안녕하세요. 저는 현재 대기업 제약회사의 중앙 IT department에서 데이터 사이언티스트로 근무를 하고 있습니다. 제가 하는일은 각 부서에서 데이터 사이언스가 필요한 데이터가 있으면 이것에 대하여 solution을 주고, Prediction 모델, forecasting 모델등을 만드는 모델링 을 하고 있습니다.

제가 요즘 저희 부서의 데이터 사이언티스트를 뽑는 역할을 하고 있는데, 요즘 메타나 아마존 출신들도 레이오프 되어 많이 지원을 하고 있습니다. 그리고, 한국사람이 지원을 할 때에는 S대 출신 그리고 지원자 대부분이 박사학위자 입니다.

제가 궁금한 것은 저와 같은 데이터 사이언티스트가 전망이 있을지 궁금합니다. 앞으로 10년 후에도 계속 수요가 있을까요? 제 생각에는 저와 같은 일은 자동화 될 수도 있다고 생각을 하고 있습니다. 저도 공부를 오랫동안 했고, 연구 경력이 많이 있는데, 어떻게 하다보니 IT의 데이터 사이언티스트로 일하고 있네요.

저는 전문가가 아니라 적당히 걸러들어주세요. 논텍 s&p500 회사 데이타 사이언스들과 일하는 엔지니어인데 저희 회사는 단기적으로는 데이타 사이언스 팀을 유지는 하되 더 크게 키울 생각은 없어보입니다. 마켓이 계속 변하는데 모델을 트레이닝 할 시간을 줄 수 없다는 것도 이유 중 하나고 모든 문제에 모델을 이용하는것이 가장 코스트 이펙티브 한 방법은 아니라는걸 깨닳은것 같아요. 지난 십년 간 데이타 사이언스, 머신 러닝, 에이아이 붐이 있어서 회사들이 큰 이해 없이 너도 나도 데이타 사이언스 팀을 만들었다면 익스펜스를 줄여야하는 요즘 같은 시기에는 축소하지 않을까 라는 생각입니다. 더 장기적으로는 잘 모르겠습니다만 단기적으로는 그렇게 보이네요.

그래도 당분간은 계속해서 수요가 있을 듯하네요.
그 automation도 컴싸나 데이터 사이언티스트가 하지 누가 하나요.
Automation이 더 성숙해지면 필요한 인력 수는 줄지만 결국 누군가는 버튼을 누르고 일을 처리해야 합니다. 그리고 데이터 사이언스 지식없이는 버튼도 못 누릅니다. 제가 하는 분야(데이타 사이언스 아님)도 어떤 쪽은 상당히 automation이 되어서 예전에 수십명이 달려들어 하던 일을 한-두명이면 할 수 있게 되었습니다. 그런데 그 한-두명은 그 automation tool 내부를 잘 이해하고 있어야 하고 이들은 꼭 필요합니다.

제가아는부분은 python, R 쓰던 데이터사이언티스트가 경력쌓고 컴싸처럼 software engineer로 넘어가더라구요. 페이도있고 아무래도 se직업이 더 많고, 데이터사이언스에만 국한되지않고 미래에 이직할때도 좋을수있으니까 나?라고만 생각하고있어요

윗분 말씀대로 수십명이 하던 일 1,2명이 하기 시작했고 소프트웨어엔지니어들 레이오프도 시작되었어요. 알아서 판단하시기를

십수년이 지났으니 호기심으로 접근하던 시기는 어느정도 지났지요. 업종이나 해당 기업의 업종 내 위치에 따라 다르기에 일반적인 추세라고 하긴 좀 어렵지만 제 개인생각은 …

양질의 데이터를 일정규모 이상으로 꾸준히 확보 가능한 업종, business function, IT process라면 데이터 사이언스가 계속 될거에요.

새로 등장하는 사업, 기술 분야에는 데이터 사이언스가 들어갈 자리가 없어요.

모델링은 영원한 분야인데, 업종 지식을 이해하고 모델링하는 분야 또는 수리적 기반으로 초거대 데이터를 다루는 분야 정도만 남지 않을까 싶네요.

제가 경험한 것이 전부는 아니겠으나, 데이터를 정의하고 양질의 데이터 확보가 너무 어려워요. 예측을 하던 전망을 하던 일정 수준 이상의 모수가 필요하니까요. 더구나 세그먼트를 더 쪼개서 가다보면 어디에서 데이터를 가져와야 할지 막연할때가 많지요. 물론 제품 개발이나 품질처럼 자체적으로 생성 관리하는 데이터가 많으면 괜찮아요. 그런데 시장을 다루는 곳은 좀 어렵더라고요.

개인적으로 데이터 싸이언스 잡의 분화가 일어날듯,
무슨 말이냐 하면 같은 데이터 싸이언스라는 같은 타이틀에서도
1. 큰 스킬이 별로 필요없이 할수 있는 잡과
2. Fundamental 한 일을 하는 잡 (machine learning등과 결합)
3. 비즈니스 도메인 지식이 많이 필요한 잡 등으로.

물론 1과 같은 잡은 수요가 떨어지나(혹은 공급이 많아짐)
2, 3은 괜찮지 않을까라고 방구석에서 예상하봄.

이게 맞을듯 요즘은 데이터 사이언티스트 잡 타이틀을 너무 어뷰징 해놔서.. 도메인 & 테크니컬 스킬을 둘 다 가져야지 미래에도 잘 살아남을수 있음

위 방구석 예상도 제가 보는 방향과 일치합니다. 1번은 테크니션 포지션으로 TC 5-10만불, 2번은 엔지니어 TC10-30만불, 3번은 소프트웨어 아키텍쳐 TC 20-50만불 정도 바라보고 도전하시면 되겠습니다. 고로 허드렛일 하는 테크니션급 엔지니어들은 연봉도 낮고 레이오프의 가장 큰 피해자일테니 잡도 불안정하도… 관련 도메인에서 전문가의 길에 도전해 보세요.

글쓰신분, 말씀하신 님 회사의 잡 어플라이 사이트 알려주실수 있나요?
제가 잡이 필요해서.

이번에 빅테크 희생자이신가요?

아카데미에 오래있다가 인더스트리에 제 전문성을 살려서 할일이 있는지 찾아보고 있습니다.
제 분야 스킬만으로는 인더스트리 잡을 찾기 어려워서, 데이터 싸이언스/ 머신러닝등을 공부해서 이것과 결합해서 할수 있는걸 찾아보고 있습니다.
단백질 구조 계산, 신약개발 등등에 관심이 있습니다.

부디 원하는 길 잘 찾으시길 빌어요. 주변에 교수 하다 창업자의 길을 걷거나 애플, 구글 같은곳에 취직해서 옮기는 친구들 종종 봅니다. 뜻이 있는 곳에 길이 있지요.

전화 부탁드립니다. 832 – 이팔구 – 19이이

감사합니다.

DS는 잘 모르겠고 SWE도 자동화가 많이 이뤄지는거 같습니다. 라이브러리나 클라우드 서비스 그냥 갖다쓰고 구체적인거 몰라도 되고… 사실 자동화 안될 분야가 없는것 같긴해요.

저도 데이터 부서에서 일하는데, 아니 왜 DS 를 automation 으로 연결을 하는지 모르겠네요. DS는 모델링하고 프리틱션 하는 툴을 만드는데 automation 하곤 또 다른겁니다. 이미 데이터 싸이언스 분야는 도메인 지식이 없이는 별로 쓸데가 없고 그래서 대부분 박사이상을 뽑습니다. 그리고 스킬보단 그 도메인 지식이 점점더 중요해 지고 있어요. 솔찍히 머신러닝이런거 돌리는것 자체는 점점더 간단해지고 툴이 자동화 되고 있기때문에 개나소나 다 합니다. 요즘에 레주메 받아보면 ML없는 사람은 없어요. 더구나 벌써 다 해놔서 회사에서도 개발을 시작하기 전에 찾아보면 누군가 다 해보고 데이터셋 코드 다 올려 논경우가 많아서 그냥 가저다가 쓰거나 변형만 해도 됩니다. 페이퍼들 봐도 별로 다를것 없어요. 모두 이미 있는 툴, 알고리즘써서 결과 뭐 나왔다 뭐가 좋더라 이런게 다.

이 분야 있어서 이미 생각하던 분야고 위에 많은 분들이 이야기 하셨듯이
데이타 사이언스 라고 이름 부치고 너무 잡다한 모든 것들이 데이타 사이언스를 한다라고 하면서 일합니다.
비전공자가 부트 캠프 나와서 나는 데이타 사이언티스트라며 일하는 것들도 많으니
직업은 살아남겠지만 그중 탑 우수한 사람들만 살아남아서 자동화 모델 유지, 개발 등이 메인 잡이 될 것이고 지금 대부분이 하는 작업들은 자동화 될 것이 당연하죠.
즉 분야 자체의 볼륨은 점차 늘어나는데 그 자동화가 점점 가속화 되면서 실제 인간의 수요는 작아지죠. 이건 모든 산업에 기본 정석입니다.
그럼 그 다음에 뭐가 필요할까 를 생각해보면 되지요.
설계는 당연히 자동화 되더라도 인간의 손이 더 필요할 것이고 뭐 새로운 분야 찾는 것 등…