안드레아 카파시의 미국 직업 시장 시각화 도구 공개

커뮤니티 반응

대체로 긍정적이며 많은 사용자가 자신의 직업에 대한 AI 노출도 결과에 흥미를 보였다. 데이터 시각화 방식과 LLM을 활용한 분석 파이프라인의 깔끔한 구현에 대해 높은 평가가 이어졌다.

실용적 조언

LLM을 사용하여 대규모 텍스트 데이터(직업 설명 등)를 특정 기준에 따라 분류하고 점수를 매기는 분석 파이프라인 구축 시 참고 가능하다.
공공 데이터(BLS 등)를 스크레이핑하여 인터랙티브한 웹 대시보드로 시각화하는 프로젝트 구조를 학습하는 데 유용하다.

섹션별 상세

미국 노동통계국(BLS)의 직업 전망 핸드북(Occupational Outlook Handbook)에서 추출한 342개 직업 데이터를 기반으로 인터랙티브 트리맵 시각화를 제공한다. 사용자는 직업별 고용 성장률, 중위 소득, 필요 교육 수준과 같은 경제적 지표를 사각형의 크기와 색상으로 직관적으로 확인할 수 있다. 특히 '디지털 AI 노출도(Digital AI Exposure)' 지표를 통해 각 직업이 AI 기술의 영향을 얼마나 받는지 시각적으로 탐색 가능하다.

데이터 분석의 핵심으로 LLM 기반의 스코어링 파이프라인(LLM-powered scoring pipeline)을 내장하고 있다. 이는 단순히 기존 통계치를 보여주는 것에 그치지 않고 LLM이 직업별 세부 업무 내용을 분석하여 사용자가 설정한 임의의 기준에 따라 점수를 매기는 방식이다. 이를 통해 기본 제공되는 지표 외에도 사용자가 원하는 맞춤형 분석 결과를 시각화 화면에 즉시 반영할 수 있다.

프로젝트는 파이썬(Python)을 사용하여 데이터 스크레이핑부터 LLM 처리, 웹 대시보드 생성까지의 전 과정을 자동화했다. 카파시의 개인 웹사이트를 통해 실제 작동하는 라이브 데모가 운영 중이며 누구나 자신의 직업군이 데이터상에서 어떤 위치에 있는지 확인 가능하다. 노동 시장 데이터와 최신 AI 분석 기법을 결합한 실무적인 데이터 사이언스 사례로 평가받는다.

용어 해설

트리맵(Treemap): — 계층적 데이터를 사각형의 크기와 색상으로 표현하는 데이터 시각화 기법이다. 전체 데이터셋에서 각 항목이 차지하는 비중을 면적으로 나타내어 복잡한 구조의 데이터를 한눈에 비교하고 패턴을 파악하는 데 유용하다.
AI 노출도(AI Exposure): — 특정 직업의 업무 구성 요소 중 AI 기술로 자동화하거나 보조할 수 있는 작업의 비율을 나타내는 지표이다. 기술 변화가 노동 시장에 미치는 잠재적 영향력을 정량화하여 직업의 미래 변화 가능성을 예측하는 데 활용된다.
스코어링 파이프라인(Scoring Pipeline): — 입력 데이터를 특정 기준에 따라 평가하여 수치화된 점수로 변환하는 일련의 자동화된 처리 과정이다. 이 프로젝트에서는 LLM을 활용해 비정형 직업 데이터를 분석하고 사용자가 정의한 기준에 맞춰 점수를 산출하는 역할을 수행한다.

언급된 도구

US Job Market Visualizer추천

미국 직업 시장 데이터 및 AI 노출도 시각화 및 분석

언급된 리소스

DemoUS Job Market Visualizer Live Demo