정도가 한때 예상했던 정도는 아닐 수 있다고 야후 파이낸스가 보도했다.
데이터의 이점을 누리기 위해선 '코딩'을 꼭 배워야 할까? 그렇지는 않다. 노코드(No-code) 및 저코드(Row-code) 기술의 도입과 광범위한 채택으로 심층적인 데이터 엔지니어링 전문 지식을 갖추지 않은 사람도 데이터의 이점에 접근할 수 있다.
데이터 과학자는 거의 모든 목적에 맞게 모델을 조정하고 맞춤화할 수 있을 정도의 실력을 갖추고 있다. 따라서 데이터의 최종 사용자가 직접 모델을 만들 필요는 없다. 모든 사람이 데이터의 피상적인 이해 이상의 것을 필요로 하는 것은 아니다.
최근 몇 년간 신용카드 지출, 위성 이미지, 슬랙 및 마이크로소프트 팀 사용량, 날씨 등과 같은 메트릭스를 통해 기업 성과를 실시간으로 분석할 수 있는 기술과 같은 대체 데이터가 많이 증가했다. 자산 관리사, 투자자 및 보험사에서는 1년 전만 해도 불가능했던 시장 성과에 대한 관점을 제공하는 새로운 데이터 세트가 등장했다. 예를 들어 악서른(Accern)은 뉴스 기사, 블로그, SEC 파일링 등으로 구성된 전 세계 500개 이상의 신호를 매초 분석한다.
데이터 사용과 기대가 정교해짐에 따라 이러한 중요한 우위를 제공할 수 있는 데이터에 대한 수요도 증대되었다. 사람들은 실시간 통찰력을 제공하는 것에 익숙해졌고, 특정한 요구에 맞춘 더 빠른 통찰력을 기대하게 되었다. 예를 들어 분기 재무제표에 의존하지 않아도 유동 인구 패턴, 모바일 앱 다운로드, 키워드 사용 등을 실시간 데이터 창으로 확인할 수 있다. 이를 통해 언제든지 기업의 상태를 확인할 수 있으며, 재무 목표치를 충족할 수 있는지 가능성을 보다 정확하게 예측할 수 있다.
이렇게 데이터의 사용량이 증가하며 특정 활용 사례에 맞게 데이터 모델을 만들고 미리 구축할 수 있는 분야가 확대됐다. 개발자들은 데이터와 인공지능(AI)의 장점을 대중들이 현실에서 활용할 수 있도록 하는 도구를 만들고 있다. 데이터 과학자들은 데이터 접근성을 높이기 위해 노력하고 있으며, 이는 더 많은 수요가 생기게 한다.
그런데 증가하는 데이터 기회의 이점을 누릴 수 있는 툴을 만들기 위해 계속해서 더 많은 개발자가 필요할까? 아닐 것이다. 개발자의 수요는 증가하고 있고 인재 부족에 직면해있다. 하지만 데이터 과학자는 노코드와 로우코드 기술을 통해 각 산업에서 가장 큰 과제를 해결할 수 있게 되었다.
노코드는 마케팅, 영업, 재무분석 등 다양한 분야에 활용되는데 코드 없이 템플릿을 끌어다 놓거나 논리 트리를 사용해 송장을 처리하거나 실시간 데이터를 표시하는 소프트웨어를 구축할 수 있다. 플랫폼 데이터를 전송해 몇 초 만에 예측 결과를 얻을 수 있어 데이터 과학자나 소프트웨어 개발자가 없어도 데이터를 활용한 실시간 통찰력을 제공받을 수 있다.
[저작권자ⓒ CWN(CHANGE WITH NEWS). 무단전재-재배포 금지]
