* [ 분석가로서 부족한 능력을 조금씩 채워 나가기 ] * 분석담당자에게 필요한 스킬은 다양하고 재직 중인 회사의 산업계와 상황에 따라 다르겠지만 보편적으로 필요한 능력이 있고 아래와 같이 정리되어 있는 글이 있어 안내드립니다. 필요한 스킬 요소 중, 부족하다고 느낀 부분을 체크해두고 하나씩 채워나가는 것은 어떠할까요? 물론 맛보기가 아닌 비즈니스에 적용이 가능할 정도로 채우려면 다소 시간이 걸리니 모든 걸 한 번에 다 하려 하기보다는 필요한 순서, 부족한 순서부터 우선순위를 정하여 긴 호흡으로 나아가야 할 것 같습니다. 1. Developing a Business Problem Fancy하지만 비즈니스 가치를 만들지 못하는 분석을 위한 분석을 하지 않기 위해 비즈니스와 현업이 가지고 있는 문제를 이해하고 있어야 합니다. 2. Working with Big and Small Data Ingestion and Processing 우리 회사의 다양한 데이터 소스(DB&TABLE, WebApp Log)의 수집 프로세스와 관계를 명확한 이해가 필요합니다. 3. Understanding Data Cleaning and Preprocessing 분석 목적과 로우 데이터의 형태에 따라 적합한 전처리를 통해 자유자재로 필요한 데이터셋을 만들 수 있어야 합니다. 4. Working with Tools 코드를 작성하고, 읽고, 수정하고, 실행할 수 있는 언어, 패키지, IDE에 대한 능숙한 능력이 필요합니다. 5. Drafting Visualizations, Reports, and Dashboards 분석 결과물의 의미와 정보를 명확히 그리고 해석하기 쉽게 공유하기 위해 시각화, 리포트, 대시보드 능력이 필요합니다. 6. Understanding the Analytics Life Cycle 분석 결과와 모델의 수명은 영원하지 않습니다. 분석의 생성, 검증, 배포, 재작업, 폐기의 사이클에 대한 이해가 필요합니다. 7. Analytics to Production 분석을 프러덕션화 시키는 능력이 필요합니다. 8. Embracing Research and Development (R&D) R&D 기반 새로운 기술을 시도한 후, 다른 프로젝트에 이 기술을 다시 수행할지, 아니면 종료시킬지 결정할 능력이 필요합니다. 또한 과정 중에서 다른 사람의 피드백과 아이디어를 수용하는 것도 필요합니다. 모든 피드백을 수용하라는 것은 아니며, 일부를 수용하고 수용하지 않을 수도 있지만 혼자 진행한 것보다 프로젝트의 완성도를 더 높일 수 있습니다.

Top 8 Skills for Every Data Scientist

Medium

Top 8 Skills for Every Data Scientist

다음 내용이 궁금하다면?

또는

이미 회원이신가요?

2020년 11월 22일 오전 4:47

댓글 0