“We Do Future Technology”

미래 인재를 위한 반도체 기술 해설 시리즈

어려운 반도체 최첨단 기술 용어, SK하이닉스 실무진이 핵심만 쏙쏙 뽑아서 알려드립니다.

사람이 많은 지식을 습득할수록 똑똑해지는 것처럼, 인공지능도 마찬가지다. 많은 데이터를 학습해야만 똑똑해진다. 그리고 인공지능의 도입으로 과거에는 사람이 데이터를 생산하는 주체였다면, 이제는 데이터를 학습한 인공지능이 기존 데이터를 융합해 새로운 데이터를 만들어내는 세상이 도래했다.

인류가 2000년대 초반까지 만든 데이터 양을 단 하루 만에 만들어 내는 빅데이터 시대, 대규모의 연산을 초고속, 저전력으로 처리하고 빅데이터를 학습하고 추론하는데 사용되는 반도체를 AI반도체라고 정의하고 있다.

AI반도체는 기존 반도체와는 어떻게 다르고, 궁극적으로는 어떻게 나아갈까?
데이터와 AI 기술의 관계를 알아보고 SK하이닉스가 개발한 AI반도체는 무엇인지 영상에서 확인해보자.

Data Intelligence 안대웅 부사장은 SK하이닉스 데이터의 성장과 함께 커리어를 쌓아온 맞춤형 전문가다. 2000년 DRAM 엔지니어로 입사한 그는 수학 파견으로 머신러닝(Machine Learning)을 공부한 후 반도체 데이터 전문가로 거듭났다. Data Intelligence 조직의 태동부터 함께했으며, 다양한 부서에 흩어져있던 데이터 인재들을 모아 조직화하고 반도체 제조 회사에 맞는 새로운 데이터 시스템을 만들며 혁신을 선도해왔다.

앞으로 데이터는 SK하이닉스에 어떤 유의미한 변화를 불러올까? 그리고 이 변화의 중심에서 그는 어떤 미래를 꿈꾸고 있는지 뉴스룸에서 안 부사장을 만나 이야기를 나눠봤다.

남다른 시각으로 새로운 길에 도전하다

“웨이퍼 하나를 생산하는 데도 수많은 데이터가 생겨난다. 분명 이 데이터로 더 많은 것을 할 수 있을 거라는 생각이 들었다. 이것이 회사에서 수학 파견 기회가 주어졌을 때, 반도체가 아닌 데이터 공부를 해야겠다 다짐했던 가장 큰 이유다.”

그는 정확한 데이터 분석과 구조화를 통해 빠른 의사결정을 내린다면 생산성을 더 높일 수 있을 거라고 자신했다. 그리고 새로운 길에 과감하게 도전장을 내밀었다.

“반도체 산업이 계속 고도화되면서 생성되는 데이터의 양이 기하급수적으로 늘어났다. 회사에서도 생산 과정에서 효율을 높일 수 있는 데이터 분석의 중요성을 알고, 2014년에 데이터 분석 조직이 출범했다.”

그렇게 데이터 분석 파트를 이끌게 된 안 부사장은 전사 여러 조직에 흩어져있던 데이터 분석가들을 한데 모았다. 그리고 그들에게 강한 비전을 제시했다. 그는 ‘경영진의 전폭적인 지지가 있었기에 가능했던 일’이라고 강조했다. 시작은 작았지만, 통합적으로 데이터 관리∙분석∙시스템 개발을 하는 Data Intelligence 조직으로 크게 확대됐다.

안 부사장은 ‘준비된 인재’였다. 그는 다양한 학술 활동도 병행했다고 말했다. 실제로 그는 재직 중 학회지뿐만 아니라 여러 학술대회에 논문을 게재했을 정도로 치열하게 연구하며 일했다.

데이터 전문가가 아닌 ‘반도체 데이터 전문가’

“기존의 방법으로는 일주일간 정리해야 하는 일이지만 데이터 분석 기법을 이용하면 훨씬 더 빠른 시간 안에 결과 값을 낼 수 있다. 하지만 아무리 훌륭한 분석 방법을 제시하더라도 구성원들이 그 데이터 결과를 신뢰하지 않으면 소용없다. 그래서 내가 가장 잘 알고 있는 DRAM 개발의 작은 과제부터 하나씩 시작해, 데이터 분석의 효용성에 대해 끊임없이 어필했다.”

혁신의 시작은 쉽지 않았다. 안 부사장은 특히 구성원들의 인식을 바꾸는 것이 어려웠다고 말했다. 그래서 팀 신설 초기에는 책상에 앉아있는 일보다 사람들을 만나는 일이 더 많았다. 구성원들에게 데이터 분석의 필요성을 심어주기 위해서였다.

그래서 시작된 프로젝트가 ‘DT 기반 업무 혁신’이었다. 데이터 분석과 DT 기술로 업무 프로세스와 인프라를 개선하여 제품 및 조직·기업문화까지 경쟁우위를 확보하는 것이 목표였다. 그렇게 3년 만에 동일 업무 소요시간을 약 10% 줄이는 데 성공했다. 그리고 그 효과를 고부가가치 업무 전환과 기업문화 개선에 투입해, 회사와 구성원 모두 윈윈하는 결과를 만들었다.

안 부사장은 이러한 업무 혁신과 성과 창출을 인정받으며 2014년부터 SKMS 실천상*을 3번이나 수상했다.

* SKMS실천상: 우수한 SKMS 실천 사례 발굴을 통해  SUPEX 추구 정신을 고취하고 전사적 경영 문화로 확대하고자 시상

“데이터 분석에서는 현업의 문제를 정의하는 과정이 가장 중요하다. 그 과정에서 DRAM이나 NAND의 구조와 원리, 생성되는 데이터의 특수성에 대해 이해가 특히 필요하다. 그리고 그에 맞는 데이터 분석 방법을 새롭게 세워야 효과적으로 데이터를 활용할 수 있다.”

안 부사장은 ‘반도체 분야에서의 데이터 전문가’가 되는 것이 중요하다고 강조하며, 그런 인재를 양성하는 것을 가장 큰 목표로 꼽았다.

“SK하이닉스의 데이터는 ‘숫자’만 봐서는 안 되고, ‘반도체’까지 함께 봐야 한다. 우리 구성원들이 실제 현장과의 적극적인 소통을 통해 데이터 분석 활용으로 문제를 해결하는 ‘해결사(Problem Solver)’로 활약할 수 있도록, 조직 차원에서 적극적으로 지원할 계획이다.”

데이터 드리븐(Data-driven) 의사결정 시스템을 통해 전사 경쟁력 강화할 것

“다운턴일수록 전체 최적화 관점에서 접근해야 한다. 자기 조직만의 성과나 당장의 이익이 아닌, 전사적인 성과나 더 큰 이익을 위해 움직여야 한다. 이런 부분에서 전사의 데이터를 모아 의미 있는 결론을 도출하는 우리 조직이 할 일이 많을 거라고 생각한다.”

그는 데이터 전문가의 입장에서 다운턴 위기 극복에 대한 의견을 밝혔다. 산재한 데이터를 통합·분석해 ‘데이터 드리븐(Data-driven) 의사결정 시스템’을 구축하겠다는 것이다.

“앞으로 데이터의 영향력은 점점 커질 것이고, 데이터에 기반한 의사 결정은 더욱 보편화될 것이다. 이는 효율적이고 미래지향적인 방향으로의 진화라고 할 수 있다. 우리 조직도 지금보다 더 많은 데이터를 통합해 운용하며, 그 안에 숨은 인사이트를 찾는 데 집중할 계획이다. 이는 데이터 드리븐 의사결정에 핵심적인 역할을 하며, 나아가 회사의 장기적인 성장과 경쟁력 강화까지 끌어낼 수 있을 것이다.”

또한, 안 부사장은 ‘기술 솔루션 내재화’가 중요하다고 강조했다. 현재 외부에 의존하고 있는 솔루션을 회사 역량 안에서 해결할 수 있게 시스템을 구축한다면, 훨씬 더 효율을 높일 수 있다. 안 부사장은 지금이 오히려 혁신의 기회라며, DT 관점에서 회사 시스템 개선을 위해 노력하겠다는 포부를 밝혔다.

“반도체 사이클은 항상 업다운이 있었다. 지금의 위기를 슬기롭게 이겨내면 반드시 업턴이 온다. 그래서 다른 시각에서는 새롭게 도전해 볼 수 있는 ‘적기’다. 우리가 할 수 있는 일과 미래를 위해 해야 할 일을 찾아 집중한다면 이후 추진력을 받아 목표한 바에 더 가까이 갈 수 있을 것이다. 우리 Data Intelligence 구성원 모두는 각자의 자리에서 더 열심히 달리는 2023년을 보낼 것이다.”

SK하이닉스 역시 ‘DT의 씨앗’이라고 일컬어지는 빅데이터(Big Data)의 중요성을 일찍이 인지하고 관련분야의 전문가를 육성하기 위해 다양한 노력을 기울이고 있다. 그 일환으로 2017년부터 자체 교육 과정을 신설하며 데이터 레벨 인증 체계를 도입했고, 2018년부터는 국내 주요 대학과 손잡고 전문가 육성 과정을 개설해 운영 중이다.

SK하이닉스는 이러한 교육 과정을 통해 현장 엔지니어들이 데이터 분석 역량을 갖춘 양손잡이 인재로 성장하는 것은 물론, 데이터 기반의 일방혁(일하는 방식의 혁신)을 달성할 수 있을 것으로 기대하고 있다.

이에 뉴스룸은 고려대학교에서 진행된 ‘빅데이터 분석가 양성 과정’을 찾아가 교육 과정을 알아보고 학구열을 불태우고 있는 구성원들을 만나봤다. 교육은 7월 5일부터 오프라인으로 시작됐으며, 사회적 거리 두기가 단계가 변경되면서 현재는 원격 교육으로 진행 중에 있다.

※ 인터뷰, 사진 촬영은 사회적 거리두기 격상 전에 진행했으며, COVID-19 방역 수칙을 준수했습니다.

SK하이닉스에서 데이터 전문가로 성장하는 가장 빠른 길, ‘빅데이터 분석가 양성 과정’

SK하이닉스는 빅데이터의 시대, ‘데이터 기반 기업(Data Driven Company)’으로 나아가기 위한 전략으로, 구성원들을 ‘현장의 숙련된 데이터 분석 전문가(Citizen Data Scientist, 이하 CDS)’로 육성하는 체계를 구축했다. CDS는 2016년 시장조사기관 ‘가트너’가 정의한 개념으로, 수학이나 통계학과 같은 데이터 사이언스(Data Science, DS)를 전공하지는 않았지만 분야별 전문지식(Domain Knowledge) 및 경험을 갖추고 있으면서 자신의 분야에 DS 역량을 활용할 수 있는 전문가(Specialist)를 의미한다. SK하이닉스의 CDS는 DS 역량을 갖춘 반도체 엔지니어로서, 현장을 종횡무진하며 전문 데이터 과학자(Data Scientist)와 현업을 잇는 가교의 역할도 수행하게 된다.

SK하이닉스에서 CDS로 성장할 수 있는 가장 빠른 길이 바로 ‘빅데이터 분석가 양성 과정’이다. CDS 양성을 위해 대학 등 전문 교육기관과 연계, 데이터 분석 관련 심화 교육을 받을 수 있도록 구성한 패스트 트랙(Fast Track)으로, 통계적인 관점으로 현장의 데이터를 분석하거나 공정관리에 머신러닝(Machine Learning) 방법론을 적용하고자 하는 엔지니어가 교육 대상이다.

구성원들은 교육을 통해 이론과 실습을 통해 데이터 분석 역량을 쌓은 뒤, 12주간 현업(Biz DS)에 파견돼 실제 현장의 난제를 해결할 데이터 분석 방법론을 연구 및 적용한다. 나아가 데이터 역량을 전사로 전파하고 데이터에 기반한 업무 문화를 확산시키는 역할도 맡게 된다.

반도체 엔지니어들의 새로운 도전… ‘학구열 활활’ 교육 현장

※ 사회적 거리두기 단계 상향으로 현재 원격 재택 교육으로 변경 운영 중

불볕더위가 한창이던 7월 7일 고려대학교 신공학관의 한 강의실, ‘빅데이터 분석가 양성 과정’의 셋째 날 교육과정의 시작 시간이 다가오자 SK하이닉스 구성원들이 하나둘 문을 열고 들어와 자리에 앉았다. 바쁜 와중에 업무시간을 쪼개 자리한 만큼, 수업이 시작되자 구성원들은 마치 대학 신입생이 된 듯 배움에 대한 의지와 열정을 활활 불태우기 시작했다.

오전에는 고려대학교 백준걸 산업경영공학부 교수의 이론 강의가 진행됐다. 이날 백 교수는 알고리즘을 활용하는 데 필요한 통계적인 지식과 데이터마이닝(Data Mining), 머신러닝, 인공지능 등 데이터 분석의 4단계(Descriptive, Diagnostic, Predictive, Prescriptive)에 따른 주요 방법론을 주제로 강의를 진행했다.

오후에는 오전에 습득한 이론 내용을 바탕으로 파이썬(Python)을 활용해 직접 실습을 해보는 시간이 이어졌다. 교육 과정에는 이론 및 실습 교육뿐 아니라, 실제 업무에 분석 방법론을 연구하고 적용해볼 수 있는 미니 프로젝트도 진행된다. 교육이 끝난 후에도 중기 프로젝트를 진행함으로써 현업에 복귀해 역량을 효과적으로 발휘할 수 있도록 실무 능력을 함양할 계획이다.

이번 Fast Track의 강의를 맡은 백준걸 교수는 “아직 교육 3일 차지만 수강생들의 열정과 학구열이 남다름을 느낀다”며 소감을 전했다.

백 교수는 이번 교육을 통해 “반도체 공정에서 Data Analytics로 해결이 가능한 문제를 정의하고, 전문 조직의 지원 없이도 엔지니어가 스스로 원천 데이터로부터 AI/머신러닝 모델링에 필요한 데이터를 가공하고 분석할 수 있는 역량을 쌓을 수 있길 바란다”는 바람을 전했다. 이어 그는 “나아가 다양한 Data Analytics 기법들을 빠르고 정확하게 검증할 수 있는 역량과, 분석 결과물에 대해 올바르게 해석하고 시스템 적용에 필요한 요건들을 신속하게 파악할 수 있는 역량도 함께 강화할 수 있을 것”이라고 덧붙였다.

“빅데이터 역량 발휘해 반도체 공정 난제 해결 나설 것” 교육생 2人 인터뷰

현업에서 ‘데이터’에 대한 중요성을 직접 깨닫고 이를 배우고 업무에 적용하기 위해 자발적으로 모인 이들은 과연 어떤 마음으로 교육에 임하고 있을까? 빅데이터 전문가에 도전하기 위해 이번 Fast Track에 참가한 SK하이닉스 구성원들의 이야기도 함께 들어봤다.

엄태민 TL(D-TEST기술)은 “최근 DRAM 구조가 미세화됨에 따라 분석의 난이도가 높아지면서 분석 TAT(Turn-Around Time)이 길어지는 고충이 있었다”라며 “엔지니어의 경험과 역량에 따라 분석의 성공률이 크게 좌우되는 만큼, 새로운 분야를 개척하기 위해 교육에 참여하게 됐다”고 설명했다.

엄 TL은 불량의 원인이 되는 공정 및 매커니즘을 분석하고, 개선 포인트를 도출하는 업무를 맡고 있다. 그의 목표는 한정적인 데이터로도 높은 확률로 원인 공정을 도출하는 Auto Cause Analysis System을 개발하는 것. 그는 “이번 교육에서 배운 내용을 토대로 엔지니어의 매뉴얼 기반의 분석을 줄이고, 더 정확한 원인 공정 예측을 통해 불량 유발 가능성이 있는 포인트에 집중한 PFA를 진행해 분석 TAT 감소 및 분석 성공률을 높이는 데 기여하고 싶다”고 포부를 전했다.

김광우 TL(Photo기술)은 “FDC 매개변수(Parameter)와 응답변수(Response Parameter)를 비교∙분석할 때 단순히 Trend의 생김새만으로 상관관계를 분석하는 데는 한계가 있었다”며 “데이터 분석 역량을 쌓아 이러한 업무 고충을 해결하고자 나서게 됐다”고 말했다.

김 TL은 “지금까지는 코딩이나 데이터 분석 업무를 하면서 필요에 따라 부딪혀 배웠는데, 좋은 교육을 받을 기회가 생겨 커리큘럼에 따라 배워볼 생각에 기대가 된다”며 “다른 팀 구성원들이 배운 것을 현업에 복귀해 어떻게 적용시킬지도 기대된다”고 말했다. 그는 “시간이 걸리겠지만, 교육이 끝난 후에도 과제를 통해 업무에 적용시킬 수 있는 시간이 충분히 부여되기 때문에, 역량을 높이는데 도움이 될 것 같다”며 기대감을 드러냈다.

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