빅테크 기업의 스태프 데이터 사이언티스트입니다. 무엇이든 물어보세요(AMA)

• Reddit DataScience 채널에서, 미국 실리콘밸리 소재 대형 테크기업의 Staff Data Scientist가 AMA 한 내용 정리
• 통계학 박사 출신, 경력 약 10년으로 스타트업, 프리IPO 유니콘, FAANG 등 다양한 규모의 기업 경험
• 대부분 IC(Individual Contributor)로 일했으나, 일부 관리 경험도 있음
• 머신러닝, 실험/인과추론, 데이터 분석에 주로 강점

주요 질문과 답변 요약

PhD(박사) 학위의 가치?

• 박사가 있으면 첫 입사나 초반 커리어에 도움은 되지만, 커리어가 쌓일수록 영향력은 줄어듦
• 업계(특히 실리콘밸리)는 빠른 속도와 비즈니스 가치에 집중하며, 학문적 엄밀함보다 실용성이 중시됨
• 다시 결정한다면 5년 이상을 투자해 박사를 하지는 않을 것 같음. 산업 트렌드와 AI 발전 속도가 너무 빠름
• AI 연구 포지션은 PhD가 필요하지만, 제품 중심 DS/ML 역할에는 MS/BS도 충분함

커리어와 경력 개발

• IC에서 Senior 이상 승진하려면, 팀 밖까지 영향을 주고 전략/조직에 기여해야 함
• 신뢰 쌓기, 크로스펑셔널(협업) 프로젝트 리딩, 경영진/매니저와의 관계 구축이 중요
• 스타트업에서 성공하려면: 다양한 역할(엔드-투-엔드 ML/데이터 파이프라인/분석)을 소화할 수 있는 만능형, 비즈니스에 대한 열정 필요
• 경력 초반에는 기술력, 중후반엔 도메인 지식과 커뮤니케이션·리더십이 더 중요해짐

데이터 과학자의 미래와 AI

• AI가 단순/반복적 업무는 빠르게 대체하지만, 핵심 역량 있는 데이터 과학자는 오히려 돋보임
• Generative AI 도입 이후 업무 방식(코딩, 문서작성 등)은 변했지만 핵심 역할(분석, 모델링 등)은 여전히 유효
• 앞으로 AI가 더 많은 영역을 차지할 수 있지만, 복잡한 문제 해결과 도메인 해석, 소통 능력은 여전히 인재의 기준

실무와 조직 문화

• 인과추론/실험(AB Test) 중요성은 도메인에 따라 다름. 실험이 불가한 환경에선 관측 데이터 기반 인과추론 능력이 필수
• 비즈니스/리더와 소통할 땐: 기술적 디테일보다는 "왜, 무엇을 할 것인가"와 영향에 집중해서 설명
• 조직 문화가 인과추론, 데이터 품질을 중시하지 않으면 의사소통과 변화에 한계. 이직·팀 이동 고려 필요
• 매니저가 문제 인식을 못할 때는 신뢰 쌓기, 해결책 제시, 필요시 내부 이동·퇴사도 고려

역량 개발 및 취업 조언

• 경력 초기에는 인턴십/포트폴리오/프로젝트 경험이 중요. 기술 역량(코딩, ML 등)은 최소한의 기대치
• 도메인 지식, 커뮤니케이션, 문제 해결력은 AI·자동화 시대에도 더욱 차별화 포인트
• 학위·자격증보다는 실무 프로젝트와 경험이 더 우선
• 업계 채용은 ‘경험’을 중요시. 인턴, 컨설팅, 다양한 프로젝트 경험 쌓기 권장

기타 인사이트

• 스타트업이 망하는 신호: 사기 저하, 핵심 인력 이탈, 핵심 지표 악화 등
• 정치적 역량: 조직 전략과 연계된 프로젝트에 집중하고, 영향력 있는 관계 맺기
• 고연봉/복지: Netflix 등 빅테크 상위직 연봉 $750k 이상 현실적임(주식 포함)
• 커리어 만족감: 빅테크에서 데이터 규모 외에는 업무가 평이, 성장·재미 위해 부업 탐색 중