그레이스 호퍼는 20세기 컴퓨터 역사상 기념비적인 인물입니다. 그는 미 해군 제독 출신 프로그래머고요. 마흔이 가까운 나이에 프로그래밍을 배웠죠. 호퍼는 프로그래밍 민주화에 기여한 걸로 평가받는데요. 그는 사무처리를 위한 컴퓨터 프로그래밍 언어 ‘코볼’ 개발을 주도했습니다. 또 컴퓨터 언어처리를 위한 프로그램인 ‘컴파일러’*를 개발했죠. 이로써 컴퓨터 조작을 대중화하는 데 이바지했고요. 호퍼는 ‘프로그래밍 민주화’에 신념이 컸다고 합니다. 클레어 L. 에반스의 세상을 연결한 여성들>에 따르면, 그는 “컴퓨터 프로그래밍이 보다 널리 알려져 비전문가도 이용할 수 있어야 한다”고 믿었죠.
호퍼처럼 기술 민주화를 추구하는 움직임은 오늘날도 이어지고 있는데요. 코드를 사용하지 않고도 프로그램을 개발할 수 있는 ‘노코드(no code) 개발 플랫폼’ 열풍이 그 예죠. 이는 끌어서 놓는 ‘드래그 앤 드롭(drag-and-drop)’ 방식을 사용하는데요. 프로그래밍을 할 줄 모르는 사람도 사용법을 익히면 앱을 만들 수 있습니다. 인공지능(AI)을 클라우드에 구현해서 제공하는 서비스인 AIaaS(AI-as-a-service)도 기술 민주화와 맞닿아 있는데요. AIaaS는 봇·디지털 비서, 인지컴퓨팅 API, 머신러닝 프레임워크 등을 제공합니다. AI 원천 기술이 없는 기업에서도 AIaaS에서 자연어 처리, 음성 합성, 이미지 인식 기술 등을 이용할 수 있고요.
이제는 데이터 분석 방법에도 기술 민주화 흐름이 나타나고 있습니다. ‘시티즌 데이터 사이언티스트(Citizen Data Scientist·CDS)’가 그 주인공인데요. 데이터 사이언티스트는 기업 빅데이터를 저장, 처리, 분석하는 업무를 보는 전문가이죠. CDS는 ‘데이터 분석 전문가는 아니지만 머신러닝같은 데이터 사이언스 기술을 지원하는 소프트웨어로 데이터를 분석하고, 새로운 인사이트를 발견하며, 예측 모델을 만들어 비즈니스 결과를 개선하려는 사람’입니다. 통계학이나 코딩 기술을 몰라도 관련 소프트웨어를 사용해서 자신의 담당 업무와 관련된 데이터를 분석할 수 있고요. 요즘은 데이터 사이언티스트가 아닌 사람도 사용법만 익히면 데이터를 분석할 수 있는 소프트웨어가 많죠.
CDS는 데이터 사이언티스트가 필요한 기업이라면 관심 갖고 도입할 만한 직무인데요. IT 기업뿐만 아니라 모든 기업에서 주목할 만합니다. 오늘날은 데이터 경제 시대고요. 양질의 데이터를 많이 확보해서 이를 분석해야 합니다. 그래야 기업도 운영현황을 정확히 파악할 수 있죠. 아울러 여기서 인사이트를 도출해 업무에 반영해야 하고요. 이로써 코로나19로 시장환경이 급변한 요즘 시대에 민첩하게 대응할 수 있습니다. CDS 개념은 나온 지는 꽤 됐습니다만. 아직 아는 사람들만 아는 의제이죠. 이번 글에서는 CDS 개념과 대두 배경, 적용 사례를 알아보고요. 관련 소프트웨어와 CDS에게 필요한 요건, 전망을 살펴보겠습니다.
*컴파일러 : 코볼, 포트란, C 등 고급언어로 쓰인 프로그램을 어셈블리 언어나 기계어로 쓰인 프로그램으로 변환한다.
시티즌 데이터 사이언티스트가 일하는 방식
- Contextualized vision of the organization
- Proven application of analytic techniques to business problems
- Appetite for what matters relative to business priorities
- Been around the block and has connections
- Unique perspective of individual business area
- Able to go to bat to justify business value
- Involved hands-on in multiple analytic areas and activities
시티즌 데이터 사이언티스트(Citizen Data Scientist·CDS)는 ‘데이터 분석 전문가는 아니지만 머신러닝같은 데이터 사이언스 기술을 지원하는 소프트웨어로 데이터를 분석하고, 새로운 인사이트를 발견하며, 예측 모델을 만들어 비즈니스 결과를 개선하려는 사람’입니다. 여기서 ‘시티즌’은 말 그대로 ‘시민’이 아니고요. ‘전문 데이터 사이언티스트가 아닌 사람’, ‘데이터 사이언스 훈련을 정식으로 받지 않은 사람’ 등을 뜻하죠. 기업에서는 비즈니스 담당자, 인적자원관리(HR)·재무·마케팅 담당자, 소프트웨어 개발자, 엔지니어 등이 CDS로 일할 수 있습니다. 이런 사람들이 데이터 분석 업무를 데이터 사이언티스트에게 맡기지 않고요. 자신이 소프트웨어를 사용해서 직접 분석하는 거죠.
이 개념은 2015년 미국 연구·자문업체 가트너 연구 부사장인 알렉산더 린든이 제시하면서 알려졌는데요. 가트너에서는 CDS를 “주요 업무는 통계, 분석 분야가 아니지만 고급 진단 분석이나 예측, 처방 기능을 사용하는 (머신러닝) 모델을 만들거나 생성하는 사람”이라고 정의합니다. 아울러 “이전에 전문성을 더 요구했던, 단순하고 복잡한 분석 업무를 수행할 수 있는 파워 유저”라고 설명하고요. CDS는 특정한 고급 데이터 사이언스 전문성을 갖고 있지 않습니다. 이에 데이터 사이언티스트를 ‘대체’하지는 않고요.
CDS는 테니스 경기 분석, 백화점 제품 추천 등 여러 분야에서 활약합니다. IBM은 윔블던 테니스 대회에 AI 하이라이트 영상 제작 등 기술을 지원해 왔는데요. 2016년에는 선수 경기력을 분석하기 위해 테니스 전문가들에게 데이터 분석 프로그램인 ‘왓슨 애널리틱스’를 사용하게 했죠. 포브스에 따르면, 테니스 전문가들은 (선수들이) 쳤던 공을 추적하는 데이터 입력 업무를 맡았다고 합니다. 왓슨 애널리틱스는 ‘공이 떨어진 위치’처럼 작은 데이터 포인트를 사용해서 선수들의 경기 스타일 변화 여부를 판단할 수 있었다고 하는데요. 테니스 전문가 노하우와 소프트웨어 힘을 결합한 결과, 선수 경기력에서 새로운 인사이트를 도출할 수 있었다고 합니다.
미국 유통업체 시어스에서는 사내 비즈니스 인텔리전스(BI)* 분석가들을 CDS로 전환했는데요. 시어스는 미국 데이터 분석 기업인 ‘플랫포라’의 빅데이터 발견 소프트웨어 솔루션에 투자했죠. 이 회사는 BI 분석가 400명이 플랫포라 소프트웨어를 사용하도록 했습니다. 시어스 분석가들은 이 소프트웨어에서 고객 세분화 기능을 이용했고요. 시어스 웹사이트에서 고객 제품 추천 기능을 개선했죠. 고객 세분화는 “온·오프라인 데이터 소스를 활용해서 인구통계학 정보, 행동지표같은 특성에 따라 고객을 그룹으로 분류”하는 건데요. 이는 고급 데이터 사이언스 기능입니다. 시어스 사례는 CDS가 소프트웨어로 이 기능을 사용해서 현업 문제를 해결했다는 의미가 있고요.
CDS가 데이터를 효과적으로 분석하려면 소프트웨어 역할이 중요합니다. 데이터 사이언스 교육을 받지 않아도 사용법만 배우면 쉽게 쓸 수 있는 소프트웨어가 필요하죠. 시중에는 CDS의 데이터 분석을 지원하는 플랫폼이 많은데요. 아마존웹서비스(AWS), 마이크로소프트 애저, 알테릭스, 팍사타 등이 그 예죠. 삼성SDS에서도 통합 AI 플랫폼 ‘브라이틱스 AI(Brightics AI)’로 이를 지원합니다. 이는 방대한 정보를 수집, 처리해서 AI로 빠르게 분석하고요. 그 결과를 시각화해 쉽게 이해하도록 지원하죠. 또 모델링 지원 기능과 협업·관리 기능을 통합했고요. 기업에 통합분석환경을 제공해서 데이터 분석 전문가가 아닌 사람도 정형·비정형 데이터를 쉽게 분석할 수 있습니다.
*비즈니스 인텔리전스(BI) : 기업 의사결정을 위해 데이터를 분석해서 의미 있고 효율적인 정보를 도출하는 기술, 분야
시티즌 데이터 사이언티스트가 떠오르는 까닭
- 데이터 아키텍트 5.2%
- 데이터 개발자 13.9%
- 데이터 엔지니어 9.8%
- 데이터 분석가 14.5%
- 데이터베이스 관리자 7.0%
- 데이터 과학자 30.3%
- 데이터 컨설턴트 11.1%
- 데이터 기획자 7.4%
오늘날 CDS가 주목받는 이유는 복합적입니다. 첫째, 데이터 사이언스 중요성이 높아지고 있는데요. 데이터 사이언스를 활용하면 기업 운영에 중요한 인사이트를 얻을 수 있습니다. 미국 소프트웨어 기업 bmc에 따르면, 기업 사업 모델 핵심에는 여러 변수가 있는데요. “고객 특징과 활동, 매출 증가, 자원 소비, 직원 유지 등이 그 예”죠. 데이터 사이언스에서는 이런 변수를 모델링할 수 있고요. 여기서 “데이터 포인트가 어떻게 서로 연관됐는지, 회사 목표와 어떻게 관련됐는지” 보여주죠. 이로써 기업 운영과 관련된 인사이트도 도출할 수 있습니다. “데이터 모델을 만들려면 프로그래밍과 데이터 관계를 잘 이해해야” 하는데요. 이는 데이터 사이언티스트가 잘할 수 있죠. 빅데이터 시대에 데이터 사이언티스트가 기업에 필요한 이유입니다.
둘째, 문제는 데이터 사이언티스트 공급이 수요를 따라가지 못하고 있다는 거죠. 앞으로도 데이터 사이언티스트 수급 불일치는 계속될 걸로 예상되는데요. 과학기술정보통신부와 한국데이터산업진흥원의 ‘2020 데이터 산업 현황조사’에 따르면, 2025년 국내 전 산업에서 데이터 사이언티스트 부족률은 30.3%로 전망됐습니다. 이는 데이터 전체 직무 가운데 가장 높은 수치였고요. CDS는 몸값도 비쌉니다. 연봉이 억대에 달한다는 말도 있죠. 이에 모든 기업이 데이터 사이언티스트를 확보하기조차 어려운데요. CDS는 그 보완재로 주목받고 있죠.
셋째, 각 부서에서 데이터 사이언티스트 역량을 갖추는 건 이제 ‘규범’이 되고 있습니다. 미국 소프트웨어 기업인 워크데이 설문조사에 따르면, 최고재무책임자(CFO)와 재무 리더는 “데이터를 해석하고 이에 따라 행동하는 능력”을 “앞으로 5년 동안 재무팀 기능에 가장 가치 있는 기술”로 꼽았는데요. 이는 재무 분야뿐만이 아닙니다. 데이터 사이언스는 HR·마케팅 부서에도 필요한데요. 앞서 언급했듯 데이터 사이언티스트는 부족하죠. 모든 부서에 이를 배치할 수도 없습니다. 그렇다면 각 부서 실무자가 데이터 사이언스를 수행할 주체가 돼야 하겠죠. 그들이 CDS가 되는 겁니다.
- Data Preparation
- Machine Learning
- Deep Learning
- Analytics Service
넷째, CDS가 데이터 사이언스를 쉽게 이용할 수 있도록 관련 소프트웨어도 발전했는데요. 각 소프트웨어는 데이터 통합, 모델 구축같은 기능을 자동화합니다. 데이터 준비, 인사이트 발견, ‘자동화된 머신러닝(AutoML)’과 같은 데이터 사이언스 기능도 자동화돼 있죠. 가트너에서는 이미 2020년까지 데이터 사이언스 업무 40% 이상이 자동화될 걸로 전망했습니다. CDS는 자동화 솔루션에 힘입어 데이터 분석 과정을 효율화하고요. 이는 기업에서 운영현황을 정확하고 신속하게 평가하고, 빠른 의사결정을 내리는 데 도움될 수 있습니다.
다섯째, 데이터 사이언티스트에게 비즈니스 도메인 등을 가르치는 것보다 각 부서 실무자를 CDS로 훈련시키는 게 더 쉽다는 평가도 있죠. 각 부서 실무자는 비즈니스 도메인을 잘 압니다. 이들은 비즈니스 프로세스*를 운영한 경험이 있기 때문이죠. 따라서 데이터 분석 소프트웨어 사용법만 배우면 됩니다. 가트너에 따르면, 사용법을 파악하는 데 1~2주 걸리고요. 대부분 업체에서는 교육, 사용 지침서를 제공합니다. 각 부서 실무자가 CDS가 되는 데 큰 품이 들지 않죠.
그러나 데이터 사이언티스트는 각 부서 실무자가 이미 숙지한 비즈니스 도메인을 따로 학습해야 합니다. 데이터 사이언티스트가 없는 조직이라면 이들을 채용하는 데 시간이 또 필요하죠. 데이터를 신속히 분석해야 할 상황에서 이는 추가 비용이자 장벽이 될 수 있습니다. 독일 IT 기업 아벤가에서는 이렇게 설명하는데요. “데이터 사이언티스트와 엔지니어를 고용하고, 비즈니스 도메인과 기업의 로컬 데이터 소스 세부사항을 교육하는 데 시간이 걸립니다. 기업은 몇 달 지나야 투자에 따른 성과를 볼 수 있고요. 우리는 그렇게 오래 기다릴 수 없습니다.”
*비즈니스 프로세스 : 고객을 위해 특정한 서비스나 제품을 만드는 업무 활동 집합. 제품 디자인, 마케팅, 판매, 회계재무관리, 제조, 물류, 공급사설관리(SCM), 고객관계관리(CRM)같은 기업 경영 활동에서 목표를 달성해 가는 일련의 단계
누가 시티즌 데이터 사이언티스트 적임자인가
소프트웨어 도움을 받으면 누구나 CDS가 될 수 있습니다. 그러나 아무나 CDS가 되는 건 아니죠. 일각에서는 CDS에 적합한 인재상을 제시하는데요. bmc에서는 이상적인 CDS를 이렇게 설명합니다. 첫째, 회사 비전·미션·필요, ‘데이터가 그들 필요를 촉진하는데 어떻게 도움되는지’를 이해해야 하고요. 둘째, 정해진 범위 너머를 생각할 수 있어야 합니다. 보통 비전문가가 개념화할 수 있는 수준을 넘어 데이터 모델과 연결을 만들고요. 셋째, 분석적이어야 합니다. 복잡한 데이터 분석을 수행해야 하기 때문이죠. 분석적 성향은 CDS의 ‘품질보증마크’입니다. 넷째, 데이터를 논리적으로 평가하고요. 보통 사람이 보지 못하는 데서 의미 있는 결론을 도출해야 합니다. 다섯째, 기존 직무에서 승진하고 싶다면 자신이 하는 일에서 가치를 강조할 수 있어야 하고요. 여섯째, 데이터 사이언스와 가까운 분야에서 일하는 사람이 CDS 최고 적임자입니다. 수학과 분석 프로세스를 많이 다루는 직무가 여기에 해당하죠. 특히 소프트웨어 개발자, 엔지니어가 CDS에 적합하다고 하고요.
기업에서는 CDS를 양성할 때, 데이터 보안도 유의해야 합니다. 앞으로 더 많은 데이터가 CDS에 노출될 수 있는데요. 미국 온라인 소프트웨어 마켓플레이스인 캡테라에 따르면, “데이터가 잘못된 곳에 흘러갈 가능성도 높아지죠”. 기업에서는 CDS를 양성하는 만큼 데이터 보안을 잘 지켜야 하고요. CDS에도 데이터를 안전하게 지키는 방법을 훈련시켜야 합니다. 캡테라에서는 “조직에 데이터 사용 방법을 감독할 ‘수호자(Guardian)’가 있어야 한다”고 제언하는데요. 기존 데이터 담당자, 데이터베이스 관리자와 함께 운영하면 보안을 지키는 데 도움될 수 있습니다.
‘앞으로 CDS가 늘어나면 데이터 사이언티스트 미래는 어떻게 될까’ 궁금해지는데요. CDS가 떠올라도 데이터 사이언티스트 자리는 위협받지 않을 거라는 전망이 많습니다. 기업에서는 여전히 데이터 사이언티스트가 필요한데요. 딜로이트 컨설팅의 인지·분석 업무 매니징 디렉터인 빌 로버츠는 기술매체 CIO 인터뷰에서 이렇게 말합니다. "기업은 여전히 통계전문가, 데이터 사이언티스트, 보험계리사, 고급수학 기술에 정통한 기타 전문가가 필요합니다." 이는 CDS가 모든 빅데이터 문제를 쉽게 다룰 수 없기 때문이고요.
데이터 사이언티스트는 CDS가 소화하기 어려운 업무를 해낼 수 있습니다. CDS가 다루는 소프트웨어에 문제가 생길 수 있는데요. 이때 데이터 사이언티스트같은 전문가 도움이 필요합니다. 마이크 갈티어리 포레스터 수석 애널리스트는 이렇게 말하는데요. “CDS는 모델을 만드는 데 중요한 엔터프라이즈 데이터가 뭔지 압니다만. GBM, 랜덤 포레스터, SVM 차이는 모를 수 있습니다. 이들 알고리즘은 데이터 사이언티스트 전문용어죠”.
정리하면, CDS는 데이터 사이언티스트 보완재이며 대체재는 아닙니다. 다만 데이터 사이언티스트만으로 데이터 분석 수요를 모두 해결하기 어렵고요. 소프트웨어 힘을 빌려 이 수요를 해소하는 거죠. 만약 기술이 더 발전하면 데이터 사이언티스트 의존도를 더 낮출 수 있을지도 모릅니다.
마무리하며
지금까지 시티즌 데이터 사이언티스트(Citizen Data Scientist·CDS) 개념과 대두 배경, 적용 사례를 살펴봤고요. 관련 소프트웨어와 CDS에게 필요한 요건, 전망을 알아봤습니다. 이번 글의 요점은 다음과 같은데요.
1. 시티즌 데이터 사이언티스트(CDS)는 ‘데이터 분석 전문가는 아니지만 자동화 솔루션으로 실무 수준에서 데이터를 분석하는 사람’입니다.
2. 가트너에서는 CDS를 “주요 업무는 통계, 분석 분야가 아니지만 고급 진단 분석이나 예측, 처방 기능을 사용하는 (머신러닝) 모델을 만들거나 생성하는 사람”이라고 정의하고요.
3. 기업에서는 비즈니스 담당자, 인적자원관리(HR)·재무·마케팅 담당자, 소프트웨어 개발자, 엔지니어 등이 CDS로 일할 수 있습니다.
4. CDS는 테니스 경기 분석, 백화점 홈페이지 제품 추천 기능 개선 등 여러 분야에서 활약했고요.
5. 시중에는 데이터 사이언스 교육을 받지 않아도 사용법만 배우면 쉽게 쓸 수 있는 데이터 분석 소프트웨어가 많죠. 삼성SDS의 통합 AI 플랫폼 ‘브라이틱스 AI(Brightics AI)’도 그 중 하나입니다.
6. 오늘날 CDS가 주목받는 이유는 다섯 가지인데요. 첫째, 데이터 사이언스 중요성이 높아지고 있습니다. 둘째, 데이터 사이언티스트 공급이 수요를 따라가지 못하고 있고요. 셋째, 각 부서에서 데이터 사이언티스트 역량을 갖추는 게 ‘규범’이 되고 있죠. 넷째, CDS가 데이터 사이언스를 쉽게 이용할 수 있도록 관련 소프트웨어도 발전했고요. 다섯째, 데이터 사이언티스트에게 비즈니스 도메인 등을 가르치는 것보다 각 부서 실무자를 CDS로 훈련시키는 게 더 쉽다는 평가가 있죠.
7. bmc에 따르면, CDS에 적합한 인재상은 이렇습니다. 첫째, 회사 비전·미션·필요, ‘데이터가 그들 필요를 촉진하는데 어떻게 도움되는지’ 이해하는 사람. 둘째, 정해진 분야 너머를 생각할 수 있는 사람. 셋째, 분석적인 사람. 넷째, 데이터를 논리적으로 평가하고, 보통 사람이 보지 못하는 데서 의미 있는 결론을 도출하는 사람. 다섯째, 그들이 하는 일에서 가치를 강조하는 사람. 여섯째, 소프트웨어 개발자나 엔지니어 등 데이터 사이언스와 가까운 분야에서 일하는 사람.
8. CDS가 떠올라도 데이터 사이언티스트 자리는 위협받지 않을 걸로 전망되는데요. CDS가 모든 빅데이터 문제를 쉽게 다룰 수 없죠. CDS는 데이터 사이언스트 보완재이며 대체재가 아닙니다.
References
[1] 클레어 L 에반스, ‘세상을 연결한 여성들’, 해나무, 2020
[2] ’컴파일러’ 시사상식사전 페이지, 2021.5.17 접속, terms.naver.com/entry.naver?docId=932303&cid=43667&categoryId=43667
[3] ’코볼’ 두산백과 페이지, 2021.5.17 접속, terms.naver.com/entry.naver?docId=1150140&cid=40942&categoryId=32838
[4] ’데이터 사이언티스트’, 시사상식사전 페이지, 2021.5.17 접속, terms.naver.com/entry.naver?docId=2805313&cid=43667&categoryId=43667
[5] 조성호, ‘인공지능과 언택트 시대, 국내 주요산업의 클라우드 도입 현황 및 전망’, 정보통신산업진흥원, 2020.4.22, www.nipa.kr/main/downloadBbsFile.do?key=116&bbsNo=11&bbsTy=&atchmnflNo=11575
[6] Carlie Idoine, ‘Citizen Data Scientists and Why They Matter’, Gartner, 2018.5.13, blogs.gartner.com/carlie-idoine/2018/05/13/citizen-data-scientists-and-why-they-matter/
[7] ’Gartner Says More Than 40 Percent of Data Science Tasks Will Be Automated by 2020’, Gartner, 2017.1.16, www.gartner.com/en/newsroom/press-releases/2017-01-16-gartner-says-more-than-40-percent-of-data-science-tasks-will-be-automated-by-2020
[8] ’시민 데이터 과학자’ CLICK AI 페이지, 2021.5.15 접속, clickai.ai/resource/wiki/data_science/citizendatascientist_kor
[9] Adrian Bridgwater, ‘Advantage Big Data, IBM Serves Wimbledon Ever Deeper Analytics’, Forbes, 2016.6.27, www.forbes.com/sites/adrianbridgwater/2016/06/27/advantage-big-data-ibm-serves-wimbledon-ever-deeper-analytics/?sh=228803dc5342
[10] Stephen Watts, ‘Enabling the Citizen Data Scientists’, bmc, 2020.6.1, www.bmc.com/blogs/citizen-data-scientist/
[11] 삼성전자 인공지능/애널리틱스 페이지, 2021.5.17 접속, www.samsungsds.com/kr/ai/ai.html
[12] Steve Banker, ‘The Citizen Data Scientist’, Forbes, 2018.1.19, www.forbes.com/sites/stevebanker/2018/01/19/the-citizen-data-scientist/?sh=484fab8d2702
[13] Jillian Ogawa, ‘Why a Midsize Company’s Best Employee Could Be the ‘Citizen Data Scientist’’, Workday, 2019.12.6, blog.workday.com/en-us/2019/why-a-midsize-companys-best-employee-could-be-the-citizen-data-scientist.html
[14] ’2020 데이터산업현황조사 보고서’, 과학기술정보통신부·한국데이터산업진흥원, 2021.3, www.kdata.or.kr/info/info_01_view.html?field=&keyword=&page=1&dbnum=297&mode=detail&type=
[15] 김성수, ‘[화제의 현장] “시민 데이터 과학자는 선택이 아닌 필수다”’, 컴퓨터월드, 2017.9.28, www.comworld.co.kr/news/articleView.html?idxno=49315
[16] Jacek Chmie, ‘Citizen data scientist – low code movement equivalent for data space’, Avenga, 2021.2.9, www.avenga.com/magazine/citizen-data-scientist/
[17] Geoff Hoppe, ‘4 Easy Steps To Become A Citizen Data Scientist’, Capterra, 2017.5.30, blog.capterra.com/4-easy-steps-to-become-a-citizen-data-scientist/
[18] ’비즈니스 프로세스’ IT용어사전, 2021.5.21 접속, terms.naver.com/entry.naver?docId=864510&cid=50371&categoryId=50371
[19] Clint Boulton, ‘The age of the citizen data scientist has arrived’, CIO, 2018.11.26, www.cio.com/article/3322940/the-age-of-the-citizen-data-scientist-has-arrived.html
[20] Mike Gualtieri, ‘Who Are You, Citizen Data Scientist?’, Forrester, 2019.2.8, go.forrester.com/blogs/who-who-who-are-you-citizen-data-scientist/
▶ 해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 기고자에게 저작권이 있습니다.
▶ 해당 콘텐츠는 사전 동의 없이 2차 가공 및 영리적인 이용을 금하고 있습니다.
프리랜서 테크니컬 라이터