일 잘하는 사람이 잘하는 두가지: Escalation, Delegation

신입사원 시절, 질문 하나를 무심코 선배에게 했다가 본사로 호출을 당한 적이 있다. 질문이 마치 고객이 하는 것 마냥, 구체적이지 않고 질문을 하는 나의 말투에서 나의 무지가 보인다는 뜻이었다.

그리고 나서 그 때 선배에게 들었던 이야기가 말하고 오늘 말하려는 주제이다. 선배는 나에게 일을 잘하려면 Escalation (윗선 보고), Delegation(위임)만 기억하라고 하였다.

image

첫 번째, 내가 잘할 수 있는 일이 아니면 잘하는 사람에 위임해서(Delegation) 그 일이 잘 굴러가도록 하는 브릿지로서 역할을 할 필요가 있다고 하였다.

두 번째, 일이 동일한 직급, 또는 레벨에서 할 수 있는 것이 아니면 빠르게 상위레벨로 보고해서(Esclation)을 함으로써 역시 일이 굴러가도록 할 필요가 있다고 하였다.

선배는 이렇게 일을 정리하고 나서 나머지 일은 결국 내가 잘할 수 있는 일이니 이렇게 Escalation, Delegation만 잘할 수 있다면 회사에서 충분히 일을 잘한다고 평가받을 수 있다고 조언을 해주었다.

시간이 흐르고 어느정도는 회사에서 경력으로 일을 하다 보니, 선배의 말이 정말 와닿는다. 회사의 규모가 작으면 모든 일을 직접 내 손에서 끝내야 하는 경우가 대부분이겠지만 회사가 커지면, 기능 또는 목적에 따라 조직이 생기고 유지된다.

이렇게 점차 회사가 유기적으로 조직화되기 시작하면 업무에 대해서도 여러 부서가 함께 일하기 때문에 부서간의 협업만 막지 않는다면 어느 정도는 업무가 진행될 수 있다.  협업만 막지만 않는다면 말이다.

image

이렇게 일의 속도를 늦추지 않고 협업의 속도를 유지하기 위한 기술이 바로 Escalation, Delegation이기 때문에 선배가 나에게 조언을 해준 것같다.

물론 Escalation, Delegation을 잘하려면 본인의 Capacity나 일의 Priority를 충분히 인지할 필요가 있지만 본 글의 범위를 벗어나니 이후에 다시 작성하고, 요지는 그렇다.

실무를 벗어나 팀의 리더로서 일을 하게 되면서 일의 시작과 끝이 아닌 중간에 서 있는 입장이 되다보니, 선배가 10년전에 이야기했던 조언이 어느 때보다 많이 와닿는 것 같다.

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