30대 중후반 비개발에서 데이터 분석가로 커리어 트랜스포머
KoKuMa
로드맵 코스
커리어 Level UP! 평범한 회사원에서 데이터 분석가/Data Analyst가 되보자.
30대도 아직 늦지 않았습니다. Data를 분석/처리/적용하려는 수요는 아직 끝나지 않았다.
저는 30대 후반입니다. 문과는 아니지만 전혀 관련 없는 공대를 졸업했습니다. 엑셀 시트만 보고 있으니 매너리즘에 빠져있었죠. 그런데 이직을 한 회사에서 SQL, Python을 처리하는 데이터의 신세계를 보고 뛰어들고 싶은 마음이 생기기 시작했습니다. 엑셀 시트는 해봤자 몇 십만 행만 포함이 가능하지만, SQL/Python을 사용하면 몇 백만 행도 처리가 가능하고, 여러 라이브러리를 사용해서 더 심화적으로 활용이 가능하더군요. 이걸 계기로 삼아 Data Analyst를 공부하기 시작했습니다. ChatGPT가 나오고 AI로 개발자/DA가 전부 대체 되리라고 하지만 기업 보안/도메인 지식의 중요성/코드의 전체 맥락의 파악 때문에 아직은 늦지 않았다고 생각합니다. 그래서 현재까지 제가 공부하고 있는/ 학습 계획중인 강의들을 여기다 남기고자 합니다. 여기서 팁을 얻어 모두 같이 커리어 전환에 성공했으면 좋겠습니다.
로드맵은 큰 틀에서 보면 다음과 같습니다.
1. SQL: 저는 파이썬보다 SQL을 먼저 배우라고 추천하고 싶습니다. 왜냐하면 먼저 데이터를 추출/정제하는 방법을 먼저 알아야 하고, 큰 틀에서 엑셀과 유사한 면이 있어서 비개발자도 다가가기 쉽기 때문입니다. 문법도 파이썬보다 쉬운 편에 속합니다.
SQL 기초(데이터리안) -> SQL 심화(권 철민) -> 실전(권 철민)
2. Python: 결국 데이터를 가공/분석하려는 파이썬을 배워야합니다.
파이썬 기초 -> (크롤링(데이터를 가져오기 위해/자동화) -> 파이썬으로 실전 데이터 분석
3. 머신러닝: 머신러닝은 데이터 사이언티스트를 위해 넣었습니다. 하지만 데이터 분석가도 맛보기 혹은 회귀분석/시계열 분석 + A/B 테스트까지 배운다면 데이터팀의 협업에 있어서 매우 강한 면모를 보일 수 있다고 생각합니다.
머신러닝에 필요한 선형대수학/확률과 통계 -> 머신러닝 기초 -> 머신러닝 실전 -> Deep learning 기초(선택)으로 코스를 설계했습니다.
부가적으로 데이터 분석을 실전에 적용하려는 PM의 사고를 배우기 위해 Growth hacking과 PM을 위한 데이터 리터러시도 추가했습니다.
이 밖에도 도움이 될 만한 강의로는 다음이 있습니다.
Youtube Probability and Counting | Statistics 110 https://youtu.be/KbB0FjPg0mw?si=PIrS8Fv1W5GL9MZu
Coursera Machine Learning https://www.coursera.org/specializations/machine-learning-introduction
모두 화이팅입니다.