제가 대학원 진학을 결심하게 된 순간부터 어떻게 공부하며 진학을 준비했는지, 그리고 서울대학교 융합과학기술대학원에 합격하기 위해 준비한 자료들을 순차적으로 적어보려 합니다. 이 글을 쓰는 가장 큰 목적은 제 인생의 가장 중요한 결정 중 하나가 될 대학원 진학 시의 초심을 잃지 않기 위해서입니다.
단,저랑 비슷한 고민을 하시는 직장인 분들이나 HCI, 데이터 사이언스 쪽 학문을 공부하고 싶으신 분들에게도 도움이 되는 글의 성격도 가지면 좋겠습니다. 왜냐하면 제가 직장인 시절 데이터 사이언스 쪽 대학원 진학을 고려할 때, 도움이 될만한 글들이 많이 없었기 때문입니다.
대학원 진학 관련 포스트의 첫 글은 역시 '왜 잘 다니는 회사를 그만두고, 대학원에 가고 싶었는지'를 다룬 '대학원 진학 동기'가 적절해 보입니다. 그 이유는 제 개인적으로는 무엇을, 왜 공부를 하고 싶은지 이유가 뚜렷해야 어느 대학원에 가서 무엇을 공부해야 재미있을지 정할 수 있고, 또한 대학원 과정 공부가 힘들 때에도 흔들리지 않고 공부를 계속 해 나갈 수 있을 것이기 때문입니다. 또한 입시 목적에서는 서류평가와 면접에서 교수님들이 가장 중요하게 다루시는 항목이 진학동기이기 때문입니다.
제 대학원 진학동기의 이유는 총 2가지입니다. 첫째는 '전문성을 키우고 싶다는 이유'였고, 두번째는 '제가 원하는 industry'에서 일하는데 대학원 공부가 도움이 된다'고 판단했습니다.
진학동기 1 : 데이터를 다루는 '전문성'을 갖추고 싶다.
첫번째 동기인 전문성을 키우고 싶은 이유는 제가 일했던 직장에서 꼭 필요하다고 생각한 skill을 대학원에서 더 잘 배울 수 있을 것 같다고 생각했기 때문입니다. 화학업체에서 약 1년 동안 경영지원 스태프로 근무하는 동안. 저는 여러 데이터를 다루어 사업부의 매출, 영업이익을 예측하는 업무를 했었습니다.
물론 제 팀의 다른 선배님들은 실적과 이 예측이 차이날 시 그 이유를 분석하고, 제품들의 이익률을 분석하는 등 다른 업무도 하였지만 저는 신입이었기 때문에 '수익 예측'에 주로 초점을 맞추어서 일했습니다. 제가 주로 했던 예측 항목은 '제조비용, 판매관리비용'이었습니다. 예를 들어, 이 글을 쓰는 시점이 2017년 11월이니, 선행 5개월 정도인 12월-내년 4월, 더 나아가서는 2018년-2022년 등 선행 5개년의 '임금'을 예측해야 했습니다.
회사 업무와 관련이 있어서 어떤 방식으로 이 비용을 예측했는지 자세히 쓸 수는 없지만, 저는 이 예측 방법을 대학 시절 때 배웠던 회귀분석, 상관관계분석 등을 이용하면 예측 정확도를 향상시킬 수 있을 것이라 생각하여 개인적으로 공부 했었습니다. 이 공부한 내용이 실제로 업무에 도움이 되는 것을 확인 한 뒤, 데이터 사이언스를 더 자세히 배우고 싶은 마음, 그리고 이를 개인적으로 하기에는 한계가 있다는 생각이 들어 대학원 진학을 결심하게 되었습니다. 회귀분석, 상관관계분석은 데이터 사이언스와 통계학 양쪽에서 모두 기본적인 개념인데, 이 기본적인 개념이 큰 도움이 되니 데이터 사이언스를 더 자세히 배우면 얼마나 큰 도움이 될지 궁금했었기 때문입니다.
진학동기 2 : Wealth management 산업에서 일하고 싶다.
두번째 동기는 제가 원하는 '금융' 특히 wealth management 분야에서 일하려면 데이터를 관리하여 가치를 창출하는 skill이 필수적이고, 이는 대학원에서 가장 잘 배울 수 있으리라 생각했기 때문입니다. 단순히 전문성을 기르기 원했더라면, 퇴사하고 주간대학원을 선택하는 모험보다는 안정적으로 회사를 다니며 야간대학원에 진학하는 방법도 있었을 것입니다. 하지만 wealth management industry로 career change를 하고 싶었기 때문에 job market에서 주간대학원에서 공부를 하여 '데이터 사이언스'를 잘 배웠다는 signal을 보다 더 적극적으로 보내고 싶었습니다.
wealth management 분야에서 일하기 위해 데이터 사이언스를 공부하는 건 일견 먼 우회로를 선택한 것처럼 보이기도 합니다. 자산운용사, hedge fund에 주로 입사하는 경로가 유관 산업 분야에서 경력을 쌓고 MBA를 졸업하는 것이 정설이었기 때문입니다. 하지만 최근 Renaissance Technology, two sigma 같은 data를 사용하는 wealth management firm 들이 등장하고 기존의 금융사인 J.P.Morgan에서도 data scientist를 많이 고용하는 추세입니다. 아래 2개의 기사들을 참조해보시면 됩니다.
1. MIT Technology Review 기사
2. efinancial careers 기사
