퇴근 후 카페에서 우연히 마주친 두 직장인. 한 명은 SQL 쿼리문이 담긴 노트를 펼쳐 들고 있었고, 다른 한 명은 통계 용어가 빼곡한 프린트물을 넘기고 있었다. 둘 다 데이터 분석 관련 자격증을 준비 중이었다. 그런데 대화를 듣고 있자니 흥미로운 점이 보였다. 전자는 마케팅 부서에서 고객 세그먼트를 나누는 일을 했고, 후자는 품질 관리팀에서 불량률을 분석하는 일을 했다. 둘 다 데이터를 다루지만, 실제 업무의 성격은 완전히 달랐다. 자격증 선택도 그 차이를 따라가야 한다.
데이터 분석 관련 자격증을 준비하려는 직장인에게 흔히 전해지는 조언은 시험 난이도나 합격률 위주다. 하지만 정작 중요한 기준은 따로 있다. 자격증의 시험 과목과 그 자격증을 요구하는 업무 환경이 자신의 현재 업무와 얼마나 맞닿아 있는지다. 난이도가 낮은 자격증을 따 놓아도 실제 업무에 활용하지 못하면 서류상의 한 줄에 불과하다. 반대로 어려운 자격증이라도 매일 하는 업무와 연결되면 공부 효율이 높아진다.
데이터 분석 자격증은 크게 두 축으로 나뉜다. 하나는 데이터를 추출하고 가공하는 데 초점을 맞춘 유형이고, 다른 하나는 데이터에서 의미를 해석하고 예측하는 데 초점을 맞춘 유형이다. 전자는 SQL 쿼리 작성, 데이터베이스 설계, 엑셀을 활용한 정제 작업이 시험 과목에 포함된다. 후자는 통계적 추론, 가설 검정, 회귀 분석 같은 개념이 주를 이룬다. 자격증마다 두 축의 비중이 다르기 때문에, 본인의 업무가 어느 쪽에 가까운지 먼저 확인해야 한다.
예를 들어 물류 회사에서 재고 데이터를 관리하는 직무를 맡고 있다면, 데이터를 빠르고 정확하게 뽑아내는 능력이 중요하다. 이 경우에는 데이터베이스에서 원하는 정보를 추출하는 쿼리 작성 능력을 평가하는 자격증이 도움이 된다. 시험 과목에 데이터 모델링이나 SQL 활용이 포함되어 있는지 살펴보면 된다. 반면 금융 회사에서 고객의 대출 상환 가능성을 예측하는 업무를 한다면 통계 모델링과 분석 기법을 묻는 자격증이 더 실무와 가깝다. 의사 결정을 지원하기 위한 시각화 역량도 함께 평가받는다.
데이터 시각화 도구의 활용 능력을 직접 시험에 반영하는 자격증도 있다. 대시보드를 만들고 지표를 시각화하는 과정을 평가하는데, 이런 자격증은 경영 보고나 성과 관리 업무를 하는 직장인에게 유리하다. 엑셀 기초 데이터 정리 방법을 넘어서서, 여러 데이터 소스를 연결하고 동적인 대시보드를 구성하는 능력을 요구한다. 하지만 시험 과목에 시각화 도구 사용법이 포함되어 있다고 해서, 그 도구의 모든 기능을 외울 필요는 없다. 실제 업무에서 보고서를 만들 때 활용할 수 있는 수준의 기능을 묻는 경우가 대부분이다.
처음 데이터 분석을 시작하는 직장인이라면 통계 개념을 정리해 두는 것이 중요하다. 평균과 분산의 개념 정도는 기본이고, 상관관계와 인과관계를 구분하는 논리적 사고가 필요하다. 이와 같은 통계 기초를 바탕으로 데이터 분석 관련 자격증을 고르면, 단순히 합격을 위한 공부가 아니라 업무에서 바로 적용할 수 있는 공부가 된다. 통계 과목이 포함된 자격증을 준비하면서 공공데이터 활용 사례를 병행해서 살펴보면 더 좋다. 각종 공공기관에서 제공하는 데이터를 직접 내려받아 분석해 보는 것이다. 이 과정은 자격증 시험에서 요구하는 데이터 해석 능력과도 연결된다.
SQL 쿼리 작성 기초를 익히는 것도 업무 성격에 따라 선택 기준이 달라진다. 데이터 분석가로 전환하려는 직장인은 SQL과 통계를 동시에 평가하는 자격증을 고려할 수 있다. 하지만 현재 업무가 데이터를 직접 다루기보다 데이터 분석 결과를 보고하는 역할이라면, 시각화와 대시보드 제작 능력에 중점을 둔 자격증이 더 적합하다. 자격증마다 시험 과목이 다르고, 같은 이름의 자격증이라도 등급에 따라 출제 범위가 크게 달라질 수 있다. 그래서 자격증을 선택하기 전에 반드시 시험 과목 세부 항목을 확인해야 한다.
재직 중인 직장인이 자격증을 준비할 때는 시간 제약이 크다. 모든 과목을 골고루 공부하기보다는 자신의 업무에서 자주 마주치는 주제부터 공략하는 것이 효율적이다. 예를 들어 영업 관리 업무를 한다면 매출 데이터를 집계하는 과정에서 엑셀을 쓸 일이 많다. 이 경우 데이터 분석 관련 자격증 중에서도 엑셀을 활용한 데이터 처리 과목이 포함된 자격증을 선택하는 편이 낫다. 반대로 IT 부서에서 일한다면 파이썬 판다스 입문 수준의 코드 작성 능력을 요구하는 자격증이 업무와 잘 맞는다. 프로그래밍 언어를 활용한 데이터 전처리 과정을 시험에 포함하는지가 선택의 핵심 기준이 된다.
자격증 공부를 시작하기 전에, 해당 자격증이 실제 채용 시장에서 어떻게 쓰이는지 파악해 두는 것이 좋다. 일부 기업은 특정 자격증 보유자를 우대하기도 하지만, 대부분의 회사는 자격증 자체보다 데이터 분석 실무 역량을 평가한다. 따라서 자격증 취득을 목표로 삼기보다, 자격증 공부 과정에서 익힌 기술을 이력서의 프로젝트 경험에 녹여내는 것이 중요하다. 공공데이터를 활용해 분석 보고서를 만들어 본 경험이나, 회사 내부 데이터로 대시보드를 제작한 경험은 자격증 한 줄보다 대화 주제로 삼기 좋다.
결국 데이터 분석 관련 자격증 선택은 마치 옷을 고르는 것과 같다. 남들이 입는다고 나에게 어울리는 것은 아니다. 시험 난이도 순위를 따져서 쉬운 것부터 도전하는 방식보다, 지금 하는 업무에서 어떤 데이터 기술이 필요한지 먼저 점검하는 것이 낫다. 데이터베이스를 다루는 일이 많다면 SQL 중심의 자격증, 숫자와 통계를 활용한 의사 결정이 주 업무라면 통계 분석 중심의 자격증, 경영진에게 보고하는 일이 잦다면 시각화 중심의 자격증이 적절하다. 각 자격증의 시험 과목을 비교할 때는 단순 명칭이 아니라 출제 항목 하나하나를 자신의 업무와 대조해 보기 바란다. 그렇게 선택한 자격증은 단순한 스펙이 아니라 업무 능력을 증명하는 도구가 된다.