ADsP 2과목 ‘데이터 분석 기획’의 여덟 번째 개념 정리입니다. 앞서 6~7편에서는 분석 과제의 우선순위를 평가하고 중장기 로드맵과 프로젝트 관리 체계를 수립하는 방법을 다루었습니다.
아무리 정교한 분석 계획과 최신 AI 알고리즘을 갖추고 있더라도, 분석에 투입되는 사내 데이터의 명칭이 제각각이거나 중복과 오류로 뒤범벅되어 있다면 신뢰할 수 있는 결과를 얻을 수 없습니다. 전사 차원에서 데이터의 품질, 표준, 보안, 관리 책임을 일관되게 통제하는 제도적 장치가 바로 데이터 거버넌스(Data Governance)입니다.
쏠티북스 「선넘는 ADsP」 교재를 바탕으로, 스마트 팩토리 전사 부품 규격 표준화 지침서에 빗대어 정리합니다. 2과목 전체 학습 흐름은 ADsP 2과목 독학 지도에서 확인할 수 있습니다.
1. 데이터 거버넌스란 무엇인가
데이터 거버넌스(Data Governance)는 전사적으로 데이터의 가용성, 유용성, 통합성, 보안성을 확보하고 데이터 품질을 일관되게 유지하기 위해 수립하는 전사적 데이터 관리 규정 및 실행 프레임워크입니다.
글로벌 자동차 제조사의 공장 표준 부품 규격화 체계에 비유할 수 있습니다.
- 거버넌스가 없는 공장: 1공장에서는 나사 규격을 mm로 부르고, 2공장에서는 인치(inch)로 부르며, 3공장에서는 각자 임의의 모델 코드를 붙여 조립 라인에 투입합니다. 공장 간 부품 호환이 불가능하고 라인마다 결함이 속출합니다.
- 거버넌스가 확립된 공장: 전사 부품 표준화 위원회가 전 세계 모든 공장에서 사용할 표준 자재 코드 규정집을 배포하고, 부품 명칭·허용 공차·품질 검사 절차를 단일 기준으로 통제하여 어느 공장에서 조립하든 호환성과 품질을 보장합니다.
데이터 거버넌스는 단순한 IT 시스템 관리 작업이 아니라, 데이터를 기업의 핵심 자산으로 인식하고 비즈니스 현업과 IT 조직이 함께 관리하는 경영 통제 시스템입니다.
2. 데이터 거버넌스의 3대 구성요소 (원·조·프로)
데이터 거버넌스는 원칙(Principle), 조직(Organization), 프로세스(Process)의 3대 축으로 작동합니다. 앞 글자를 따서 ‘원·조·프로’로 기억하면 됩니다.
| 구성 요소 | 정의 및 역할 | 공장 비유 |
|---|---|---|
| 원칙 (Principle) | 데이터 수집·저장·관리·활용 시 지켜야 할 전사 공통 정책, 가이드라인, 보안 규정 | “모든 볼트 규격은 미터법, 허용 오차 ±0.01mm”라는 품질 관리 헌장 |
| 조직 (Organization) | 거버넌스 정책을 수립하고 준수 여부를 감리·통제하는 전담 협의체와 관리자(R&R) | 본사 표준화 심의 위원회, 자재 품질 총괄 책임자, 라인별 부품 검수관(Data Steward) |
| 프로세스 (Process) | 표준 데이터의 제정·변경 신청·승인·모니터링 및 오류 수정에 이르는 실행 업무 절차 | 신규 부품 등록 신청 → 심의 검토 → 승인·전산 등록 → 정기 검수 점검 주기 |
보기 중에 ‘인프라’나 ‘알고리즘’ 같은 단어가 끼어들면 오답입니다.
3. 데이터 거버넌스의 3대 관리 대상
거버넌스 체계가 집중적으로 관리·통제해야 하는 세 가지 핵심 대상입니다. 시험에서 세 개념의 정의와 차이를 묻는 문제가 자주 출제됩니다.
(1) 마스터 데이터 (Master Data)
비즈니스 전반에 걸쳐 공유되는 기업 핵심 엔티티(Entity)에 대한 단일 기준(Single Source of Truth) 데이터입니다. 일상 업무에서 지속적으로 참조되는 영속적인 기본 데이터로, 변동성이 낮고 일관성이 매우 중요합니다. 예를 들어 고객 정보, 제품 마스터, 거래처 목록, 부품 분류 코드가 해당합니다.
공장 비유로 보면, 공장의 표준 완성품 및 정품 부품 공식 목록입니다. 오늘 몇 개가 팔렸는지와 상관없이, 공장이 취급하는 모든 정규 품목의 기본 정보를 일원화해 둔 기준 원장입니다.
주의: 일일 주문 건수, 영수증 결제 시각, 센서 실시간 온도 로그 등 업무에서 빈번하게 발생하는 데이터는 트랜잭션 데이터(Transaction Data)이며, 마스터 데이터가 아닙니다.
(2) 메타데이터 (Metadata)
‘데이터에 관한 데이터(Data about Data)’로, 원천 데이터의 구조, 속성, 의미, 생성 시점, 소유자 등을 설명해 주는 설명서 데이터입니다. 데이터를 효율적으로 검색하고, 맥락과 품질을 파악하기 위한 필수 정보입니다.
공장 비유로 보면, 자재 상자 겉면에 붙어 있는 제품 라벨 및 품질 사양표입니다. 상자 안의 실제 부품(데이터)이 아니라, 이 부품이 언제 생산되었고 재질이 무엇이며 무게가 얼마인지 적어둔 표식입니다.
(3) 데이터 사전 (Data Dictionary)
데이터베이스 관리 시스템(DBMS) 내의 모든 데이터 요소(테이블, 컬럼, 인덱스, 제약조건 등)에 대한 물리적·논리적 정의와 명세를 체계적으로 수록해 놓은 시스템 도서관입니다. 데이터 모델러와 개발자가 컬럼명, 데이터 타입, 길이 등을 확인할 수 있는 공식 참조 문서입니다.
공장 비유로 보면, 공장 자재 창고의 공식 부품 도면 총람입니다. 1번 선반부터 100번 선반까지 어떤 규격의 부품이 어떤 치수로 보관되어 있는지 기록한 안내 책자입니다.
4. 데이터 표준화 4대 체계
데이터 거버넌스를 실무에 안착시키기 위한 핵심 수단이 데이터 표준화(Data Standardization)입니다. 시스템마다 서로 다르게 쓰이던 데이터 표기법을 네 가지 차원에서 규격화합니다.
| 표준화 체계 | 정의 | 실무 예시 |
|---|---|---|
| 표준 단어 (Standard Word) | 업무 공통 단어의 철자를 확정하고 동음이의어·이음동의어를 정비 | 권장: ‘고객’, ‘일자’ / 금지: ‘손님’, ‘소비자’, ‘날짜’ |
| 표준 용어 (Standard Term) | 표준 단어를 논리적으로 조합하여 컬럼명이나 업무 용어를 만드는 명명 규칙 | 고객+휴대폰+번호 → CUST_HP_NO |
| 표준 도메인 (Standard Domain) | 데이터 컬럼에 입력될 수 있는 타입, 최대 길이, 허용 값의 범위를 표준화 | 금액: NUMBER(12), 날짜: DATE(YYYYMMDD), 여부: CHAR(1) |
| 표준 코드 (Standard Code) | 선택 가능한 값들을 일정한 규칙에 따라 기호화하여 목록으로 관리 | 회원상태: 01(정상)·02(휴면)·03(탈퇴), 성별: M·F |
시험에서 “속성(컬럼)이 취할 수 있는 동일한 타입의 모든 원자값들의 집합 또는 허용 범위”를 묻는 지문이 나오면 표준 도메인(Domain)을 선택합니다.
5. 데이터 거버넌스 조직과 운영 체계
거버넌스가 서류상 규정에 머물지 않으려면 전담 조직과 명확한 역할 분담이 수반되어야 합니다.
- 데이터 관리 위원회 (Data Governance Council): 최고데이터책임자(CDO)와 각 사업부문 임원들이 참여하여 전사 데이터 표준 정책과 우선순위를 최종 심의·의결하는 최고 의사결정 기구입니다.
- 데이터 스튜어드 (Data Steward): 현업과 IT 부서에 배치되어, 실제 업무 현장에서 데이터 표준이 올바르게 준수되는지 모니터링하고 오류 데이터를 정제하며 표준 제정/변경을 요청하는 실무 책임자입니다.
- 관리 프로세스 흐름: 표준 요청 → 표준 검토·승인 → 시스템 반영(배포) → 준수율 모니터링 → 개선 피드백
6. 시험에서는 이렇게 출제됩니다
거버넌스 3대 구성요소(원·조·프로) 맞히기가 가장 자주 나옵니다. 원칙(Principle), 조직(Organization), 프로세스(Process)가 아닌 오답 보기(시스템 아키텍처, 머신러닝 알고리즘 등)를 가려내는 문제입니다.
마스터 데이터 vs 트랜잭션 데이터 구별도 출제됩니다. 마스터 데이터는 고객 정보, 제품 목록, 거래처 원장처럼 지속적 기준 데이터이고, 트랜잭션 데이터는 일일 주문 내역, 계좌 이체 기록, POS 결제 로그처럼 일회성 거래 이력입니다. “일일 발생 주문 로그는 마스터 데이터의 대표 사례이다”는 오답입니다.
메타데이터의 개념을 묻는 문제에서는 “데이터의 데이터”, “데이터의 구조와 맥락을 설명하는 정보”라는 키워드가 나오면 메타데이터(Metadata)를 선택합니다.
표준 도메인(Domain) 용어 판별도 자주 출제됩니다. “속성이 가질 수 있는 값의 데이터 타입과 유효한 허용 범위”를 묻는 문제입니다.
이음동의어 정비 문제에서 ‘손님’, ‘고객’, ‘소비자’처럼 의미는 같으나 표기가 다른 단어를 하나로 통일하는 작업은 표준 단어 정비에 해당합니다.
7. 옆 개념과의 연결
이번 8편에서는 전사 데이터의 품질과 일관성을 지켜주는 데이터 거버넌스와 표준화 체계를 정리했습니다. 표준 규정이 마련되었다면, 이제 “우리 회사는 데이터 분석을 도입할 준비가 얼마나 되어 있고, 현재 분석 역량은 어느 단계에 와 있는가”를 객관적으로 평가할 진단 도구가 필요합니다.
다음 9편에서는 기업의 분석 수준을 사분면 매트릭스로 진단하는 데이터 분석 성숙도와 준비도 모델을 다룹니다.
자주 묻는 질문
데이터 거버넌스와 데이터 관리는 어떻게 다른가요?
데이터 관리가 실무자가 DB에 데이터를 백업하고 쿼리를 최적화하는 ‘실행(Operations)’의 영역이라면, 데이터 거버넌스는 전사 차원에서 어떤 데이터를 수집하고 누가 책임질 것인지 기준과 원칙을 정하는 ‘통제 및 지휘(Governance)’의 상위 영역입니다.
마스터 데이터의 품질이 깨지면 어떤 문제가 발생하나요?
동일한 고객이 1공장 시스템에는 ‘홍길동’, 2공장 시스템에는 ‘길동 홍’으로 분리 등록되면, 전사 고객 통합 분석이나 CRM 마케팅 시 중복 발송, 실적 누락 등 심각한 비즈니스 오류와 비용 낭비가 발생합니다.
표준 도메인을 설정하면 실무에서 무엇이 좋은가요?
예를 들어 ‘전화번호’ 도메인을 13자리 문자형(010-XXXX-XXXX)으로 통일해 두면, 어떤 개발자나 시스템이 새로운 테이블을 만들더라도 하이픈 누락이나 숫자형 저장 등 형식 오류를 원천 차단하여 데이터 정합성을 유지할 수 있습니다.
마무리
8편에서는 스마트 공장의 부품 규격 표준화 비유를 통해 데이터 거버넌스의 본질, 3대 구성요소(원칙·조직·프로세스), 3대 관리 대상(마스터데이터·메타데이터·데이터사전), 그리고 데이터 표준화 4대 축(단어·용어·도메인·코드)을 정리했습니다.
다음 9편에서는 기업의 분석 역량을 종합 검진하는 데이터 분석 성숙도와 준비도 모델(4대 사분면 진단)로 이어갑니다.
