[성과를 창출하는 데이터 품질 관리] ② 데이터 품질관리 시스템 구축 사례

3  기준정보 정확도 제고를 위한 DQM 시스템 사례

3.1 품질관리 대상 선정의 중요성

기업이 관리하는 데이터의 규모가 무한하다고 느껴질 만큼 방대해지고 있어, 적합한 품질관리 대상 데이터를 선정하는 것은 비즈니스 성패를 결정 짓는 중요한 요소로 작용합니다. 전사에서 운영하는 모든 정보시스템과 데이터를 대상으로 품질관리를 한다면 정보를 분석하고 나열하는 것만으로도 수많은 자원과 시간이 필요하게 됩니다. 이는 결국 실행 불가능한 이상적 계획으로 귀결되어 데이터 품질관리의 효용성을 재검토해야 하는 결과를 가져올 수도 있습니다.
그래서 초기 단계 데이터 품질관리 체계를 정착하기 위해서는 가시적 성과를 빠르게 도출할 수 있는 대상을 선별해야 합니다. 아래와 같은 기준을 중심으로 초기 단계 품질관리 대상을 선정하면 비용 대비 효과 측면에서 탁월한 성과를 거둘 수 있을 것입니다.

결국, 위와 같은 성격에 가장 근접한 데이터는 전사 마스터나 모듈 마스터와 같은 기준정보에 해당되며, 가장 우선적으로 품질 개선을 해야 할 대상입니다. 또한, 초기 단계 품질관리 대상은 결코 고정적인 것으로 볼 수 없으며, 데이터 관리 조직의 경험과 실력이 향상될수록 품질관리 대상도 확대되어야 합니다.

3.2 기준정보 품질측정을 위한 품질체계 수립

데이터 품질 측정은 데이터 품질개선을 위한 선행작업으로, 현행 데이터의 품질 이슈를 분석해 계량화하는 것을 의미합니다. 기준정보는 다양한 속성들의 조합으로 구성되어 있으므로, 품질 측정도 속성 단위로 수행됩니다. 아래 표는 데이터 품질 오류를 판단하는 품질지표 예입니다

기준정보 품질관리 측면에서 완전성, 유효성, 유일성, 정합성은 생성시스템인 MDM 정보를 대상으로 측정하고, 일치성과 적시성은 MDM에서 정보를 수신 받는 전사 시스템 및 EAI Hub와 MDM 데이터를 비교 분석하여 측정합니다. 기업 및 업종별로 위에 정리한 예시 외에도 추가적인 품질 측정 기준을 정의해서 활용할 수 있습니다. 예컨대, 업무 프로세스에서 정의한 특정 운영기준 준수율, 계획 이행률 등과 같은 지표도 품질개선을 위해 정의가 가능합니다. 다음에는 품질관리 대상과 품질지표를 연결하여 품질 측정을 위한 세부 측정규칙을 정의해야 합니다. 측정규칙이 정의되어야 정기적이고 상시적인 품질모니터링 및 품질개선 활동이 가능해집니다.

[그림 5] 품질 측정을 위한 세부 규칙 정의 예시

3.3 품질지표 기반의 DQM 시스템 구축 및 활용

품질관리 대상과 품질측정 규칙이 정의되었다면, 이제 상시적인 품질 모니터링 및 품질개선 작업이 필요합니다. 만일 관리대상도 적고 데이터도 소규모인 경우라면 별도의 관리시스템 없이 수작업을 통한 운영을 생각해 볼 수도 있습니다. 그러나 일회성이 아니라 상시적인 운영을 위해서는 품질 측정을 위한 데이터 수집과 평가작업의 자동화가 필수적입니다. 이를 위한 시스템을 DQM(Data Quality Management)이라고 하며, 주로 아래와 같은 기능을 제공합니다.

[그림 6] DQM 시스템 기능 구성도

DQM 시스템은 데이터 품질관리, 품질측정 엔진, 외부 시스템 연계 등 3가지 주요 기능과 DQM DB로 구성되어 있습니다.

① 데이터 품질관리

② 데이터 품질측정 엔진

③ 외부시스템 연계

그림 7은 ERP 오픈 시 고품질 기준정보를 각 모듈에 제공하기 위해 2개월에 걸쳐 수행한 기준정보의 품질 측정 및 개선 활동 사례입니다. MDM에 적재된 기준정보에 대한 일단위 품질 측정을 통해 점진적으로 품질 오류를 최소화해 가는 과정에서 DQM 시스템을 활용하였습니다.

그림 7 - ERP 오픈 시 기준정보 정비 활용 사례

3.4 품질관리 고도화를 위한 고려사항

기업 데이터 품질관리 수준을 높이기 위한 전략적 접근 과정에서 다양한 시행착오를 경험할 수 있는데, 이를 최소화하기 위해 아래와 같은 내용들이 검토되어야 합니다.

① 전사 차원의 데이터 관리 조직 운영은 선택이 아닌 필수입니다.

② 상시적 데이터 품질관리가 필요합니다.

그림 8 - 상시적 품질 모니터링 및 품질 개선활동 정착화

아울러, 데이터 품질관리를 위한 품질기준 및 상시 데이터 품질 측정, 품질현황 모니터링, 품질개선 활동 등을 지원하는 통합 DQM 시스템을 갖추어야 합니다.

그림 9 - 데이터 품질관리 시스템화

통합 DQM 시스템은 Rule 엔진 기반의 품질규칙 설정, 다양한 관점의 품질현황 모니터링, 품질개선 및 조치결과를 통합 관리할 수 있는 Total 솔루션 기능을 제공해야 합니다.

그림 10 - 통합 DQM 시스템 주요 기능

③ 품질관리 대상의 지속적인 확대가 필요합니다.

이상 소개한 내용들은 업무에서 이미 활용 중인 데이터에 대한 사후 모니터링과 개선에 집중하고 있습니다. 만약, 기준정보 등록시점부터 다양한 오류 유형 등에 대처할 수 있는 검증 로직이 포함될 수 있다면, 보다 능동적이고 선제적인 품질오류 대응, 즉 지능형 데이터 품질관리가 가능해질 것입니다.

Intelligent DQM (지능형 데이터 품질관리)

그림 11 - Intelligent DQM

4  데이터 품질관리를 고민 중인 기업을 위한 제언

데이터 품질 관리란 데이터의 품질수준 및 활용수준을 지속적으로 모니터링하고 개선함으로써, 고품질의 데이터를 유지하는 관리체계를 의미합니다. 데이터 품질은 프로세스간 연계성을 보장하고, 데이터 분석의 신뢰성을 높여 Fact 기반 의사결정을 가능하게 하는 주요한 기반입니다. 많은 기업들이 고품질 데이터를 확보하기 위해 정보시스템과 데이터 정비에 막대한 비용을 투자하지만, 여전히 데이터 오류에 따른 프로세스 수행 문제나 데이터 신뢰성 저하로 고민하고 있습니다. 이는 기업이 데이터 품질이슈를 단순히 시스템 개선이나 일회성 데이터 정비작업을 통해 해결할 수 있다고 생각하기 때문입니다.
데이터 품질관리가 실질적 성과를 내기 위해서는 데이터 품질 수준을 정확히 파악하고, 데이터 오류의 근본원인을 찾아 해결하는 작업이 상시적으로 수행되어야 합니다. 아울러 부서 단위가 아닌 전사적 관점의 데이터 품질관리체계 수립과 전담조직 운영 등이 동반되어야 합니다.

그림 12 - 데이터 품질관리 체계

데이터가 자산화되어 비즈니스 전략 운영의 핵심으로 작용하는 빅데이터 시대, 체계적인 데이터 품질관리 프로세스와 유기적으로 작동하는 DQM 시스템을 갖춘 기업은 이들 데이터로부터 수준 높은 통찰을 이끌어내어 한 차원 높은 비즈니스 성과를 창출할 수 있을 것입니다.



▶   해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 기고자에 저작권이 있습니다.
▶   해당 콘텐츠는 사전 동의없이 2차 가공 및 영리적인 이용을 금하고 있습니다.