[데이터조직] 구성원 중 레버리지할 수 있는 사람을 찾아라

팀이 일정이상 커지기 전까지는 디테일하게 팀원 개개인을 챙길 수 있다. 하지만 팀의 규모가 점차 커지게 되면 이게 생각보다 어렵다. 리더는 생각할 수 있는 시간과 정신에 대한 룸(Room)을 어느정도 유지하면서 팀원들의 요구에 대응할 필요가 있는데, 팀의 규모가 커지고 나서도 계속 본인이 직접 챙기려고 하면 밑도 끝도 없다.

특히 실무를 하던 사람이 팀장이 되었을 때 초기에 업무를 놓지 못해서 업무의 수렁에 빠져 헤어나오지 못하는 경우가 꽤 많다. 이 때 보통 선배들이 조언해주는 것이 일에 대한 위임이다. 업무에 대한 방향성은 리더로서 수립하되, 업무의 디테일을 챙겨줄 수 있는 사람에 위임을 해야 한다.

이 부분은 팀이 셋업된 초기부터 찾아볼 필요가 있다. TL, PL부터 시작해서 이미 어느정도는 확고한 직군으로 분류된 업무셋을 파악하고 이를 바탕으로 초기부터 이를 담당해줄 사람을 찾아서 그 사람을 최대한 레버리지를 함으로써 리더로서 업무에 보다 집중할 수 있다.

업무뿐만 아니라, 팀에 대한 분위기를 조성하는 부분에 있어서도 더더욱 그렇다. 곰곰히 생각해보면 팀장 이전에 실무로서 업무를 잘한다고 평가받던 시절에 리더가 본인을 레버리지 사용하고 있었을지도 모른다.

리더는 Facilitator이면서 지휘자라고 생각한다. 거대한 플레이그라운드를 제공해서 자생적으로 구성원간에 상호의존성을 발휘하며 같은 방향을 향해 전진하도록 돕는 사람으로서 그 역할을 보다 더 적극적으로 해주는 팀원이 있다면 그렇게 기분이 좋을 수 없다.

Read more

DataFrame은 Pandera로, 모델은 Pydantic으로 데이터를 검증한다.

DataFrame은 Pandera로, 모델은 Pydantic으로 데이터를 검증한다.

Pandera: 데이터프레임 검증에 최적화된 도구 주요 장점 * Pandas와 통합: Pandas 데이터프레임에 대해 스키마 기반 검증을 수행합니다. * 유연한 검증 조건: 열 데이터 타입, 값 범위, Null 여부 등 다양한 검증 조건을 정의할 수 있습니다. * 명확한 오류 메시지: 스키마 불일치에 대한 명확한 오류 메시지를 제공합니다. 단점 * 대용량 데이터 검증에서는 속도가 느릴 수

Tobit Regression은 Censored Data에 적합한 Regression이다.

Tobit Regression은 Censored Data에 적합한 Regression이다.

Tobit Regression * Tobit 회귀(Tobit Regression)는 종속 변수가 특정 값에서 절단(Censored)된 상황에서 데이터를 분석하기 위해 사용되는 통계 기법입니다. * James Tobin이 처음 제안한 이 모델은 경제학과 사회과학 분야에서 자주 사용되며, 일반 선형 회귀로는 설명할 수 없는 상황에서 효과적으로 적용할 수 있습니다. Tobit Regression 수식 1. 관측된 종속 변수