Book

# 읽고 있는 도서의 p158 ~ 161 내용 참고 및 인용 데이터 기획자: 데이터 기획자는 빅데이터 프로젝트를 계획, 운영, 관리합니다. 빅데이터의 등장과 보편화에 따라 빅데이터 기반의 새로운 서비스와 상품을 기획하고 사업화할 기회도 증가하고 있습니다. 데이터 기획자의 범주 안에는 사내 팀을 이끄는 데이터 기획자뿐 아니라 회사 전체를 운영하는 '데이터 앙트레프레너(Data Entrepreneur)'도 포함됩니다. 팀 또는 회사를 이끄는 것이 주 업무이므로 반드시 데이터 엔지니어, 데이터 애널리스트, 데이터 사이언티스트 또는 데이터 리서처처럼 주 업무가 데이터를 다루는 일일 필요는 없습니다. 그러나 빅데이터를 통해 혁신적인 가치를 창출하는 프로젝트를 총괄하는 만큼 빅데이터에 대한 기본적인 지식을 갖춰야 ..

# 읽고 있는 도서의 p149 ~ 153 내용 참고 및 인용 시티즌 데이터 사이언티스트: 시티즌 데이터 사이언티스트는 파워블로거와 비슷한 점이 많습니다. 본연의 직업을 그대로 유지한 채 시간과 정성을 들여 블로그에 글을 쓰고 소통한다면 파워블로거가 될 수 있습니다. 시티즌 데이터 사이언티스트는 기업 내 '파워 데이터 유저'로 본래의 주업무가 있지만 빅데이터에 대한 관심을 바탕으로 자신의 능력과 영역을 확장시키는 인재인 것입니다. 따라서 빅데이터에 조금이라도 관심이 있는 사람이라면 누구나 시티즌 데이터 사이언티스트가 될 수 있습니다. 빅데이터 지식과 기술의 보편화에 따라 앞으로 시티즌 데이터 사이언티스트에 대한 수요는 꾸준히 증가할 것입니다. 시티즌 데이터 사이언티스트의 업무: 빅데이터 지식과 기술이 발전..

# 읽고 있는 도서의 p138 ~ 142 내용 참고 및 인용 데이터 리서처: 기업의 채용 공고에서 데이터 리서처는 최소 자격 요건으로 박사 학위를 제시합니다. 그만큼 데이터 리서처는 빅데이터 전문 인력 중에서도 좀 더 높은 수준의 빅데이터 전문 지식을 갖춘 연구 인력이라는 인식이 강합니다. 데이터 리서처의 업무: 1. 데이터 분석 관련 알고리즘 개발: 데이터 리서처는 데이터 분석을 위한 알고리즘을 개발합니다. 그리고 데이터 리서처의 연구 성과는 논문과 학회에서 활발하게 발표됩니다. 데이터 리서처가 개발한 알고리즘이 곧바로 실무에 적용 되는 경우도 있지만, 당장 적용되지 않더라도 미래에 중요한 가치를 창출할 수 있습니다. 2. 최신 연구 공부 및 알고리즘 구현: 빅데이터를 활용하려면 새로운 알고리즘을 파악..

# 읽고 있는 도서의 p106 ~ 111 내용 참고 및 인용 데이터 애널리스트: 데이터 애널리스트의 역할은 경영진을 비롯한 여러 이해관계자가 데이터를 올바르게 이해하고 데이터에서 가치를 발굴하도록 도와주는 것입니다. 이를 통해 기업이 현재 속한 상황을 정확하게 진단할 뿐만 아니라 앞으로 나아갈 방향을 제시합니다. 데이터 애널리스트의 업무: 1. 데이터 준비: 데이터 애널리스트는 데이터를 활용해 조직의 현재 상태를 진단하기 위한 '데이터 준비', '데이터 분석을 통한 비즈니스 인사이트 도출', '데이터 시각화' 등과 같은 업무를 수행합니다. 데이터 애널리스트는 주로 이미 기업이 보유하고 있는 정형 데이터(Structured Data)를 활용합니다. '데이터 준비'란 이런 정형 데이터 중에서 필요한 데이터를..

# 읽고 있는 도서의 p86 ~ 93 내용 참고 및 인용 데이터 엔지니어: 데이터 엔지니어는 조직 내 데이터의 운용을 담당합니다. 데이터 엔지니어가 데이터를 활용하기 위해 환경을 어떻게 구성하는지, 정확히 어떤 업무를 맡는지 알아보겠습니다. 데이터 엔지니어의 업무: 1. 요구사항 분석: 데이터 엔지니어의 업무는 최종 데이터 사용자의 요구사항을 분석하는 것에서 시작 최종 데이터 사용자 예시: 같은 회사 내에서 데이터를 활용한 서비스를 운영하고 관리하는 부서 회사의 고객 등 데이터 사용자의 요구사항을 잘 분석하기 위해 최종 데이터 사용자와 함께 필요한 기능과 요건을 구체적으로 정리 2. 파이프라인 구축, 관리 및 유지 보수: '물의 순환'과 같이 데이터도 여러 과정을 거쳐 순환하며, 데이터가 흐르는 과정을 ..

# 읽고 있는 도서의 p120 ~ 127 내용 참고 및 인용 데이터 사이언티스트: 방대한양의 데이터에 다양한 분석 기법을 적용함으로써 가치 있는 인사이트를 찾아내고 제공합니다. 회사의 현재 상황을 정량적이고 과학적인 방법으로 분석 머신러닝 등의 기법으로 미래의 상황을 예측 데이터 사이언티스트의 업무: 1. 포뮬레이션: 포뮬레이션(Formulation)은 해결하고자하는 비즈니스 문제를 데이터 분석 문제로 바꾸는 과정 비즈니스 문제에 따라 분석의 목표, 사용 기법, 필요한 데이터가 완전히 달라짐 보유한 데이터에서 통계치를 내거나 여러 종류의 데이터 간 관계를 파악하기 위해 회귀분석 등의 기법을 적용 머신러닝 또는 딥러닝 기반의 예측 모델을 활용 2. 전처리, EDA 데이터 분석 문제를 세웠다면 다음 작업은 ..

# [책갈피] 항목은 책을 읽으면서 기억에 남는, 기억하고 싶은 부분을 메모한 페이지입니다. 12. 30년 커리어패스에서 배운 것: 한글과컴퓨터: "처음 2년 동안은 좀 어렸을 때라 그런지 철학적인 생각을 많이 했습니다." "'일을 왜 할까? 내가 일하는 목전은 뭘까?' 이런 고민에 빠졌죠." "2년 차와 4년 차에 슬럼프를 겪었습니다." "결국 6년 차가 되었을 때 새로운 도전을 해야겠다고 생각하고 미국으로 옮겼습니다." "매번 마음을 다잡으며 일했건만 6년이 지나니까 돈, 의미, 관계 중 어떤 것도 중요하게 느껴지지 않았습니다." 미국에서 스타트업: (토크센더, 핸드스토리) "당시 리드 개발자로 일했기 때문에 필요한 일이라면 뭐든 다 했습니다." "정말 많은 일을 하면서 '스타트업이란 무엇인가'를 배..

# [책갈피] 항목은 책을 읽으면서 기억에 남는, 기억하고 싶은 부분을 메모한 페이지입니다. # 4, 5 번째 글 사이에 05. 기술 주도 테크니컬 리드 ~ 10. 비전을 공유하는 조직 문화 만들기 부분은 지하철에서 읽었네요 # 내용이 정말 좋으니 여러분들도 책을 꼭 읽어보세요!! 11. 시간 관리 비법: "개발자로서 잘 먹고 잘 살려면, 끊임없이 공부하고 성장해야 합니다." "세상을 보고 책을 읽고 사람을 만나고 많은 활동을 해야지만 살아남을 수 있습니다." "조용히 혼자 숨어서 무턱대고 공부한다고 끝이 아닙니다." "결국 주어진 시간을 잘 써야 30년 커리어 패스 동안 잘 살 수 있습니다." "어떻게 시간 관리를 잘할 수 있을까요?" 시간은 돈이다: "시간을 돈이라고 생각하세요." "시간을 효율적으로..