[취업정보] 빅데이터 취업 가이드 - 직무 정하기, 취업 준비 등

빅데이터 분석 이용해 선제적 소방활동 증진,, 소방청, 빅데이터 안전기술 지원 < 소방 < 안전보건 뉴스 < 기사본문 - 세이프티퍼스트닷뉴스 (safety1st.news)

 

1. 빅데이터 직무 정하기

- 빅데이터 취업 시장에 참여하려면 빅데이터 분야를 정해야 한다.
  그렇기 위해서는 자신의 성향과 장점, 배경 등을 통해 적합한 분야를 찾아야 한다.
  예시로 데이터와 관련된 전체적인 시스템 구조를 설계하는 것을 좋아하면 '데이터 엔지니어',
  데이터를 사용한 스토리텔링을 좋아하면 '데이터 애널리스트',
  숫자에 강한 특성이 있다면 '데이터 사이언티스트', 연구하고 이해하는 게 좋다면 '데이터 리서처'

  등으로 선택하는 방법이 있다.

 

 

2. 산업 도메인 정하기

빅데이터 프로젝트에서는 기술적인 지식과 더불어 관련 데이터에 대한 도메인 지식도 필요하다.
도메인 지식은 분석할 데이터 재료에 대한 이해로, 빅데이터 프로젝트에서 중요하다.
도메인 지식이 부족하여 일어나는 대표적인 문제는 상관관계와 인과관계를 인지하지 못하는 것이다.
즉 도메인 지식이 부족하고 빅데이터 기술이 좋아도, 그 업계에서는 신입대우를 받을 수도 있다.
그렇기에 회사에서 요구하는 도메인 지식과 수준을 파악하는 것이 중요하다.

 

 

3. 적합한 회사 찾기

1. 대기업
- 장점 : 많은 데이터 확보, 만족스러운 연봉, 복지, 데이터 파이프라인 등
- 단점 : 실무와 예상했던 업무와의 괴리감
EX) 대기업 취업 후 빅데이터 프로젝트를 하는 것이 아닌 일반 업무 진행 등

2. 스타트업
- 장점 : 업무의 다양성, 실력 향상, 성취감
- 단점 : 연봉, 복지, 인력부족

3. 공공 기관
- 장점 : 희귀한 데이터, 안정적
- 단점 : 보수적 업무 환경, 민감한 정보로 인한 제약

+ 좋은 회사 구별하는 방법
성장에 도움이 되고, 회사의 문화가 자신의 성향과 일치하는 회사이다.
성장에 도움이 되는 회사의 공통점은 '데이터팀에 많은 투자를 한다'이다.
그렇기에 관련 회사의 환경을 찾아보면 된다. 
또한 코딩 테스트, 데이터 분석 프로젝트 등을 채용 과정 중 진행한다면
실제 회사가 자신이 원하는 데이터 업무를 진행할 확률이 높다.

 

 

4. 취업 준비 활동

1. 인턴십 
- 어떤 직무를 준비하더라도 도움이 되는 경험으로, 이력서에 인턴십 경험을 내세우는 것은 장점이 된다.
  자신이 희망하는 직무의 인턴십 프로그램을 잘 선택하는 것이 중요하다.
  인턴십 프로그램을 찾는데는 정기적으로 인턴 채용 공고를 살펴보는 방법도 있지만, 
  평소에 관심 있던 회사나 부서에 '콜드메일'을 보내 인턴으로 채용되는 경우도 많다.
  인턴십을 위해서는 적어도 한 가지 이상의 프로그래밍 언어에 익숙한 것이 좋다.
  그렇지 않다면 인턴십을 운영하는 회사에 대한 이해나 관심을 바탕으로 한 인사이트 도출 능력을
  갖추는 것이 좋다.

+ 여러 번 운영된 인턴십 프로그램이 처음 진행하는 인턴십 프로그램보다 좋을 가능성이 높다.
   채용 박람회나 인터넷 검색을 통해 인턴십의 업무를 확인하고 비교해야 한다.
   취업을 희망하는 분야나 직무와 관련된 인턴십 한두 번이면 충분하다.

2. 연구 경험
- 데이터 리서처가 되고 싶다면 반드시 연구 경험이 필요하다. 그 외에도 대학원 연구실 인턴은
  대학 생활 중 대학원 생활을 직-간접적으로 체험할 수 있다. 우선 지원하려는 연구실에
  인턴을 사용하는지, 지도 교수가 무엇을 연구하는지 미리 알아보는 것이 좋다.
  연구실 인턴 경험이 있는 지인을 통해, 어떤 업무와 무엇을 배우는 지를 알아보는 것도 좋다.
  지원하려는 연구실이 경쟁률이 높다면 한 학기 전부터 준비하는 것이 좋다.
  연구 경험이 있다면 기업 연구 인턴도 지원할 수 있다.

3. 데이터 분석 대회(공모전)
- 기업이나 단체가 데이터 문제를 해결하기 위해 상금을 걸고 데이터의 일부를 참가자에게 공개한 후
  다양한 해결법을 평가하는 것이다. 정형 데이터, 이미지, 텍스트 등과 경영, 컴퓨팅, 예술, 공학,
  통계, 인터넷, 교육 등 다양한 데이터와 분야의 데이터 분석 대회가 있다.
  대회 상금과 함께 취업 전 실력 있는 빅데이터 전문가와 경쟁하며 스펙을 쌓을 수 있다.
  그중 가장 유명한 플랫폼은 '캐글'이다. 캐글에는 파이썬과 R을 사용하는 전 세계의 수 많은
  데이터 과학자가 참여한다.
  국내에는 '빅콘테스트', '데이콘', '카카오 아레나', '공공데이터 활용 빅데이터 분석 공모전' 등이 있다.
+ 충분한 참가수가 없거나 대회에서 제공하는 데이터 질이 좋지 않거나, 평가 방식 오류 등
   문제가 많은 대회는 유의해야 한다.
   대회 수상을 하지 못해도 배운 내용을 기술 블로그에 정리하고, 이력서와 함께 제출할 수 있다.

Kaggle: Your Machine Learning and Data Science Community

 

 

4. 프로젝트 경험(개인 경험)
- 프로젝트 경험은 학교에서 데이터 관련 과목을 수강하며 진행한 프로젝트나 대학원생이라면
  연구실에서 참여한 기업 과제, 개인적으로 기획해 실천한 프로젝트 등 다양하다.
  개인 프로젝트 경험은 자기 주도적이고 적극적인 면을 강조할 수 있는 스펙이다.

5. 인사이트 도출 훈련
- 인사이트 도출을 위한 훈련으로 'Makeover Monday' 프로젝트가 있다.
  매주 제공하는 데이터를 활용해 시각화를 연습할 수 있는 프로젝트로.
  프로젝트 참여자는 제공받는 데이터와 관련 기사, 시각화 차트를 활용해
  더 직관적이고 이해하기 쉬운 차트 또는 인사이트를 도출해 업로드하면 피드백을 제공받는다.

Makeover Monday | A weekly social data project

 

 

6. 링크드인과 깃허브 관리하기
- 문서 형식의 이력서 외에 온라인에서는 '링크드인'과 '깃허브'가 중요하다.

[취업정보] LinkedIn으로 취업하기! (Feat. 링크드인)

  깃허브는 기본적으로 'git'이라는 프로그램을 사용한다. 깃은 버전 관리, 백업, 협업 등의 
  기능을 제공하는데, 실무 프로그래밍 업무의 협업 프로젝트에도 깃을 사용하기에
  실무에도 많은 도움이 된다.

GitHub: Let’s build from here

7. 헤드헌터와의 관계 정리하기
- 경력을 쌓은 직장인이라면 공개 채용 외에도 헤드헌터를 통해 구직 활동을 할 수 있다.
  헤드헌팅은 기업의 요구사항에 맞는 인력을 대신 찾아 연결해 주는 업무로,
  헤드헌터는 주로 경력직을 대상으로 적합한 인맥을 찾아 연결하는 서비스를 제공한다.
  링크드인, 사람인, 인크루트, 잡코리아 등의 취업 사이트를 통해 연락하거나,
  해당 사이트에 자신의 정보를 자세하게 작성하여 헤드헌터가 찾아오게 해야 한다.
  이후 연락이 되면 두 명 이상의 헤드헌터와 교류하는 것이 좋고, 업무는 어떤지
  믿을 만한지, 자신의 업무를 이해하는지 등 차후 선택에 있어 도움이 될 정보를 정확히
  알아두는 것이 좋다.