데이터 품질관리

✨ 데이터 품질관리 (DQM)

데이터 품질관리(Data Quality Management, DQM)는 기업의 데이터 자산이 비즈니스 목적에 부합하는 수준의 품질을 지속적으로 유지할 수 있도록, 관련된 정책, 프로세스, 조직, 기술 등을 체계적으로 관리하는 활동입니다.

단순히 데이터의 오류를 찾아내는 것을 넘어, 오류의 발생 원인을 분석하고, 재발을 방지하며, 데이터의 품질을 지속적으로 개선해 나가는 전사적인 활동입니다.

---

📏 데이터 품질의 기준

데이터의 품질은 다양한 기준으로 측정될 수 있습니다.

• 완전성 (Completeness) : 데이터가 필수적인 항목을 모두 포함하고 있는가?
• 유일성 (Uniqueness) : 데이터가 중복되지 않고, 유일한 값을 가지고 있는가?
• 유효성 (Validity) : 데이터가 미리 정해진 형식이나 범위(도메인)를 만족하는가?
• 일관성 (Consistency) : 여러 시스템에 걸쳐 있는 데이터가 서로 모순 없이 일치하는가?
• 정확성 (Accuracy) : 데이터가 실제 현실 세계의 사실과 일치하는가?
• 적시성 (Timeliness) : 데이터가 필요한 시점에 사용 가능한 상태인가?

---

⚙️ 데이터 품질관리 프로세스

1. **품질 목표 설정**: 비즈니스 요구사항에 맞는 데이터 품질 목표와 기준을 정의합니다. 2. **품질 측정 및 분석**: 현재 데이터의 품질 수준을 측정하고, 목표와의 차이를 분석합니다. 3. **품질 개선 활동**: 데이터 프로파일링, 클렌징, 표준화 등의 활동을 통해 데이터의 오류를 개선합니다. 4. **품질 모니터링 및 통제**: 데이터 품질을 지속적으로 모니터링하고, 품질 저하를 유발하는 원인을 찾아 통제하고 예방합니다.

---

💡 기술사 핵심 Point

• "쓰레기를 넣으면 쓰레기가 나온다(Garbage In, Garbage Out)"는 말처럼, 데이터의 품질은 모든 데이터 기반 활동의 성공을 좌우하는 가장 기본적인 전제 조건입니다.
• 성공적인 데이터 품질관리는 일회성 프로젝트가 아니라, 데이터 거버넌스 체계 안에서 지속적으로 수행되어야 하는 상시 활동입니다.
• 데이터 프로파일링(Data Profiling)은 데이터의 구조, 분포, 통계 등을 분석하여 데이터의 현재 상태를 파악하고, 품질 문제를 식별하는 핵심적인 초기 활동입니다.
• 데이터 품질관리는 기술적인 도구 도입만으로 해결되지 않으며, 데이터를 생성하고 사용하는 현업 부서의 참여와 데이터에 대한 책임 의식을 높이는 조직 문화의 변화가 반드시 필요합니다.