오늘날 데이터 과학자 인재 부족에도 불구하고 조직들은 데이터 과학 이니셔티브에 대한 투자를 주저하지 않고 있다.

나임(KNIME)이 테크타깃(TechTarget)의 엔터프라이즈 전략 그룹과 공동으로 실시한 최근 ​​설문 조사에 따르면 대부분의 조직은 오늘날의 인재 부족을 극복하는 방법을 이해하고 있는 것으로 나타났다. 응답자의 87%가 도메인 및 비즈니스 부서 전반에 걸쳐 데이터 과학 기술을 구축하는 것이 데이터 과학 전략의 중요한 부분이라고 답했다. 또한 설문조사는 조직들이 AI와 머신러닝 기술을 채택하기를 열망하고 있음을 나타낸다. 하지만 이러한 새로운 기술을 전략적∙장기적으로 사용하기 위해서 조직들은 먼저 데이터와의 관계를 근본적으로 개선해야 한다.

데이터 과학 산업에 영향을 미치는 3가지

2023년에 조직들은 지속적인 적응과 혁신을 요구하는 기술 발전과 시장 변화에 직면했다. 결과적으로 비즈니스 리더와 IT 전문가 모두 데이터로 결과를 최적화하기 위해 데이터 과학 동향을 주의 깊게 따라야 했다. 이러한 정보 유지 노력은 2024년에도 모범 사례가 될 것이다.

설문 조사를 통해 드러난 트렌드는 첫째, 데이터 과학 및 기계 학습 예산이 증가하고 있다. 설문 조사에 참여한 92%의 조직이 데이터 과학 및 머신러닝 프로젝트와 이니셔티브에 대한 예산 할당이 매년 증가했다고 답했다. 응답자의 24%가 향후 몇 년 동안 데이터 과학과 머신러닝 관련된 인력, 프로세스, 기술에 최소 100만 달러를 투자할 계획인 것으로 나타났다.

재정적 투자의 증가는 비즈니스 리더가 운영 효율성을 높이고 더 많은 정보에 입각한 의사결정, 예측 분석, 혁신적인 제품 개발을 지원하는 데이터 과학의 능력을 인식한다는 신호다. 이러한 리소스 할당은 조직이 데이터 과학과 머신러닝에 대한 투자를 통해 얻는 가치와 역량이 미래의 성공과 조직의 성장을 주도하는 데 중추적인 역할을 할 것이다.

둘째, 인재 격차는 여전히 조직의 병목 현상으로 남아 있다.

응답자의 27%가 예산이 증가하는 데도 숙련된 인재가 부족해 데이터 과학 프로젝트를 개발하고 구현하는 것이 쉽지 않다고 인정했다. 적합한 인재가 없으면 조직은 제한된 데이터 전문 지식과 느린 프로젝트 구현 및 실행으로 어려움을 겪는다. 이러한 장애물은 복잡한 위험과 지연을 초래해 데이터 기반 투자와 운영화에 영향을 미친다.

가능하다면 조직은 풍부한 데이터를 이해하는 방법을 아는 직원에게 투자해야 한다. 교육은 방정식의 일부일 뿐이다. 또한 현대의 데이터 과학자들은 비즈니스에 대한 깊은 이해를 통해 자신의 작업이 얼마나 큰 영향을 미치는지 알아야 한다.

현재 업계의 수요를 충족하기에는 데이터 과학자가 너무 적기 때문에 비즈니스 리더들은 인재 격차를 줄이는 데 도움이 되는 분석 도구를 도입해야 한다. 전략적 채용과 결합된 로우코드 분석 도구는 즉시 데이터 작업을 민주화하고 조직의 모든 사용자가 해당 부서와 역할에 필요한 용량으로 데이터를 활용할 수 있도록 지원한다.

직원의 배경에 관계없이 데이터를 직관적으로 작업할 수 있게 함으로써 데이터 과학자들이 더 복잡한 책임에 집중할 수 있다.

셋째, 오픈소스가 혁신을 주도하고 있다. 조직의 88%는 오픈소스 솔루션이 혁신에 매우 중요하다는 데 동의한다. 또한 응답자의 26%는 회사의 데이터 과학 이니셔티브를 지원하기 위해 오픈소스 기술과의 호환성이 중요하다고 꼽았다. 이는 향후 오픈소스 채택의 증가 추세를 시사한다.

조직들은 협업, 유연성, 투명성과 비용 절감을 위해 오픈소스 솔루션을 점점 더 많이 채택하고 있다. 오픈 소스는 소프트웨어를 향상시키고, 실무 사례를 제공하며, 혁신과 지속적인 개선을 촉진하는 데 도움을 줄 수 있는 개발자, 열광자, 전문가로 구성된 활발한 커뮤니티에 대한 액세스를 제공한다.

전체 인력이 데이터에 액세스

데이터 과학과 머신러닝 프로젝트에 대한 장기적인 투자가 증가하고 있지만 조직들은 데이터 과학 프로세스를 개발하고 구현할 때 인재 부족 등 단기적인 과제에 맞닥뜨리고 있다.

데이터 도구에 대한 액세스를 민주화함으로써 조직은 직원들이 정보에 입각한 결정을 내리고 비즈니스 통찰력을 추출할 수 있도록 역량을 강화해 데이터 기반 이니셔티브의 잠재력을 극대화할 수 있다.

이러한 개선이 이루어지면 기업들은 현재와 향후 몇 년간 전략적이면서도 안전한 방식으로 AI와 같은 새로운 솔루션을 더 잘 활용할 수 있게 될 것이다.

*필자 마이클 베르톨트(Michael Berthold)는 독일의 컴퓨터 과학자, 기업가, 학자 및 작가다. 나임(KNIME)의 공동 창립자이며 2017년부터 CEO를 맡고 있다. 베르톨트는 대규모 정보 저장소의 대화형 분석을 위한 머신러닝 학습법의 사용에 대한 연구에 중점을 두면서 250개 이상의 출판물을 저술했다. 그는 수많은 교과서의 편집자이자 공동 집필자이며 전기전자공학협회(IEEE) 펠로우, 북미 퍼지 정보 처리 학회 전 회장, IEEE 시스템, 인간 및 사이버네틱스 전 회장을 역임했다.

(*이 칼럼은 GTT KOREA의 편집 방향과 다를 수 있습니다.)