아침에 출근해서 갓 볶은 원두 향이 나는 커피를 한 잔 내리고, 모니터 앞에 앉아 턱을 괸 채 쿨하게 쿼리를 날리는 데이터 분석가의 모습. 미드나 광고에서 흔히 보는 스타일리시한 모습이지? AI와 빅데이터가 세상을 지배한다는 시대니까 데이터 분석가라고 하면 엄청난 알고리즘을 쥐락펴락하면서 회사의 거대한 의사결정을 쥐락펴락하는 전설의 마법사처럼 보일지도 몰라.
하지만 실상은 어떨까? 현실의 데이터 분석가가 출근해서 가장 먼저 맞이하는 건 화려한 인공지능 모델이 아니라, 슬랙(Slack)이나 잔디, 혹은 메신저 팝업창으로 쉴 새 없이 날아오는 "OO님, 이것 좀 확인해주세요", "데이터 좀 뽑아주세요"라는 핑퐁 메시지야.
이 '데이터 좀 뽑아주세요'라는 짤막한 여섯 글자 안에는 엄청난 폭풍과 미스터리가 숨어 있어. 요청하는 사람 입장에서는 자판기 버튼 누르듯 툭 던지는 말이지만, 그걸 받는 데이터 분석가에게는 거의 '해리포터의 비밀의 방'을 열어야 하는 수준의 퀘스트가 시작되는 셈이지. 데이터 분석가는 단순히 DB(데이터베이스)라는 우물에서 바가지로 물을 퍼 올리는 '데이터 퍼나르기 일꾼'이 아니야. 하지만 조직 내 수많은 부서—마케팅, 기획, 영업, 개발, C-Level 임원진까지—는 저마다의 언어와 논리로 데이터 분석가를 찾아와서 자판기 동전 넣듯 데이터 추출을 요구하곤 해.
여기서 발생하는 시각 차이와 커뮤니케이션의 혼선, 그리고 그 속에서 데이터 분석가가 겪는 정신적인 해탈과 깨달음은 단순한 직장 생활의 애환을 넘어 IT 조직의 생태계를 그대로 보여주는 아주 재미있는 관전 포인트가 돼. 오늘 이 글에서는 데이터 분석가의 하루를 밀착 취재하듯 따라가면서, 그 요청 뒤에 숨겨진 겉과 속, 뼈 때리는 현실을 아주 적나라하고 솔직하게 풀어내 볼게.
자판기 버튼 누르듯 툭? "쿼리 한 줄 딸깍" 뒤에 숨은 쌩노가다의 미학
요청자들은 흔히 데이터 분석가가 컴퓨터 앞에 앉아서 손가락 몇 번 튕기면 원하는 숫자가 화면에 짠 하고 나타나는 줄 알아. "그냥 엑셀 파일 하나로 정리해서 보내주시면 돼요. 5분도 안 걸리죠?" 같은 소리를 웃는 얼굴로 던질 때면, 데이터 분석가의 속은 마라탕 단계 높인 것처럼 부글부글 끓어오르지.
'데이터를 뽑는다'는 건 결코 그냥 클릭 몇 번으로 끝나는 일상적인 업무가 아니야. 가장 먼저 만나는 벽은 바로 '데이터 정제(Data Cleaning)'라는 이름의 쌩노가다야. 현업 데이터베이스에 쌓여 있는 raw 데이터는 절대 예쁘고 깔끔하게 정리된 종합선물세트가 아니거든. 수많은 유저들이 찍어놓은 로그는 온갖 오타와 결측치, 널(Null)값, 중복 데이터로 범벅이 되어 있는 그야말로 '데이터 쓰레기장'에 가까워.
분석가는 원하는 답을 구하기 위해 쓰레기 더미 속에 손을 집어넣고 분리수거부터 해야 해. 고객 식별자가 누락되어 있거나, 날짜 포맷이 'YYYY-MM-DD'였다가 갑자기 숫자로 바뀌어 있거나, 결제 시스템 서버 오류로 중복 집계된 결제건들을 일일이 가려내는 작업이 선행되어야 하지.
게다가 테이블이 한두 개가 아니야. 고객 정보 테이블, 주문 테이블, 장바구니 테이블, 클릭 로그 테이블 등 사방에 파편화되어 있는 수십 개의 테이블을 SQL의 JOIN 구문으로 얽히고설키게 이어 붙여야 해. 이 과정에서 쿼리 조건 하나만 살짝 잘못 설정해도 DB 서버가 비명을 지르며 뻗어 버리거나, 결과값으로 터무니없는 데이터가 튀어나오게 되지. 데이터 분석가가 모니터 3대를 띄워놓고 퀭한 눈으로 코드를 뚫어져라 보고 있는 건 폼을 잡는 게 아니라, 단 하나의 오류 때문에 잘못된 숫자가 나가는 것을 막기 위한 처절한 사투를 벌이는 중인 거야. '딸깍' 한 번에 나오는 숫자는 세상에 없어. 그 뒤에는 분석가의 피, 땀, 눈물 그리고 엄청난 집중력이 깔려 있다는 사실을 알아야 해.
"알아서 잘 딱 깔끔하고 센스있게"라는 동문서답 속의 미스터리 해독 기법
데이터 분석가를 가장 미치게 만드는 건 데이터의 더러움보다 요청서의 애매모호함이야. 기획자나 마케터가 찾아와서 "최근에 반응 좋은 유저들 리스트 좀 추출해주실 수 있어요?"라고 물어볼 때가 있어. 듣기엔 되게 자연스럽고 쉬운 요청 같지? 하지만 데이터 분석가의 머릿속은 순간 수십 가지 변수로 터져 나가기 시작해.
'반응이 좋다'는 게 대체 무슨 뜻일까? 앱을 자주 들어오는 유저(DAU)? 들어와서 페이지를 많이 둘러보는 유저(PV)? 아니면 돈을 많이 쓰는 유저(ARPU)? 그것도 아니면 최근 일주일 사이에 결제 횟수가 급증한 유저? 요청자는 본인 머릿속에 있는 어렴풋한 이미지만 가지고 "알아서 잘 딱 깔끔하고 센스있게(알잘딱깔센)" 뽑아달라고 말하지만, 데이터는 가치관이나 느낌을 알지 못해. 컴퓨터는 오직 명확하게 정의된 조건식(IF/THEN)과 숫자만을 알아듣기 때문이지.
결국 분석가는 데이터 탐정이 되어 상대방의 마음을 읽는 뇌피셜 해독 기법을 발휘해야 해. "마케팅팀에서 이벤트 대상을 찾으시는 거라면 최근 30일 이내에 로그인했고 결제 금액이 상위 10%에 드는 유저를 말씀하시는 걸까요?"라고 역으로 질문을 던져서 개념의 정의(Definition)부터 다시 맞춰나가는 작업을 거쳐야 하지.
이 커뮤니케이션 과정이 길어지면 요청자는 "아니 그냥 대충 뽑아주시면 되는데 왜 이렇게 따지는 게 많아?"라며 답답해하고, 분석가는 "정의가 안 나오는데 어떻게 쿼리를 짜냐고!"라며 속으로 꿀밤을 때리고 싶어지는 기묘한 대치 상태가 형성돼. 말 한마디에 담긴 모호함을 기하학적이고 수학적인 조건으로 번역해 내는 작업, 그것이야말로 데이터 분석가가 매일 겪는 가장 머리 아픈 미스터리 해독 과정이야.
답정너 임원진과의 기싸움: 원하는 숫자 나올 때까지 쥐어짜기
데이터 분석가의 또 다른 숨겨진 애환은 바로 조직 내 정치적 상황과 맞물린 '답정너(답은 정해져 있고 너는 대답만 해)' 현상이야. 때로는 분석을 통해 비즈니스의 진실을 밝혀내는 게 아니라, 누군가가 이미 정해놓은 가설이나 결론을 정당화하기 위한 '숫자 만들기'에 동원되기도 하거든.
예를 들어 볼까? 특정 부서에서 야심 차게 새로운 기능이나 프로모션을 기획해서 출시했다고 치자. 뚜껑을 열어보니 유저들의 반응은 썰렁하고 매출도 그저 그래. 그런데 해당 부서장이나 C-Level 임원은 이 프로젝트 실패를 인정하고 싶지 않아 해. 그래서 데이터 분석가를 불러서 말하지. "이번 프로모션 들어온 유저 중에서, 구매 전환율이 높게 나온 특정 연령대나 시간대 데이터만 좀 찾아봐. 보고서에 넣게."
이때부터 분석가의 딜레마가 시작돼. 전체적인 통계 수치나 엄밀한 AB 테스트 결과로는 분명 실패한 프로젝트인데, 특정 조건(예: 비 오는 날 새벽 2시에 로그인해서 3만 원 이상 결제한 30대 남성)으로 쪼개고 쪼개서 데이터를 이리저리 비틀다 보면 마치 엄청 성공한 것처럼 보이는 착시 현상을 만들어낼 수 있거든.
하지만 객관적이고 중립적인 시각을 지켜야 하는 분석가 입장에서 이런 '데이터 체리피킹(Cherry Picking)'은 통계적 양심을 속이는 짓이나 다름없어. 자신이 짠 쿼리와 그래프가 누군가의 억지 주장을 뒷받침하는 핑곗거리로 전략할 때 느끼는 무력감은 이만저만이 아니야. 숫자라는 건 사실을 말하지만, 그 숫자를 어떻게 잘라내고 배치하느냐에 따라 얼마든지 사기를 칠 수 있다는 사실을 잘 알기 때문에, 분석가는 매일 밤 '정직한 데이터 분석'과 '직장인으로서의 안위' 사이에서 아슬아슬한 줄타기를 하게 돼.
대시보드는 폼으로 만들었나: 만들어주면 안 보고 다시 엑셀 찾는 잔혹사
데이터 분석가들이 업무 효율화를 위해 가장 공을 들이는 작업 중 하나가 바로 '자동화 대시보드' 구축이야. 매번 일회성(Ad-hoc)으로 들어오는 요청 처리하느라 정작 중요한 깊이 있는 데이터 분석을 못 하니까, 태블로(Tableau)나 리드애시(Redash), 루커(Looker) 같은 도구를 써서 현업이 직접 실시간 수치를 조회할 수 있는 그럴듯한 대시보드를 구축해 놓지.
"이제 유저 수나 일일 매출, Retention 수치 같은 건 이 대시보드 들어가서 실시간으로 클릭만 하시면 다 나옵니다! 참 쉽죠?"라며 뿌듯한 마음으로 대시보드 사용법 세미나까지 열어줘. 이제 귀찮은 단순 데이터 추출 요청에서 벗어나서 멋진 데이터 분석을 하겠구나 기대에 부풀어 있어.
하지만 일주일만 지나면 어떤 일이 벌어질까? 어김없이 똑같은 메신저 알림이 뜬다. "OO님~ 대시보드에 있는 수치 보긴 했는데, 이거 엑셀 파일로 다시 뽑아주실 수 있나요? 필터링해서 따로 정리해 봐야 해서요."
이쯤 되면 해탈의 경지에 이르게 돼. 고생고생해서 만들어 놓은 예쁜 그래프와 자동화 대시보드는 슬라이드 보고서용 캡처 이미지로만 쓰이고, 결국 현업 사람들은 익숙한 엑셀(Excel)이나 구글 스프레드시트로 데이터를 받아야만 안도감을 느끼는 거야. 아무리 대시보드를 구축해 놔도 "내가 직접 엑셀로 노가다해서 봐야 직성이 풀린다"는 현업의 오랜 습성을 깨뜨리기는 정말 힘들어. 결국 데이터 분석가는 대시보드 유지보수 일은 일대로 하고, 엑셀 파이프라인 데이터 추출 일은 그것대로 계속해 나가는 '이중 억까'의 굴레에 갇히고 말지.
숫자 뒤에 숨은 인간의 욕망을 읽는 진짜 데이터 분석가의 성장통
그렇다면 데이터 분석가는 단순히 쿼리나 짜고 엑셀 파일이나 만들어 주는 불쌍한 직업일 뿐일까? 절대 그렇지 않아. 수많은 "데이터 뽑아주세요"라는 요청의 시달림 속에서 뼈를 깎는 고통을 겪다 보면, 어느 순간 데이터 분석가는 한 단계 진화하게 돼.
단순히 수동적으로 쿼리를 실행해서 결과 파일을 던져주는 '데이터 자판기' 단계를 벗어나, 상대방이 왜 이 데이터를 필요로 하는지 그 비즈니스 맥락과 인간의 욕망을 읽어내는 능력이 생기는 거지. 마케터가 "이 데이터 뽑아주세요"라고 할 때, 그 요청 뒤에 숨겨진 "이번 달 실적 목표를 채우기 위한 묘수가 필요해요"라는 간절한 속마음을 읽어내는 거야.
진짜 실력 있는 분석가는 데이터만 딸랑 추출해서 던져주지 않아. "요청하신 데이터는 여기 있는데, 실제로 살펴보니 유저들이 예상했던 A 지점이 아니라 B 지점에서 이탈하고 있더라고요. 따라서 이 이벤트보다는 B 지점을 개선하는 마케팅 전략을 세우시는 게 훨씬 효율적일 것 같습니다"라고 역으로 비즈니스 인사이트를 제안하는 수준으로 발전하게 돼.
숫자라는 건 건조하고 차가운 기호에 불과하지만, 그 숫자가 적재적소에 쓰여서 서비스의 문제를 해결하고 회사의 매출을 바꾸며 사용자 경험을 개선할 때 느껴지는 쾌감은 이루 말할 수 없이 커. 단순한 데이터 노가다꾼에서 비즈니스 조력자, 나아가 문제 해결사로 성장해 나가는 과정. 그것이 바로 매일같이 반복되는 "데이터 뽑아주세요"라는 지옥 같은 요청 속에서 데이터 분석가가 발견하는 진정한 가치이자 뽕맛이라고 할 수 있어.
결국 데이터 분석가의 하루는 매 순간이 오해와 해독, 뼈 때리는 현실과의 사투로 가득 차 있어. 멋진 인공지능 모델링이나 수학적 공식 이전에, 혼란스러운 데이터 속에서 질서를 찾고 동료들의 모호한 생각을 명확한 숫자로 맞춰나가는 지난한 번역 작업이 핵심이지.
혹시 오늘 주변 데이터 분석가에게 "데이터 좀 뽑아주세요"라는 메시지를 보낼 일이 있다면, 그냥 툭 던지지 말고 구체적으로 어떤 목적과 조건으로 데이터가 필요한지 친절하게 적어서 보내보면 어떨까? 그 조그만 배려 하나가 영혼까지 탈탈 털려가며 모니터를 노려보고 있는 데이터 분석가의 하루에 따뜻한 볕을 비춰줄 테니까 말이야.
