30년 현장 경험에 데이터 분석의 무기를 더하다 [2025 스파르타 연말결산 EP.3]

배움에는 끝이 없다고 하지만 사실 한 분야에 오래 머물면 ‘매너리즘’이란 게 생깁니다. 즉, 타성에 빠지게 되죠. 변화보다는 익숙함을 따르는 것은 어쩌면 인간의 본성일지도 모릅니다.

그래서 이번 사연의 주인공 오영진 님의 도전은 더 대단합니다. 한 분야에서 30년. 자신만의 커리어를 공고히 쌓고 이젠 변화보다는 유지와 관리가 더 자연스러운 연차이죠. 30년 차 전문가가 커리어 성장을 위해 강의를 듣는다는 말, 들어본 적 있으신가요?

남들이 보기엔 다 이룬 것 같아도 오영진 님은 아직 가야 할 길이 멉니다. 잔뼈가 굵은 그에게도 여전히 계속 나아가야 하는 엔지니어로서의 목표가 있거든요.

오영진 님이 데이터 분석을 통해 잠재력을 깨운 이야기를 들어 보세요.

오영진 님은 어떤 커리어를 거쳐 오셨나요?

안녕하세요, 환경 설비 분야에서 30년 차 엔지니어로 일하고 있는 오영진입니다.

주로 대기오염 방지 시설인 SCR(선택적 촉매 환원 장치)의 효율 진단과 촉매 교체, 유지보수 솔루션을 제안하는 업무를 맡고 있습니다.

과거에는 설비의 안정적인 가동에만 집중했다면, 지금은 데이터 분석을 통해 고객에게 에너지 비용 절감이라는 확실한 가치를 제안하는 기술 영업 엔지니어로 성장하고 있습니다.

환경 설비 분야에서 일하시면서 커리어의 한계에 부딪힌 적이 있나요?

저는 오래전부터 ‘우리 팀의 경험을 제대로 숫자로 증명하고 싶다’는 고민이 있었습니다. 노후 설비 교체, 에너지 절감, 유지보수 최적화 같은 이야기는 현장에서 늘 오르내리지만, 막상 사업 제안서를 쓰려고 앉으면 항상 같은 벽에 부딪혔습니다. 비싼 초기 비용을 상쇄하는 장기적 이익을 숫자로 보여주기 어렵다는 것이었는데요.

특히 저온 촉매로 교체하면 반응 온도를 낮춰 연료비를 획기적으로 줄일 수 있지만, 초기 교체 비용이 비싸 고객들이 망설이는 경우가 많았습니다. “연료비가 줍니다, 효율이 좋습니다”라고 백번 말하는 것보다, 정확히 언제 투자금을 회수할 수 있는지 숫자로 보여주고 싶었지만, 엑셀만으로는 다양한 변수를 반영한 정교한 시뮬레이션이 불가능해 제안의 설득력이 떨어지는 한계를 느꼈습니다.

결국 제 아이디어와 제안서는 “경험상 이게 좋습니다” 수준에서 멈췄고, 회의 자리에서 내용은 좋은데, 데이터와 분석이 조금만 더 받쳐주면 좋겠다는 피드백을 자주 들었습니다.

그 말을 들을 때마다 제 커리어의 한계가 딱 보이는 느낌이었고, 저도 모르게 “나는 현장 경험은 있는데, 숫자·데이터·분석은 약한 사람”이라고 스스로 선을 그어 버렸습니다.

그런데, 수강하신 강의는 AI 기반 투자 수익률 분석 실습을 통해 데이터 분석 역량을 키우는 강의였어요.

데이터 분석을 배워야겠다는 생각으로 찾은 스파르타클럽에서 투자 수익률 분석 강의를 보자마자 제 업무인 설비 투자 회수율(ROI) 분석과 본질이 같다는 것을 깨달았습니다. 주식 데이터 대신 SCR 운전 데이터를 넣으면 고객에게 막연한 기대감이 아니라, “교체 후 2.5년이면 투자금이 회수됩니다”라는 식의 명확한 비즈니스 로직을 직접 설계해 줄 수 있겠다는 확신이 들었죠.

적어도 내가 준비하는 사업의 숫자만큼은 남이 아니라 내가 책임질 수 있는 사람이 되고 싶다는 마음으로 강의를 신청했습니다.

데이터 분석을 해본 경험이 전혀 없으신데, 강의 내용이 어렵지는 않으셨나요?

강의에서 배웠던 것은 화려한 AI 모델이 아니라 순수 Python(파이썬) 기초와 구글 Colab인데요. 저에게는 변수, 리스트, 반복문 등 파이썬 기초 문법이 전부 낯설어서 처음에는 코드 한 줄 짜는 것도 버거웠습니다. 괄호 하나만 틀려도 에러가 쏟아지는 화면이 답답하게만 느껴졌죠.

하지만 저는 과제 데이터만 보지 않고, 제가 현장에서 실제로 다루는 기계 설비 데이터를 Colab으로 가져와 보기로 했습니다. 이 코드가 돌아가야 이번 제안서에 쓸 그래프가 나온다는 생각으로 매달렸고, 실제 업무 데이터를 다루다 보니 에러를 잡는 과정조차 설비 트러블 슈팅처럼 느껴져 몰입할 수 있었어요.

숫자들을 엑셀에만 두지 않고 Colab에서 파이썬으로 불러오는 순간, 제 머릿속에만 있던 사업 아이디어는 처음으로 분석 가능한 데이터로 바뀌기 시작했습니다. 처음 짠 코드는 서툴고 느렸지만, 강의에서 배운 문법을 하나씩 써 가며 설비 교체 전·후 비용을 비교하는 간단한 시나리오 계산을 돌리고, 에너지 사용량과 비용을 한눈에 볼 수 있는 그래프를 만들었습니다.

Colab 화면에 그래프가 떠올랐을 때 저는 제가 준비 중이던 사업 아이템을 보며 처음으로, 이제는 그냥 좋아 보이는 ‘감’이 아니라 숫자로 보여줄 수 있는 제안이 됐다는 확신을 얻을 수 있었어요.

"기술만 알 때는 보이지 않던 비용과 효율의 상관관계가 데이터를 다루게 되니 보이기 시작했습니다."

강의를 듣고 어떤 잠재력을 깨우셨나요? 커리어에 생긴 변화를 말해주세요.

아직 강의를 다 듣지 못했지만, 이 짧은 기간에도 분명히 저는 커리어의 다음 단계로 올라섰습니다. 기술적 효용을 경제적 가치로 환산하는 능력을 갖추게 되었으니까요. 기술만 알 때는 보이지 않던 비용과 효율의 상관관계가 데이터를 다루게 되니 보이기 시작했습니다.

과거의 저는 설비와 현장은 잘 알지만 숫자와 분석은 남의 영역이라고 생각했어요. 하지만 지금의 저는 현장에서 쌓은 기계 설비 경험에 파이썬과 데이터 분석이라는 날개를 달아 데이터로 말하는 기술자로 성장했습니다.

예전에는 “저온 촉매가 기술적으로 우수합니다”라고만 했다면, 지금은 파이썬을 활용해 기존 고온 운전 vs. 신규 저온 운전 시나리오를 시뮬레이션합니다. 데이터 분석을 통해 시스템 효율 향상과 유지보수 비용 절감액을 한눈에 비교 검토할 수 있게 시각화할 수 있게 되었고, 이것이 제 커리어의 가장 강력한 무기가 되었습니다.

커리어에 큰 변화를 이루셨네요. 스스로 성장을 체감한 일화가 있나요?

최근 진행한 저온 촉매 교체 제안 건이 기억에 남습니다. Colab으로 분석한 데이터를 기반으로 사업 준비 회의에 들어갔는데, 고객과 미팅 분위기가 이전과는 확연히 달랐습니다.

예전에는 “그래서 대략 얼마나 절감되는 건가요?”라는 질문에 말로만 설명을 이어갔다면, 이번에는 Colab에서 뽑은 표와 그래프를 보여주면서 “기존 대비 반응 온도를 40도 낮출 시, 연간 에너지 비용이 20% 절감되며, 정확히 6개월 후 손익분기점을 넘는다”고 숫자로 설명할 수 있었습니다.

고객사 담당자께서 “단순한 부품 교체 제안이 아니라, 에너지 컨설팅을 받는 기분이다. 데이터가 있으니 내부 결재 받기가 너무 좋다”며 매우 만족해하셨습니다.

현장 엔지니어인 제가 데이터를 통해 비즈니스 의사 결정을 이끄는 사업 파트너로 인정받은 순간이었습니다.

앞으로 더 깨고 싶은 한계와 이루고 싶은 목표가 있나요?

지금은 ROI 분석 위주지만, 앞으로는 머신러닝을 활용해 SCR 차압이나 효율 저하 데이터를 학습시켜 촉매 수명 예측 및 선제적 교체 알림 모델을 만들어보고 싶습니다.

환경 설비 분야에서 데이터로 설비 최적화와 에너지 절감을 동시에 실현하는 최고의 엔지니어가 되는 것이 목표입니다.

이전의 영진 님처럼 한계 앞에 멈춰 있는 사람에게 조언 부탁 드려요.

‘일하느라 바쁜데, 코딩이 무슨 소용이야?’라고 생각하지 않으셨으면 좋겠습니다. 오히려 확실한 도메인 지식이 있는 분들이 데이터 분석력을 갖추면 그 파급력은 폭발적입니다. 내 경험을 데이터로 증명할 수 있을 때, 비로소 대체 불가능한 전문가가 된다고 생각합니다.

파이썬을 통해 여러분의 경험을 숫자로 증명하세요. 그러면 여러분의 제안서는 단순한 서류가 아니라, 고객을 설득하는 가장 강력한 무기가 될 것입니다.

2026년을 돌파할 다음 주인공은 바로 당신입니다.

한계를 넘어 잠재력을 깨우는 일,

그 변화의 여정에 스파르타클럽이 함께하겠습니다.

👉 오영진 님의 잠재력을 깨운 강의가 궁금하다면?

• AI 기반 투자 수익률 분석 실습을 통한 데이터 분석 역량 키우기