공상 과학 작가 아서 C. 클라크가 주장한 것처럼 "충분히 발전된 기술은 마법과 구별할 수 없다"면, 데이터 과학을 모자에서 토끼를 꺼내는 것으로 간주하는 것처럼 느껴질 때가 있습니다. 물론 이 이야기는 잘못된 생각입니다. 사람들이 '데이터 과학 기계'의 한쪽 끝에 데이터를 주입하면 다른 쪽 끝에서 완벽한 위젯(모든 문제에 대한 해결책)이 나타날 것이라고 믿는 '데이터 마법'에 대한 인식이 바로 그것입니다.

이는 대다수의 사람들이 데이터 과학의 작동 원리를 이해하지 못하기 때문이며, 딥 러닝과 같은 고급 영역으로 들어가면 많은 데이터 과학자조차도 여러 수준의 복잡성을 이해하지 못한다는 것을 인정할 것입니다. 하지만 데이터 과학자라면 (대부분) 자신의 이해 범위를 벗어난 시점을 알 수 있을 만큼 충분히 알고 있습니다. 그러나 데이터 과학 커뮤니티 외부에서는 항상 그런 것은 아닙니다. 이는 충분히 이해할 수 있는 일입니다.

부분적으로는 우리 자신의 잘못이기도 합니다. 데이터 과학은 역사적으로 '외부인'이 침투하기는커녕 이해하기조차 어려운 어려운 분야입니다. 데이터 과학의 언어는 가슴 깊이 간직되어 왔습니다. 로마 가톨릭 교회가 중세와 근대 초기에 걸쳐 메시지를 통제하기 위해 교회 라틴어를 핵심 커뮤니케이션 언어로 선택했던 것처럼, 우리 데이터 과학자들도 분명 같은 규모나 전체 인구에 직접적인 영향을 미치지는 않았지만 비슷한 행동을 했다는 비난을 받을 수 있습니다. 그러나 16세기 종교개혁으로 언어의 족쇄가 풀려 다양한 기독교 교회의 교리를 대중이 더 쉽게 이해할 수 있게 된 것처럼, 이제 데이터 과학은 그 언어를 더욱 확장해야 합니다. 

공유된 언어를 사용하면 데이터 과학자가 마치 마법처럼 원하는 결과를 도출하기 위해 AI 환경에서 데이터를 실행하여 모든 문제를 해결할 수 있는 신비한 능력을 가지고 있다고 믿는 것을 넘어설 수 있습니다. 사람들이 데이터 과학이 마법의 만병통치약이 아니라는 것을 이해하는 데 도움이 될 것입니다.

실제로 고급 데이터 과학을 진정으로 원한다면, 데이터 과학자를 고립된 문제나 임시적인 문제를 해결하도록 지정하는 것은 데이터 과학을 뒷방에 두어 커뮤니케이션을 고립시키는 최악의 방법 중 하나입니다.

오히려 데이터 과학을 확산하는 가장 좋은 방법은 데이터 과학이 팀 스포츠임을 이해하고 전사적 차원의 문제를 드러내는 것입니다. 제품이나 고객을 전담하는 여러 분야의 팀을 구성하면 우수한 비즈니스 결과를 도출하고 부서 간 이해를 증진할 수 있습니다. 영업 담당자, 제품 관리자, 엔지니어, 데이터 과학자 및 기타 주요 기능 조직의 대표자가 한 공간에 모여 가장 큰 요구와 기회에 초점을 맞춘 회의를 진행해야 합니다. 바로 여기서 진정한 마법이 일어납니다.

하지만 이 여정을 떠나는 여행자는 경고 신호를 인지하고 있어야 합니다. 협업의 정신으로 고객이나 다른 제3자와 협력할 때, 모든 사람에게 설명할 수 있는 솔루션을 찾기 시작한다면 잠시 멈춰야 합니다. 마술사가 자신의 마술을 초등적인 마술에만 국한하지 않듯이, 데이터 과학자도 쉽게 설명할 수 있는 솔루션에만 매달려서는 안 된다는 것을 청중은 알고 있습니다. 의도적으로 프로세스를 간소화하면 문제에 대한 최적의 솔루션이 아닌 부수적인 효과를 가져올 수 있습니다. 균형이 중요합니다.

이러한 균형은 기업이 데이터 과학자의 역량을 신뢰하는 데 달려 있습니다. 데이터 과학자를 신뢰하는 것은 가능한 한 우리의 언어를 공유하되, 지나치게 기술적일 때 솔루션을 희석시키지 않으며, 항상 자신의 분야에 충실할 것이라는 믿음입니다. 이러한 신뢰와 균형이야말로 기술적으로 진보한 기업들이 각자의 진실에 도달할 수 있는 원동력입니다.

이 기사는 원래 다음에 게시되었습니다. Medium.