지혜는 경험에서 나온다고 합니다.

와이즈인컴퍼니에선 좋은 경험이 될 수 있는 다양한 프로젝트 사례들을 주기적으로 보내드리고 있습니다. 받으시는 여러분의 사업과 업무에 지혜가 가득하길 바랍니다.

더 많은 솔루션을 원하신다면 와이즈인컴퍼니에 메일회신 또는 연락부탁드립니다.

어떻게 분석을 진행했니?

온라인 채용 포털의 정보와 채용 공고를 아주 많이 수집하는 것이 분석의 시작이었답니다. 수십만 건의 채용 공고 중 로봇 분야 채용 공고 수만 건을 골라내고, 이 공고들을 분석하기 시작했지요.

먼저 로봇 분야 채용 공고를 분류합니다. 크게 로봇 분야로 묶일지라도, 그 내부에선 세부적으로 분야가 갈리기 마련이에요. 예를 들어, 로봇의 하드웨어를 만드는 것과 소프트웨어를 만드는 것은 차이가 있지요.

그 이외 연봉이나, 연차 등의 정량적 자료들은 평균이나 표준편차 등의 기술 통계량을 활용해서 보여줄 수 있어요. 기업의 소재지, 기업이 원하는 구직자의 학력 등도 나타낼 수 있지요.

그러나 정성적 자료를 분석하는 것은 단순한 방법으로는 할 수 없답니다. 이 경우, 자료가 많으므로 분석은 빅데이터 분석의 성격을 띱니다. 이를테면 그 기업이 원하는 인재상 같은 것은 정리하기 어렵지요. 어디에선 ‘시간을 잘 지키는 인재’를 원하고, 어디에선 ‘학생처럼 잘 배우는 사람’을 원한다고 적었을지도 모르니까요.

[텍스트 마이닝 예시]

다음 과정은 토픽 모델링이에요. 이건 문서를 이루는 키워드들을 바탕으로 문서에서 주제를 도출하기 위해 사용하는 통계적 분석방법이랍니다. 이걸 이용해서 문서들을 주제별로 분류할 수 있어요. 이 경우, 채용 공고들을 분류하는 데 사용하지요.

잠재 디리클레 할당(LDA)은 주어진 문서의 숨겨진 주제를 추론하는 확률 모델 알고리즘이랍니다. 이걸 이용해서 문서 전체의 주제, 각 문서별 주제 비율, 그리고 각 주제에 포함될 단어의 분포를 알아낼 수 있답니다.

이 이후, 각 키워드가 얼마나 언급되었는지 빈도 분석을 할 수 있습니다. 전체를 기준으로 할수도 있고, 각 주제별로 할 수도 있으며, 하나의 채용 공고를 기준으로 할 수도 있어요.

[주제별 비중 예시]

이 예시 데이터를 보시면, 서로 가까운 주제들끼리는 거리가 가깝게 표현되어 있습니다. 그리고 원이 클수록 더 비중이 높은 주제에요. 이 경우, 1번 주제가 오른쪽의 키워드에서 얼마나 큰 비중을 가졌는지 나온답니다.

마지막으로는 전체 자료에서 키워드의 빈도를 보여드렸어요. 이 분석은 매년 시행했었기에, 과거의 분석 결과와 함께 비교하면서 보여드렸답니다. 이것을 보면 로봇 분야에서 무엇이 각광받는지, 어떤 것이 상승세고, 하락세인지 파악할 수 있어요.