데이터 관련 직무로 재직 중인 현직자 선배, 즉 '데선배'에게

데이터 직무를 꿈꾸는 후배, '데후배'의 고민을 대신 질문하고 답변 전해드리고 있어요:)

더 많은 데선배들 인터뷰,

데후배도 쉽게 도전할 수 있는 데이터 분석 콘텐츠가 궁금하시다

하단 프로필에서 뉴스레터 버튼을 클릭해주세요 💌

1. 생성형 AI 강사 박조은을 소개해주세요!

안녕하세요! 온라인 교육 플랫폼, 유튜브 채널 ‘오늘코드’에서 생성형 AI, 파이썬🔍 데이터 분석 등을 주제로 강의하는 박조은입니다. 게임 및 광고 회사에서 백엔드🔍 개발자로 애플리케이션을 개발하고 비즈니스 대시보드🔍 등을 만들어왔어요. 데이터 분석에 가장 가까웠던 업무는 매일 업데이트 되는 데이터를 가공해 비즈니스 지표를 만들고 시각화하는 일이었습니다. 생성형 AI 강사는 ‘N잡러’ 커리어의 한 축이에요. 육아를 위해 N잡러 생활을 시작했고 데이터 분석 프로젝트, 마이크로소프트 MVP🔍 등 커뮤니티 활동을 이어가던 중, 생성형 AI라는 게임 체인저가 등장했습니다. 처음에는 생성형 AI로 인해 내 역할이 축소되지 않을까 좌절하기도 했어요. 하지만 사람마다 생성형 AI를 달리 쓰는 모습을 보면서, 생성형 AI가 데이터 분석의 효율은 물론 접근성까지 높이는 도구가 될 수 있다고 생각하게 됐습니다. 생성형 AI를 주제로 한 네트워킹, 즉 생성형 AI 강사로 활동하게 된 배경이죠.

2. 문과도 생성형 AI로 데이터 분석할 수 있을까요?

데이터 리터러시 수준에 따라 프롬프트 작성 역량이 결정되고, 프롬프트🔍 작성 역량이 결국 데이터 분석의 질을 결정한다고 생각해요. 데이터 리터러시란 데이터를 어떤 부분들로 나눌지 그리고 부분들을 총체적으로 해석해 어떤 의미를 부여할지 결정하는 능력이에요. 라면 조리법을 봉지 뜯기-물 끓이기 등의 단계로 세분화하고, 라면 식감과 관련해 물 온도에 의미를 부여하는 식이죠. 여기서 핵심은 데이터 리터러시가 부족한 상태에서 생성형 AI에 데이터 분석을 요청하면, 봉지째 라면을 끓이는 등의 엉뚱한 결과가 도출될 수 있다는 점이에요. 데이터 리터러시를 바탕으로 생성형 AI에 어떤 질문을 던질지를 고민하는 일, 즉 프롬프트 작성을 어떤 과정을 통해 해야하는지에 대한 고민이 데이터 분석의 핵심인 셈이죠. 분석방법론이나 통계학 등에 대한 리터러시를 추가 학습하신다면, 생성형 AI 활용에 날개를 다실 수 있을 거예요.

3. 데이터 리터러시를 어떻게 기를 수 있을까요?

일상 속 데이터 분석 사례를 살펴보고, 그렇게 익힌 요령을 업무 고민 등에 적용해보는 방법을 추천해요. 예를 들어 자동차를 구매한다고 가정하면, 중고차 여부·연비 등 스펙을 고려해 자동차를 구매하게 되는데 이런 과정이 일상에서 겪는 데이터 분석 과정입니다. 중고차 판매 가격을 책정하기 위해, 차종·연비 관련 데이터를 분석하는 사례가 일례죠. 이처럼 회사에서 데이터 분석 업무를 수행할 때도, 특정한 목적에 따라 어떤 데이터를 수집하고 분석할지를 결정해요. 식품회사에서 옥수수를 수입할 때, 환율·물류 및 저장 비용 데이터 등을 분석해 부가가치를 예측하는 식이죠.

데이터 시각화 사례를 참고하는 것도 도움이 돼요. 신문을 보면서 소비자 물가지수는 선형 그래프로 설문 결과는 원형 그래프로 시각화됐다는 사실을 확인하고, 왜 서로 다른 그래프를 활용했을까를 고민해보는 식입니다. 그렇게 데이터 특성에 따른 시각화 방법을 익히면, 직접 분석한 데이터를 어떻게 시각화해야 할지도 감이 올 거예요.

4. 프롬프트는 어떻게 작성해야 할까요?

짧고 단순한 문장으로 의도한 바를 정확하게 전달하면 좋습니다. 그렇지 않으면 생성형 AI가 요청하지 않은 내용까지 수행하면서, 답변이 왜곡되는 문제 등이 발생하기도 하거든요. “원문을 살려서 번역해줘”라는 프롬프트 없이 단순 번역을 요청하면, 의역을 남발하면서 번역의 질이 떨어지는 식이죠. 의도하는 바를 짧고 단순한 문장으로 표현하기 어렵다면, 프롬프트 자체를 GPT와 함께 써보셔도 괜찮아요. “A라는 업무를 진행하려고 하는데 프롬프트를 어떻게 작성해야 할까” 이렇게 질문하면, GPT가 키워드를 제시해줘요. 해당 키워드를 취사 선택해서 프롬프트를 작성하면, 의도한 바를 보다 쉽게 전달할 수 있을 거예요. 제가 실제로 쓰는 방법이기도 해요 😀

프롬프트 작성이 끝났으면, 해당 프롬프트를 여러 LLM🔍 서비스에 동시에 입력해보는 방법도 추천해요. LLM 서비스별 답변을 서로 비교하는 과정에서, AI 할루시네이션 검증은 물론 답변 퀄리티를 높일 수 있기 때문이죠.

5. 남들보다 챗GPT를 잘 쓰려면 어떤 기능을 활용해야 할까요?

용도에 따라 GPTs를 제작해 활용하면 좋아요. GPTs는 사용자 맞춤형 챗봇으로, 프롬프트 형식으로 챗봇의 역할이나 페르소나 등을 지정할 수 있어요. 예를 들어 교육 분야에 종사하는 분은 퀴즈 전문가 GPTs를 제작하면 유용해요. GPTs를 영어 단어를 4지 선다형으로 제시하는 전문가로 설정해두면, 프롬프트 작성만으로 문제집 한 페이지를 만들 수도 있어요. 이외에도 홍보·논문 분석·번역 전문가 등 다양한 GPTs를 제작할 수 있습니다. 제작을 원하는 분은 챗GPT 메인 화면 좌측 상단에서 ‘GPT 탐색’을 클릭하고, 랜딩 페이지에서 ‘만들기’를 누르는 식으로 제작하면 돼요.

심화 과정으로 파이썬 활용법을 익히는 것도 추천해요. 챗GPT에 입력할 수 있는 프롬프트나 파일 용량은 제한된 반면, GPT가 작성해주는 파이썬 코드를 내 환경에서 사용할 때는 데이터 용량 제한이 없기 때문입니다 빅데이터 분석이 가능해지는 셈이죠.

6. 챗GPT와 함께 쓰면 좋은 생성형 AI를 알려주세요!

텍스트 시각화 툴인 냅킨AI🔍를 적극 추천드려요! 챗GPT 답변·데이터 분석 관련 텍스트 등을 입력한 후 시각화하고 싶은 부분을 드래그하면, 인포그래픽을 추천 및 제작해주는 생성형 AI입니다. 연도별 변화 등을 명시한 텍스트를 선택하면, AI가 내용을 분석해 타임라인 인포그래픽 등을 제안해줘요. 그 중에서 마음에 드는 인포그래픽을 선택하고, 색상 등 디자인도 조정할 수 있습니다. 내용에 따라 이모지도 자동 삽입해줄 정도로 세심해요.

7. IT 네트워킹 행사에 참여하면 무엇을 얻어갈 수 있을까요?

네트워킹 행사는 데이터 리터러시를 확장하는 계기가 될 수 있다고 생각해요. 서로 다른 방식으로 사고하는 사람들과 소통하며, 데이터를 어떻게 해석하고 어떤 의미를 부여할지와 관련해 생각의 폭을 넓힐 수 있기 때문이죠. 특히 파이콘에선 포용성이라는 가치를 바탕으로, 다양한 이벤트를 진행하고 있어요. 파이썬 등 IT 도메인이 어색하신 분들을 위한 튜토리얼 행사 등도 진행하니, 참여해서 원하는 바를 꼭 얻어가시기를 바랍니다!

8. [데선배의 취업비책]

무엇이든 시도를 많이 하는 게 가장 중요하다고 생각해요. 취업 확률을 높이려면 이력서를 최대한 많이 넣어야 하는 것처럼요. 저도 취업하기까지 매일 이력서를 20개 이상 작성했고, 제출 횟수가 3000회에 가까워지던 어느 날 ‘취뽀’에 성공했어요. 동시에 시도를 망설이지 말라는 말씀도 드리고 싶어요. “실력이 부족하니 더 공부하고 이력서를 쓰자”와 같은 생각을 지양해야 한다는 뜻입니다. 돈을 내고 배우는 게 아니라 돈을 받으면서 배워야 해요. 돈을 받아야 책임감이 생기고, 그 책임감이 성장의 동력이 되기 때문이죠.

🔍용어 해설

• 파이썬

    일상 언어를 컴퓨터가 이해하는 기계어로 번역하는 프로그래밍 언어

• 백엔드

    서버와 데이터베이스 등 사용자 인터페이스 뒤에서 작동하는 시스템

• 비즈니스 대시보드

    매출 등 기업 KPI 관련 데이터를 그래프로 시각화해 한 눈에 보여주는 도구

• 마이크로소프트 MVP

    마이크로소프트가 지식 공유 및 네트워킹 성과가 탁월한 기술 전문가에게 부여하는 상

• 프롬프트

    특정한 결과를 도출하기 위해 생성형 AI에 입력하는 질문이나 명령

• LLM

    대량의 텍스트 데이터를 학습하여 인간과 유사한 방식으로 언어를 이해하고 생성할 수 있는

    인공지능 모델로, LLM 서비스로는 ChatGPT, Gemini, Perplexity 등이 있음