세계경제포럼은 전 세계 기업의 41% 2030년까지 인공지능의 발전으로 인력 감축을 추진하는 한편, 메타 등 기업들은 직원 수 감축 계획 올해.
이는 한 가지를 의미합니다. 2025년에는 기술 분야의 해고가 있을 것으로 예상됩니다.
저는 작년에 기술 분야 해고로 어려움을 겪었던 동료 몇 명을 알고 있습니다. 이로 인해 데이터 과학 분야에 대한 우려가 커져서 조사를 시작했습니다. 기술 분야 해고가 데이터 과학에 미치는 영향을 이해하기 위해 선임 데이터 과학자와 팀 리더, 소프트웨어 엔지니어, 제품 관리자들과 이야기를 나누었습니다.
저는 두 가지 시급한 질문을 가지고 있었습니다.
- 해고로부터 데이터 과학 일자리를 어떻게 보호할 수 있나요?
- 2025년에도 데이터 과학자가 되는 것이 가치가 있을까?
제가 수집한 정보와 개인적인 경험에 비추어 볼 때, 향후 5년 동안 데이터 과학 관련 일자리는 여전히 존재할 것으로 예상합니다. 하지만 "부가가치를 창출하는 데이터 과학자"만 남을 것이고, 회사의 수익에 기여하지 않는 데이터 과학자는 도태될 것입니다.
어떤 직업도 해고로부터 100% 안전하지는 않지만, 저는 여러분에게 해고로부터 안전해지는 3가지 방법을 알려드리겠습니다. 필수 데이터 과학자.
이 기사를 끝까지 읽으면 다음 내용을 배울 수 있습니다.
- 고소득 데이터 과학 직업을 얻고 유지하는 방법
- 데이터 과학 경력을 해고와 관리직으로의 급등으로부터 보호하는 방법
1. 튼튼한 기초를 쌓다
데이터 과학자로서 통계, 머신러닝, 수학에 대한 탄탄한 기반을 쌓는 데 집중해야 합니다. 도구와 프로그래밍 언어는 끊임없이 변화하지만 핵심 개념은 변함없이 유지됩니다. 아시다시피 AI 모델은 기업이 머신러닝과 프로그래밍을 활용하여 더 빠른 의사 결정을 내리는 데 도움을 줄 수 있습니다.
하지만 어떤 기업도 수백만 달러 규모의 의사결정을 AI 모델에만 전적으로 의존하지는 않을 것입니다. 기업은 AI를 지도하고, 오류를 수정하고, 신속하게 인사이트를 제공할 수 있는 전문가인 데이터 과학자를 고용해야 합니다. 데이터 과학자는 최적의 기법을 논의하고, 특정 접근 방식이 효과적이지 않을 경우 방향을 전환하며, AI가 생성하는 모든 결과를 검증합니다.
하지만 AI가 가져온 효율성 향상으로 인해 기업은 해당 작업을 수행하는 데 필요한 인력을 줄일 수 있을 것입니다. 이러한 데이터 과학자들은 높은 급여를 받을 것이지만, 통계 및 머신러닝과 관련된 기본 개념에 대한 탄탄한 이해와 더불어 뛰어난 논리 및 추론 능력을 갖추어야 합니다. 오늘날 대부분의 기업이 실행과 속도에 중점을 두는 반면, 기업들은 머신러닝 모델에 대한 탄탄한 이론적 지식을 갖춘 데이터 과학자를 선호하게 될 것입니다.
데이터 과학 응용 프로그램의 수학과 이론을 배우는 데 도움이 되는 무료 리소스를 몇 가지 추천해 드리겠습니다.
- 3Blue1Brown 유튜브 채널 선형대수, 미적분학, 신경망과 같은 수학적 개념에 대해 설명합니다.
- 크리쉬 나이크의 머신 러닝 플레이리스트 기본 ML 개념을 이해하려면
- Statquest 유튜브 채널 통계를 위해
2. 사업 중심의 역할을 선택하세요.
회사에 직접 수익을 창출하는 직원은 누구든 소중합니다. 안타깝게도 많은 데이터 과학 직무는 즉각적인 수익 증대보다는 미래의 영향에 초점을 맞춥니다.
예를 들어, 저는 고객 기반을 세분화하여 타겟팅을 개선하는 4개월짜리 프로젝트를 진행한 적이 있습니다. XNUMX개월이 지났을 때, 저희가 만든 고객 세분화 모델은 실제 사용자 데이터에서 제대로 작동하지 않아 프로덕션에 사용되지 않았습니다. 결국 프로젝트 전체를 포기하게 되었습니다.
많은 데이터 과학 직무가 이 예와 유사합니다. 즉, 실험에 중점을 둡니다. 데이터 과학자는 종종 미래에 효과가 있을 수 있는 것들 현재 수익을 창출하고 있는 프로젝트 대신, 만약 해고가 발생하여 회사가 직원을 해고해야 할 경우, 데이터 과학 팀을 대상으로 할 가능성이 높으며, 이는 직접적인 사업적 효과를 달성하는 데 필수적이지 않습니다.
하지만 사업에 더 가까운 데이터 과학 직책, 즉 이해관계자 및 영업팀과 직접 협력하여 수익을 창출하는 의사 결정을 내리는 직책을 선택한다면, 직업 안정성이 더욱 높아질 것입니다. 예를 들어, 구글에서 근무하면서 회사 수익 창출에 도움이 되는 검색 기능에 대해 제품팀에 자문을 제공할 수 있다면, 여러분의 업무는 수익에 직접적인 영향을 미칠 것입니다. 즉, 사업에 더 중요한 역할을 하게 되고 다른 사람으로 대체될 가능성도 낮아진다는 것을 의미합니다.
3. 무엇보다도 명확성을 우선시하세요.
직장을 유지하고 승진하려면 눈에 띄어야 합니다. 이는 데이터 과학자뿐만 아니라 모든 직무에 적용됩니다.
데이터 과학 분야에서 일하는 두 동료, 패미와 짐의 예를 들어 설명해보겠습니다.
짐은 숫자를 처리하는 데 능숙합니다. 그는 뛰어난 프로그래머이며, 회사에 매우 귀중한 고도로 정확한 머신러닝 모델을 구축합니다. 하지만 짐은 자신의 업적을 절대 홍보하지 않습니다. 회의에서는 대개 침묵을 지키며, 아무도 그의 모델을 사용하지 않습니다. 그 모델이 무엇을 하는지 제대로 이해하지 못하기 때문입니다. 팀원들은 짐에게 분석이 필요할 때면, 그의 스프레드시트를 뚫어져라 쳐다보며 그의 수치를 의사 결정으로 해석하는 데 많은 시간을 허비하게 됩니다.
반면에 패미는 프로그래밍과 수치 계산에 능숙합니다. 하지만 그녀는 여러 비즈니스 부서에 걸쳐 자신의 모델을 홍보하는 데 많은 시간을 보냅니다. 그녀는 도출한 분석 결과를 프레젠테이션을 통해 문서화하거나 대시보드에 표시하여 팀이 의사 결정을 내리는 데 중요한 통찰력을 제공합니다. 또한 팀 회의에서 자신의 아이디어를 적극적으로 표현하고 비즈니스 이해 관계자에게 기술적 개념을 명확하게 설명합니다. 그 결과, 패미는 짐보다 꾸준히 더 나은 성과 평가를 받습니다. 대부분의 리더십 팀은 패미를 잘 알고 있으며 그녀와 함께 일하는 것을 즐깁니다. 그녀는 더 빨리 승진하기 때문에 회사가 비용 절감을 결정했을 때 해고될 가능성이 낮습니다.
모든 기술 전문가는 자신의 업무를 빠르게 발전시키기 위해 소통하고 홍보하는 능력을 갖춰야 하며, 데이터 과학자도 예외는 아닙니다.
요점
일자리 시장은 불확실하고, 기술 업계의 해고는 당분간 계속될 것 같지 않습니다. 데이터 과학자(혹은 데이터 과학자 지망생)들에게는 이러한 상황이 매우 힘들 수 있습니다.
그러나 이러한 일자리 시장에서 경쟁력을 유지하고 성공을 이루는 방법은 여전히 존재합니다. 핵심 개념에 집중하고, 수익 창출 팀과 긴밀히 협력하고, 이해관계자에게 사업을 홍보하는 것입니다.
댓글이 닫혔습니다.