데이터 분석가가 되는 방법, 학위 없이도

데이터 분석가로 일하는 데 데이터 관련 전공 학위가 필요한 것은 아니다. 하지만 대부분의 경우 '무언가의' 학사 학위는 필요하다. O*NET은 응답자들에게 신입이 이 직무를 수행하는 데 필요한 학력 수준을 묻는데, 고용주들이 '데이터 분석가'로 올리는 채용공고와 가장 가까운 직종인 비즈니스 인텔리전스 분석가의 경우 68%가 학사, 23%가 석사, 5%가 준학사라고 답했다(O*NET 15-2051.01, 2026년 8월 기준 자료). 이 질문은 학력 '수준'에 관한 것일 뿐, 답변 어디에도 전공 분야는 등장하지 않는다.

"학위가 있다"와 "그 분야의 학위가 있다" 사이의 간극이야말로 대부분의 커리어 전환 조언이 틀리는 지점이다. 그런 조언들은 졸업장에 적힌 전공을 관문으로 취급한다. 하지만 연방 데이터가 가리키는 건 다른 곳이다. 고용주가 그 일자리를 4개 직종 중 어디로 분류하느냐가 급여와 사용 도구, 그리고 스크리닝 질문을 결정하며, 지원자는 그 분류(행)를 스스로 고를 수 없다. 공고가 어느 분류에 속하는지를 읽어내면, 나머지 결정들은 더 이상 추측이 아니게 된다.

연방 데이터에서 '데이터 분석가'는 어느 직종인가?

BLS에는 '데이터 분석가'라는 직종이 없다. 이 업무는 네 개 직종에 나뉘어 있으며, 고용주의 일자리가 그중 어디로 집계되느냐에 따라 중위 급여가 41,470달러까지 달라진다.

직업전망편람(Occupational Outlook Handbook) 프로필. 임금은 2025년 5월 추정치, 고용은 2025년 기준.

이렇게 읽으면 된다. 중위값은 정중앙이다. 그 직종 종사자의 절반은 이보다 많이 벌고, 절반은 적게 번다. 이는 초봉이 아니며, 데이터 과학자의 경우 데이터 분석가의 급여도 아니다 - SOC 15-2051은 비즈니스 인텔리전스 분석가와 데이터 과학자를 하나의 코드로 합쳐놓았으므로, 120,230달러라는 중위값 안에는 머신러닝 엔지니어와 대시보드 제작자가 한데 섞여 있다. 보험사에서 청구 대시보드를 관리하는 데이터 분석가와 소비재 브랜드에서 시장 규모를 산정하는 데이터 분석가는 같은 직함을 갖고 있지만 이 표에서는 서로 다른 행에 속한다.

네 행 중 하나는 나머지 셋과 다르게 움직인다. 통계학자는 BLS가 일반적인 신입 학력으로 석사를 지정하는 유일한 직종이며, 공고에 적힌 학위 요건이 실제로 존재하고 전공까지 구체적일 가능성이 큰 유일한 직종이기도 하다. 또한 이 네 직종 중 가장 인원이 적다 - 네 행을 합친 137만 2,700명 중 통계학자는 31,300명에 불과한 반면, 시장조사 분석가는 952,700명이다. '통계학자'와 '데이터 분석가'를 서로 바꿔 쓸 수 있는 직함으로 읽는 커리어 전환자는, 하나의 관문을 다른 관문인 것처럼 잘못 읽고 있는 셈이다.

데이터 분석가 일자리는 어떤 학위를 요구하는가?

Education O*NET's respondents say a new hire needs

O*NET asks "how much education does a new hire need to perform a job in this occupation?" Data current to August 2026. Only the three most common answers are published per occupation, so no column totals 100%.

	Business Intelligence Analysts	Data Scientists	Market Research Analysts
Bachelor's degree	68%	48%	57%
Master's degree	23%	44%	39%
Associate's degree	5%	4%	—
Post-baccalaureate certificate	—	—	4%

첫 번째 행보다 두 번째 행을 먼저 읽어야 한다. 실제 돈이 걸린 곳이 두 번째 행이기 때문이다. 데이터 과학자 코드 응답자의 거의 절반(44%)이 신입에게 석사가 필요하다고 답했고, 시장조사 분석가에서도 39%가 같은 답을 했다. 이는 실재하는 수치이며, 그렇지 않은 척하는 건 정직하지 못한 태도일 것이다. 다만 이에 대응하는 두 가지가 있다. 첫째, 같은 자료 안에서 채용공고상 데이터 분석가와 가장 가까운 코드인 비즈니스 인텔리전스 분석가에서는 68%가 학사로 충분하다고 답한다. 둘째, 전혀 다른 방식으로 신입 학력을 지정하는 BLS는 위 표의 4개 직종 중 데이터 과학자를 포함한 3개 직종에 "학사 학위"를 부여한다.

더 저렴하게 해석되는 쪽을 먼저 따라 학사 학위로 지원하라. 첫 지원도 하기 전에 석사를 사들이는 것은, 여러분이 결국 어느 분류(행)에 속하게 될지 알 수 없는 상태에서, 적용되지 않을 수도 있는 요건을 위해 2년치 등록금을 쓰는 것이나 마찬가지다. 그리고 위 수치는 그것이 어느 행이 될지 알려주지 않는다.

이 데이터가 알려주지 않는 것: 학위가 어떤 전공이어야 하는지는 아무도 묻지 않았다. O*NET의 질문은 오직 학력 수준에 관한 것이며, 답변은 실제 채용공고를 집계한 것이 아니라 그 직종에 종사하는 근로자와 직무 전문가들에게서 나온다 - 즉 지난달 고용주들이 적어 놓은 것의 집계가 아니라, 전형적인 신입에 대한 정통한 판단인 것이다. 역사학 학위가 그 기준을 통과하는지는 이 설문이 애초에 묻지 않는 질문이다.

첫 일자리를 얻으려면 경력이 필요한가?

여기서 두 연방 자료가 서로 엇갈리는데, 바로 그 엇갈림이 유용한 정보다. BLS는 데이터 과학자에 대해 "관련 직종 경력: 없음", "현장 교육(On-the-job training): 없음"이라고 명시한다. O*NET은 같은 업무를 잡 존 4로 분류하면서 종사자들이 "보통 수년간의 관련 실무 경험, 현장 교육 및/또는 직업 훈련이 필요하다"고 설명한다. 둘 다 각기 다른 것에 대해서는 정확하다 - BLS는 그 직종에 진입하기 위한 최소 요건을 설명하는 것이고, O*NET은 이미 그 직종에 있는 평균적인 사람이 쌓아온 경력을 설명하는 것이다. 데이터 분석가 공고가 3~5년을 요구할 때, 그것은 후자를 인용하고 있는 것이다.

급여 범위의 하단은 얼마인가?

10th percentile annual wage, May 2025

The wage below which the lowest-paid tenth of each occupation falls. A Data Analyst posting is counted under one of these four.

Data scientists		$67,240
Statisticians		$64,000
Operations research analysts		$57,060
Market research analysts		$43,390

중위값은 경력 중간쯤에 있는 사람들을 나타내므로, 첫 데이터 분석가 일자리로 옮겨가는 사람이라면 대신 위 표를 봐야 한다. 그 양 끝의 격차는 23,850달러이며, 이 차이는 분석가의 실력과는 거의 무관하다. 누가 채용했는지로 설명된다. BLS는 같은 2025년 5월 발표 자료에서 데이터 과학자의 산업별 중위 임금도 보고한다 - 출판·방송·콘텐츠 제공업 142,240달러, 컴퓨터 시스템 설계업 132,380달러, 신용 중개업 129,490달러, 기업 및 기업 경영 관리업 128,050달러, 보험업 108,650달러. 스트리밍 서비스 회사와 보험사에서 만드는 같은 대시보드 업무가, 협상 한마디도 하기 전에 중위값 기준 33,590달러 차이가 나는 것이다.

하위 10%가 아닌 것: 이는 초임 급여가 아니다. 이는 그 직종 전체 종사자 중 하위 10분위로, 연중 일부만 근무한 사람, 생활비가 낮은 대도시권 종사자, 10년째 같은 자리에 머물러 있는 사람까지 모두 포함한다. 중간 규모 도시에서의 첫 데이터 분석가 일자리는 이 수치와 정확히 일치하기보다는 그 근처 어딘가에 자리하며, 연방 데이터는 어떤 직종에 대해서도 첫 직장의 급여를 발표하지 않는다.

이 직무에서는 어떤 도구를 쓰게 되나?

O*NET은 직종마다 소프트웨어 카테고리별로 정리된 기술 목록을 관리한다. 이 카테고리들은 알파벳순으로 나열되어 있어 순서 자체에는 아무 정보가 없다 - 의미 있는 신호는 O*NET이 '수요 급증 기술(hot technologies)'로 표시하는 도구가 어느 것이냐이며, 이 표시는 고용주 채용공고를 집계해 도출한 것이다. 비즈니스 인텔리전스 분석가의 경우 표시된 도구는 다음과 같다.

• 비즈니스 인텔리전스 및 데이터 분석 소프트웨어 - Alteryx, Apache Spark, Google Looker Analytics, Microsoft Power BI
• 데이터베이스 관리 시스템 소프트웨어 - Amazon DynamoDB, Apache Hive, Elasticsearch, Oracle PL/SQL
• 데이터베이스 사용자 인터페이스 및 쿼리 소프트웨어 - IBM DB2, Transact-SQL, Amazon EC2
• 데이터 마이닝 소프트웨어 - Google Analytics, Snowflake
• 스프레드시트 및 프레젠테이션 소프트웨어 - Microsoft Excel과 Microsoft PowerPoint. O*NET이 여기서 추가로 '수요 급증'으로 표시하는 두 가지다

PowerPoint가 그 '수요 급증' 표시를 달고 있는 건 장난이 아니며, Excel이 이 항목에서 Snowflake보다 순위가 높은 것도 마찬가지다. 이 목록을 데이터 과학자에게 표시된 도구들 - 분석 소프트웨어 아래의 IBM SPSS Statistics, SAS, TensorFlow, MATLAB, 그리고 데이터베이스 쿼리 도구 아래의 PyTorch - 와 나란히 놓으면, 비슷한 직함을 쓰고 있는 두 개의 서로 다른 직무가 뚜렷이 드러난다. 시장조사 분석가는 또 다른 위치에 자리한다 - Tableau, Google Looker, Google Analytics, IBM SPSS, Minitab. 비즈니스 인텔리전스 분석가에서 가장 높은 중요도(91점)를 받은 업무는 "비즈니스, 재무 또는 경제 데이터를 요약하는 표준 또는 맞춤형 보고서 작성"이다. 보고하는 것이 이 일이다. 모델링은 다른 일이다.

이 표시가 나타내지 않는 것: 누군가 하루 종일 무엇을 하는지에 대한 척도가 아니다. O*NET은 2025년에 스캔한 미국 채용공고 4,690만 건 중 814,960건에서 Python을 발견했다고 집계했는데, 이는 고용주가 그 단어를 얼마나 자주 타이핑하는지를 나타낼 뿐, 화면에 몇 시간이나 띄워 놓는지를 나타내는 게 아니다. 그럼에도 이는 수요를 가늠할 수 있는 가장 가까운 공개 지표이며, 커리어 전환자에게는 냉정한 결론을 준다. 딥러닝 강좌를 6개월 듣는 것은 SQL과 BI 도구 하나를 제대로 빠르게 익히는 데 쓰는 6주보다 얻는 게 적다. 전자는 여러분이 지원하지도 않을 직종을 준비하는 것이기 때문이다. O*NET은 또한 비즈니스 인텔리전스 분석가 아래에 정식 견습 과정(registered apprenticeship) - 비즈니스 인텔리전스 엔지니어(Business Intelligence Engineer) - 를 등재해 두고 있는데, 견습 과정은 배우는 동안에도 급여를 받는 유일한 진입 경로이므로 알아둘 가치가 있다.

자격증이 학위를 대신할 수 있을까?

부분적으로는 그렇지만, 정직한 답은 다소 불편한 내용이다. 시장조사 분석가와 마케팅 전문가(Marketing Specialists)에서는 O*NET 응답자의 4%가 신입에게 필요한 것은 학사 후 취득 자격증(post-baccalaureate certificate)이라고 답했다 - 실재하는 답이지만, 이는 학사 학위를 '대신'하는 것이 아니라 학사 학위 '다음'에 오는 것이다. 비즈니스 인텔리전스 분석가의 경우 학사 미만 학력 중 발표될 만큼 응답 비율이 높았던 것은 준학사라고 답한 5%뿐이다. "학위 불필요"는 두 목록 어디에도 등장하지 않는데, 이는 아무도 그렇게 답하지 않았다는 뜻이 아니라, 준학사라고 답한 사람보다 적었다는 뜻이다.

자격증이 실제로 힘을 발휘하는 곳은 잡 존 4 설명의 후반부다. O*NET이 기록하는 요건은 4년제 학위 '더하기' 수년간의 관련 경험이며, 자격증은 전반부보다 후반부를 뒷받침하는 데 훨씬 효과적이다. SQL과 Power BI 강좌를 마친 부기 담당자가 자신이 다니는 회사의 월 결산 보고서를 직접 재구성하고 6개월 뒤 사내 데이터 분석가 자리에 지원하는 경우를 생각해보라. 이때 일을 해내는 증거는 강좌 수료증이 아니라 다시 만든 보고서다. 같은 부기 담당자가 자격증만 있고 아무것도 만들어본 적 없는 상태로 낯선 회사에 지원한다면, 그 직종이 요구하는 두 조건 중 어느 쪽에 대해서도 증거를 제시하지 못하는 셈이다.

학위가 다른 분야일 때 밟아야 할 네 단계

Getting to a first Data Analyst application

Ordered by what the O*NET and BLS occupation profiles say the work actually requires.

1. 1
   Pick the row, not the title

   Decide whether you are aiming at market research analyst work (customer and industry data, Excel and Tableau, 952,700 jobs in 2025) or business intelligence work (SQL, Power BI, dashboards). They pay $78,760 and $120,230 at the May 2025 median and they expect different portfolios.

2. 2
   Learn SQL and one BI tool properly

   O*NET flags Transact-SQL, Microsoft Power BI, Alteryx and Apache Spark as hot technologies for Business Intelligence Analysts, and marks Excel in demand. One tool learned to the point of fluency beats four learned to the point of a certificate.

3. 3
   Build two reports, not ten dashboards

   The occupation's highest-rated task is generating reports that summarize business, financial or economic data, scored 91 for importance. A portfolio that shows a question being asked and answered matches that description. A gallery of charts does not.

4. 4
   Apply to the adjacent titles too

   O*NET's related occupations for Business Intelligence Analysts are Clinical Data Managers, Computer Systems Analysts, Data Scientists, Financial Risk Specialists, Market Research Analysts and Operations Research Analysts. Searching only for 'Data Analyst' hides most of the openings.

내용보다 순서가 더 중요하다. 목표 직종을 먼저 정하는 것이야말로 그 이후의 모든 선택을 명확하게 만들어주며, 이 단계를 건너뛰기 때문에 그토록 많은 커리어 전환 포트폴리오에 신경망 노트북만 잔뜩 있고 SQL은 하나도 없는 것이다.

채용 자리는 어디에 있나?

BLS는 2025년부터 2035년까지 데이터 과학자 고용이 35% 증가해 95,400개의 일자리가 늘어날 것으로 전망하며, 이직과 은퇴를 감안하면 연평균 약 24,800개의 채용 자리가 생길 것으로 본다. 시장조사 분석가는 비율로는 더 느리게 성장한다 - 7%, 즉 66,300개 일자리 - 하지만 그 출발점인 952,700명은 데이터 과학자로 집계되는 275,600명보다 3배 이상 많다.

성장률과 채용 자리 수는 다른 이야기이며, 첫 일자리를 구하는 입장에서 중요한 건 후자다. 같은 20252035년 전망치를 기준으로, BLS는 시장조사 분석가에 대해 연간 약 82,000개, 데이터 과학자에 대해서는 약 24,800개의 채용 자리를 예상한다 - 성장률이 더 느린 직종으로 3.3배 더 많은 자리가 흘러들어가는 셈이다. O*NET의 별도 20242034년 전망은 그 격차를 더 벌려서, 시장조사 분석가·마케팅 전문가에는 연간 87,200개, 비즈니스 인텔리전스 분석가를 포함하는 데이터 과학자 코드에는 23,400개를 예상한다. 운영연구 분석가는 둘보다 규모가 작아서, 12% 성장에 13,500개 일자리 증가, 연간 약 7,500개의 채용 자리에 그친다. 즉 이 직종들 중 가장 빠르게 성장하는 곳이 문이 가장 많이 열려 있는 곳은 아니며, 35%라는 헤드라인 수치를 좇는 커리어 전환자는 오히려 더 좁은 입구로 걸어가고 있는 셈이다.

전망치는 결원 집계가 아니다. 이 수치들 중 어느 것도 그 채용 자리 중 몇 퍼센트가 이전에 분석가 직함이 없던 사람에게 돌아갈지는 말해주지 않으며, 그 숫자야말로 아무도 발표하지 않는 숫자다.

이 직무는 무엇이라고 부릅니까?

직함 하나만 검색하면 시장의 일부밖에 보지 못한다. O*NET이 제시하는 비즈니스 인텔리전스 분석가의 관련 직종은 임상 데이터 관리자(Clinical Data Managers), 컴퓨터 시스템 분석가(Computer Systems Analysts), 데이터 과학자, 금융 리스크 전문가(Financial Risk Specialists), 시장조사 분석가·마케팅 전문가, 운영연구 분석가다. 시장조사 쪽에서 보면, 관련 목록은 다시 비즈니스 인텔리전스 분석가, 데이터 과학자, 경영 분석가(Management Analysts), 금융·투자 분석가(Financial and Investment Analysts)를 가리키며, 마케팅 매니저와 검색 마케팅 전략가(Search Marketing Strategists)도 함께 언급된다. 고용주들은 같은 업무를 리포팅 분석가(Reporting Analyst), BI 분석가(BI Analyst), 인사이트 분석가(Insights Analyst)라는 이름으로 올리기도 하며, 이 경우 직함에 '데이터'라는 단어가 아예 들어가지 않는다.

이 직무에 지원하시는 경우

구체적으로는 세 가지다.

명칭 변형들 - 데이터 분석가, BI 분석가, 리포팅 분석가, 비즈니스 인텔리전스 분석가, 시장조사 분석가 - 을 하나씩이 아니라 한꺼번에 검색하라. 리크루터마다 서로 다른 SOC 코드로 분류해 놓았을 뿐, 실제로는 같은 업무이기 때문이다. 첫 오퍼는 고용주가 속한 직종의 하위 10%와 중위값 사이 어딘가로 예상하라 - 2025년 5월 추정치 기준 시장조사 업무는 43,390달러에서 78,760달러, 비즈니스 인텔리전스 업무는 67,240달러에서 120,230달러다. 그리고 스크리닝에서 초반에 질문 하나를 던져라. '이 자리에 있는 사람은 매주 무엇을 만들어내나요?' 매주 나오는 보고서라면 비즈니스 인텔리전스 분석가 쪽 설명에 부합한다. 필요할 때마다 만드는 모델이라면 다른 쪽에 해당하며, 이 답을 들으면 돈 이야기를 꺼내기도 전에 자신이 어느 급여 구간에 서 있는지 알 수 있다.

다섯 가지 명칭 변형에 모두 지원한다는 건 같은 학력과 경력을 다섯 개의 서로 다른 양식에 반복해서 입력해야 한다는 뜻이다. HeroApply는 이력서를 바탕으로 그런 양식을 자동으로 채워준다. 그러면 이렇게 폭넓게 지원하는 데 드는 것은 여러분에게 없는 시간이 아니라 있는 시간이 된다.