데이터 품질 최우선 '시스템 웰빙시대' 도래
아키텍처 수립 정확하고 단순한 구조 갖춰야
표준제정ㆍ관리정책 수립 통해 인식확대 절실
-국내 데이터 거버넌스의 최신 현황, 문제점 그리고 대책
이화식 엔코아컨설팅 대표이사
최근에 크게 이슈화되는 IT 거버넌스는 정보기술을 기업의 자산으로 인식하고 이를 종합적으로 통제하고 관리한다는 개념이다. 데이터 거버넌스는 이러한 정보기술을 구성하는 요소 중의 하나인 데이터를 좀더 특별하게 통제하고 관리하자는 개념이라고 할 수 있다. 그것은 오랫동안 축적한 모든 데이터를 지속적으로 유지하고 관리해야 하는 특성을 가지고 있기 때문이다.
기업이 비즈니스를 영위하는데 전략적인 데이터의 활용이 그 어느 때 보다 중요해지면서 이제 많은 기업과 기관들이 데이터 거버넌스의 필요성에 대해 급속히 인식의 전환이 이루어지고 있다. 그러나 아직 각자의 정책이나 당면한 과제, 관련 솔루션 업체들의 아전인수격인 정의로 인해 다양한 주장이 난무하고 있으며, 표준적인 체계나 방법론 또한 확실하게 정립되어 있다고 할 수 없다.
데이터 거버넌스는 데이터 관리정책, 표준화, 데이터의 구조, 데이터 품질관리, 모든 데이터를 처리하고 저장하는 데이터베이스, 데이터베이스의 성능관리, 데이터의 오너십 및 보안관리, 그리고 이것들을 체계적으로 관리하기 위한 관리 시스템을 구축하고 통제/관리/자문을 하는 전문화된 조직의 구성과 육성까지를 모두 포괄하는 개념이라 할 수 있다.
국내기업 데이터품질 관리 초보수준=데이터는 어떠한 기업이든지 가지고 있는 매우 보편적인 기본자산이다. 정보시스템은 결국 데이터를 가공하고 참조하는 것일 뿐이다. 데이터를 이용해서 비즈니스에 활용할 수 있는 영역은 참으로 무궁무진하다. 기업 내 각종 데이터를 유용한 정보로 가공하고 이를 기업의 핵심 자산인 지식으로 만들어 가는 정보기술에서 데이터 거버넌스의 역할은 지대할 수밖에 없다. 국가마다 각종 정보보호법안이 도입되고, 테러나 지진, 해킹 등 외부의 위험요소에 대비하는 것도 데이터 거버넌스에 대한 관심의 일종이다.
이 같은 국내 데이터 관리 수준은 수치로도 드러난다. 데이터품질관리인증센터가 지난해 말 국내 146개 기업을 대상으로 조사한 데이터 품질관리 성숙 수준 조사 결과(그림1 참조)에 따르면 국내 기업의 데이터 품질관리 수준은 도입 단계인 1단계를 조금 넘는 것으로 드러났다. 1단계는 데이터 품질관리의 중요성에 관심을 갖기 시작해 부분적인 품질관리를 수행하는 초보 수준을 의미한다. 국내 기업의 30% 정도만이 데이터 품질관리를 수행한다는 분석이다.
미국은 2000년 데이터품질법(Data Quality Act)을 제정, 관리예산처(OMB)로 하여금 범정부적 데이터 품질준수를 하게 했고 미 국방성은 전사적 데이터품질관리(TDQM: Total Data Quality Management) 방법론을 정립해 데이터 품질을 관리하고 있다. 또한 1988년 설립된 데이터 관리협회(DAMA: Data Management Association)는 세계 10개 회원국을 중심으로 데이터 품질 증진노력을 하고 있다.
오류데이터 비용부담 커=데이터 거버넌스에서 무엇보다 시급한 것은 관리나 통제에 앞서 정보제공과 의사결정의 근원적인 자료가 되는 데이터에 대한 품질 문제로 나타나고 있다. 오류 데이터로 인한 예상치 못한 비용이 무시할 수 없는 부담으로 다가오고 있다. 그럼에도 불구하고 데이터 품질을 높이기 위한 작업이 적극적으로 이루어지고 있는 경우는 흔치 않다.
정보시스템 관리자들조차 데이터 품질은 뜨거운 감자여서 덮어두는 게 최선이라는 의식이 훨씬 많다는 게 아마 솔직한 평가일 것이다.
현실세계에서는 데이터를 활용해 응용 프로그램을 구축하여 처리 프로세스와 결산업무가 이상 없이 처리되고 수행속도에 큰 문제가 없다면 데이터 품질이 우수하다고 생각한다. 마치 일상생활을 영위하는데 큰 문제가 없어 보이면 자신이 건강할 것이라고 착각하는 데 자신도 모르게 건강을 훼손하는 것과 유사하다.
이제 데이터에서도 품질을 우선시하는 `시스템 웰빙' 시대가 도래하고 있다. 우리가 웰빙의 가치를 인정함으로써 건강에 대한 관심이 고조되었듯이 데이터 품질의 가치를 인정해야 시스템의 웰빙이 시작된다. 산업이 어느 정도 성장한 다음에 웰빙 시대가 도래했듯이 개발에 급급하던 정보시스템이 이제 안정기에 접어 들어가기 때문에 머지 않아 반드시 데이터의 웰빙은 올 것이다.
데이터 관리 중요성 인식 시급=데이터 거버넌스를 정착시키려면 데이터 관리의 중요성에 대한 인식의 확대가 무엇보다 시급한 과제이다. 물론 과거에 비해서는 데이터 관리의 중요성을 심각하게 받아들이는 기업이 크게 증가한 것은 사실이다. 실제로 이미 데이터 관리의 중요성을 인식한 일부 기업과 공공기관은 적극적인 행보를 시작했다. 차세대 시스템 구축을 완료했거나 진행 중인 하나은행, 우리은행, 국민은행, KTF 등이 품질 관리팀이나 데이터 아키텍처팀을 운영하고 있다.
그러나 아직도 대다수 기업은 데이터 관리에 대한 문제의식조차 아주 낮은 것으로 나타나고 있다.
법치국가의 시작은 법의 제정에서 출발하는 것처럼 체계적인 데이터 관리를 위해서는 표준제정과 관리정책의 수립부터 시작해야 한다. 이미 국제표준화기구(ISO)가 나섰고 이에 따라 국내는 물론 세계적으로도 업계 전반에 상당한 파급효과를 몰고 올 전망이다. 특히 이 작업에는 국내에서 개발된 데이터 품질관련 기술이 채택될 전망이어서 국내 DB업계의 시선도 집중되고 있다.
데이터 관리정책이란 기업의 비전과 목표를 달성하기 위해 필요한 데이터의 확보 계획과 확보된 데이터를 효과적으로 유지관리하기 위한 체계 및 계획을 정의하는 작업을 말한다.
데이터 표준화란 데이터 표준화 원칙에 따라 정의된 표준단어 사전 및 도메인 사전, 표준 용어 사전, 표준 코드, 데이터 관련요소 표준 등을 적합한 형태로 정의하고, 표준의 준수 여부를 체크하여 데이터 정제 및 개선활동을 하는 것을 말한다. 이러한 표준을 통해 데이터베이스의 설계와 개발을 수행하고, 전사적인 표준의 사용을 통해 시스템간의 상호운용성, 데이터의 공유, 시스템의 통합, 비즈니스 프로세스의 개선을 할 수 있다. 또한 전사적으로 공통된 표준을 사용함으로써 데이터의 일관성과 정합성을 유지할 수 있다.
데이터 구조(모델)의 개선=데이터를 효과적으로 관리하고 데이터의 품질을 높이기 위해서 반드시 필요한 것이 체계화된 데이터 구조(모델)를 관리하는 것이다. 데이터 구조는 데이터를 담는 그릇으로 데이터를 취급하는 관점에 따라 구조가 달라진다. 정보시스템에서의 데이터 구조는 마치 도시의 도로망과 같다. 도로의 구조가 복잡하면 지속적인 비용이 발생하고 사고가 빈발한다. 마찬가지로 데이터 구조가 복잡하면 정보시스템은 지속적인 비효율이 발생하고 데이터 품질이 저하되는 원인이 된다.
[그림2]를 보면 나란히 붙어 있는 마산과 창원의 도로구조를 살펴보면 확연한 차이를 느낄 수 있다. 창원은 창원대로를 중심으로 매우 단순한 구조를 가지고 있어 몇 번만 다녀보면 쉽게 길을 찾을 수 있다. 그러나 마산은 그렇지 못하다. 삼국시대부터 서서히 성장해 왔지만 창원은 1974년 국가가 계획도시로 시작했기 때문일 것이다.
제아무리 선견지명이 있는 정책 입안자라 하더라도 천년 후를 내다볼 수는 없다. 한번 굳어진 길은 이미 주변에 많은 주택들이 들어서기 때문에 구조적인 문제를 인식했더라도 함부로 바꿀 수 없다. 잘못된 줄을 알면서도 집들은 계속 들어서게 되어 이제 와서 고치려는 것은 거의 불가능하게 된다. 이처럼 소규모 업무에서 시작된 시스템이 점차 확장되어 대형 시스템이 되어 가면 필연적으로 데이터의 문제점이 확연히 드러나지만 쉽게 손을 될 수 없다.
정보시스템에 종사하는 사람으로써 부끄러운 일이지만 지금까지 거의 대부분의 시스템은 표준도, 통제하는 사람도 없이 개발자 마음대로 관리해 왔다. 기업은 생명체와 같아 끝임 없이 추가되고 변경되며 고스란히 정보시스템에 반영되어야 한다. 뭔가 하나를 바꾸려 하면 영향을 받지 않는 곳이 없다. 3D 이하 직종이라는 소리를 들으면서 철야작업을 밥먹듯이 했지만 끝날 줄을 모르는 유지보수의 악순환을 되풀이하고 있다.
그 이유는 바로 시스템의 골격이라 할 수 있는 데이터의 부실함이 원인이다. 데이터가 정확하고 단순한 구조를 가지고 있다면 처리가 복잡해야 할 이유가 없다. 처리가 단순하다면 변경이 발생하더라도 수정할 부분이 많을 리 없다. 그러므로 데이터 구조는 데이터 아키텍처의 수립을 통해 체계적으로 작성되고 함부로 변형되지 않도록 지속적인 관리가 필요하다.
데이터 관리 프로세스 정립해야=데이터 관리 프로세스는 데이터 및 데이터 구조의 품질을 안정적으로 유지 개선하기 위한 활동으로 절차, 조직, 인력 등을 포함한다. 여기서는 데이터의 현상적 값뿐만 아니라 구조적 값까지 포함되며, 데이터 구조는 조직 계층의 각 관점별 데이터 구조로 세분화된다. 데이터 관리 프로세스는 데이터의 변화를 관리하는 프로세스와 데이터의 개선을 하는 프로세스로 구분할 수 있다.
보다 체계적인 데이터 관리를 위해서는 이들을 종합적으로 관리할 수 있는 - 마치 공장 자동화에서 사용하는 제어룸(Control Room)과 같은 - 자동화된 시스템의 지원이 반드시 필요하다. 데이터 거버넌스를 위한 메타데이터 관리 시스템은 데이터 모델의 관리를 비롯해 표준화 관리, 품질관리, 데이터베이스 관리 및 성능 최적화 관리, 영향도 분석 등을 수행한다. 뿐만 아니라 좀더 적극적인 관리를 하고자 한다면 장해 및 보안 관리, 데이터 흐름관리, 응용 프로그램 소스 관리 등도 포함될 수 있다.
데이터 거버넌스의 주체는 누가 뭐래도 조직과 사람이다. 아무리 제도와 시스템이 완벽하게 구비되었다 하더라도 사람이 이를 제대로 수행하지 못하면 의미가 없다. 그러나 불행하게도 진정한 데이터 전문가를 찾아보기는 매우 어렵다. 그 이유는 국내 정보시스템 분야가 가지고 있는 해묵은 숙제라고 할 수 있다.
프로그래머는 넘치지만 데이터 전문가를 찾아보기가 어렵다. 반복되는 고단한 일상에 지친 몸과 마음은 일찍 조로하여 전문가의 길을 걸을 용기를 빼앗아 간다.
아키텍처 수립 정확하고 단순한 구조 갖춰야
표준제정ㆍ관리정책 수립 통해 인식확대 절실
-국내 데이터 거버넌스의 최신 현황, 문제점 그리고 대책
이화식 엔코아컨설팅 대표이사
최근에 크게 이슈화되는 IT 거버넌스는 정보기술을 기업의 자산으로 인식하고 이를 종합적으로 통제하고 관리한다는 개념이다. 데이터 거버넌스는 이러한 정보기술을 구성하는 요소 중의 하나인 데이터를 좀더 특별하게 통제하고 관리하자는 개념이라고 할 수 있다. 그것은 오랫동안 축적한 모든 데이터를 지속적으로 유지하고 관리해야 하는 특성을 가지고 있기 때문이다.
기업이 비즈니스를 영위하는데 전략적인 데이터의 활용이 그 어느 때 보다 중요해지면서 이제 많은 기업과 기관들이 데이터 거버넌스의 필요성에 대해 급속히 인식의 전환이 이루어지고 있다. 그러나 아직 각자의 정책이나 당면한 과제, 관련 솔루션 업체들의 아전인수격인 정의로 인해 다양한 주장이 난무하고 있으며, 표준적인 체계나 방법론 또한 확실하게 정립되어 있다고 할 수 없다.
데이터 거버넌스는 데이터 관리정책, 표준화, 데이터의 구조, 데이터 품질관리, 모든 데이터를 처리하고 저장하는 데이터베이스, 데이터베이스의 성능관리, 데이터의 오너십 및 보안관리, 그리고 이것들을 체계적으로 관리하기 위한 관리 시스템을 구축하고 통제/관리/자문을 하는 전문화된 조직의 구성과 육성까지를 모두 포괄하는 개념이라 할 수 있다.
국내기업 데이터품질 관리 초보수준=데이터는 어떠한 기업이든지 가지고 있는 매우 보편적인 기본자산이다. 정보시스템은 결국 데이터를 가공하고 참조하는 것일 뿐이다. 데이터를 이용해서 비즈니스에 활용할 수 있는 영역은 참으로 무궁무진하다. 기업 내 각종 데이터를 유용한 정보로 가공하고 이를 기업의 핵심 자산인 지식으로 만들어 가는 정보기술에서 데이터 거버넌스의 역할은 지대할 수밖에 없다. 국가마다 각종 정보보호법안이 도입되고, 테러나 지진, 해킹 등 외부의 위험요소에 대비하는 것도 데이터 거버넌스에 대한 관심의 일종이다.
이 같은 국내 데이터 관리 수준은 수치로도 드러난다. 데이터품질관리인증센터가 지난해 말 국내 146개 기업을 대상으로 조사한 데이터 품질관리 성숙 수준 조사 결과(그림1 참조)에 따르면 국내 기업의 데이터 품질관리 수준은 도입 단계인 1단계를 조금 넘는 것으로 드러났다. 1단계는 데이터 품질관리의 중요성에 관심을 갖기 시작해 부분적인 품질관리를 수행하는 초보 수준을 의미한다. 국내 기업의 30% 정도만이 데이터 품질관리를 수행한다는 분석이다.
미국은 2000년 데이터품질법(Data Quality Act)을 제정, 관리예산처(OMB)로 하여금 범정부적 데이터 품질준수를 하게 했고 미 국방성은 전사적 데이터품질관리(TDQM: Total Data Quality Management) 방법론을 정립해 데이터 품질을 관리하고 있다. 또한 1988년 설립된 데이터 관리협회(DAMA: Data Management Association)는 세계 10개 회원국을 중심으로 데이터 품질 증진노력을 하고 있다.
오류데이터 비용부담 커=데이터 거버넌스에서 무엇보다 시급한 것은 관리나 통제에 앞서 정보제공과 의사결정의 근원적인 자료가 되는 데이터에 대한 품질 문제로 나타나고 있다. 오류 데이터로 인한 예상치 못한 비용이 무시할 수 없는 부담으로 다가오고 있다. 그럼에도 불구하고 데이터 품질을 높이기 위한 작업이 적극적으로 이루어지고 있는 경우는 흔치 않다.
정보시스템 관리자들조차 데이터 품질은 뜨거운 감자여서 덮어두는 게 최선이라는 의식이 훨씬 많다는 게 아마 솔직한 평가일 것이다.
현실세계에서는 데이터를 활용해 응용 프로그램을 구축하여 처리 프로세스와 결산업무가 이상 없이 처리되고 수행속도에 큰 문제가 없다면 데이터 품질이 우수하다고 생각한다. 마치 일상생활을 영위하는데 큰 문제가 없어 보이면 자신이 건강할 것이라고 착각하는 데 자신도 모르게 건강을 훼손하는 것과 유사하다.
이제 데이터에서도 품질을 우선시하는 `시스템 웰빙' 시대가 도래하고 있다. 우리가 웰빙의 가치를 인정함으로써 건강에 대한 관심이 고조되었듯이 데이터 품질의 가치를 인정해야 시스템의 웰빙이 시작된다. 산업이 어느 정도 성장한 다음에 웰빙 시대가 도래했듯이 개발에 급급하던 정보시스템이 이제 안정기에 접어 들어가기 때문에 머지 않아 반드시 데이터의 웰빙은 올 것이다.
데이터 관리 중요성 인식 시급=데이터 거버넌스를 정착시키려면 데이터 관리의 중요성에 대한 인식의 확대가 무엇보다 시급한 과제이다. 물론 과거에 비해서는 데이터 관리의 중요성을 심각하게 받아들이는 기업이 크게 증가한 것은 사실이다. 실제로 이미 데이터 관리의 중요성을 인식한 일부 기업과 공공기관은 적극적인 행보를 시작했다. 차세대 시스템 구축을 완료했거나 진행 중인 하나은행, 우리은행, 국민은행, KTF 등이 품질 관리팀이나 데이터 아키텍처팀을 운영하고 있다.
그러나 아직도 대다수 기업은 데이터 관리에 대한 문제의식조차 아주 낮은 것으로 나타나고 있다.
법치국가의 시작은 법의 제정에서 출발하는 것처럼 체계적인 데이터 관리를 위해서는 표준제정과 관리정책의 수립부터 시작해야 한다. 이미 국제표준화기구(ISO)가 나섰고 이에 따라 국내는 물론 세계적으로도 업계 전반에 상당한 파급효과를 몰고 올 전망이다. 특히 이 작업에는 국내에서 개발된 데이터 품질관련 기술이 채택될 전망이어서 국내 DB업계의 시선도 집중되고 있다.
데이터 관리정책이란 기업의 비전과 목표를 달성하기 위해 필요한 데이터의 확보 계획과 확보된 데이터를 효과적으로 유지관리하기 위한 체계 및 계획을 정의하는 작업을 말한다.
데이터 표준화란 데이터 표준화 원칙에 따라 정의된 표준단어 사전 및 도메인 사전, 표준 용어 사전, 표준 코드, 데이터 관련요소 표준 등을 적합한 형태로 정의하고, 표준의 준수 여부를 체크하여 데이터 정제 및 개선활동을 하는 것을 말한다. 이러한 표준을 통해 데이터베이스의 설계와 개발을 수행하고, 전사적인 표준의 사용을 통해 시스템간의 상호운용성, 데이터의 공유, 시스템의 통합, 비즈니스 프로세스의 개선을 할 수 있다. 또한 전사적으로 공통된 표준을 사용함으로써 데이터의 일관성과 정합성을 유지할 수 있다.
데이터 구조(모델)의 개선=데이터를 효과적으로 관리하고 데이터의 품질을 높이기 위해서 반드시 필요한 것이 체계화된 데이터 구조(모델)를 관리하는 것이다. 데이터 구조는 데이터를 담는 그릇으로 데이터를 취급하는 관점에 따라 구조가 달라진다. 정보시스템에서의 데이터 구조는 마치 도시의 도로망과 같다. 도로의 구조가 복잡하면 지속적인 비용이 발생하고 사고가 빈발한다. 마찬가지로 데이터 구조가 복잡하면 정보시스템은 지속적인 비효율이 발생하고 데이터 품질이 저하되는 원인이 된다.
[그림2]를 보면 나란히 붙어 있는 마산과 창원의 도로구조를 살펴보면 확연한 차이를 느낄 수 있다. 창원은 창원대로를 중심으로 매우 단순한 구조를 가지고 있어 몇 번만 다녀보면 쉽게 길을 찾을 수 있다. 그러나 마산은 그렇지 못하다. 삼국시대부터 서서히 성장해 왔지만 창원은 1974년 국가가 계획도시로 시작했기 때문일 것이다.
제아무리 선견지명이 있는 정책 입안자라 하더라도 천년 후를 내다볼 수는 없다. 한번 굳어진 길은 이미 주변에 많은 주택들이 들어서기 때문에 구조적인 문제를 인식했더라도 함부로 바꿀 수 없다. 잘못된 줄을 알면서도 집들은 계속 들어서게 되어 이제 와서 고치려는 것은 거의 불가능하게 된다. 이처럼 소규모 업무에서 시작된 시스템이 점차 확장되어 대형 시스템이 되어 가면 필연적으로 데이터의 문제점이 확연히 드러나지만 쉽게 손을 될 수 없다.
정보시스템에 종사하는 사람으로써 부끄러운 일이지만 지금까지 거의 대부분의 시스템은 표준도, 통제하는 사람도 없이 개발자 마음대로 관리해 왔다. 기업은 생명체와 같아 끝임 없이 추가되고 변경되며 고스란히 정보시스템에 반영되어야 한다. 뭔가 하나를 바꾸려 하면 영향을 받지 않는 곳이 없다. 3D 이하 직종이라는 소리를 들으면서 철야작업을 밥먹듯이 했지만 끝날 줄을 모르는 유지보수의 악순환을 되풀이하고 있다.
그 이유는 바로 시스템의 골격이라 할 수 있는 데이터의 부실함이 원인이다. 데이터가 정확하고 단순한 구조를 가지고 있다면 처리가 복잡해야 할 이유가 없다. 처리가 단순하다면 변경이 발생하더라도 수정할 부분이 많을 리 없다. 그러므로 데이터 구조는 데이터 아키텍처의 수립을 통해 체계적으로 작성되고 함부로 변형되지 않도록 지속적인 관리가 필요하다.
데이터 관리 프로세스 정립해야=데이터 관리 프로세스는 데이터 및 데이터 구조의 품질을 안정적으로 유지 개선하기 위한 활동으로 절차, 조직, 인력 등을 포함한다. 여기서는 데이터의 현상적 값뿐만 아니라 구조적 값까지 포함되며, 데이터 구조는 조직 계층의 각 관점별 데이터 구조로 세분화된다. 데이터 관리 프로세스는 데이터의 변화를 관리하는 프로세스와 데이터의 개선을 하는 프로세스로 구분할 수 있다.
보다 체계적인 데이터 관리를 위해서는 이들을 종합적으로 관리할 수 있는 - 마치 공장 자동화에서 사용하는 제어룸(Control Room)과 같은 - 자동화된 시스템의 지원이 반드시 필요하다. 데이터 거버넌스를 위한 메타데이터 관리 시스템은 데이터 모델의 관리를 비롯해 표준화 관리, 품질관리, 데이터베이스 관리 및 성능 최적화 관리, 영향도 분석 등을 수행한다. 뿐만 아니라 좀더 적극적인 관리를 하고자 한다면 장해 및 보안 관리, 데이터 흐름관리, 응용 프로그램 소스 관리 등도 포함될 수 있다.
데이터 거버넌스의 주체는 누가 뭐래도 조직과 사람이다. 아무리 제도와 시스템이 완벽하게 구비되었다 하더라도 사람이 이를 제대로 수행하지 못하면 의미가 없다. 그러나 불행하게도 진정한 데이터 전문가를 찾아보기는 매우 어렵다. 그 이유는 국내 정보시스템 분야가 가지고 있는 해묵은 숙제라고 할 수 있다.
프로그래머는 넘치지만 데이터 전문가를 찾아보기가 어렵다. 반복되는 고단한 일상에 지친 몸과 마음은 일찍 조로하여 전문가의 길을 걸을 용기를 빼앗아 간다.
