2019.10.19(토)에 데이터야놀자에서 발표한 자료입니다.

1. 데이터 교육 프로덕트 매니저의
고민과 실패, 성장 이야기
김영웅

2. 저는 연구자이자 기획자이며 프로덕트 매니저입니다.
꿈꾸는 데이터 디자이너 교육생으로 시작해 기획자로 성장했고, 최근에는 데잇걸즈
를 기획하고 운영하는 데이터 교육 프로덕트 매니저로 길을 걷고 있습니다. 피드백과
인트랙션의 잦은 반복을 통해 성장을 지향하는 기술 중심의교육 문화를 꾸리는 데 목
표가 있습니다.
연구자로서는 ‘디지털 전환 시대에서 파괴적 혁신 관점의 디지털 역량 학습 시스템 설
계 및 방법론 개발’ 에 대한 연구와 관심을 집중하고 있고, 다양성과 젠더 관점의 렌즈
를 기반으로 기술교육의 새로운 지점을 찾기 위해 팀과 개인으로 노력하고 있습니다.

5. 본 내용의 고민과 질문, 답변은 단체와 소
속을 대변하지 않는 개인적인 의견입니
다.

6. 고민 (1)
기술교육에서의 파괴적 혁신 :
산업의 수요와 교육의 필요는 적정할까요?

7. 질문 (1)
시장은 (주니어) 데이터 분석가 채용을 위한 정보를 적절하게 제공하고
있을까요?
질문 (2)
너무 많은 요구사항과 이미 진입한 선적응자들의 선입견이 적합한 인재
의 도전과 적응을 방해하는 것은 아닐까요?
질문 (3)
교육에서 배울 수 있는 것 vs 회사에서 배울 수 있는 것

8. <source=http://www.wikipedia> <source=http://www.amazon.com>

9. <source=http://www.wikipedia> <source=http://www.amazon.com>
우주볼펜과 연필

10. 고민 (2)
기술교육에서 학습목표는 무엇이 되어
야 할까요?

11. 회사에서는 조직이 수용가능한 최대한의 기술 = 이해가능한 최소
기준으로 일을 하게 됩니다. 많이 배운 것이 무용지물인 경우가 발
생합니다. 이 경우에는 학습역량 자체가 경쟁력이 되기도 합니다.
학습의 아이러니입니다.
그래서, 기술교육의 목표는 ‘들어서 좋았다’가 아니라 ‘유용하고
유익하며 적용가능해 의미가 있다’가 되어야 한다고 생각합니다.

12. 고민 (3)
(주니어) 데이터 분석가를 위한 최적은
무엇일까요?

13. 데이터 시각화는 분석가에게 정말로 중요할까요. 데이터베
이스는 정말로 소홀해도 되는건가요. 분석을 잘하기 위해
통계는 어느 정도로 알아야 할까요. 머신러닝과 딥러닝은?

14. SQL, 데이터 분석 관련 라이브러리 활용 능력, 동료와의 협업 등 커뮤니케
이션 스킬, EDA 수준의 데이터 시각화, 기초 통계 역량이라고 생각합니다.
그 외의 스킬인 높은 수준의 데이터 시각화, 높은 수준의 통계 역량은 덜 중
요한 요소로 정의하고 싶습니다.
기초 통계 수준은 현업에서 주로 쓰이는 통계 개념을 중심으로 ‘실험계획,
회귀분석, 생존분석, 시계열분석, A/B 테스트와 통계적 가설 검정, 상관분
석 등’ 이 있습니다. 이 개념들조차 조직의 특성에 따라 활용의 정도가 다릅
니다.

15. 고민 (4)
언제까지 학습하고 배워야 할까요?

16. 민감하고 곤란한 질문입니다. 정답은 없습니다. 다만 개인적으로
는 회사에 신입으로 입사문턱을 넘을 정도면 되지 않을까 생각
합니다. 타겟을 설정하고 전략적으로 접근해야 합니다. 그 시기
를 미뤄가면서 밖에서 오래 공부하는 것은 현업에서의 성장기회
를 놓치게 되어 결과적으로 성장의 폭이 크지 않은 것 같습니다.

17. 고민 (5)
어떻게 가르치거나 학습하는 것이 좋을
까요?

18. 실제의 현업에서 활용되는 유용한 것 위주로 개념을 더하고, 과업 중심으로 설계하
면 보다 좋은 것 같습니다.
학습의 착각 : 순서대로 배우는 것은 배우는 듯한 착각이 들게 하나 실제 활용가능
성이 적습니다. 일반적으로 교육과정은 학위 과정과 같이 넉넉한 시간이 주어지지
않습니다. 순서대로 학습하는 것은 시간적 여유가 충분할 때 좋다고 생각합니다.
아래 요소가 더해지면 훨씬 좋다고 여깁니다.
1. 학습의 누적
2. 인식된 학습성장
3. 동료를 활용한 지식학습
4. 안전한 커뮤니케이션의 연습

19. 고민 (6)
완벽한 환경을 만들고 관리할 수 있을까
요?

20. 완벽한 환경구축은 어렵습니다. 지속적인 피드백과 커
뮤니케이션을 통해 점점 개선되는 환경을 만들어갈 수
는 있습니다. 갈등과 충돌이 없는 완벽한 교육환경은
불가능합니다. 자연스러운 현상입니다. 그것으로부터
배우고 각자의 교훈을 얻도록 지원해야 합니다.

21. 학습량
많음
학습량
적음
인지된 실력 높음인지된 실력 낮음
학습밀도
높음
학습밀도
낮음
1기
2기
3기

22. 자율성
기간
1기
2기
3기

23. 1기 : 짧은 기간, 많은 학습량, 낮은 학습밀도, 낮은 자율성, 만족수준 낮음,
보통 학습소화, 보통의 인지된 실력, 매우 적은 연구그룹 + 카톡 + 페이스북
2기 : 보통 기간, 적은 학습량, 높은 학습밀도, 보통 자율성, 만족수준 높음,
높은 학습 소화, 높은 인지된 실력, 많은 연구그룹 + 슬랙
3기 : 긴 기간, 보통 학습량, 보통 학습밀도, 높은 자율성, 만족수준 보통, 낮
은 학습 소화, 낮은 인지된 실력, 적은 연구그룹 + 슬랙 + 노션
위 내용은 상대적 비교입니다.
기획자로서의 실패

24. 1기 : 기초통계, R, 파이썬, 데이터시각화, 머신러닝, 딥러닝, 인터랙티브 데
이터 시각화 + 프로젝트
2기 : 짧은 시수의 기초통계, 파이썬 프로그래밍, 데이터시각화, 머신러닝
+ 애자일 방법론 기반의 프로젝트
3기 : 충분한 시수의 기초통계, 데이터 분석을 위한 파이썬 라이브러리 활
용, EDA 수준의 데이터시각화 + 애자일 방법론 기반의 프로젝트
이것들을 모두 다루려고 함

25. 결론
필요할 때 필요한만큼 배우는 것이 중요합니다. 그러기 위해서는 학습할 수
있는 능력 그 자체가 필요합니다. 필요 이상으로 넘치는 정보와 조언 속에서
내와 조직에서 지금 필요한 것을 판단할 수 있는 구조적 선택 능력이 요구됩
니다. 전략적으로 필요한 만큼 학습하고 나머지는 환경 속에서 체득하는
Learn- Learn by doing - Learn by stacking 의 단계가 필요하다고 생각합니다.

26. 탐색적 학습 & 전략적 집중

27. 필요한 만큼의 반복을 통해 쌓아 연결하고
비반복적인 시도를 통해 이질적으로 영역을 확대

28. 기술 교육 기획자
= 프로덕트 매니저 + 오퍼레이터 + 고객만족 관리자
= 컨셉을 기획하고 운영하고 피드백받아 지속적으로 개선하여 목표된 성장을 이루는 사람
= 이해관계자 구성에 따라 보고서를 쓰거나 각종 회의에 참여하거나 노가다를 하기도 함
= 성과를 내는 사람 =/ 좋은 사람

29. 어렵거나 힘들었던 점

30. 변화하는 속도가 굉장히 빠릅니다

31. 어제의 해답이 오늘의 답이 아닙니다

32. 재미있는것 < 의미있는것 < 가치있는것

33. 기술변화
교육수혜자 이해관계자
운영
강사
선발
커뮤니티
기술스택 비즈니스

34. 발표 끝

35. 아차

36. 데잇걸즈 3rd 데모데이
2019.12.06(금)

37. 데이터 교육 프로덕트 매니저의
고민과 실패, 성장 이야기
youngwung.kim@gmail.com
김영웅

38. 추천도서

40. 참고자료

41. <source=Hype Cycle for Emerging Technologies, 2014>

42. <source=Hype Cycle for Emerging Technologies, 2015>

43. <source=Hype Cycle for Emerging Technologies, 2016>

44. <source=Hype Cycle for Emerging Technologies, 2017>

45. <source=Hype Cycle for Emerging Technologies, 2018>

46. <source=http://www.accenture.com>
Accelerated by digital: A timeline of technology adoption curves