2일 차: Data Engineering vs Data Science vs Data Analytics

Source: Dev.to

왜 이 역할들을 비교할까?

현대 데이터 팀에서는 데이터 엔지니어링, 데이터 사이언스, 데이터 애널리틱스가 세 가지 핵심 축이지만, 많은 사람들이 이를 혼동합니다.

• 누가 무엇을 하는지 알면 프로젝트에서 오해를 줄일 수 있습니다.
• 자신의 커리어 경로를 현명하게 선택할 수 있습니다.
• 협업이 더 원활해집니다.

전체 그림

핵심 차이점

• 엔지니어는 고속도로를 건설합니다.
• 과학자는 그 위를 달릴 자율주행 차를 만듭니다.
• 애널리스트는 교통 상황을 보고합니다.

데이터 엔지니어링에 진입하고 싶다면, Break Into Data Engineering: A Complete Roadmap for Beginners (15장, 190페이지) 가이드가 초보자에게 명확한 로드맵을 제공합니다.

데이터 엔지니어가 하는 일

주요 업무

• 데이터 아키텍처 설계 (데이터베이스, 데이터 레이크, 웨어하우스)
• ETL/ELT 파이프라인 개발, 테스트, 유지보수
• 다양한 데이터 소스 통합
• 성능을 위한 저장소·쿼리 최적화
• 파이프라인 상태 모니터링 및 문제 해결

핵심 목표: 깨끗하고 구조화된 신뢰성 높은 데이터를 제공하는 것.

데이터 사이언티스트가 하는 일

주요 업무

• 대규모 데이터 셋 탐색·분석
• 통계·머신러닝 모델 구축·테스트
• A/B 테스트·실험 수행
• 결과 해석 및 예측 제공
• 이해관계자에게 복잡한 인사이트 전달

핵심 목표: 데이터를 실행 가능한 인사이트와 예측 시스템으로 전환하는 것.

데이터 애널리스트가 하는 일

주요 업무

• SQL·BI 도구를 활용해 구체적인 질문에 답변
• 대시보드·시각화 보고서 제작
• 과거 데이터에서 트렌드·패턴 식별
• 명확한 인사이트로 의사결정 지원

핵심 목표: 팀이 “무엇이 일어났고 왜 일어났는지”를 이해하도록 돕는 것.

실제 사례

이커머스 회사

1. Data Engineer: 웹사이트 클릭, 구매, 고객 정보를 수집하는 파이프라인을 구축하고, 이를 Snowflake와 같은 데이터 웨어하우스에 저장합니다.
2. Data Scientist: 정제된 데이터를 활용해 고객 이탈 가능성을 예측하고, 유지 전략을 테스트합니다.
3. Data Analyst: 일일 보고서를 만들어 매출 추세, 고객 세그먼트, 마케팅 캠페인 성과를 시각화합니다.

Day 2 핵심 정리

• Data Engineers = 백본: 데이터 기반을 구축·유지합니다.
• Data Scientists = 혁신가: 미래를 예측하는 모델을 만듭니다.
• Data Analysts = 탐험가: 과거·현재 데이터를 파고들어 명확한 인사이트를 제공합니다.
• 이 역할들은 협업을 위해 존재하며, 서로 경쟁하는 것이 아니라 현대 데이터 팀에 필수적인 요소입니다.

액션 아이템

오늘의 미니 과제:

두 개 열을 가진 간단한 표를 만들고 채워 보세요.

각 스킬이 어느 역할에 해당하는지 표시해 보세요. 이를 통해 현재 자신의 위치와 앞으로 성장하고 싶은 방향을 파악할 수 있습니다.