선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 본 연구에서는 이러한 문제를 해결하고자 다음과 같이 데이터 품질관리 활동의 자원할당 모형을 개발하였다.
- 본 연구의 목적은 품질코스트 기법을 이용하여 데이터 품질관리 활동을 품질코스트로 분류하고, 데이터 품질관리를 위한 효율적인 자원할당 모형을 개발하는 것이다.
가설 설정
- 또한, 각 산출요소에 대한 대안별 예측치는 군의 표준화 담당부서와의 인터뷰를 통해서 도출하였으며, 데이터 품질관리 성숙수준 예측치를 조사하기 위해서 데이터 품질관리 활동의 상세 예산 배분 내역을 각 대안별로 제공하였다. 마지막으로, 반복 횟수는 3회로 가정하였다.
- 본 연구에서 적용한 데이터 품질관리 활동은 한국DB진흥원에서 제시한 데이터 품질관리 활동으로 가정하며, 품질코스트 활동은 ASQ에서 제시한 품질코스트 분류를 사용한다. 연관관계 분석을 위해서 데이터 품질관리 활동을 세로축으로, 품질코스트 활동을 가로축으로 하여 강한 연관관계, 보통 연관관계, 약한 연관관계를 조사하였으며, 5명의 특급기술자 등급을 지닌 데이터 품질관리 전문가 그룹을 구성하여 델파이 기법에 따라 3라운드를 수행하였다.
- 총 94개의 데이터 품질관리 활동을 강한 연관관계를 중심으로 분석한 결과, 예방코스트(P) 활동 39개, 평가코스트(A) 활동 28개, 내부 실패코스트(IF) 활동 6개, 외부 실패코스트(EF) 활동 23개로 나타났으며 DB 성능개선과 데이터 보안 개선 활동은 예방코스트와 외부 실패코스트 모두에 강한 연관관계를 가지는 것으로 나타났다. 예방코스트와 외부 실패코스트의 활동으로 분류된 DB 성능개선과 데이터 보안 개선 활동은 사전 활동과 사후 활동으로 구분하여 각각 예방코스트와 외부 실패코스트로 분류할 수 있으나, 본 연구에서는 DB 성능 개선과 데이터 보안 개선 활동을 외부 실패코스트 활동으로 가정한다. 외부 실패코스트 활동으로 가정한 이유는, 2009년도 데이터 품질관리 성숙수준 보고서에 따르면 기관 및 기업의 데이터 품질관리 성숙수준이 평균 0.
제안 방법
- Interval Halving 방법에 따라, 1차 DEA 분석 결과의 DMU1을 최대값으로 DMU2를 최소값으로 설정하여 대안을 재구성하고 각 대안별 데이터 품질관리 성숙수준 예측치를 조사하여 분석한 결과는 과 같다.
- 본 연구에서는 자원할당 대안을 작성하기 위해서 Interval Halving 방법을 적용한다. Interval Halving 방법은 구간 사이에 총 3개의 점을 비교하여 구간을 줄여나가는 방법이나 DEA 모형의 판별력을 만족시키기 위해 최소 6개의 대안이 필요한 관계로 구간 사이에 총 4개의 점을 추가로 비교하는 방법을 이용하였다.
- 투입요소에 대한 예산을 균일하게 주는 방법, 가중치별로 할당하는 방법, 과거의 경험치에 의해 할당하는 방법 등 다양한 대안이 작성된다. 각각의 대안은 DMU1부터 DMUn까지 부여하며, DMU의 수는 투입요소와 산출요소를 합한 값보다 최소 2배 이상이 되도록 작성한다.
- 국방정보화 분야의 데이터 품질관리 수준 분석을 위해서 IP(Importance and Performance) 분석을 활용하였으며, 총 30명의 설문결과가 접수되었다.
- 대안별 예측치 도출은 <표 10>에서 제시한 예산 배정 대안에 대해서 산출요소의 값인 데이터 품질관리 성숙수준을 조사하는 과정이다. 대안별 산출요소의 값을 도출하기 위해서는 각 대안별 소분류 활동에 대한 예산 배분 결과를 기초로 설문조사, 담당자 면담, 전문가 조사, 델파이 기법 등을 활용하여 데이터 품질 기준별 데이터 품질관리 성숙수준을 조사하여 평균값을 적용한다.
- 데이터 품질관리 수준 분석은 기대 수준과 인지 수준이 보통인 경우는 4점, 매우그렇다인 경우는 7점, 전혀아니다인 경우는 1점을 체크하도록 Likert의 7단계 척도를 이용하여 설문을 수행하였다.
- 데이터 품질관리 중요도 분석을 위해서 각 활동별로 총 28개의 설문항목을 구성하였으며, 각 문항별로 좌측의 데이터 품질관리 활동과 우측의 데이터 품질관리 활동을 쌍대 비교하도록 설계하였다. 예를 들어, 응답자가 좌측 데이터 품질관리 활동의 숫자 5에 체크를 하였다면, 이는 좌측의 데이터 품질관리 활동이 우측의 데이터 품질관리 활동보다 5배 중요하다는 것을 의미한다.
- 데이터 품질관리 활동별 중요도 또한 연관관계와 동일하게 전문가 그룹을 활용하여 조사하였다. 데이터 품질관리 활동의 중요도 조사 시 데이터 품질관리 소분류 활동은 데이터 품질관리를 수행하는 가장 작은 단위 활동으로, 데이터 품질관리 중분류 활동에 따른 필수적인 활동이며 선택적인 활동으로 구분할 수 없다는 전문가 그룹의 의견에 따라 중분류 활동까지만 중요도를 조사하였다.
- 데이터 품질관리 활동에 6.7억 원을 투입한다고 가정하고, 투입요소별 자원할당 대안을 Interval Halving 방법에 따라 도출하였으며, 도출된 자원할당 대안은 DMU1부터 DMU6까지 부여하였다. 또한, 각 산출요소에 대한 대안별 예측치는 군의 표준화 담당부서와의 인터뷰를 통해서 도출하였으며, 데이터 품질관리 성숙수준 예측치를 조사하기 위해서 데이터 품질관리 활동의 상세 예산 배분 내역을 각 대안별로 제공하였다.
- 한국DB진흥원에서는 2006년 데이터 품질관리의 대상이 되는 각 구성요소들 간의 관계를 정의한 데이터 품질관리 프레임워크를 제시하였다. 데이터 품질관리의 대상을 데이터 값, 데이터 구조, 데이터 품질관리 활동으로 구분하고, 관리조직은 CIO(Chief Information Officer)/EDA(Enterprise Data Administrator), DA(Data Administrator), Modeler, DBA(Database Administrator), User로 구분하여 데이터 품질관리의 대상이 되는 각 구성요소들 간의 관계를 정의하였다.
- 동일하게, DMU2와 DMU4의 구간을 대상으로 대안을 재구성하고 각 대안별 데이터 품질관리 성숙수준 예측치를 조사하여 분석한 결과는 과 같다.
- 7억 원을 투입한다고 가정하고, 투입요소별 자원할당 대안을 Interval Halving 방법에 따라 도출하였으며, 도출된 자원할당 대안은 DMU1부터 DMU6까지 부여하였다. 또한, 각 산출요소에 대한 대안별 예측치는 군의 표준화 담당부서와의 인터뷰를 통해서 도출하였으며, 데이터 품질관리 성숙수준 예측치를 조사하기 위해서 데이터 품질관리 활동의 상세 예산 배분 내역을 각 대안별로 제공하였다. 마지막으로, 반복 횟수는 3회로 가정하였다.
- 또한, 데이터 품질관리 활동을 8개의 대분류 활동, 22개의 중 분류 활동, 94개의 소분류 활동으로 구성하여 제시하였다.
- Juran(1974)은 예방코스트와 평가코스트를 독립변수로 하고, 실패코스트를 종속변수로 하여 전체 품질코스트가 최저가 되는 최적의 품질수준 모형을 제시하였다. 또한, 전체 품질코스트 곡선을 개선영역, 중립영역, 완전영역으로 구분하여 영역별 품질코스트 개선책을 제시하였다.
- 본 연구에서는 품질코스트와 데이터 품질관리 활동 간의 관계를 분석하고, 품질코스트를 이용하여 데이터 품질관리 활동의 자원할당 모형을 제시하였다. 이러한 새로운 접근방식을 시도하는 목적은 그간 주관적 판단 하에 이루어졌던 자원배분 개념을 상대적이고 미래지향적 관점으로 발전시키는 것이 필요하기 때문이다.
- 본 연구의 효율성 평가 모형은 예방코스트와 평가코스트에 대한 투입이 품질 불량을 줄일 수 있고 이는 제품의 품질수준을 향상시킬 수 있다는 품질코스트의 기본적 개념을 적용하여 설계하였다. 즉, 데이터 품질관리 활동에 있어서 예방과 평가활동에 해당하는 코스트를 투입함으로써 데이터 품질관리 성숙 수준이 향상될 것이라는 개념이다.
- 본 절에서는 제 4.2절에서 제시한 데이터 품질관리 활동의 자원할당 모형을 국방정보화 분야에 실제로 적용해 봄으로써 모형의 실효성을 검증한다.
- 설계된 효율성 평가 모형에 따라 자원할당 대안을 작성하고 각 대안별로 예측치를 도출한다. 대안 작성은 Interval Halving 방법을 이용하며, 예측치 조사는 설문조사, 담당자 면담, 전문가 조사, 델파이 기법 등을 활용한다.
- 본 연구에서 적용한 데이터 품질관리 활동은 한국DB진흥원에서 제시한 데이터 품질관리 활동으로 가정하며, 품질코스트 활동은 ASQ에서 제시한 품질코스트 분류를 사용한다. 연관관계 분석을 위해서 데이터 품질관리 활동을 세로축으로, 품질코스트 활동을 가로축으로 하여 강한 연관관계, 보통 연관관계, 약한 연관관계를 조사하였으며, 5명의 특급기술자 등급을 지닌 데이터 품질관리 전문가 그룹을 구성하여 델파이 기법에 따라 3라운드를 수행하였다.
- 품질코스트를 투입요소로 하여 데이터 품질관리 자원할당의 효율성을 평가하기 위한 모형을 설계한다.
대상 데이터
- 설문조사는 국방정보화 분야의 데이터 품질관리 중요도 분석과 데이터 품질관리 수준 분석을 위하여 최소 5년 이상의 국방정보화 업무 경력을 지닌 K연구소 직원을 대상으로 수행하였다.
데이터처리
- 설문 분석은 AHP 응용 프로그램인 Expert Choice 2000을 통해 분석하였다. 일관성 지수의 기준을 0.
이론/모형
- 2단계에서 제시한 6개의 대안을 DEA로 분석하기 위해서 산출지향 CCR-DEA 모형을 적용하였다. 산출지향 CCR-DEA 모형을 적용한 이유는, 투입요소인 예방코스트와 평가코스트는 통제 가능한 요소인데 반하여 이에 대한 성과로 나타나는 데이터 품질관리 성숙수준 예측치는 통제 불가능한 요소이고 산출요소를 최대화 하는 것이 본 문제의 상황에 적합하기 때문이다.
- 투입요소별 자원할당 대안과 대안별 데이터 품질관리 성숙수준의 예측치 1차 결과는 <표 15>와 같이 도출되었다. DEA 분석 모형은 투입요소가 고정되어 있고 산출요소를 최대화해야 하는 상황에 따라 산출지향 CCR-DEA 모형을 적용하여 분석하였다.
- 설계된 효율성 평가 모형에 따라 자원할당 대안을 작성하고 각 대안별로 예측치를 도출한다. 대안 작성은 Interval Halving 방법을 이용하며, 예측치 조사는 설문조사, 담당자 면담, 전문가 조사, 델파이 기법 등을 활용한다. 작성된 각각의 대안은 Decision Making Unit이 되며, DMU1, DMU2, …, DMUn으로 부여한다.
- 본 연구에서는 DEA 문제를 풀기 위해서 박만희가 개발한 “효율성 및 생산성분석 시스템”을 이용하였다.
- 본 연구에서는 자원할당 대안을 작성하기 위해서 Interval Halving 방법을 적용한다. Interval Halving 방법은 구간 사이에 총 3개의 점을 비교하여 구간을 줄여나가는 방법이나 DEA 모형의 판별력을 만족시키기 위해 최소 6개의 대안이 필요한 관계로 구간 사이에 총 4개의 점을 추가로 비교하는 방법을 이용하였다.
성능/효과
- 1차 DEA 분석 결과, DMU1, DMU2, DMU3, DMU5가 효율적인 대안으로 도출되었으며 DMU1의 투영점이 3.5로 가장 높아 가장 효율적인 대안으로 파악되었다.
- 2차 DEA 분석 결과, DMU1, DMU2, DMU3, DMU4, DMU5가 효율적인 대안으로 도출되었으며 DMU3의 투영점이 3.93으로 가장 높아 가장 효율적인 대안으로 파악되었다.
- 3차 DEA 분석 결과, DMU1, DMU2, DMU3, DMU6이 효율적인 대안으로 도출되었으며 DMU3의 투영점이 3.95로 가장 높아 가장 효율적인 대안으로 파악되었다.
- 국방정보화 분야에 데이터 품질관리 자원할당 모형을 실제로 적용해본 결과, 직관적 방법이나 과거 경험적인 방법이 아닌 과학적인 방법으로 예산을 할당할 수 있고 데이터 품질관리 활동을 화폐가치로 표현함으로써 데이터 품질관리 활동별로 계획 대비 집행 실적을 분석할 수 있다는 의견이 제시되었다.
- 국방정보화 분야에 있어서 가장 시급히 개선해야 하는 사항으로는, IP격자상 중점개선영역에 할당된 데이터 관리 정책, 데이터 표준 관리, 데이터 모델 관리로 나타났다. 노력지속영역으로는 DB 관리, DB 보안 관리, 요구사항 관리로 나타났으며, 특히 요구사항관리의 만족도는 만족도 평균값을 미세하게 초과하여 노력지속영역으로 분류되었지만 관심 있게 주의를 기울여야 할 사항으로 판단된다.
- 1로 할 때, 총 32명의 설문 응답자 중 28명은 일관성을 만족하였으며, 4명은 일관성이 부족한 것으로 나타났다. 따라서, 일관성을 만족하는 28명을 대상으로 AHP 분석을 수행하였으며, 종합 일관성 지수는 0.0047로 일관성을 만족하는 것으로 나타났다.
- 분석 결과, 국방정보화 분야에서는 데이터 관리 정책과 데이터 표준 관리를 가장 중요하게 생각하고 있으며, 데이터 흐름 관리를 가장 중요도가 낮은 활동으로 평가하고 있음을 알 수 있다. 전문가 그룹을 활용한 데이터 품질관리 활동의 가중치와 국방정보화 분야의 설문조사를 통한 조사 결과를 비교하면 <표 7>과 같다.
- 분석 결과, 기대수준 면에서는 데이터 표준 관리, DB 보안 관리, 데이터 관리 정책 순으로 높게 나왔다. 인지수준 면에서는 DB 보안 관리, DB 관리 순으로 높게 나타났으며, 데이터 활용 관리가 매우 저조하게 나타났다.
- 분석결과에 따르면, DMU1, DMU3, DMU5, DMU6은 효율성 지수가 1로써 효율적인 대안으로 나타났다. 비효율적인 대안으로 판명된 DMU2는 DMU1과 DMU3을 참조해야하며, DMU4는 DMU3과 DMU5을 참조해야 하는 것으로 나타났다.
- 분석결과에 따르면, DMU1, DMU3, DMU5, DMU6은 효율성 지수가 1로써 효율적인 대안으로 나타났다. 비효율적인 대안으로 판명된 DMU2는 DMU1과 DMU3을 참조해야하며, DMU4는 DMU3과 DMU5을 참조해야 하는 것으로 나타났다.
- 분석 결과, 기대수준 면에서는 데이터 표준 관리, DB 보안 관리, 데이터 관리 정책 순으로 높게 나왔다. 인지수준 면에서는 DB 보안 관리, DB 관리 순으로 높게 나타났으며, 데이터 활용 관리가 매우 저조하게 나타났다. 차이분석 결과를 보면, 데이터 표준 관리 분야가 가장 큰 차이를 나타내고 있으며, 데이터 관리 정책, 데이터 모델 관리, 요구사항 관리 순으로 차이가 크게 나타났다.
- 설문 분석은 AHP 응용 프로그램인 Expert Choice 2000을 통해 분석하였다. 일관성 지수의 기준을 0.1로 할 때, 총 32명의 설문 응답자 중 28명은 일관성을 만족하였으며, 4명은 일관성이 부족한 것으로 나타났다. 따라서, 일관성을 만족하는 28명을 대상으로 AHP 분석을 수행하였으며, 종합 일관성 지수는 0.
- 차이 분석 결과, 전문가 그룹에서는 데이터 모델 관리를 가장 중요한 활동으로 판단하고 있지만 국방정보화 분야에 있어서는 상대적인 중요도가 낮게 나타났다. 이런 차이를 보면, 데이터 품질관리 활동의 상대적인 중요도는 각 기업이나 기관의 고유한 설립목적과 운영방식, 그리고 현재 처한 상황에 따라 상이할 수 있음을 알 수 있다.
- 인지수준 면에서는 DB 보안 관리, DB 관리 순으로 높게 나타났으며, 데이터 활용 관리가 매우 저조하게 나타났다. 차이분석 결과를 보면, 데이터 표준 관리 분야가 가장 큰 차이를 나타내고 있으며, 데이터 관리 정책, 데이터 모델 관리, 요구사항 관리 순으로 차이가 크게 나타났다.
- 참조집합으로 가장 많은 빈도수를 보인 대안은 DMU3으로 나타났으며, 이들을 참조집합으로 하는 DMU4의 경우는 데이터 품질관리 성숙수준이 3.21이 나와야 하지만 3.19의 예측치로 나타나 0.02만큼의 산출부족분이 발생하여 비효율적인 대안으로 분석되었다.
- 총 94개의 데이터 품질관리 활동을 강한 연관관계를 중심으로 분석한 결과, 예방코스트(P) 활동 39개, 평가코스트(A) 활동 28개, 내부 실패코스트(IF) 활동 6개, 외부 실패코스트(EF) 활동 23개로 나타났으며 DB 성능개선과 데이터 보안 개선 활동은 예방코스트와 외부 실패코스트 모두에 강한 연관관계를 가지는 것으로 나타났다. 예방코스트와 외부 실패코스트의 활동으로 분류된 DB 성능개선과 데이터 보안 개선 활동은 사전 활동과 사후 활동으로 구분하여 각각 예방코스트와 외부 실패코스트로 분류할 수 있으나, 본 연구에서는 DB 성능 개선과 데이터 보안 개선 활동을 외부 실패코스트 활동으로 가정한다.
후속연구
- 앞서의 결과를 종합해볼 때, 국방정보화 분야에 있어 데이터 품질관리 활동은 민간의 방법과 노하우를 최대한 수용하되 데이터 품질관리 활동의 우선순위에 있어서는 국방의 현실을 고려하여 정책을 수립하고 추진 방향을 모색해야 한다.
- 향후 연구과제로는 데이터 품질관리의 예방 및 평가코스트에 대한 투자가 실패코스트에 어느 정도 영향을 미치며, 예방 및 평가코스트의 투자 증대로 인한 기대효과는 어느 정도인지를 파악할 수 있는 실증적인 연구가 요구된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.