▲ 체결식 후 계약서를 들고 포즈를 취하고 있는 전종민 SK하이닉스 기업문화 Talent Growth 부사장과 이해근 고려대학교 공과대학 학장(좌측부터)

SK하이닉스는 당사 구성원들의 데이터분석 역량 강화를 목적으로 고려대학교(이하 고려대)와 함께 반도체데이터사이언스 계약학과를 신설하기 위한 협약식을 12일에 진행했다. 고려대 공과대학에서 개최된 이번 협약식에는 전종민 SK하이닉스 기업문화 Talent Growth 부사장을 비롯해 이해근 고려대학교 공과대학 학장 등 SK하이닉스와 고려대 관계자들이 참석했다.

SK하이닉스는 이번 반도체데이터사이언스 계약학과 신설을 통해 SK하이닉스 구성원들의 반도체 분야 AI·DT 역량을 강화할 계획이라고 밝혔다. 특히 인공지능(Artificial Intelligence, AI)과 디지털 전환(Digital Transformation, DT)이 더욱 중요해지고 있는 4차 산업혁명에 맞춰 구성원들에게 AI·DT 전문가로의 성장 기회를 확대할 것이라고 덧붙였다.

오는 2023년 봄 학기부터 본격적으로 시작하는 본 학과 과정은 2년 동안 총 4학기로 진행될 예정이며, 반도체 데이터사이언스를 위한 기초부터 시작해 데이터 마이닝*과 같은 빅데이터 분석과 머신러닝*, 딥러닝* 등 인공지능 관련 기법들에 대한 학습을 진행하게 된다.

* 데이터 마이닝(Data Mining): 많은 데이터 가운데 숨겨져 있는 유용한 상관관계를 발견하여, 미래에 실행 가능한 정보를 추출할 수 있는 기술
* 머신러닝(Machine Learning): 인공지능의 연구 분야 중 하나로, 인간의 학습 능력과 같은 기능을 컴퓨터에서 실현하고자 하는 기술 및 기법
* 딥러닝(Deep Learning): 컴퓨터가 스스로 외부 데이터를 조합, 분석하여 학습하는 기술

특히 해당 학과 커리큘럼에는 학습한 데이터 분석 기법을 활용해 실제 반도체 공정 데이터에 적용하는 프로젝트도 포함돼 있다. 이를 통해 SK하이닉스 구성원들은 실무 역량과의 시너지를 기대할 수 있을 것으로 보인다.

더불어 구성원들이 업무와 역량 강화를 병행할 수 있도록 온-듀티(On-Duty) 형태의 커리큘럼을 운영하며, SK하이닉스는 구성원들의 과정 수료를 위한 비용 일체를 지원한다. 또한, 업무와 학업을 병행해야 하는 학과 과정 참여 인원에 대해서는 학습의 효율성 제고를 위해 시험 준비와 연구과제 수행을 위해 ‘몰입 연구일’도 지원한다.

이날 협약식에 참여한 전종민 Talent Growth 부사장은 “SK하이닉스 맞춤형 커리큘럼과 고려대학교의 우수한 교수진의 강의를 통해 구성원들이 미래 반도체 산업에 필수적으로 요구되는 AI·DT 역량을 갖출 수 있기를 기대한다”며 “참여하는 구성원들의 커리어 경쟁력에도 본 계약학과 과정이 큰 도움이 될 것으로 보인다”고 밝혔다.

세상 속 숨겨진 패턴을 발굴하는 데이터 사이언티스트

바야흐로 빅데이터(Big data)의 시대다. 인터넷과 스마트폰 보급, 다양한 SNS 출현 등으로 전 세계 데이터양은 폭발적으로 급증하고 있다. 그리고 이 방대한 양의 데이터를 얼마나 똑똑하게 활용하느냐가 현시대 기업의 경쟁력이 되었다. 이제는 IT 분야를 넘어 거의 모든 산업에서 데이터 과학(Data Science)에 주목하고 있다.

그리고 여기, 한 명의 데이터 사이언티스트가 있다. 바로 SK하이닉스 Data Science 조직 내 DAT(Data Analytics Technology)팀의 막내이자 입사 10개월 차 하이지니어, 오영택 TL. 그는 현재 동일 공정에서 장비 간 차이를 분석하여 공정의 산포를 줄이는 TTTM(Tool To Tool Matching) 작업에 필요한 분석 지원 및 분석 확산 시스템 개발 업무를 담당하고 있다.

“어릴 적 갖고 놀던 만화경 속을 들여다보면 신기한 패턴들이 보입니다. 그리고 만화경을 돌리면 그에 따라 새로운 패턴들이 나타나죠. 데이터 분석은 저에게 세상을 품은 만화경과 같습니다. 저는 데이터 분석을 통해 이 세상에 숨어 있는 지식을 탐구하고, 이를 발전시켜 새로운 가치를 만들어내는 일을 하고 있습니다.”

오영택 TL이 데이터 분석에 처음 관심을 갖게 된 건, 약 3년 전 관광 빅데이터 경진대회에 참가하면서부터다. 당시 그는 서울 관광지의 카드 거래내역 및 관광객 출입국 통계자료, 관광 관련 웹문서 등을 이용해 한국의 관광 진흥 정책 효과 분석 및 개선방안을 제안하고, 이를 애플리케이션으로 시스템화한 작품을 공모해 금상을 수상했다.

“당시 관광에 대해 거의 무지했던 상태였어요. 하지만 관련 데이터를 분석하면서 한국에 어떤 사람들이 찾고 있으며, 그들이 어느 지역에서 어떠한 소비를 하는지에 대해 알게 됐죠. 그동안 몰랐던 지식들을 습득하고, 이를 바탕으로 새로운 가치를 부여하는 일이 너무 재미있었어요. 그때부터 데이터 분석에 집념을 보이기 시작한 것 같아요”

데이터 고수가 반도체를 만났을 때

구글, 아마존, 넷플릭스… 우리가 익히 알고 있는 글로벌 IT 공룡들은 빅데이터를 활용해 성장했다고 해도 과언이 아니다. 오영택 TL 역시 처음엔 IT•소프트웨어 분야로 취업을 준비했다고 한다. 그런 그가 SK하이닉스와 인연을 맺게 된 계기는 무엇일까.

“IT•소프트웨어 분야에서의 데이터 분석 및 개발 업무는 부가가치를 창출하지만, 그 안에서 저의 활동이 실질적으로 어느 정도의 가치를 갖는지 산정하는 게 쉽지 않습니다. 반면 반도체 분야에서는 데이터 분석 및 개발 업무가 생산성 향상과 직결돼 저의 활동이 가시적인 화폐가치로 환산됩니다. 그래서 더욱 더 성취감을 느낄 수 있을 것 같았어요. 무엇보다 반도체는 대한민국 경제를 책임지고 있는 만큼, 저도 여기에 이바지하여 나라 경제에 도움이 되고 싶었고요”

반도체 산업은 최근 미세공정 난이도 증가 등으로 방대한 양의 데이터가 발생하고 있다. 이를 기반으로 최적의 솔루션을 찾기 위해, SK하이닉스는 지난 2016년 데이터 분석만을 전문적으로 담당하는 데이터 사이언스(Data Science) 조직을 신설했다. 데이터 사이언스 조직은 SK하이닉스 반도체를 연구•개발•생산하는 모든 과정에서 생성되는 수많은 데이터를 처리•분석한다. 현업과의 협업 속에서 공정의 개선점을 찾아 생산성을 향상시키고, 난제를 해결하는 실마리를 제공하기도 한다.

“하나의 반도체 공정에는 여러 대의 장비가 필요합니다. 같은 공정에서 사용하는 장비라도 나오는 데이터는 각각 다르죠. 제가 담당하고 있는 TTTM은 이러한 장비 간 오차를 최소화하는 작업입니다. 미세한 오차는 간과하기 쉽지만, 저는 조금이라도 간극을 줄이기 위해 더욱더 집념을 다해 노력하고 있습니다. 현업의 난제 해결을 통해 생산성 향상에 기여하여 고맙다는 피드백을 받을 때 뿌듯함을 느낍니다”

더불어 전사적으로 스마트하게 일하는 방식을 전파하는 역할을 도맡고 있다. 경험과 노하우로 문제를 해결하는 것이 아닌, 통계 및 데이터 분석 기술을 통해 의사결정을 하는 DDD(Data Driven Decision) 문화를 확산시키기 위해 노력 중. 오영택 TL은 “분석 업무 이외에 자동화 시스템을 구축하는 일을 하고 있다”며 “기존 현업의 루틴한 업무들을 시스템화하여 좀더 생산적인 활동에 집중할 수 있도록 돕고 있다”고 말했다.

나를 완성시킨 99%의 집념

오영택 TL은 SK하이닉스를 넘어 SK그룹이 인정하는 자타공인 ‘데이터 분석 고수’다. 지난 7월 SK그룹에서 주관한 데이터분석경진대회에서 콘텐츠 예측 모델 부문에 참가해 1등을 수상했다. BTV 고객들의 영화 시청 이력 일부를 이용해 해당 고객에게 영화콘텐츠를 추천하는 과제였다. 당시 오영택 TL은 데이터 분석 방법론에서 최근 가장 핫한 딥러닝, 그중 시퀀셜 데이터를 잘 표현하는 알고리즘인 LSTM(Long Short Term Memory)를 이용해 모델을 개발했다.

이번 대회는 팀당 최대 20회까지 답안 제출이 가능했다. 개인으로 출전한 오영택 TL은 더 나은 모델을 완성하기 위해 마지막까지 20회를 꽉 채워 답안지를 제출했다. 대회가 진행되는 3주 동안 퇴근 후 따로 시간을 할애해야 한 만큼 힘들었을 법도 했지만, “좋아하는 일이기에 힘든 줄도 몰랐다”며 미소 짓는 오영택 TL은 ‘워커홀릭’보다는 ‘데이터 덕후’에 가까워 보였다.

“사람들의 과거 시청 이력 데이터를 통해 영화를 추천하는 모델을 만들고 제가 만든 모델의 추천 영화와 실제 사람들의 시청 영화가 일치할 때 큰 보람과 희열을 느꼈습니다. 평소에도 저는 영화나 맛집 등 좋은 것이 있으면 주변 지인들에게 추천하는 것을 좋아하거든요. 추천 알고리즘 개발은 제가 좋아하는 일을 정량적으로 평가 받을 수 있는 기회이기도 했죠. 3주간 퇴근 시간이 또 다른 의미로 너무 기다려졌어요. 얼른 집에 가서 데이터 분석을 할 생각에요”

나의 Tenacity는 퇴근 후에도 계속된다

우리는 좋아하는 일을 직업으로 삼은 이들을 ‘덕업일치’라 표현하곤 한다. 모든 직장인의 이상향이기도 하다. 완벽한 덕업일치를 이룬 듯한 오영택 TL. 데이터 분석이 일이 되었지만, 퇴근 후에도 그의 집념은 멈추지 않는다.

“데이터 분석을 하다 보면 하나를 붙잡고 끈질기게 매달려야 해요. 바쁜 일상을 보낸 뒤 새벽이 오면, 주변이 정리되고 제가 원하는 일에 집념할 수 있는 상태가 됩니다. 그 시간에 데이터 분석을 공부하거나 프로젝트를 진행하면 그 어느 때보다 만족할만한 결과를 얻습니다. 어느덧 정신을 차려보면 항상 아침 해가 떠 있고 뿌듯하게 잠을 청하죠”

덕분에 불면증을 항상 달고 산다는 그는, 평일에도 가끔씩 밤을 새우고 출근을 하곤 한다. 학창 시절에도 게임보다 데이터 분석이 더 재미있었다고 하니, 이쯤 되면 그가 부러워지는 한편 그의 ‘워라밸’이 걱정되기 시작한다.

“저는 회사에서는 회사를 위한 데이터 분석을, 집에서는 제가 하고 싶은, 저만을 위한 데이터 분석을 합니다. 기술은 같지만 도메인이 다르다고 할 수 있겠네요. 일과 취미를 통해 저의 능력은 같은 방향으로 성장하겠지만, 충분히 일과 삶은 구분돼 있답니다”

SK하이닉스 데이터 사이언스 조직에서 일한 지 이제 10개월. 새내기 하이지니어로서, 이제 막 첫발을 뗀 데이터 사이언티스트로서 그가 꿈꾸는 미래는 어떤 모습일까?

“남들에게 좋은 영향을 주는 사람이 되고 싶어요. 데이터 분석을 통해 회사 구성원들의 업무에 좋은 영향을 주는 것처럼, 저의 능력을 발휘하여 제 주변에 좋은 변화를 전파하는 게 제 인생의 모토입니다. 그리고 제 주변부터 시작해서 더 나아가 우리나라, 전세계에 영향을 줄 수 있는 업적을 이루는 게 꿈이에요. 그게 아직은 뭔지 잘 모르겠습니다. 조금 막연한가요? 아직은 꿈이니까요. (웃음)”

4차 산업혁명 시대의 핵심 자산, 빅데이터(Big Data)! 이것을 어떻게 활용하느냐가 곧 기업의 경쟁력이 되고 있는 지금, SK그룹에도 빅데이터 전문가들이 곳곳에서 활약하고 있는데요. 그래서 준비한 공감 토크쇼! 오늘은 SK하이닉스와 SK브로드밴드, SK플래닛의 빅데이터 전문가들이 함께 자리해 이야기를 나누어보는 시간을 가졌습니다.

우리가 바로 빅데이터 전문가!

▲ 박수빈 매니저(좌), 김종환 책임(우)

▲ 박성욱 매니저

Q. 각자 맡은 ‘빅데이터’ 업무를 소개해주세요!

SK하이닉스 Data Architect Lab 김종환 책임 데이터사이언스실에서는 반도체 생산 과정과 회사 운영 전반의 데이터를 두루 다룹니다. 빅데이터 업무는 크게 데이터 엔지니어링(Data Engineering)과 데이터 분석(Data Analytics)으로 나뉘는데요. 저는 데이터 엔지니어링 분야에서 데이터 처리 시스템 구축에 관여하고 있습니다.

SK브로드밴드 Data 분석팀 박수빈 매니저 SK브로드밴드 자회사 SK스토아의 데이터 분석 지원을 담당하고 있습니다. SK스토아와 SK브로드밴드에서 발생한 데이터의 접점을 찾아 분석하고, 두 회사의 데이터를 연동해 비즈니스에서 새로운 시너지를 창출할 수 있도록 지원하고 있어요.

SK플래닛 Data Biz&Tech 그룹 Data사업개발팀 박성욱 매니저 관계사의 고객 접점 별로 확보한 데이터를 그룹의 데이터 매니지먼트 플랫폼(이하 DMP)으로 정제해 내부 고객인 관계사의 마케팅과 분석 조직, 외부 이해관계자의 사업 역량을 높이는 데 활용할 수 있도록 돕고 있습니다.

Q. 현재 추진 중인 빅데이터 사업이 궁금합니다.

박수빈 매니저 SK스토아와 데이터 기반의 커머스 사업을 추진하고 있어요. 고객의 시청 패턴에 따라 같은 시간, 같은 채널을 틀어도 다른 방송을 보게 되는 거죠. 다원방송을 활용한 추천 시스템이라고 할까요? 지금은 파일럿을 준비하고 있습니다.

박성욱 매니저 SK텔레콤의 분석 조직과는 초고속 인터넷 재판매 목적의 데이터 분석과 타깃 추출을 함께하고 있고요. SK네트웍스의 마케팅에 활용하는 테스트도 진행 중입니다. 워커힐과 SK매직, MOST의 타깃 마케팅에 도움이 되는 캠페인의 효율 개선을 목표로 하고 있는데요. 조만간 SK네트웍스의 데이터도 더해지리라 예상합니다. SK브로드밴드의 oksusu와 Btv의 동영상 광고 사업, SKstoa의 타깃 광고와 SK컴즈의 타깃 배너 광고 사업도 협업하고 있고요.

김종환 책임 반도체 크기가 점점 작아지면서 공정이 점점 미세화되고 있는데요. 개발과 양산이 어려워지면서 기술의 한계가 생기고 있죠. 덕분에 데이터의 중요성도 갈수록 커지고 있습니다. SK하이닉스에서 데이터 업무는 반도체의 수율과 품질을 높이기 위해 일상적으로 매일 이루어지고 있어요. 실시간으로 모니터링하고 혹시라도 문제가 생기면 신속하게 대처하고 있습니다.

4차 산업혁명 속 빅데이터를 말하다

Q. 우리만 아는 빅데이터 직무의 매력 혹은 고충은?

김종환 책임 빅데이터가 산업에서 중요한 역할을 하게 된 게 얼마 지나지 않았어요. 그런데 매우 빠른 속도로 발전했고, 지금도 빠르게 성장하고 있습니다. 여전히 기대가 큰 분야예요. 반도체 하나에는 40억 개의 셀이 있는데요. 예전에는 40억 개의 정보를 압축해 살펴야 했지만, 지금은 점점 실제 데이터를 두루 볼 수 있는 수준으로 올라오고 있습니다. 그만큼 얻을 수 있는 인사이트가 많아졌어요. 하지만 ‘빅데이터면 다 된다’는 생각은 위험하다고 봅니다.

박성욱 매니저 조금 섣부른 예상일지 모르지만, 빅데이터 업무는 미래에도 사라지지 않고 존재할 직무라고 짐작해 봅니다. 그런 점에서 기대와 희망이 있어요. 다양한 분들과 협업하며 스스로 성장할 기회도 많고요. 얼마 전, SK네트웍스 워커힐의 마케팅을 담당하는 이수정 차장님과 노을 대리님과 만나 우리그룹의 데이터 통합과 활용을 기대하는 목소리를 직접 들을 기회가 있었습니다. 첫 회의를 하던 날 그룹 DMP에서 직접 타깃 고객 세그먼트를 생성하고 SNS 마케팅에 적용하는 모습을 보고 개인적으로 뿌듯함을 느꼈어요. 동시에 배우는 점도 많았고요.

박수빈 매니저 직접 데이터를 분석해 아직 증명되지 않은 결과를 찾아낼 수 있다는 점이 빅데이터 직무의 매력이라고 할 수 있죠. 원인이나 현상을 찾아서 더 효율적인 사업을 할 수 있도록 돕는 데서 보람을 느껴요. 하지만 어떤 데이터를 선별하고 가공하느냐에 따라 결과는 천차만별로 달라집니다. 그래서 더욱 책임감이 무거운 것 같습니다. 많은 분이 생각하시는 것보다 시간도 꽤 필요하고요.

Q. 내가 생각하는 빅데이터! 이래서 중요하다

박성욱 매니저 데이터에 근거하지 않은 의사결정과 사업고도화는 이제 불가능한 시대가 오리라 생각합니다. 데이터의 통합과 이후의 활용, 새로운 사업 발굴까지 한 걸음씩 진도가 나갈 것을 기대하고 있습니다. 빅데이터는 이미 ‘핫’하고 앞으로도 ‘핫’할 영역이라는 점은 의심할 여지가 없습니다.

김종환 책임 데이터 수집 기술이 발달하면서 더욱 다양한 데이터가 쌓이고 있습니다. 이 데이터를 의미 있는 정보로 만들려면 빅데이터 기술 적용이 필요합니다. SK하이닉스는 지난해 초반 분산되어 있던 소규모 조직을 통합해 데이터사이언스실을 만들었습니다. 교육에도 통계 툴과 통계 교육을 진행하고 있고요. 그만큼 회사에서도 데이터 분석과 활용을 중요하게 여기고 있습니다.

박수빈 매니저 예전에는 상상할 수 없었던 정보를 데이터에서 얻어 의사결정에 참고하는 시대입니다. 그룹의 모든 관계사가 이미 디지털 트랜스포메이션에 관심을 두고 있습니다. 특정 소수의 분석을 넘어 모든 구성원의 시각에서 새로운 인사이트가 쏟아지는 것이 우리가 추구해야 하는 빅데이터 분야의 미래가 아닐까요?

※ 위 글은 MagazineSK의 콘텐츠를 바탕으로 재구성하였습니다.

]]> /we-are-sks-big-data-experts/feed/ 0 /this-is-the-era-of-big-data/ /this-is-the-era-of-big-data/#respond Thu, 01 Mar 2018 00:00:00 +0000 http://localhost:8080/this-is-the-era-of-big-data/

산업공학과 학생들은 취업을 준비해야 할 시기가 다가오면 고민이 많아집니다. 다양한 분야를 폭넓게 배우는 만큼, 진로를 정하는 게 쉽지 않기 때문일 텐데요. 그런 산업공학과 학생들이 주목할 만한 분야가 있습니다. 바로 최근 핫하게 떠오르는 ‘데이터 사이언스(Data Science)’입니다. 천문학적인 양의 빅데이터 시대가 도래한 만큼, 이제는 반도체 업계에서도 데이터를 적극적으로 활용하기 시작했다고 하는데요. 지금부터 SK하이닉스 데이터 사이언스팀 구성원이자, 산업공학과 출신 선배 두 분을 만나 궁금했던 이야기를 들어보겠습니다.

Data Science의 주역, 산업공학 전공 선배들을 만나다!

▲ 주용한 책임(좌), 김종환 책임(우)

Q. 안녕하세요, 만나 뵙게 되어 반갑습니다. SK하이닉스 블로그 독자분들을 위해 간단한 자기소개 부탁드립니다.

주용한 책임 안녕하세요. 데이터 사이언스 조직의 data innovations팀 P/L을 맡고 있는 주용한 책임입니다. 저희 팀은 현장구성원들이 업무에 활용할 수 있는 데이터 분석 솔루션을 개발하여 생산성과 연구개발 효율성 향상을 도모하고, 다양한 기계학습, 통계, 인공지능기법들을 현장에 적용하고 있습니다.

김종환 책임 안녕하세요. 저는 Data architect lab의 김종환 책임입니다. 데이터 사이언스 조직은 총 6개의 부서로 이루어져 있는데요. 그 중에서 4개의 부서가 데이터 분석을 담당하고, 2개의 부서가 데이터 처리를 담당합니다. 주용한 책임님의 부서가 데이터 분석 쪽이라면, 저희 팀은 데이터 처리 쪽에 가깝습니다.

Q. 산업공학도인 저 역시 몇 가지 생소한 개념들이 있는데요. 두 분이 맡고 계신 업무에 대해 좀 더 구체적으로 설명해주세요.

주용한 책임 반도체를 개발하고 제조하는 단계에서는 데이터를 많이 측정해야 합니다. 하지만 전체 측정하는 것은 불가능하기 때문에 sample data만 추출하게 되는데요. 수집된 데이터를 검토하고 해석하기 위하여 다양한 분석 모형을 개발합니다. 들쑥날쑥한 변동의 원인을 찾기 위해 머신 러닝, 딥 러닝, 데이터 마이닝과 같은 기법이나 휴리스틱 기법들을 사용하여 모델링을 진행합니다. 이것이 제가 하고 있는 통계와 최적화, 예측 모형 개발 업무입니다.

김종환 책임 Data Wrangling이라는 작업은 분석하기 어려운 Raw data를 정제하고 처리하는 작업입니다. 빅데이터는 말그대로 데이터가 크기 때문에 속도가 매우 중요한데요. 데이터를 분산해서 처리하게 되면, 그만큼 많은 사람이 분업하여 빠르게 데이터를 처리할 수 있게 되겠죠? 이것이 바로 빅데이터 환경 분산 처리 기술입니다.

Q. 반도체 회사인 SK하이닉스에 입사하시게 된 특별한 계기가 있으신가요? 또, 많은 직무 중 데이터 사이언스 직무를 선택하신 이유가 있나요?

주용한 책임 3년 전만 해도 산업공학 학부 지식을 특화할 수 있는 채용 분야가 많이 없었습니다. 하지만 유일하게 SK하이닉스에는 품질 공학, 데이터 마이닝, 머신 러닝 등 학부 지식을 활용할 수 있는 채용 분야가 있었죠. 저는 학부생 시절 통계와 품질 공학이 적성에 잘 맞았기 때문에, 데이터 마이닝을 기반으로 한 데이터 사이언스 직무를 선택하게 되었습니다.

김종환 책임 데이터 사이언스 조직은 총 6개의 부서로 이루어져 있는데요. 그 중에서 4개의 부서가 데이터 분석을 담당하고, 2개의 부서가 데이터 처리를 담당합니다. 주용한 책임님의 부서가 데이터 분석 쪽이라면, 저희 팀은 데이터 처리 쪽에 가깝습니다.

Q. 그렇다면 두 분이 생각하시기에 데이터 사이언스 직무의 매력은 무엇이라고 생각하시나요?

주용한 책임 업무의 자율성이 매우 높습니다. 무언가 실험해보고 싶은 게 있다면 자유롭게 실행할 수 있어요. 또한, 전사조직이다 보니 저희가 개발에 성공하면 회사 내 긍정적인 영향력을 끼칠 수 있다는 점이 스스로 자부심을 느끼게 합니다.

김종환 책임 SK하이닉스의 데이터 사이언스 조직은 흡사 연구 조직과 같기 때문에 더 나은 솔루션을 위해 다 함께 개발하고 연구하고 시도할 수 있는 점이 매우 좋습니다. 누군가 ‘넌 이거 해’와 같이 업무 단장을 해주는 것이 아니라 함께 협업하는 분위기입니다. 또한, 빅데이터를 분석하고 처리하다 보면 서버나 컴퓨터 사양 등 환경 구축에 필요한 것들이 많은데, 회사에서 이러한 부분에 대해 적극적으로 지원한다는 점이 좋습니다. 또한, 정기적인 교육 및 세미나를 받을 수 있다는 것 또한 큰 매력입니다.

Q. 두 분 모두 산업공학을 전공했다고 들었습니다. 데이터 분석 업무를 포함하여 산업공학 전공자들이 입사를 하게 되면 어떤 직무들을 담당하게 되나요?

주용한 책임 산업공학 전공자들이 입사하면 수율 및 품질 분석, Split 분석, 분석 시스템 개발, Process Control 등의 직무를 담당하게 되는데요. 그 중 최근 저희가 속한 데이터 분석 직무의 경우 산업공학 전공자들이 입사하게 되면 데이터 분석 및 빅데이터 처리와 관련된 업무를 주로 진행하게 됩니다. 고도화된 실험계획방법을 공정분석에 활용하기도 하며, 공정 중 이상이 탐지되면 해당 이슈의 원인을 파악하기도 합니다.

Q. Data Science 조직의 산업공학 전공자가 많다고 들었는데, 그 비율이 어떻게 되는지 궁금합니다. 또, 조직에서 산업공학 전공자들을 필요로 하는 이유는 무엇인가요?

주용한 책임 산업공학은 약 30%, 통계전공자를 합치면 약 60~70%정도입니다. 산업공학 전공자들은 다양한 학문을 배우게 됩니다. 따라서, 나무가 아닌 숲을 보는 시야가 발달되어 있습니다. 문제의 근본 원인 및 해결 방법을 제시하는 것에 장점이 있습니다. 또한 데이터 분석적인 면에서도 최적화, 회귀분석, 데이터베이스, 머신러닝을 두루 학습하기 때문에 데이터사이언티스트의 기본 소양을 갖추고 있습니다. 이러한 기초 지식은 현업의 요청사항을 기반으로 기술을 개발할 때 유용하게 활용됩니다.

김종환 책임 데이터 사이언스 실에는 저희 뿐이 아니라 산업공학 전공하신 분들이 많습니다. 데이터 분석을 하기 위해서 통계와 프로그래밍, 데이터베이스에 대한 이해가 필수적이라고 할 수 있어요. 산업공학에서는 이와 관련한 과목 등을 전공과목으로 배우고 있는데요. 특정 영역에서는 통계학과나 컴퓨터 공학과 보다 전문적으로 배우지 않는 부분도 있으나, 전체적인 시스템에 대한 이해를 바탕으로 데이터 분석 업무 프로세스를 진행할 수 있습니다.

Data Science, SK하이닉스의 핵심

Q. 반도체 업계가 데이터 분야에 집중하는 이유가 무엇인지 궁금합니다.

주용한 책임 반도체의 개발 생산 테스트 단계에서는 매우 많은 데이터가 쏟아지고 있습니다. 또한 실시간으로 모니터링도 해야 하고, 이슈가 발생할 경우 이에 대한 처리도 신속히 해야 합니다. 데이터는 많지만 유의미한 데이터를 생성하거나, 해석하기에 어려운 점이 있습니다. 현재까지 현장의 빅데이터를 분석하여 유의미한 성과를 지속적으로 창출하고 있습니다. 더불어 공정이 미세화 되면서 다양한 실험을 효율적으로 진행하고, 유의미한 결과를 신속히 제시해야 합니다. 이러한 이유들로 인하여 최근에 반도체 기업들의 데이터 분석에 관한 관심이 지속적으로 증가하고 있습니다.

김종환 책임 주용한 책임님 답변처럼 반도체에서는 데이터가 굉장히 많이 발생합니다. 그리고 점점 반도체 개발과 양산이 어려워지면서 기술의 한계가 발생해 데이터의 힘이 이전보다 더 필요하게 되었습니다. 데이터가 앞으로 다양한 분야에서 반도체 개발과 생산에 기여할 것으로 생각됩니다.

Q. 회사 내에서 팀의 중요성이 크다는 것을 어떻게 체감하고 계신가요?

주용한 책임 저는 2014년도에 연구원으로 입사했습니다. 그 당시는 저를 포함한 3명이 별동대처럼 분석업무를 처리하고 있었습니다. 그리고 점차 SK 하이닉스에서 데이터 분석이 중요함을 실감하면서 데이터 사이언스 담당으로 구성원들을 모았습니다. 데이터 분석이 매우 중요하다는 전사 홍보도 있었고, 전사 지침으로 연구원들도 데이터 분석 역량 인증 시험에서 일정 레벨 이상 취득해야 합니다. 데이터 사이언스의 중요성에 대한 회사의 시각이 달라졌다고 체감하는 부분이죠.

김종환 책임 작년 초반 데이터 사이언스 실이 처음 만들어졌습니다. 각자 분산되어 분석하던 소규모 조직들이 통합되어 규모가 많이 커졌어요. 회사 내 데이터 사이언스 팀의 중요성이 커졌다는 것 아닐까요? 또한, 신입 사원들이 들어오면 통계 툴과 통계 교육을 진행하는 점에서 회사가 데이터 분석에 주목도가 높은 것을 느낍니다.

Q. 그렇다면 데이터 사이언스는 어떠한 방식으로 SK하이닉스에 적용되고 있나요?

주용한 책임 데이터 사이언스는 제조 환경에서 이상(異常)을 잘 발견하게끔 툴, 알고리즘을 만드는 과정에 기여합니다. 사람들이 미처 다 풀지 못하는 문제를 해결하기 위해 일반적으로 정형화된 툴이나 로직을 적용하는 것이 아니라 많은 기법을 다양하게 적용해보면서 자동화를 위한 기반을 만듭니다. 즉, 모델링을 통해 반도체 제조 과정이 빠르고 잘 워킹 될 수 있게끔 처리를 해주는 것이죠.

김종환 책임 데이터 사이언티스트란 “IT 하는 사람보다 통계를 조금 더 잘 알고, 통계 하는 사람보다 IT를 더 잘 안다” 라는 우스갯소리가 있습니다. 이처럼 데이터 사이언티스트는 알고리즘, DB, 프로그래밍, 기술 등 분야의 전문가가 되기 위해서 알아야 할 것이 매우 많습니다. 즉, 전체적인 틀, 골자를 다 아는 사람이어야 하죠. 데이터 사이언스는 반도체 불량 원인 공정 등 사람이 하나하나 다 들여다볼 수 없는 부분에 대한 좋은 알고리즘을 만들 수 있는 사람입니다. 이 알고리즘을 여러 공정에 적용해 불필요한 테스트를 줄이거나, 불량의 원인을 더 빨리 찾거나, 개선을 좀 더 빠르게 해 돈과 시간을 낭비하지 않을 수 있죠. 그것이 데이터 사이언스 팀이 회사에 기여하는 방식입니다.

Q. 데이터 사이언스를 필요로 하는 분야는 매우 무궁무진한데요. 그중에서도 SK하이닉스에서의 데이터 사이언스는 어떻게 정의할 수 있을까요?

주용한 책임 제가 지금까지 살면서 배웠던 학부 지식을 정말 다 활용할 수 있습니다. 데이터양도 많고, 제 지식을 적용할 수 있는 데이터 분석 분야도 다양해서 제가 배운 실험계획법, 품질 공학, operational research, 데이터 마이닝, 생산관리 등 모든 내용을 응용할 수 있다는 게 정말 매력적입니다.

김종환 책임 다른 업계보다 제조 업계, 반도체 회사에서의 데이터는 그 양이 정말 많습니다. 예를 들어, 반도체에 셀이 40억 개가 있고, 셀 하나에 한 개의 데이터가 있다면 한 칩에 40억 개의 데이터가 있는 셈입니다. 그만큼 반도체 칩 하나에서만 데이터가 어마어마하게 만들어집니다. 반도체 회사에만 경험해볼 수 있는 데이터 양이죠. 하지만, 빅데이터 처리기술이 발전하게 되면서 그 많은 데이터를 summary 하거나 처리하는 것이 수월해졌어요. 빅데이터 분석 시 데이터가 부족하거나 없어서 분석이 불가능할 때도 있는데, SK하이닉스에서는 데이터가 매우 많아서 데이터 처리 과정은 까다롭지만, 그 과정이 매우 매력적입니다.

미래의 Data Science 전문가들에게

Q. 최근 데이터분야가 각광을 받으면서 많은 산업공학과 학생들이 관련 분야의 취업을 꿈 꾸고 있습니다. 앞으로의 전망이 어떻다고 생각 하시나요?

주용한 책임 데이터 사이언스에 관한 관심도 증가 및 효과가 확인되면서 인력 Pool도 넓어지고 있습니다. 앞으로도 이러한 트랜드는 유지될 것으로 생각합니다. 현재도 많은 업무를 진행하고 있으나, 앞으로 분석해야 할 영역들도 무궁무진하게 많습니다.

김종환 책임 데이터는 폭발적으로 증가하고 있고, 이에 따라 데이터 분석에 대한 중요성도 날로 증가하고 있습니다. 앞으로의 전망은 매우 좋다고 생각합니다. 해당 영역에 대해서 관심을 갖고 공부해 나간다면 데이터 분야에서 중요한 역할을 수행할 수 있을 것입니다.

Q. 데이터 사이언스 분야의 각 팀에서는 어떠한 인재상을 추구하고 있나요?

주용한, 김종환 책임 데이터 사이언스 분야의 관점에서 바라보자면, 문제를 잘 파악하고 해결 가능한 solution을 자기 주도적으로 제시하는 데 능한 사람이 좋겠죠. 또, 학부 지식 중에서도 데이터 공학이나 품질 공학에 관한 내용을 성실하게 배우고 오면 좋을 것 같아요. 그리고, 저희 직무 특성상 현업 구성원들과 협업이 자주 이뤄지는데요. 그렇기 때문에 모르는 것을 주저 없이 물어보고, 항상 배우고자 하는 자세를 가진 적극적인 분이면 좋을 것 같습니다.

Q. 인턴이나 현장실습을 제외하면 해당 직무를 경험해볼 기회가 부족한 학생들이 많습니다. 미리 데이터 사이언스 직무에 대해 경험한다면 어떤 방법이 있을까요?

주용한 책임 일 년에 한 번 열리는 SAS 분석 챔피언십에 참가해보는 것을 추천합니다. 데이터를 활용해 주어진 주제에 맞게 분석하여 결과를 도출해내는 공모전인데요. 지난 2016년에는 한국인의 질병에 관한 네트워크를 분석하는 주제였습니다. 공모전에서 입상한다면 더없이 좋겠지만, 경험만으로도 미리 직무를 파악하는 데 큰 도움이 될 것 같습니다.

김종환 책임 아마존의 아마존웹서비스(AWS)와 MS의 애저(Azure)는 클라우드 컴퓨팅 플랫폼인데요. 무료로 데이터와 환경을 제공하기 때문에 미리 sample 데이터를 추출하고 분석, 처리까지 경험해 볼 수 있습니다. 아마 혼자서는 어렵겠지만, 경험에 의의를 두고 한번 해보면 좋을 것 같아요.

Q. 마지막으로 미래의 데이터 사이언스 분야 전문가로 발돋움하고 싶어하는 산업공학과 학생들에게 조언 한마디 부탁드립니다!

주용한 책임 요즘 4차 산업혁명, 빅데이터 시대가 도래하면서 산업공학에 대한 주목도가 높아지고 있어요. 학부생 때부터 직무 기반인 산업공학지식을 기초부터 잘 쌓아가며 학업에 정진하다 보면 원하는 바를 꼭 이룰 수 있으실 겁니다. 화이팅!

김종환 책임 데이터 사이언스는 배울 게 아주 많기 때문에 재미있고 매력적인 분야입니다. 미래의 후배 분들과 이 분야에서 함께 일할 수 있다면 정말 좋을 것 같아요. 기다리고 있겠습니다.

]]> /this-is-the-era-of-big-data/feed/ 0 /team-leader-ahn-dae-woong-lee-eon/ /team-leader-ahn-dae-woong-lee-eon/#respond Thu, 26 Oct 2017 00:30:00 +0000 http://localhost:8080/team-leader-ahn-dae-woong-lee-eon/  

우리는 하루에 250경 바이트에 이르는 데이터를 생산한다고 합니다. DVD로 저장해 쌓으면 지구에서 달까지 이르는 양인데요. 너무 방대한 양이다 보니 ‘빅데이터’라 부릅니다. 빅데이터는 기본적인 데이터화를 위해서이기도 하지만, 다음에 동일한 목표에 이르게 될 때 오류를 줄이고 효율을 높이기 위해서 수집되고 이용됩니다. 이는 단순히 컴퓨터에 국한된 이야기가 아닙니다. 우리가 하는 다양한 행동들이나 고정관념들이 데이터화 되어 재편된다면 질과 양이 달라질 수 있는데요. SK하이닉스도 Data Analytics 팀을 운영하며 데이터 분석을 통한 효율 극대화에 노력하고 있다고 합니다. 이 친근하지만 어려운 이야기, 한번 들어보실래요?

SK하이닉스 Data 분석 전문가를 만나다

Q. 안녕하세요! 안대웅 팀장님, 이언 선임님. 만나 뵙게 되어 반갑습니다. 먼저 SK하이닉스 블로그 독자들께 소개 부탁드립니다.

안대웅 팀장 안녕하세요, SK하이닉스 블로그 독자 여러분! 저는 Data Science실 Data Analytics팀 안대웅 팀장입니다.

이언 선임 안녕하세요. 저는 Data Analytics팀의 이언 선임입니다.

Q. Data Analytics 팀은 어떤 업무를 하는 팀인가요?

안대웅 팀장 저희가 수행하는 업무는 크게 세 가지로 나눌 수 있습니다. 먼저 문제가 발생했을 때 분석을 통해 방법론을 제시하는 분석을 지원합니다. 두 번째로는 현장의 문제를 딥러닝이나 머신 러닝 등 방법에 적용하는 New ICT 업무를 맡고 있고요. 그리고 이렇게 만들어진 데이터를 기반으로 의사결정을 할 수 있도록 알고리즘을 개발하는 업무를 하고 있습니다.

Q. 흔히 통계는 데이터를 기준에 따라 수치로 다루는 것이라고 알고 있는데요. 여기에 분석을 지원하신다고 하셨습니다. 통계와 분석, 두 분야는 구체적으로 어떻게 다른 것인가요?

안대웅 팀장 분석을 통계와 비슷한 개념으로 생각할 수 있지만, 데이터를 바라보는 철학이 다릅니다. 통계는 비록 데이터양이 적더라도 분석해서 추론을 합니다. 반면 분석은 이미 너무 방대한 데이터가 있으므로, 그 속에서 원인을 찾고 분석 및 예측까지 하죠. 즉 통계는 가정을 세우는 것이 주를 이룬다면, 분석은 해결하는 것에 초점을 맞춘다고 할 수 있습니다.

이언 선임 팀 구성원들 중에는 통계를 전공한 분도 있고, 산업공학을 전공한 분도 있습니다. 각 분야의 장단점이 다르지만, 데이터를 오픈 된 마음으로 본다는 점은 같습니다. 데이터를 알고리즘화하는 과정에는 정답이 없기 때문에 데이터에 맞는 방법론을 찾는 것이 중요한데요. 이 과정에서 통계의 방법론이든, 분석의 방법론이든 모두 사용되고 있습니다.

안대웅 팀장 그래서 채용을 할 때도 ‘Data Analyst’라는 직무로 통계학과, 산업공학과 등 전공을 한정 짓지 않고 폭넓은 지원을 받고 있습니다. 저희는 개발, 생산, HR의 데이터까지 다루기 때문에 어느 한 분야에 국한된 시선을 갖지 않도록 노력하고 있습니다.

Data Analytics팀의 모든 것을 알려주마!

Q. 반도체 기업인 SK하이닉스가 Data Analytics를 필요로 하는 이유는 무엇인가요?

안대웅 팀장 효율성 때문입니다. 정확한 분석을 한 알고리즘을 현장에 적용한다면 오류를 줄일 수 있고, 불필요한 업무도 줄일 수 있습니다. 경비 절감은 물론 생산력을 높이는 데 기여를 할 수 있죠. 예를 들어 불량이 100개중 한 개라면, 이를 십만 개 중 한 개로 줄일 수 있는 것이 바로 이 분석을 통해서 입니다.

이언 선임 우리가 달리기를 할 때도 옷, 신발, 날씨 등을 고려하면 시간을 단축할 수 있잖아요. ‘사람’이라는 변수가 최소화된 반도체 생산의 경우, 정확히 분석하고 적용한다면 그 효율을 배가 될 것입니다. 공정도 다양하기 때문에 적용 범위가 무궁무진한 것도 있고요. 이처럼 Data Analytics팀은 반도체를 개발하고 생산하는 데 더욱 효율을 높일 수 있도록 현업 부서를 서포트하는 역할을 하고 있습니다.

Q. Data Analytics 팀의 일하는 방식이 궁금합니다.

안대웅 팀장 업무 과제를 현업에서 받는 경우도 있고, 저희가 발굴하는 경우도 있습니다. Raw data를 받아서 분석을 하는데, 정리되지 않은 ‘방대함’ 그 자체이죠. 데이터를 정리하고 분석해 알고리즘화 한 다음, 현장에 적용할 수 있게 애플리케이션까지 만드는 업무를 하고 있습니다.

이언 선임 분석 툴이 다양하고, 각자의 경험도 다르기 때문에 정해진 업무 방식은 없습니다. 에게 업무를 맡기고도 ‘네 생각이 그러니? 그럼 그렇게 해봐’ 하며 믿어주며 업무를 하고 있습니다. 굉장히 민주적이며 수평적이라고 할 수 있죠.

저희 팀 구성원은 학사: 석사: 박사의 비율이 1: 1: 1입니다. 학력의 차이는 있지만 저처럼 반도체 개발 업무를 하다 온 팀원도 있고, 공부만 하다 온 팀원도 있죠. 앞서 말했듯 정해진 정답은 없기에 각자의 경험과 생각을 공유하는 것이 중요합니다. 그렇기 때문에 팀 분위기가 수평적일 수밖에 없는 것 같아요.

Q. 그렇다면 팀원들은 반도체와 분석, 두 가지 분야 모두 전문가이신가요?

안대웅 팀장 저는 대학에서 전자공학을 전공했고, 제품개발부에서 근무했습니다. 그 후 대학원에 들어가서 데이터마이닝을 전공했고요. 저희 구성원들을 보면 저처럼 현장 근무를 했던 분도 있고, 현장 경험이 없는 분도 있습니다.

이언 선임 저 같은 경우는 데이터분석이 전공인데요. 대학원에서는 자동차 관련 데이터를 주로 다뤘습니다. 이후 컨설팅 경험이 있지만 반도체 분야는 아니었죠. 반도체에 대해 잘 모르기 때문에 지금도 공부를 하고 있는데요. 다양한 경험을 갖고 있기 때문에 업무를 바라볼 때에도 고정관념이 없어 좋은 것 같습니다. 데이터는 살아있는 생물 같기에 한쪽으로만 바라보면 안 되거든요.

Q. 데이터분석 전문가로 일하시면서 어려운 점이 있다면요?

안대웅 팀장 아무래도 반도체 생산에 직접적인 영향을 미치는 업무가 아니기 때문에, 현장에 계신 분들이 중요하게 생각을 안 할 때가 있습니다. 현장 경험이 많고 하신 분들은 기존의 방식을 바꾸면서 새로운 분석이나 애플리케이션을 활용을 굳이 하지 않으려고 하죠. 충분히 이해하기에 강요할 수 없지만 아쉽긴 하죠.

Q. 반대로 뿌듯함을 느꼈던 적은 없으신가요?

안대웅 팀장 아직 저희 업무는 전사적인 지원이 필요한 상황이어서 업무의 중요성을 믿어주는 임원진들이 계시는 것은 큰 힘이 됩니다. 그리고 저희 분석을 통해 불량률이 낮아진다거나, 시간이 단축되었다는 결과가 나오면 결과도, 예측이 맞았다는 것에 뿌듯함을 느낍니다. 또 반대로 결과가 안 좋아도 또 다른 데이터가 생산되는 것이기에 다른 해결점을 찾기 위한 기대감이 크고요.

데이터분석 업무는 방대한 데이터 내에서 의미 있는 데이터를 추출해 내는 일입니다. 예를 들어 이전에는 ‘1+1=2’ 이라는 수식이 있다고 한다면 +(더하기)의 의미를 모두 알잖아요. 하지만 이 데이터분석이라는 분야는 1과 1 에서 2가 나왔을 때 그 중간의 수식을 만들어 내는 일을 합니다. 사실 이 수식이 수 만가지가 나오게 되는데요. 그 업무에 적절한 수식을 찾아 적용했을 때 느껴지는 희열이 있습니다.

SK하이닉스 Data Analyst를 꿈꾸는 청춘들에게

Q. 두 분은 평소에 어떤 뉴스를 눈여겨보시나요?

안대웅 팀장 데이터 분야는 매일 매시간 새로운 뉴스가 쏟아지고 있습니다. 공부를 게을리할 수 없죠. 머신 러닝, 딥러닝 등 데이터를 다루는 뉴스에 촉각을 세울 수밖에 없습니다.

이언 선임 저는 반도체 개발 경험이 없기에 반도체에 대한 뉴스를 빼놓지 않습니다. 그리고 회사 내 스마트쿠키를 통해 공부를 하기도 하고, 프로젝트를 받을 때마다 현장을 이해하고 배우려고 노력합니다. 학교 다닐 때보다 공부를 더 열심히 하고 있어요. (웃음) 또, 전공 분야가 아닌 새로운 형태의 데이터에 대해 관심을 갖고 공부하고 있습니다.

Q. 두 분이 보시는 반도체 분야 Data Analytics의 미래는 어떤 가요?

안대웅 팀장 알파고는 개발자가 30대에 개발한 사실을 아시나요? 아이폰의 안면인식도 딥마인드이고요. 데이터를 데이터로 바라보는 시대는 지났습니다. 이 분야는 아직 젊고 데이터는 무한합니다. 반도체 분야에서도 마찬가지입니다. 사람의 경험과 노력이 들어갔던 부분들에 이러한 기술이 적용되면, 그 에너지를 다른 창의적인 곳에 쏟을 수 있어요. 그렇기 때문에 반도체는 무궁무진하게 발전할 수 있을 것입니다.

이언 선임 데이터라는 것은 옛날부터 존재했지만 중요하게 여겨지지 않았습니다. 지금의 통계학 이론들이 100년전에 나왔다는 것만 봐도 그간 큰 변화가 없다는 것을 알 수 있죠. 그만큼 분석의 필요성도 느끼지 않았을 테고요. 하지만 눈을 뜨면 새로운 뉴스가 쏟아지는 요즘, 이 데이터분석 분야는 이제 겨우 시작이라고 생각합니다. 굉장하다고 여겨지는 알파고 조차 사실 일부의 기술만 적용된 것이니까요. Analytics라는 분야가 가진 가능성은 우리가 생산하는 데이터의 양만큼 방대하지 않을까요?

Q. 반도체 분야의 Data Analytics 전문가가 되고 싶다면 어떤 준비를 해야 할까요?

이언 선임 기본적으로 데이터마이닝과 Language 소양이 있어야 합니다. 데이터에 따라 필요한 분석 기법이나 표현 언어가 다르기 때문에 통계부터 머신러닝, 딥러닝, R, Python, SQL, C#, JAVA 등 분야를 막론하고 필요로 하죠. 또한, 이라 할지라도 ownership을 갖고 프로젝트를 맡아야 하기 때문에 스스로 성장할 수 있는 도전정신이 필요합니다.

Q. Data Analytics 팀의 앞으로의 목표가 있다면요?

안대웅 팀장 저희는 팀이 만들어진 이후 약 140여개의 프로젝트를 수행했습니다. 기간에 비해 많은 수인데요. 아직은 업무 적용성에 대한 우려로 단기간에 성과가 보여지는 Quick Win 프로젝트 위주로 진행하였습니다. 지금까지 저희 팀의 홍보 단계였다면, 이제부터는 더 큰 프로젝트를 진행해보려고 합니다.

Q. 마지막으로 미래의 SK하이닉스 Data Analyst가 될 청년들에게 한마디 부탁드립니다.

안대웅 팀장 주변에서 ‘알파고가 세상을 지배하면 어떡하지?’ ‘기계 때문에 내 직업이 없어지는 것 아니야?’라는 걱정을 농담 삼아 하십니다. 하지만 ‘알파고를 만드는 사람이 된다면?’으로 바꾸어보면 답이 있습니다. 우리 Data Analytics팀은 데이터를 분석만 하는 팀인 것 같지만, 알파고를 만들 수 있다는 자신감을 가진 창의적이고 적극적인 팀입니다. SK그룹의 경영철학이 딥체인지인 만큼, 모든 것을 바꿀 수 있는 마인드를 가지시길 바랍니다. 그리고, 주저하지 말고 도전해주세요!