보고서 업무 및 실시간 리포팅 강화 등 ‘현업’에 중점

차세대시스템 이후 기업들의 IT투자가 DW, BI 고도화 등 정보계 투자로 이어지면서, 원천 데이터의 정확성을 확보하기 위한 데이터 품질관리(DQ) 사업도 급부상하고 있다. 데이터매니지먼트 시장에서 신규사업을 개시하거나 부서, 기업 간 인수합병 시 도입돼 사용되는 DI(데이터 통합), MDM(기준정보관리)과는 다르게, 그간 상시적인 활용이 어려웠던 데이터품질관리(DQ) 시장이 지난해 기점으로 뒤늦게 활성화되기 시작한 것도 이 같은 이유에서이다. 이처럼 '품질관리'에 대한 인식이 바뀌면서 최근에는 신규 데이터 품질관리 프로젝트 수요 외에도, 공공, 금융권 중심으로 기존에 구축한 데이터 품질관리 프로세스 일부를 업그레이드 하거나 이를 상시 업무로 정착시키려는 작업이 확산되고 있다.
특히 데이터 품질관리가 시스템 이행 과정에서 품질 체크를 위한 1회성 사용에서 벗어나 보고서 업무, 시스템 이동 시 배치업무에서의 오류 추출, 실시간 리포팅 강화 등 현업 쪽으로 중심이 옮겨지고 있다. 최근 품질관리 프로젝트를 계획하거나 진행된 사례를 중심으로 데이터 품질관리 프로젝트가 어떻게 활용되며, 어떤 성과를 내는지 집중 살펴본다.


DQ업그레이드 및 재교육 수요 급증

이미 2000년대 초.중반 차세대시스템 등 IT인프라를 재정비한 기업, 기관들이 대형 IT프로젝트 보다 기존 시스템에 대한 '고도화' 사업에 관심을 쏟으면서, 최근 IT투자가 리스크 관리, 경영정보시스템 등 DW(데이터웨어하우스), BI(비즈니스인텔리전스) 등 정보계 투자에 집중되고 있다.

이처럼 DW고도화, BA(비즈니스 분석), AV(고급분석) 등 차세대 BI에 대한 방향성이 제시되면서 데이터의 본질적인 문제인 '품질'이 다시금 주목 받고 있다. 아무리 방대한 데이터를 다차원적이고 빠르게 분석한다 하더라도, 원천 데이터의 신뢰도를 확보하지 않으면 제대로 된 대응을 할 수 없기 때문이다.

김인현 투이컨설팅 대표는 "대다수 기업이 차세대 프로젝트 당시 데이터 이전을 위해 품질관리를 필수적으로 도입했으나, 일회성 사용에 그치는 게 대부분이었다"면서 "최근 차세대가 일찍 완료된 금융, 공공 중심으로 데이터 품질관리에 대한 인식이 대두되면서 지난해 기점으로 DQ업그레이드 및 재교육 수요가 급증하고 있다"고 설명했다.

오경조 지티원 이사 역시 "올 상반기부터는 공공, 금융권 뿐만 아니라, 유통, 제조분야에서도 캠페인 시고객데이터의 세분화와 정확성을 확보하기 위한 사전작업으로 DQ사업에 관심을 쏟고 있다"고 말했다.

1회성 사용에 그치는 경우 많아

데이터 품질관리의 경우 기존에는 차세대 프로젝트 당시 데이터 표준화 작업에 사용되거나, 데이터를 마이그레이션 할 때 정합성을 높이는데 주로 활용됐다. 따라서 문제 데이터 수준을 95%에서 99%까지 높이는데 활용, 99.9%까지 정합성을 맞추고 안정화 단계를 거친 이후에는 활용도가 떨어질 수 밖에 없었다.

하경호 프루덴셜생명보험 IT지원팀 책임 연구원은 "DQ는 시스템 이행 과정에서 품질 체크를 위해 필수적으로 도입되는 솔루션이지만, 1회성 사용에 그치는 경우가 많기 때문에 프로젝트 이후 활용도는 당연히 떨어질 수 밖에 없다"며 "품질관리 툴 자체가 고가이다 보니 이를 다시 업그레이드해 활용하려는 방안을 찾고 있다"고 말했다.

관련 전문가들은 지금껏 기업들이 데이터 품질관리를 도입해 제대로 활용하지 못했던 이유로 ▲솔루션 구입 후 활용하지 않음(1회성 사용) ▲단기적으로 빠르게 ROI(투자대비효과)를 확보하지 못해 장기적인 투자로 이어지기 어려움 ▲경영진₩현업 담당자들의 품질관리에 대한 중요성 인식 부재 ▲데이터 오류를 드러내야 하는 데서 오는 담당자의 거부감 ▲품질관리 전담 조직 및 책임 부서 부재 등을 꼽았다.

DQ도입 효과는 자원관리에 대한 투명성, 전략관리 기반마련, 사고예방 등이다. 즉 데이터품질 관리 노력이 단기간 매출손익과 연결되지 않고 부가가치 측면에서 이뤄지다 보니 경영자들의 관심이 그만큼 떨어질 수밖에 없다는 지적이다. 따라서 고도화된 데이터 품질관리 체계를 위한 상시적인 전담조직마련 등 DQ사업이 장기적인 투자로 이어지기 어려웠던 것이다.

또한 데이터 오류라는 문제를 그대로 들어내, 그에 대한 책임을 물어야 하는 데서 오는 담당자들의 거부감도 현행 데이터 품질관리 문제점으로 거론된다. 업계 관계자는 "기준정보를 체크하고 모니터링하는 과정에서 데이터 품질 오류가 발생하는데 이에 대해 문책을 받을까봐 담당자들이 부담을 느끼게 된다"며 "팀장들이 담당자와 국장 및 CIO에게 보내는 데이터보고서를 이중으로 만드는 잘못된 관행도 모두 이 같은 이유 때문이다"고 설명했다.




<이하 상세 내용은 컴퓨터월드 5월 호 참조>

저작권자 © 컴퓨터월드 무단전재 및 재배포 금지