데이터 과학 유망주의 매일 글쓰기 — 캡스톤 프로젝트 2–1
팀워크(Teamwork)
# 팀워크, # 협력
오늘 한일:
드디어 두 번째 프로젝트를 시작하게 되었다. 이번에는 이전과는 다르게, 팀으로써 움직일 것이라고 한다. 정말 좋은 기회라고 생각했다. 내가 사회에 나간다면, 내가 아무리 대단한 놈이건, 다른 사람과 협업을 피할 수 없기 때문이다.
그래서, 내일 부터 본격적으로 시작될 협업을 위해, 팀워크의 중요성에 대해 돌아볼 수 있는 글을 적기로 했다. 특히 데이터 사이언스라는 분야는 데이터를 가공, 분석, 모델링하는 여러 인력으로 나뉘어지는 만큼, 각자의 역할이 매우 중요하다. 데이터 사이언스가 중요한 팀으로 여겨지는 조직일수록, 구성원들도 수가 많고 각자의 역할도 다양하다.
한 팀으로 움직이는 데이터 사이언티스트들
데이터 사이언스라는 분야가 최근 2010년대 들어서 각광 받기 시작한 만큼, 그 역사가 오래되지 않아 아직 많은 조직에서 “데이터 사이언스 조직은 이래야 한다.”라고 명확히 이야기 할 수 있는 곳이 많지 않다. 데이터 사이언티스트가 정확히 무엇을 하는지 모른채로 뽑고나서 고민하는 회사도 많고, 기존 회사가 하던 업무에 더해 연장선 상으로 데이터를 분석할 사람을 찾는 회사들도 있다. 개발자 역할을 하면서 데이터 분석을 할 사람, 마케터 역할을 하면서 데이터 분석을 할 사람 등등, 조직이 발을 담그고 있는 사업의 영역과 조직의 특성이나 문화에 따라서도 요구사항이 달라질 수 있다. 따라서, 누가 어떤 경험을 했고, 어떤 조직에 속해 있는지에 따라 데이터 사이언티스트의 인원 수와 업무 분담도 천차만별이다. 한 사람의 데이터 사이언티스트를 뽑을 수도 있고, 여러 다른 책임을 갖는 복수의 인원들을 고용할 수도 있는 것이다.
또한 부정할 수 없는 것은 이 데이터 사이언티스트들도 같은 데이터라는 도메인을 다루는 전문가들 뿐만 아니라, 그 밖에 있는 개발자나 마케터, 또는 다른 전문성을 가진 여러 엔지니어들과 일을 해야하는 경우가 빈번하다는 것이다. 데이터를 분석하여 자신이 속한 회사의 비즈니스 결정에 영향을 주는 중요한 직종인 만큼, 내가 이해한 것을 다른 사람에게 알리고, 다른 사람이 이해하고 있는 것을 내 것으로 만드는 소통 능력이 매우 중요하다. 그런면에서 데이터 사이언티스트들도 비슷한 직군의 사람들 뿐만 아니라, 다른 도메인에 있는 전문가들과도 협업할 줄 알아야하는 것은 의심의 여지가 없다.
일반적인 데이터 사이언스 팀 구성
이전에 언급했듯이, 회사에 따라 데이터 사이언스 팀 구성은 매우 다를 수 있다. 그러나, 어느 정도 데이터 사이언스라는 팀이 갖추어진 나름 성숙한 조직을 기준으로 보자면, 보통 아래와 같은 전문가들로 나뉘어져 있다.
- 데이터 엔지니어: 데이터의 전처리 및 파이프라인 구축을 담당
- 데이터 사이언티스트: 머신러닝 및 딥러닝 모델링을 담당
- 데이터 분석가: 전처리된 데이터를 가지고 시각화 및 EDA를 담당
- 소프트웨어 개발자: 데이터 플랫폼이나 데이터를 활용할 수 있는 소프트웨어를 개발
- 프로젝트 매니저: 데이터를 다루는 프로젝트를 이끌고 관리하는 역할
일반적으로 데이터 사이언티스트들이 어느 직군으로 분류되는지에 대한 답과 크게 다르지 않다. Kaggle에서 혼자 원맨쇼를 하거나 마음에 맞는 사람과 팀으로 참가해 상금을 탈 수도 있지만, 현실에서는 그런 식으로 업무가 이루어지지 않는다는 것을 모두가 알고 있을 것이다. 자금 여력이 없는 스타트업은 한 명의 데이터 사이언티스트를 고용하여 그가 전처리 부터 모델링까지 모든 것을 다 해 주기를 바라겠지만, 회사가 커질수록 그런 업무는 점차 나뉘어질 가능성이 크다. 이런 업무가 나뉘어진 복수의 데이터 사이언티스트를 거느린 회사라면, 어떤 식으로 팀의 협력을 효율적으로 이끌어 낼 수 있을까?
1. 서로를 잘 알아갈 수 있는 충분한 시간과 기회를 갖는다.
아무래도 기계처럼 모두가 일할 수 있다면, 감정적인 부분을 신경쓸 필요가 없기 때문에 매우 편할 것이다. 하지만, 내 눈 앞의 상사가 꼴뵈기 싫어도 보살처럼 살면서 아예 신경쓰지 않고 산다는 것은 아무리 도를 오래 닦은 스님이라도 쉽지는 않을 것이다. 현실에서 내가 회사를 운영하면서, 내 입맛에 맞는 사람만 뽑지 않는 이상(설사 그렇다고 해도 나와 성격적으로 안 맞는 사람을 채용하지 않으리라는 보장은 없다.), 고용된 사람의 입장에서 성격적으로 나한테 맞는 사람들 하고만 같이 일할 수는 없다(또한 그것이 과연 어느 정도의 효율성과 결과를 불러올지 의문이다.). 나와 같은 시대에 태어나, 나와 같은 곳에서 살면서, 나와 같은 경험을 공유한 동료를 만나는 것은 불가능에 가깝다. 우리는 서로 다른 삶의 배경을 가지고 있으며, 그만큼 사고 방식과 행동 방식이 서로 다를 수 있다는 것을 인정해야한다. 그리고, 그것을 인정하면서 서로 조금씩 더 알아가려는 노력이 필요하다.
일반적인 한국회사는 팀빌딩의 일환으로써 “회식"을 많이 한다. 많은 사람들에게, 특히 나같은 젊은 이들에게 회식은 그리 반가운 이벤트는 아니다. 하지만, 우리의 윗세대 사람들이 그토록 회식을 자주하려했던 이유는, 그만큼 팀원들끼리 서로 알아가는 시간을 갖는 것이 중요하다는 생각 때문일 것이다. 회사가 아닌 대학교에서도 “MT(마시고 토하는게 목적이 아닌가하는 생각도 든다…)”라는 활동이 이런 팀빌딩 활동의 일환 일 수 있다. 그만큼 어떠한 공통된 목적을 가진 조직에서, 완전히 새로운 사람들과 함께 한다는 것은 매우 낮선 것이니 만큼, 팀원들의 긴장을 풀어줌으로써 사기와 능률을 끌어 올리는 것은 중요하다. 우리는 기계가 아닌 감정을 가진 인간인 만큼, 인간적으로 소통한다는 느낌을 갖게 하는 것은 서로 시너지를 발휘하고 즐겁게 일하는데 있어 매우 중요하다.
물론, 요즘은 이런 “회식"의 성격이 아닌, 같이 여행이나 워크숍을 간다거나, 같이 방탈출 게임을 하는 등 다양한 형태로 팀빌딩 활동이 확장되고있다. 이러한 팀빌딩 활동을 통해 서로 어떤 배경에서왔고, 어떠한 경험을 해왔는지를 알 수 있다. 사람은 이것만 알아도 앞으로 서로 어떻게 대하고 지내야하는지에 대한 감을 잡을 수 잇다. 서로의 배경을 이해하고 있다면, 그만큼 서로 더 배려를 할 수 있기 때문에, 갈등이 일어날 가능성도 상당히 줄일 수 있다. 또한 갈등이 줄어들면 그만큼 더 효율적인 협업이 가능하며, 서로 더 많은 것을 공유하거나 좀 더 쉽게 피드백을 주고 받을 수 있다. 즉, 서로 더 쉽게 공유하고, 더 빨리 배우는 좋은 문화를 꽃 피울 수 있는 시발점이 된다.
2. 팀워크를 강화하고 조직내 조화를 이룰 수 있는 방법을 찾는다.
“회식"같이 아주 무난한 팀빌딩 활동도 좋지만, 팀원들이 원하거나 필요한 방향으로 언제든지 바꿀 수 있는 유연함도 필요하다.예를 들어, 새로운 일을 하기 위해 새로운 기술을 배워야한다는 목소리가 나온다면, 팀빌딩 활동의 일환으로 같이 스터디를 하는 것을 기획해 볼 수도 있다. 데이터 사이언티스트들이 계속 새로운 기술을 배워야한다는 것을 감안하면, 매우 필요한 활동이라 할 수 있다. 조금 더 재미있게 할 수 있는 방법은 그냥 한 사람이 강의하고 듣는 것보다도, 서로 공부해 온 것을 발표하거나, 참여한 사람들을 팀으로 나누어 퀴즈나 게임 등을 통해 답을 맞춘 사람에게 상품을 주는 소소한 이벤트도 좋을 수 있다. 공부할 주제를 조금 재미있게 다루는 유튜브 영상을 같이 보면서 공부하고 토론하는 것도 좋은 방법이 될 수 있다. 중요한 것은, 특정한 형태로 굳어져서는 안된다는 것이며, 항상 새롭고 효율적인 형태로 팀빌딩 방식이 변화할 수 있어야한다는 것이다. 팀원들이 자신의 필요를 충족할 수 있으면서도, 같이 어울리면서 즐거운 시간을 보내는 것이 가장 중요하다. 서로 연결되어 있고, 동지애를 느끼는 조직일 수록 서로 더 자주, 편하게 소통할 수 있다. 서로 더 자주 소통할수록, 같은 방향을 바라볼 가능성도 커지며, 공통의 목적도 더 분명하게 이해할 수 있다. 거기에서 팀워크가 더 깊어질 수 있고, 전체 조직이 더 원활하게 작동할 수 있다.
또한, 데이터 사이언스는 원맨쇼가 아니며, 데이터 사이언티스트들이 모든 분야를 다 알지 못한다. 따라서, 다른 분야에 있는 사람들과도 어울리며 지식을 공유할 수 있는 시간이 필요하다. 예를 들어, “데이터 사이언스 데이”를 만들어 다른 직원들이 데이터 사이언티스트들이 무엇을 하는지 일일 체험을 하면서 하루 일과를 따라가 본다거나, 그 하루 일과를 브이로그로 기록한 영상을 같이 보는 활동도 좋을 수 있다. 직접 간단한 데이터를 다루어보고 분석해 보는 시간을 가질수도 있다. 반대로 “마케팅 데이"라는 것을 기획하여 데이터 사이언티스트들이 마케터들이 무슨일을 하는지 따라가 보고, 간단한 그래픽 디자인이나 광고 기획 문제를 통해 마케팅의 업무에 대해 배워 볼 수 있는 시간을 갖는 것도 좋을 것이다. 이렇게 서로 다양한 분야의 전문가들이 서로를 좀 더 깊게 이해하는 기회를 가진다면, 데이터 사이언티스트들도 마케터나 다른 분야의 직원들을 이해하고 소통하는데 매우 큰 도움이 될 것이다. 데이터 사이언티스트들과 다른 팀 사이의 조화와 팀워크를 더욱 견고히 할 수 있게 해 줄 것이다.
3. 협력을 권장하여 팀의 생산성과 능률을 높인다.
“팀"이 존재하는 이유는 한 사람이 슈퍼맨이 되는 것이 아니라, 여러 사람이 작은 영웅이 되어 큰 일을 도모 하는 것이다. 작은 영웅들은 서로 약점이 있다. 호빵맨은 자신의 얼굴이 먹히면 힘을 잃고, 피카츄는 전기가 통하지 않는 흙공격에 매우 약하다. 모든 사람은 자신이 가장 잘 하는게 있고, 상대적으로 약한 부분이 있다. 그 부분을 서로 잘 보완하여 전체적으로 완성도 높은 팀을 이루는 것이 중요하다.
꽤 열린 조직에서는 의무적으로 팀원들에게 심리테스트나 적성검사를 통해, 팀원들의 성격과 적성을 객관적인 수치로 정형화하려는 노력을 보인다. 팀원들의 기술적인 역량 뿐만 아니라, 사회적인 습성이나 습관 등도 매우 중요시 여긴다. 필요할 경우, 팀장이 팀원들과 개별적으로 상담을 하면서, 직원들 한 사람 한 사람을 좀 더 깊게 이해하려 노력한다. 이를 바탕으로 팀원들의 인간적인 정보를 데이터화하여, 어떤 상황에 각자가 가장 높은 효율을 보이는 지에 대한 인사이트를 찾아내려 노력한다. 그렇게 해서, 각자가 어떠한 환경을 가장 좋아하고, 어떠한 식으로 접근하고 접근 받아야 가장 편안하게 느끼는 지를 알아낸다. 이 모든 것은 개개인을 좀 더 깊게 이해하여 서로 더 잘 소통하고 조화를 이루기 위함이기도 하지만, 최대한 모든 이에게 각자 자신에게 맞는 업무환경을 제공하려 노력함으로써, 전체적인 팀의 효율과 능률을 끌어올리기 위함이다. 그 어느 직업이나 마찬가지겠지만, 데이터 사이언티스트 역시 업무를 위해 다루는 데이터 못지 않게, 본인 스스로에 대한 데이터도 조직의 성공을 위해 매우 중요하게 다루어져야한다.
예를 들어 데이터 엔지니어가 두 명이 있는 조직에서, 한 사람은 Kubernetes를 잘하지만 SQL에 약한 사람이 있고, SQL은 잘하지만 Cloud환경에는 약한 사람이 있다고 가정하자. 그렇다면, 이 둘을 자르고 둘다 할 수 있는 사람을 채용하는 것이 아니라, 한 사람은 Kubernetes에 집중하면서 다른 것을 부수적으로 하고, 다른 한 사람은 SQL을 주로 하면서 Cloud관련 업무는 부수적으로 하는 방향을 취할 수 있다. 물론 장기적으로 두 사람이 한 가지 이상을 잘 하는 것이 조직에 더 좋다면, 자신의 강점에 집중하면서도, 서로 약한 부분은 계속 발전시키기 위해 공부를 하는 것이 좋을 것이다. 이를 위해, 조직에서는 각 구성원이 자신의 단점을 극복할 수 있는 여러 교육의 기회를 제공하거나, 서로의 단점을 보완할 수 있게 각자가 부족한 분야의 특기를 가진 팀원과 스터디를 할 수 있도록 지원하는 방법도 모색해 볼 수 있다. 조직에서는 확실한 장점을 가진 인재를 유지할 수 있어서 좋고, 팀원들에게는 조직이 자신의 능력을 최대한 발휘할 수 있게 배려해주고 발전할 수 있도록 기회를 준다는 느낌을 줄 수 있다. 모든 것을 다 잘하는 사람은 없다. 그러나, 모든 사람들은 한 가지 이상의 특기가 분명히 있다. 그러므로, 하나를 잘 하는 여럿이, 모든 것을 잘할 수 있는 하나의 팀이 될 수 있는 방향으로 나아가야한다. 물론, 이것이 가능하기 위해서는 언제든지 열린 소통이 가능한 조직 문화를 갖추는 것이 중요하다. 팀원들이 서로 부족한 부분에 대해서는, 그 부족한 부분을 메워줄 수 있는 다른 팀원들과 항상 필요할 때마다 소통할 수 있게끔 권장하는 것이다. 내가 도움이 필요할 때 언제든지 나를 도와 줄 사람에게 연락할 수 있고, 반대로 내 도움이 필요한 사람이 있을 때에도 고민없이 도와줄 수 있다는 문화가 정착된다면, 굳이 매번 StackOverflow를 낱낱이 뒤지지 않고도 훨씬 더 효율적으로 서로 원하는 답을 얻을 수 있고, Coursera로 가서 돈을 내고 한 달짜리 강의를 듣지 않아도 필요한 지식을 그때 그때 서로에게서 배울 수 있다. 문제 해결의 시간을 단축하는 것은, 언제든지 조직이나 회사에 돈을 벌어다 주는 일이기 때문에, 필요할 때마다 팀원들이 서로 편하게 소통하면서 일할 수 있는 환경을 갖추는 것은 전체 조직의 성공을 위해서도 매우 중요하다.
앞으로 할일:
지금까지 데이터 사이언티스트들이 한 팀으로써 원활하게 일하기 위해 필요한 것들에 대해 정리해 보았다. 한 명의 데이터 사이언티스트로써 Kaggle에서 그랜드마스터가 되는 것도 엄청난 성취지만, 내가 속한 조직에서 다른 동료들과함께 집단지성을 통해 협력하여 성공경험을 만드는 것은 그것과 비교할수 없는 기쁨을 가져다준다. 그 이유는, 내가 혼자서가 아닌 한 사람의 일원으로써 다른 사람들과 조화를 이루면서 시너지 효과를 발휘하여, 혼자서는 하기 힘든 원대한 일을 할 수 있다는 증거이기 때문이다. 또한, 이러한 팀으로써의 성공경험을 가진 사람은 그 어떤 조직에서든 환영할만한 이력을 가진 사람이 된다. 즉, 어디를 가더라도 원하는 사람이 될 수 있다는 이야기가된다.
이번 팀 프로젝트는 내가 지금 수강하는 부트 캠프 이후의 단계를 위해서라도 매우 중요하다. 결국 내가 취업을 하여 일을 한다면 한 사람의 일원으로써 책임을 다하게 될 것이고, 그러자면 다른 사람과 협업을 할 수 있는 능력이 매우 중요시 될 것이기 때문이다. 그래서, 이번 프로젝트는 이전 개인 프로젝트와는 다른 마음가짐으로 임하게 될 것 같다. 다른 사람과도 큰 갈등 없이 완수해 나가야하고, 프로젝트 자체에서도 어느 정도 의미를 찾을 수 있는 퀄리티가 나와야하기 때문이다. 오히려 잘 되었다. 다른 사람에게 피해가 가지 않게 해야하고, 다른 사람에게도 좋은 프로젝트가 될 수 있도록 신경써야 하기때문에, 나로 하여금 조금 더 스스로에게 엄격해 질 수 있기 때문이다. 이 기회를 통해 협업한다는 것이 무엇인지 제대로 느끼고, 진정한 한 사람의 사회 구성원으로써 내가 맡은 일에 책임을 다하면서, 동시에 다른 사람에게도 도움이 될 수 있는 이상적인 일원으로 거듭나고 싶다. 앞으로는 내가 속하게 되는 그 어떤 팀에서도 내가 유용한 사람이었다는 말을 듣고 싶다. 이번 프로젝트는 그런 사람이 되기 위해 노력할 것이다.
팀으로써 일하는 건 쉽지 않다. 하지만, 모두가 반드시 해야할 일이다. 사회에서 혼자할 수 있는 일이라는 것이 점점 더 줄고 있기 때문이다. 그렇다면, 조금 더 그 과정을 즐기면서, 남들이 같이 일하기 좋은 사람으로 거듭나보자. 더 많은 것을 배울 수 있는 기회일지도 모른다. 한 사람의 팀원으로써, 이 세상에서 “작은 영웅"이 되어 일하는 모든 이들에게 감사를 표한다. 팀보다 위대한 선수는 없다. 그러나, 팀을 이루는 개개인은 위대하다. 비록 그 모습이 잘 드러나지 않는다고 할지라도, 당신의 노고를 소중히 여기고 당신의 활약을 응원하는 사람이 여기에 있다는 것을 알아주었으면한다.
