SK네트웍스에서도 데이터 분석가 그룹이 있다! DSG에 대하여

SK네트웍스에서도 데이터 분석가 그룹이 있다! DSG에 대하여

요새 우리 주변에서 너무나도 많이 들리는 단어가 있다. 그것은 바로 ‘데이터’! 당신이 상경계열 전공이 아니더라도 대외활동 포스터에서, 취업 공고에서 빈번하게 등장하는데, 실제 모든 회사에서 데이터를 사용하고 있다. 이러한 트렌드에 발맞추어 SK네트웍스에서도 데이터 분석가 그룹을 따로 두고 있다고 하는데..? 그들이 알고 싶다 DSG!

 

SK Careers Editor 윤정은

ABOUT. DSG

DSG는 'Data Scientist Group'의 약자다. 2017년 하반기에 SK네트웍스 내에서 데이터에 대한 필요가 대두되었다. 이러한 맥락에서 2017년 9월, SK네트웍스 내에서 데이터분석에 관심이 있는 사원을 모집했다. 각 자회사에서 데이터분석 경험이 있거나 데이터분석에 흥미가 있는 13명의 사원이 모여 현재 DSG가 되었다. 이들은 작년 하반기부터 데이터교육을 받아 올해 3월부터 본격적으로 데이터분석을 행하고 있다. 이때 DSG 내에서도 각자의 소속이 있다. 그들은 각각 SK네트웍스의 자회사 (SK매직(워커힐), SK렌터카, 스피드메이트, MOST)의 업무를 담당한다. SK네트웍스의 소금같은 존재인 DSG를 살펴보자!

 

<SK네트웍스 DSG사업부의 모습>

DSG 소속 구성원과의 인터뷰 

자기소개 부탁드립니다.

안녕하세요, SK네트웍스 DSG 소속 김성국 매니저입니다. 이 전에는 SK렌터카 사업기획 직무에 종사했습니다. 작년 하반기부터 DSG에 근무했고, 현재 DSG에서 SK렌터카 사업부분을 담당하고 있습니다.

데이터분석에 관심을 가진 계기가 무엇인가요?

저는 산업공학을 전공했기 때문에 기본적으로 통계에 익숙했습니다. 데이터를 매력을 알게 된 것은 입사 후였습니다. 입사 후 사업기획 직무를 담당했는데 이때 어떤 프로젝트의 타당성은 데이터분석에 기인한다는 것을 몸소 느꼈습니다. 

실제로 데이터를 활용하지 않는 사람들은 어떠한 사업의 추진이유를 이야기할 때 감이나 경험에 의존해 설명하는 경우가 많았어요. 그러나 데이터분석에 익숙한 사람들은 구체적 수치를 이용해 설명했습니다. 당연하게도 후자의 설명이 더욱 설득력을 얻었지요. 

뿐만 아니라 사업실적을 예측할 때에도 전자는 과거의 경험에 의존해 과거와 비슷한 예측을 했다면 후자는 자료를 기반으로 다방면에서 결과를 예측했어요. 실무를 다원화시키는 데에 데이터가 직접적으로 영향을 미쳤기에 이에 관심을 가졌습니다. 오히려 학부시절 때보다 입사 후 통계에 애정을 갖게 되었습니다. 

데이터 분석가의 프로젝트 사이클은 어떻게 되나요?

먼저 특정 사업에 내재된 문제를 파악합니다. 두 번째로는 파악된 문제점을 해결하기 위한 가설을 세웁니다. 세 번째로, 가정된 사항들에 필요한 데이터를 간추립니다. 다음으로 필요한 데이터와 기존에 가지고 있는 데이터를 비교해 분석할 데이터의 폭을 좁힙니다. 그 후 해당 데이터의 오류여부를 판단하고 정제된 데이터를 바탕으로 여러 비교분석을 합니다. 이때 불분명한 데이터에 대한 자문은 해당 사업의 관계자에게 구합니다. 마지막으로 데이터를 가지고 다양한 예측을 한 후 문제 해결방안을 구체화하고 사업에 도입합니다.

현재 진행하고 계신 업무를 소개해주세요.

업무는 크게 ‘문제점 발견’, ‘가설 수립 및 검증’, ‘해결책 수립 및 적용’ 이 세 단계로 나누어집니다.현재 행하는 업무는 1단계와 2단계의 중간과정에 있습니다. 구체적으로 저희는 ‘SK렌터카 렌탈고객의 해지율’을 문제점으로 꼽았습니다. 다음으로 ‘중도에 계약을 해지하는 고객은 회사에 막대한 손실을 입힐 것이다’라는 가정을 세웠습니다. 렌터카 사업 특성상 중도해지 고객은 회사의 자산에도 피해를 입힐 위험이 있기 때문입니다. 

또한, ‘중도해지 고객을 예측할 수 있다면 중도해지율을 낮출 수 있을 것이다’ 라는 가설도 수립했습니다. 현재는 이 가설들을 데이터를 기반으로 검증함과 동시에 다른 가설도 만들고 있습니다. 향후 문제해결과정은 다음과 같습니다. 계약 해지를 하는 고객의 데이터를 기반으로 그들의 특성을 분석합니다. 분석결과를 토대로 해지고객의 모델을 만듭니다. 또한 그 모델을 바탕으로 각 고객에게 해지율 점수를 부과합니다. 해지율 점수가 높은 고객들에게는 이탈을 막기 위한 솔루션을 제공할 예정입니다. 하지만 아직 이 프로젝트가 진행 중에 있어 구체적인 절차와 성과를 알려드리기는 어렵네요.

 

데이터분석 이용 전과 후는 어떻게 다른가요?

예측의 다양성과 문제해결의 적극성이 가장 큰 차이점입니다. 첫 번째로 과거에는 시계열적* 분석을 주로 했습니다. ‘2001년부터 2005년까지 매출이 연간 10%씩 증가했으니 미래에도 비슷한 수치로 증가할 것이다’ 라는 식의 분석이 많았습니다. 일차원적 분석이 주도적이었지요. 그러나 데이터를 사업영역에 활용한 후에는 문제를 바라보는 시각이 다양해졌습니다. 더 이상 과거의 경험이나 수치에 국한되지 않고 여러 경우의 수를 따져 합리적인 분석을 할 수 있지요. 일례로 SK렌터카에서 근무했을 당시 사용할 수 있는 마케팅전략이 제한적이었습니다. 

과거의 성과를 바탕으로 성공적인 전략과 아닌 것을 구분했습니다. 그러나 데이터를 이용해 여러 합리적 예측이 가능해지며 다양한 마케팅전략을 시도해볼 수 있었습니다. 다음으로 과거 SK렌터카에 근무했을 때 ‘고객 이탈률’이라는 문제는 지속적으로 논의되었습니다. 그때에는 이탈률을 수동적으로 받아들였습니다. 그러나 현재는 이탈률을 줄이기 위한 방안을 데이터를 사용해 고안하고 있습니다. 어떤 요인 때문에 이탈이 발생하는지 파악할 수 있기에 해결방안을 수립하기도 용이해졌습니다. 이처럼 문제를 적극적으로 해결할 수 있게 한다는 점이 데이터분석의 장점입니다. 

*시계열이란? 

일정 시간 간격으로 배치된 데이터들의 수열. 시계열 데이터를 분석하는 수학적 모델에는 AR모델, I모델, MA모델이 대표적이다.

DSG로서 일하기 위해 사전교육을 받았다고 하셨는데 교육기간과 교육의 체감 난이도는 어땠나요?

교육은 약 2달 반에서 3달 가까이 교육을 받았습니다. 난이도는 중상(약 70~80 점 정도)였습니다. 학부시절 배웠던 내용도 있었지만 실무는 조금 더 어려웠습니다. 실제로 학부시절에는 이론적인 통계지식에 국한된 교육을 받았다면 실무에서는 방대한 양의 데이터를 다뤄야했고 여러 통계기술을 사용해야 했습니다. 또한 이때에는 기본적인 통계지식, SQL, 통계 프로그램인 R을 교육받았습니다. 

데이터 분석가로서 필요한 자질은 무엇인가요? 이를 함양하기 위해 추천하는 활동이 있으실까요?

먼저 ‘책임감’을 꼽을 수 있습니다. 이때 책임감은 문제발견부터 문제해결까지 일련의 과정에 모두 주인의식을 갖고 참여하는 것을 말합니다. 실로 데이터분석가는 데이터를 분석하는 업무만 하는 것이 아닙니다. 문제가 해결되는 과정 내에서 데이터가 끊임없이 요구되기 때문에 문제해결방안이 도출될 때까지 문제에 착수하는 끈기와 책임감이 필요합니다. 이 책임감을 기르기 위해 학부시절 ‘리더의 역할’을 해보는 것을 추천합니다. 

학생회장과 같이 거창한 것이 아니더라도 팀플에서 조장을 맡는 것과 같이 자신의 업무에 최선을 다한 경험이 실무에 도움이 될 것이라 생각합니다. 다음으로는 ‘상상력’이 중요합니다. 실제로 데이터 분석가는 문제해결을 위한 가설을 세워야 하는데 이는 정보를 단편적으로 바라보면 세우기 어렵습니다. 이러한 상상력은 ‘잘 노는 것’을 통해 함양할 수 있다고 생각합니다. 잘 놀면 마음에 여유가 생기고 생각이 유연해지기 때문입니다. 다양한 가설을 고안하는 힘은 유연한 생각에서 비롯되기에 학부시절 여행도 다니고 친구들과 놀기도 하는 것을 당부합니다. 

또한, 어느 상황에서도 자신있게 자신의 의견을 표출하는 것이 상상력을 기르는 데에 도움이 된다고 생각합니다. 상대를 설득하는 것과 의견을 표출하는 것은 상상력의 연장선입니다. 자신의 의견을 제시하고 그 의견을 뒷받침하기 위한 근거를 선택하는 것이 유연한 생각의 일종이기 때문이지요.

데이터 분석가를 꿈꾸는 이들에게 한 마디

데이터 분석가에게는 포괄적이고 개방적인 태도가 필요합니다. 데이터를 사업에 어떻게 활용할 수 있는지 고민하는 과정에 유연한 사고는 필수적이므로 항상 다양한 상상을 하는 것을 즐기셨으면 좋겠습니다. 또한 데이터는 우리 생활 곳곳에 사용되고 있고 활용분야가 무궁무진하므로 데이터 관련업은 전망이 밝다고 생각합니다. 데이터 관련업에 종사하고 싶으신 분들 모두 파이팅입니다!