[직무전환을 위한 역량강화교육 미니 웨비나] '데이터 분석 준전문가 과정' 제조사 사례 공유

[직무전환을 위한 역량강화교육 미니 웨비나] 3회차 - '빅데이터 분석 준전문가 과정' 제조사 사례 보기

DT와 함께 불확실하고 변동이 많은 VUCA 시대가 찾아오며, 사업의 방향을 재정비하고 이에 맞춰 임직원의 직무를 재편하기 위한 기업 교육이 요즘 화제죠. 효율적인 직무전환을 위해 우리 임직원을 어떻게 교육해야 할지, 다른 기업에서는 어떻게 하고 있을지 궁금한 HRD 담당자님들을 위해 패스트캠퍼스 기업교육 팀이 실제로 진행한 직무전환 교육 사례를 공유하는 미니 웨비나를 준비했습니다!

이번 웨비나는 총 4회로 구성되어 제조사, 금융사를 비롯한 기업들과 함께 진행한 직무전환 교육을 실제로 담당하셨던 매니저님들이 직접 발표를 맡아주셨습니다. 발표 내용에는 기업들이 교육을 기획하게 된 배경과 각 과정마다의 목표, 실제 커리큘럼, 결과물 그리고 이를 바탕으로 HRD 담당자님들께 드리는 제언까지 다양한 내용을 담아보았는데요. 이번 콘텐츠에선 3회차 웨비나의 내용을 소개해 드리겠습니다. 다른 미니 웨비나들의 발표 내용이 궁금하시다면, 아래에서 선택해 함께 읽어보세요:)

제조사와 함께 진행한 '빅데이터 분석 준전문가 과정'

현업 이해도가 높은 임직원을 선발하여 진행된 이 교육 과정은 총 3가지 프로젝트(EDA, Final Project)를 단계적으로 진행하며 실제 업무 해결 능력을 높이는 데에 집중했습니다. 또 10주의 학습 기간 동안 머신러닝에서 더 나아가 딥러닝까지 학습하고, 이후 약 6개월간 고려대학교 강필성 교수님 연구실과 산학 협력을 진행해 가장 심도 있게 데이터 분야를 학습하며 준전문인력을 양성하였습니다.

교육 제안 배경

이 제조사는 회사 내에 데이터 분석 과제를 발굴하고 수행하는 조직을 이미 갖고 있었는데요. 하지만 조직의 한정된 인력으로 전사에서 필요로 하는 모든 과제를 발굴하기엔 무리가 있었기에, 실무 조직과 데이터 사이언티스트팀 사이에서 연계해 일할 수 있는 데이터 분석 준전문가를 양성하는 것이 교육의 목표였습니다.

또 해당 기업은 지금까지 저희 패스트캠퍼스와 4차례 교육을 진행하여, 결과적으로 총 64명의 데이터 분석 준전문가 인력을 함께 양성하였는데요. 여러 차례의 교육 과정 동안 지속적으로 교육의 범위나 형태를 바꿔가면서 계속 교육 효과를 개선해 나갔고, 이렇게 양성된 데이터 분석 준전문가 인력들은 현재 조직 내에서 데이터 분석 관련 업무를 수행하거나, 일부 인력은 아예 데이터 사이언티스트 팀으로 전환되어 데이터 관련 업무를 집중적으로 수행하고 있습니다. 때문에 이 과정은 기업에서 데이터 분석 관련 인력이 필요할 때, 임직원 교육을 통해서 조직에 필요한 새로운 데이터 분석 과제를 발굴해 해결하며 궁극적으로 데이터 분석 준전문가 양성이라는 목표까지 달성하는 게 가능하다는 것이 증명된 과정이라고 할 수 있습니다.

교육 설계 방향

앞서 말씀드린 것처럼 저희가 여러 차례 교육을 진행하면서, 이번 교육과정에서는 특별히 교육 과정 전후에 수강생의 역량 변화 정도를 측정하고자 하는 고객사 측의 니즈가 있었습니다. 그래서 저희는 이런 사항을 포함해 교육 관련 고객사의 여러 니즈들을 종합적으로 고려한 커리큘럼을 구성하였는데요. 어떤 니즈가 있었고 이를 위해 저희가 교육을 어떻게 설계했는지, 하나씩 설명드리도록 하겠습니다.

먼저 이 교육의 목표이기도 한 데이터 분석에 필요한 전반적인, 가장 최신의 지식을 습득하고 싶다는 니즈를 위해 교육 과정을 난이도에 따라 핵심 역량 모듈, 그리고 기술 심화 모듈로 점차적으로 학습하도록 설계하였습니다. 교육 초반, 핵심 역량 모듈에서는 추후 과제 진행을 위한 기본적인 지식의 토대를 쌓으며 본인이 어떤 과제를 분석할 것인지 과제 기획서를 작성하고, 필요한 데이터가 무엇이며 비즈니스적으로 이 과제를 수행할 가치가 있는지 산학 협력을 통해 과제의 적합성까지 확인하였습니다.

이후 기술 심화 모듈에서는, 가장 보편적이고 기초적인 내용을 배웠던 핵심 역량 모듈에서 더 나아가 고객사가 포함된 제조사 업종에 해당되는 내용으로 집중하여 업계 맞춤형 최신 지식을 습득할 수 있도록 했습니다. 또 과제와 관련해서는 앞서 진행 가능성이 확인된 프로젝트들을 코칭 인력들의 피드백을 바탕으로 수행하며 교육 종료 시점에는 프로젝트의 결과가 도출될 수 있도록 진행하였습니다.

두 번째로는, 교육 종료 후에 즉시 실무 투입이 가능한 수준의 인재를 양성하고 싶다는 니즈가 있었는데요. 다른 교육 과정보다도 데이터 분석 역량을 함양하기 위해서는 교육 지식도 습득이 필요하지만, 이 지식을 실제로 적용해 볼 수 있는 실습이 같이 병행되는 것이 매우 중요합니다. 그리고, 이런 과정이 수강생들에게 부담이 되지 않게 가장 잘 전달되려면 이론 학습과 실습이 단계적으로 진행되어야 하는데요.

그래서 저희는 수강생들의 학습 수준에 맞추어 실습 프로젝트 또한 3가지 단계로 구성하였습니다. 가장 기초 단계 프로젝트는 '탐색적 데이터 분석'인데, 파이선 기초 프로그래밍을 학습하는 중에 진행되는 프로젝트이기 때문에 강사님이 주제를 선정하고, 이미 정제되어 있는 데이터를 활용해 시각화 결과 또는 인사이트를 잘 도출할 수 있는가에 중점을 두었고요. 다음 단계는 머신러닝 기반 미니 프로젝트로, 이 단계에서도 주제는 강사님이 선정하지만 이미 수강생이 데이터 전처리를 학습한 상태였기 때문에 정제되어 있지 않은 데이터를 활용해 효과적으로 데이터를 정제하고, 목표 달성을 위한 알고리즘을 활용할 수 있는지를 점검하였습니다.

마지막 프로젝트는 학습자 주도 프로젝트인데요, 현업 프로젝트를 수행하기 직전에 가장 고도화된 실습 과정이라고 할 수 있습니다. 앞서 진행된 두 개의 프로젝트와는 다르게 주제 선정부터 데이터 수집, 처리, 결과 도출까지 모두 학습자가 주도해 수행하였는데요. 수강생들에게 현업에서 실제로 사용하는 기술 스택과 관련되거나 교육 과정에서 미리 활용해보고 싶은 알고리즘이 있다면 이를 바탕으로 주제를 선정하도록 유도하여 실무에 최대한 가깝게 학습할 수 있도록 기획하였습니다. 실제로 텍스트 분석이 필요한 현업 조직에 있는 수강생들의 경우 배달사이트의 리뷰 텍스트를 분석하고, 추천이나 예측과 관련된 데이터 분석이 필요한 조직의 수강생들은 시계열 데이터를 바탕으로 음식을 추천하거나 영화 관객수를 예측하는 등의 프로젝트를 수행하였습니다.

마지막으로 이번 기수에 추가된 가장 중요한 니즈인 교육 과정 전후로 수강생들의 역량 변화를 파악해 보고 싶다는 부분을 위해서는 강사님들과 함께 사전, 사후 역량평가를 진행했는데요. 우선 평가의 목적은 수강생들의 사전 수준을 파악해서 실제 커리큘럼을 수정 및 보완하는 데 활용하고, 나아가 교육 종료 후 성취 수준을 확인하기 위함이었습니다. 정확한 평가를 위해 강사님 및 현업 팀과 상의하여 세부 항목을 정했고, 데이터 분석 이론과 관련된 문제 40개, 프로그래밍 기초 된 문제 10개, 또 학습한 내용을 바탕으로 실제 과제를 해결할 수 있는지까지 확인하며 하루 동안 평가를 진행했습니다. 그리고 이 평가 결과는 지난 교육의 수준과 수강생들의 만족도 및 요청 사항을 파악하고, 이를 토대로 다음 교육 과정에 보완점과 방향성을 다시 제안하는 데 사용되었습니다.

상세 커리큘럼

교육 운영에 있어 차별점을 둔 부분은, 학습자 맞춤 지원과 산학 협력이었는데요. 먼저 학습자 맞춤 지원은, 있을 수밖에 없는 수강생 사이의 역량 차이를 해소하기 위한 방안이었습니다. 수강생별로 어떤 내용을 예습 또는 복습하면 좋을지를 실습 조교님이 챙겨드려 반복적 학습이 가능하도록 지원하였고, 또 매일 한 시간씩 자습 시간을 배치하여 수강생들이 제공된 온라인 콘텐츠를 자율적으로 듣거나 실습과 관련된 1:1 코칭을 받을 수 있는 세션을 마련하였습니다. 교육 시간에는 질의응답 시간을 통해 그날 배운 내용과 궁금했던 점들을 당일에 해결할 수 있도록 하여 수강생 모두가 끝까지 교육을 이수할 수 있도록 도왔습니다.

또 다른 차별점으로는 고려대학교 강필성 교수님의 연구실과 함께 산학 연계를 진행한 것인데요. 프로젝트 완성도를 높이기 위해 산학 연계 코칭 인력 한 명이 2,3명의 수강생을 전담 관리하였고, 코칭 조교님이 프로젝트 진행 중의 이슈나 문제 상황을 맡아 해결해 주시고 교수님께서는 프로젝트의 방향성을 정립하며 과제 결과물의 완성도를 높일 수 있도록 이끌어 주셨습니다. 또 실습 조교님께서는 상시 수강생들의 옆에서 프로젝트 수행을 지원하며 질의응답을 도맡아주습니다. 이렇게 학습자 중심으로 데이터 분석 과제 수행을 지원하고 수강생들이 프로젝트를 직접 기획함으로써 교육 내용과 현업의 연계성을 강화하고, 또 주도적인 프로젝트 수행을 통해 효과적으로 데이터 분석 역량을 함양할 수 있도록 도울 수 있었습니다.

산학 연계가 진행된 과정을 소개해 드리자면, 우선 초반 핵심 역량 과정이 진행된 4주 동안은 수강생분들이 직접 기획서를 구체화하고 필요 데이터를 수집하였으며 코칭을 통해서 기획서의 적합성을 검토 및 보완하고 수집한 데이터를 바탕으로 전처리 코드 개발과 과제 목표 달성을 위한 알고리즘 발굴 및 설계를 진행하였습니다. 그리고 프로젝트 기획안 및 계획서를 공유하는 1차 발표회를 통해 수강생 간에 타 프로젝트에 대한 상호 이해를 도모하는 시간을 가졌고요. 기술 심화 과정이 진행되는 이후 5주 동안은 본격적으로 수행계획서에 따른 프로젝트 진행과 코칭이 이루어졌습니다. 수강생분들은 매주 프로젝트 진행 정도와 계획서를 작성하고 제출하셨고, 저희 패스트캠퍼스는 진행 정도에 따라 피드백과 일정 관리, 프로젝트 진행을 독려하는 역할을 담당했습니다. 마지막으로 최종 결과물 공유회에서는 각 수강생들이 프로젝트의 주제, 선정 이유, 활용 알고리즘, 기능 시연 등의 내용을 담아 결과물 발표를 진행하였습니다.

교육 결과

해당 교육 과정은 만족도는 물론 추천 지수, 그리고 강사님, 교수님, 조교님과 관련된 세부적인 지표들까지 상당히 높은 점수를 받았는데요. 이렇게 교육 결과가 좋았던 이유에는 아무래도 저희가 교육을 진행할 때 커리큘럼 기획은 물론 운영에 있어서 타 기업들과 다르면서도 어떻게 해당 고객사의 니즈를 전부 충족할 수 있을지 여러 방면으로 고민했던 부분들이 이렇게 좋은 결과로 이어진 것 같습니다.

물론 그럼에도 불구하고 아쉬운 점은 항상 있는데요. 꼽아보자면, 먼저 사전/사후 역량 테스트와 관련하여 보다 신뢰성 있는 결과를 위해 측정하고 싶은 역량의 목표에 대한 더 심도 있는 논의가 먼저 이루어지면 좋을 것 같다 생각하였고요. 또 전반적으로 프로젝트 수행 결과는 훌륭했지만, 핵심 역량 즉 기본 과정에서는 현업과 관련된 과제 수행이 없었기 때문에 실습과 미니 프로젝트의 비중을 늘릴 필요가 있겠다 느꼈습니다. 반대로 심화 과정에서는 교육의 난이도는 높아지는데 시수는 기본 과정에 비해 줄어들기 때문에, 온라인 콘텐츠를 통해 사전 학습을 진행 후 심과 과정으로 들어간다면 교육의 효과를 더 높일 수 있을 것으로 생각하여 고객사에 위와 같은 개선 사항을 전달드렸습니다.

제언

이 미니 웨비나를 신청해 직접 들으신 분들은 아래 두 가지 질문에 대한 해답을 듣기 위한 분들이 많으셨을 것 같은데요.

✅ 1. 현업과의 연계성을 높여 실무 문제를 직접 해결할 수 있는 교육 커리큘럼 설계 방안은?
✅ 2. 기초 수준의 학습자를 전문가 수준으로 육성하기 위한 성장 정도 측정 방법은?

첫 번째 질문에 대해서는, 당연하겠지만 우리 회사에 대한 충분한 이해가 선행되어야 합니다. 우리 기업에 어떤 데이터가 수집되고 있고 어떻게 활용되고 있으며, 이 데이터들을 관리하는 인력은 몇 명 정도인지 파악이 되어야 이런 사항들을 모두 반영한 현업과 연계성이 높은 교육 과정 설계가 가능합니다. 다음으로 기초 수준의 학습자를 전문가 수준으로 양성하고자 한다면, 교육의 목적과 대상에 대한 정확한 설정과 함께 이들에게 어떤 역량을 육성시킬지에 대한 수강생과 기업, 그리고 교육을 기획하는 저희 패스트캠퍼스 사이에 충분한 논의와 협의가 필요합니다. 그리고 이러한 교육 과정이 의미가 있으려면 교육 과정 자체가 실습형, 프로젝트 중심으로 설계되어야 하는데요. 지식 습득도 중요하지만 이 지식을 어떻게 활용할지가 실무에서 훨씬 중요하게 작용하기 때문입니다.

우리 기업에도 이런 교육 과정이 필요하다면, 아래 버튼을 통해 문의를 남겨주세요! 교육을 진행한 김주연, 강지선 매니저가 직접 더 자세한 이야기와 함께 기업만을 위한 맞춤형 솔루션을 제공해 드리겠습니다.