Educational Service Data Planner (Learning Data Strategist) – 노마드칼리지 인문교양, 컴퓨터공학과, 산업경영공학과가 융합하여 양성하는 교육 서비스 데이터 기획자는 인적 성찰을 바탕으로 교육의 본질적 가치를 정의하고, 이를 컴퓨터공학적 기술로 구현하며, 산업공학적 최적화를 통해 학습 성과를 극대화하는 지능형 교육 경험 설계자(Educational Data Architect).
서비스 데이터 기획(Service Data Planning)이란 특정 서비스의 가치를 극대화하기 위해 데이터의 수집·가공·활용에 이르는 전 과정을 비즈니스 관점에서 설계하는 활동을 의미. 서비스 데이터 기획은 단순히 정보를 쌓아두는 것이 아니라, 사용자의 경험을 실시간으로 개선하고 새로운 수익 모델을 창출하는 지능형 서비스의 설계도 역할.
Data Service: Data Management Planning
노마드칼리지 인문교양 (가치 정의 및 인문적 통찰): 교육이 지향해야 할 철학적 방향과 인간에 대한 이해를 제공합니다. “왜 이 지식이 필요한가?”라는 근본적 질문을 던지며, 학습자의 정서적 성장과 비판적 사고를 이끌어내는 인문학적 서사(Narrative)와 학습 목표를 설정합니다. 노마드칼리지 특유의 유연한 사고로 융합적 주제를 발굴.
컴퓨터공학과 (기술적 구현 및 데이터 엔지니어링): 설정된 학습 가치를 실제 디지털 서비스로 바꿈. 파이썬(Python), SQL 등을 활용해 학습 데이터를 수집·가공하는 파이프라인을 구축하고, 거대언어모델(LLM) 기반의 맞춤형 튜터링 시스템이나 알고리즘을 기술적으로 아키텍처화.
산업경영공학과 (시스템 최적화 및 성과 분석): 교육 서비스의 효율성을 공학적으로 관리. 학습자의 진도와 성취도를 데이터로 계량화하고, 병목 구간을 발견하여 최단 시간에 학습 목표에 도달할 수 있도록 학습 공정을 최적화(Optimization).
초개인화 학습 데이터 로드맵 설계: 인문적 통찰로 설계된 커리큘럼을 컴퓨터공학적 알고리즘과 연결하여, 개별 학습자의 성향과 수준에 맞춘 ‘지능형 학습 경로’를 기획. 에듀테크 서비스 품질 관리: 산업경영공학의 통계적 기법을 도입하여 학습 이탈률을 분석하고, 서비스의 UI/UX가 학습자의 인지 부하를 줄이도록 시스템을 고도화. 윤리적 AI 교육 모델 수립: 인문학적 소양을 바탕으로 교육용 AI의 편향성을 점검하고, 데이터 기반의 객관적인 성과 측정 지표(KPI)를 수립하여 교육의 공공성을 확보.
‘인문학적 가치’를 ‘컴퓨터공학적 지능’으로 구현하고, 이를 ‘산업공학적 효율성’으로 완성하여 교육의 질을 혁신하는 전문가.
“인격적 성장을 돕는 교육 콘텐츠의 가치를 데이터와 알고리즘으로 치환하고, 시스템 최적화를 통해 모든 학습자에게 가장 효과적인 교육 경험을 배달하는 서비스 기획자”. 2026년 현재, 교육부의 디지털 교과서 플랫폼이나 글로벌 에듀테크 기업의 제품 기획 팀에서 교육의 가치와 기술의 효율을 연결하는 핵심 리더로 활약.
Planning Analytics as a Service
데이터 아키텍처 설계 (컴퓨터공학): 어떤 데이터를 수집할지 정의하고, 이를 효율적으로 처리할 인프라를 기획합니다. 사용자 로그, 행태 데이터 등을 수집하는 기술적 파이프라인을 설계하며, GitHub 기반의 최신 데이터 엔진 기술을 서비스에 반영. 사용자 가치 중심 설계 (노마드칼리지 인문교양): “왜 이 데이터가 사용자에게 유익한가?”를 고민합니다. 인문학적 통찰력을 바탕으로 사용자의 숨겨진 니즈를 파악하여, 기술이 인간을 소외시키지 않고 삶의 질을 높이는 방향으로 데이터 활용 시나리오를 디자인. 성과 최적화 및 분석 (산업경영공학): 수집된 데이터를 통해 서비스의 효율성을 측정. 전환율(Conversion), 이탈률 등 핵심 지표(KPI)를 설정하고, 통계적 기법을 활용해 서비스 운영 공정의 낭비를 제거하여 최단 경로로 사용자 만족에 도달하도록 최적화.
초개인화(Hyper-Personalization): 모든 사용자에게 동일한 화면을 보여주는 대신, 개별 데이터에 따라 인터페이스와 콘텐츠가 실시간으로 변하는 서비스를 기획. 선제적 가이드(Anticipatory Design): 사용자가 행동하기 전에 데이터 패턴을 분석하여 다음 단계를 미리 제안하는 지능형 기능을 설계. 데이터 거버넌스 및 윤리: 개인정보 보호법(GDPR 등)을 준수하면서도 데이터를 투명하게 관리하는 윤리적 정책을 기획 단계부터 내재화.
의사결정의 과학화: 경영진의 ‘감’이 아닌, 검증된 데이터 지표를 바탕으로 서비스 업데이트나 마케팅 방향을 결정. 사용자 경험(UX) 고도화: 데이터 기반의 A/B 테스트를 통해 사용자가 가장 편안함을 느끼는 기능과 디자인을 지속적으로 찾아냄. 신규 비즈니스 발굴: 기존 서비스에서 발견된 사용자 데이터 패턴을 분석하여 새로운 사업 영역이나 유료화 모델을 도출.
서비스 데이터 기획은 “컴퓨터공학적 기술로 데이터를 흐르게 하고, 인문학적 통찰로 데이터에 가치를 부여하며, 산업공학적 정밀함으로 서비스의 성공 확률을 높이는 전략적 설계 프로세스”.
