데이터품질 속성으로는 ISO/IEC 기관 및 국내/외 여러 기관에서 제시한 속성이 존재하지만, 이러한 기준 및 가이드를 현실적으로 조직에 적용하기에는 시간과 비용이 상당히 소요된다. 따라서 조직환경의 제약사항이 존재하여도 적용 가능한 데이터품질 평가속성의 정의가 필요하다. 이 연구의 목적은 고객의 요구사항 기반하에 프로세스를 체계적으로 관리하고, 정량적으로 데이터를 평가하기 위한 데이터품질 평가속성과 우선순위 도출에 관한 연구이다. 본 연구에서는 데이터품질 표준(DQC-M)을 매개체로 RGT 기법을 사용하여 데이터품질 속성의 고객 인지구조(Construct)를 도출하고, 도출된 Construct 간의 상관분석을 수행하여 AHP기법으로 평가속성의 가중치 및 우선순위를 선별하였다. 그 결과 데이터품질 평가속성에서 1레벨에서는 일관된 체계, 정확한 데이터, 효율적 환경, 유연한 관리, 지속적 개선 순위가 결정되었다. 또한 2레벨의 19개 속성 중에서는 통제성(13%), 준거성(10%), 요구완전성(9.6%), 정확성(8.4%), 추적가능성(6.8%)이 상위 5순위로 결정되었다.
데이터품질 속성으로는 ISO/IEC 기관 및 국내/외 여러 기관에서 제시한 속성이 존재하지만, 이러한 기준 및 가이드를 현실적으로 조직에 적용하기에는 시간과 비용이 상당히 소요된다. 따라서 조직환경의 제약사항이 존재하여도 적용 가능한 데이터품질 평가속성의 정의가 필요하다. 이 연구의 목적은 고객의 요구사항 기반하에 프로세스를 체계적으로 관리하고, 정량적으로 데이터를 평가하기 위한 데이터품질 평가속성과 우선순위 도출에 관한 연구이다. 본 연구에서는 데이터품질 표준(DQC-M)을 매개체로 RGT 기법을 사용하여 데이터품질 속성의 고객 인지구조(Construct)를 도출하고, 도출된 Construct 간의 상관분석을 수행하여 AHP기법으로 평가속성의 가중치 및 우선순위를 선별하였다. 그 결과 데이터품질 평가속성에서 1레벨에서는 일관된 체계, 정확한 데이터, 효율적 환경, 유연한 관리, 지속적 개선 순위가 결정되었다. 또한 2레벨의 19개 속성 중에서는 통제성(13%), 준거성(10%), 요구완전성(9.6%), 정확성(8.4%), 추적가능성(6.8%)이 상위 5순위로 결정되었다.
There is a wide variety of data quality attributes such as the ones proposed by the ISO/IEC organization and also by many other domestic and international institutions. However, it takes considerable time and costs to apply those criteria and guidelines to real environment. Therefore, it needs to de...
There is a wide variety of data quality attributes such as the ones proposed by the ISO/IEC organization and also by many other domestic and international institutions. However, it takes considerable time and costs to apply those criteria and guidelines to real environment. Therefore, it needs to define data quality evaluation attributes which are easily applicable and are not influenced by organizational environment limitations. The purpose of this paper is to derive data quality attributes and order of their priorities based on customer requirements for managing the process systematically and evaluating the data quantitatively. This study identifies the customer cognitive constructs of data quality attributes using the RGT(Repertory Grid Technique) based on a Korean quality standard model (DQC-M). Also the correlation analysis on the identified constructs is conducted, and the evaluation attributes is prioritized and ranked using the AHP. As the results of this paper, the consistent system, the accurate data, the efficient environment, the flexible management, and the continuous improvement are derived at the first level of the data quality evaluation attributes. Also, Control Compliance(13%), Regulatory Compliance(10%), Requirement Completeness(9.6%), Accuracy(8.4%), and Traceability(6.8%) are ranked on the top 5 of the 19 attributes in the second level.
There is a wide variety of data quality attributes such as the ones proposed by the ISO/IEC organization and also by many other domestic and international institutions. However, it takes considerable time and costs to apply those criteria and guidelines to real environment. Therefore, it needs to define data quality evaluation attributes which are easily applicable and are not influenced by organizational environment limitations. The purpose of this paper is to derive data quality attributes and order of their priorities based on customer requirements for managing the process systematically and evaluating the data quantitatively. This study identifies the customer cognitive constructs of data quality attributes using the RGT(Repertory Grid Technique) based on a Korean quality standard model (DQC-M). Also the correlation analysis on the identified constructs is conducted, and the evaluation attributes is prioritized and ranked using the AHP. As the results of this paper, the consistent system, the accurate data, the efficient environment, the flexible management, and the continuous improvement are derived at the first level of the data quality evaluation attributes. Also, Control Compliance(13%), Regulatory Compliance(10%), Requirement Completeness(9.6%), Accuracy(8.4%), and Traceability(6.8%) are ranked on the top 5 of the 19 attributes in the second level.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 고객의 요구사항분석에 기반하여 객관적이고 신뢰성을 높이는 분석기법 및 의사결정기법을 적용하여 데이터품질 평가 지표를 개발한 것에 그 의의가 있다. 본 연구에서 개발된 데이터품질 평가 지표는 프로젝트가 보유한 자원에 따라 선별적으로 데이터품질 평가를 수행할 수 있으며, 한국데이터베이스진흥원에서 시행하는 데이터품질 관리인증(DQC-M)에 대비하기 위한 가이드로 활용될 수 있다.
그러나 기존의 선행연구는 기 정의된 품질표준을 조합하거나 재정의하는 방향으로 진행되었으며[4-7], 고객의 요구사항에 기반한 데이터품질의 특성이나 평가 방안에 관한 연구는 찾아보기 힘들었다. 본 연구에서는 고객의 데이터요구사항을 분석하고 이를 정량화하여 데이터품질 평가를 위한 지표를 개발하였다. 고객의 요구사항을 도출하기 위해서 심리학에서 사용되는 RGT 기법을 적용하였으며, 이를 통하여 고객의 심리적인 인지구조를 분석하여 데이터품질 속성을 도출하였다.
제안 방법
본 연구에서는 고객의 데이터요구사항을 분석하고 이를 정량화하여 데이터품질 평가를 위한 지표를 개발하였다. 고객의 요구사항을 도출하기 위해서 심리학에서 사용되는 RGT 기법을 적용하였으며, 이를 통하여 고객의 심리적인 인지구조를 분석하여 데이터품질 속성을 도출하였다. 이를 전문가의 양극성 평가(Bipolar Rating)로 정량화하고 내용분석(Content Analysis)으로 정제한 데이터를 요인분석(Factor Analysis)과 AHP 기법을 통해서 계층화된 평가지표를 개발하였고 기존 품질평가 지표와 비교검증을 수행하였다.
본 연구에서는 RGT를 기반으로 도출된 인지구조(Construct)의 품질속성 변수가 AHP의 계층구조화를 수행하기에는 변수 축소가 필요하다고 판단되어, AHP의 선행 작업으로RGT와 병행하여 요인분석을 사용하였다.
본 연구에서는 고객의 요구사항에 기반한 데이터품질 평가속성 및 우선순위를 도출하기 위하여, 데이터품질을 20년 이상 처리한 경험이 풍부한 고객을 대상으로 경험치를 이끌어내는 심리학 분석기법인 RGT기법을 적용하였으며, 데이터품질 평가 모델을 구축하기 위하여 RGT기법의 결과와 요인분석 기법을 결합하여 AHP의 계층화모형을 구축하고 AHP분석을 실시하여 가중치와 우선순위를 도출하였다. 또한 도출된 품질평가 속성의 신뢰도를 ISO/IEC 25012와 비교분석하여 전체를 포괄하고 있음을 확인할 수 있었다.
질문자와 협력자 각자가 분류한 결과를 가로축에는 협력자의 결과, 세로축에는 질문자의 결과를 위치시키고 매트릭스 형태로 결과값을 매핑하여 서로 통합된 결과를 도출하는 방식으로 진행한다. 본 연구에서는 내용분석(Content Analysis)을 통해서 RGT에서 도출된 Construct를 합치고, 분류 및 검증한다.
고객의 요구사항을 도출하기 위해서 심리학에서 사용되는 RGT 기법을 적용하였으며, 이를 통하여 고객의 심리적인 인지구조를 분석하여 데이터품질 속성을 도출하였다. 이를 전문가의 양극성 평가(Bipolar Rating)로 정량화하고 내용분석(Content Analysis)으로 정제한 데이터를 요인분석(Factor Analysis)과 AHP 기법을 통해서 계층화된 평가지표를 개발하였고 기존 품질평가 지표와 비교검증을 수행하였다.
대상 데이터
AHP분석을 위하여 전문가 25명에게 중요도 비교설문을 실시하였으며, 그중 일관성 지수 CI(Consistency Index)가 0.1보다 크게 나온 경우와 미응답을 제외하고 20명의 응답 결과를 연구 자료로 채택하였다. 설문은 평균 17년 이상의 데이터시스템을 활용한 경험이 있는 전문가를 대상으로 실시되었으며, 양쪽속성 동등 1점, 약간 중요 3점, 분명히 중요 5점, 크게 중요 7점, 절대적 중요 9점으로 척도되었다.
RGT의 데이터 수집 대상은 Table 3과 같이 데이터시스템을 사용한 경험이 있는 사람으로 평균 20년의 경력을 갖춘 기술사 및 특급기술자 19명으로 구성되었다.
데이터처리
따라서 도출된 데이터품질 속성을 의사결정 계층모형으로 구조화하기 위해 항목을 축소하는 요인분석을 수행하였다. RGT결과로 수집된 고객 요구사항 데이터를 분석데이터로 사용하였으며, 요인 추출방법은 주성분분석을 사용하고 회전방법으로는 직각회전의 베리멕스(Varimax)방식을 사용하여 분석하였다. 또한 요인 추출과정은 고유값 기준으로 1보다 큰 요인과 요인적재치 0.
이론/모형
본 연구에서는 고객의 요구사항을 기반으로 데이터품질을 향상시키기 위한, 평가속성의 판단에 논리적인 일관성 검증으로 합리적인 의사결정 모형을 제공하기 위하여 AHP기법을 사용하였다. 또한 AHP의 1단계 의사결정 계층모형 구축은 RGT와 요인분석으로 수행하였고 이를 9점 척도로 쌍대비교하여 가중치와 우선순위를 도출하였다.
또한 데이터 보안 인증(DQC-S)은 데이터베이스 시스템에 보관되는 데이터를 허가받지 않은 외부의 침입으로부터 보호할 수 있는 체계가 마련되어있고 기술적으로 시스템보완을 수행하고 있는지에 대해 점검하고 인증한다. 본 연구에서는 고객이 데이터품질 확보를 위해 중요하게 생각하는 속성요소를 도출하기 위하여 데이터 관리 인증(DQC-M)의 요소를 활용한다. 또한 계층적 품질속성을 도출한 최종 결과를 DQC-M과 매핑하여 활용방안을 제시한다.
본 연구에서는 데이터품질 평가속성의 가중치와 우선순위를 정량적 기법으로 도출하기 위하여 AHP기법을 사용하였다. AHP 연구는 다양한 연구도메인과 다양한 계층화모형 개발 방법으로 연구되었다.
본 연구에서는 한국데이터베이스진흥원의 데이터 관리인증(DQC-M)방법을 요소(Element)로 사용하여 다이아딕(Dyadic)방식을 적용하여 인지구조를 도출하였다. 도출된 인지구조를 양극화하여 연결(Link)로 정량화된 수치를 데이터 품질 평가요소의 계층화를 위한 기초 데이터로 활용하였다.
성능/효과
고객의 요구사항에 기반한 데이터품질 5개 대분류 속성에서는 일관된 체계가 가장 우선순위가 높았으며, 정확한 데이터, 효율적 환경, 지속적 개선, 유연한 관리순으로 중요하다는 결과로 나타났다. 또한 두 번째 데이터품질 세부 19개 속성은 통제성, 준거성, 요구완전성, 정확도, 추적가능성, 일관성, 업무수용성, 자원효율성, 보안성, 최신성, 전달성, 활용도, 책임성, 시간효율성, 분석성, 운용성, 상호호환성, 가변성, 예측성순으로 중요도가 나타났다.
이 결과에서 일관된 체계하에 기준을 준수하고 고객의 요구사항을 수용하여 업무에 적용될 수 있는 데이터가 품질이 높은 데이터로 확인되었다. 구축된 데이터품질 평가속성을 DQC-M 및 ISO/IEC 25012의 품질속성과 매핑하여 비교한 결과, DQC-M의 속성과의 비교에서는 기존 대비 균일하고 상세한 세부실천 속성을 얻었음을 확인하였고, ISO/IEC 25012과의 비교에서는 구축된 모델의 신뢰성을 확인함과 동시에 5가지의 추가속성이 도출되었음을 확인하였다. 이는 사용되는 데이터가 정형에서 반정형, 비정형데이터로 변화되면서 축적되는 데이터와 데이터의 가치에 대한 외부환경의 변화에 따른 결과로 판단된다.
평가속성의 1레벨은 일관된 체계, 효율적 환경, 정확한 데이터, 유연한 관리, 지속적 개선을 도출하였고, 2레벨의 속성으로는 일관성, 통제성, 준거성, 전달성 등 19개 데이터품질 속성을 도출할 수 있었다. 본 연구결과 1레벨에서는 일관된 체계를 가장 중요한 요소로 고려하고 있었고, 정확한 데이터, 효율적 환경, 지속적 개선, 유연한 관리순으로 중요하다는 것을 확인할 수 있다. 2레벨에서는 1레벨의 일관된 체계의 하부 속성인 통제성과 준거성을, 그리고 요구 완전성과 정확도, 추적가능성이 중요한 속성으로 나타났다.
평가속성의 1레벨은 일관된 체계, 효율적 환경, 정확한 데이터, 유연한 관리, 지속적 개선을 도출하였고, 2레벨의 속성으로는 일관성, 통제성, 준거성, 전달성 등 19개 데이터품질 속성을 도출할 수 있었다. 본 연구결과 1레벨에서는 일관된 체계를 가장 중요한 요소로 고려하고 있었고, 정확한 데이터, 효율적 환경, 지속적 개선, 유연한 관리순으로 중요하다는 것을 확인할 수 있다.
후속연구
본 연구는 고객의 요구사항분석에 기반하여 객관적이고 신뢰성을 높이는 분석기법 및 의사결정기법을 적용하여 데이터품질 평가 지표를 개발한 것에 그 의의가 있다. 본 연구에서 개발된 데이터품질 평가 지표는 프로젝트가 보유한 자원에 따라 선별적으로 데이터품질 평가를 수행할 수 있으며, 한국데이터베이스진흥원에서 시행하는 데이터품질 관리인증(DQC-M)에 대비하기 위한 가이드로 활용될 수 있다. 또한 데이터품질 관리를 위한 전사적인 관리체계 구축을 위해 활용될 것으로 판단된다.
본 연구에서 구축된 모델은 데이터품질 관리를 위한 전사적인 관리체계 구축 및 가이드 제공에 활용될 수 있으며, 국내의 DQC-M 인증 대비를 위한 상세속성으로 활용될 수 있을 것이다. 또한 품질속성별로 제시된 가중치와 우선순위에 따라서 프로젝트가 보유한 자원을 고려하여 선별적으로 데이터품질 속성을 관리할 수 있을 것이다.
또한 품질속성별로 제시된 가중치와 우선순위에 따라서 프로젝트가 보유한 자원을 고려하여 선별적으로 데이터품질 속성을 관리할 수 있을 것이다. 향후 구축된 평가모형을 실제 조직에 적용하고 사례분석을 실시하여 모델을 검증하고 미흡한 부분을 지속적으로 보완하여 완성도를 높일 수 있는 연구가 추가되어야 할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
데이터를 포함한 정보시스템의 품질관리는 어디에서 출발하였나?
데이터를 포함한 정보시스템의 품질관리는 소프트웨어 품질에 대한 관심에서 출발하였다. 소프트웨어 품질향상은 위한 다양한 각도에서 연구가 진행되었고 국제표준과 가이드라인을 제시하는 등 품질향상의 기반을 마련하였다.
조직환경의 제약사항이 존재하여도 적용 가능한 데이터품질 평가속성의 정의가 필요한 이유는 무엇인가?
데이터품질 속성으로는 ISO/IEC 기관 및 국내/외 여러 기관에서 제시한 속성이 존재하지만, 이러한 기준 및 가이드를 현실적으로 조직에 적용하기에는 시간과 비용이 상당히 소요된다. 따라서 조직환경의 제약사항이 존재하여도 적용 가능한 데이터품질 평가속성의 정의가 필요하다.
ISO/TS 8000-150란 무엇인가?
ISO/TS 8000-150은 마스터데이터 관리 프레임워크로서,데이터의 교환과 추출에 대한 관리원칙과 요구조건을 제시한다. 또한 데이터품질 관리 프로세스의 프레임워크도 포함되어있으며, 별도의 ISO표준을 결합해서 사용할 수 있도록 방안을 제시하고 있다.
참고문헌 (25)
Korea Database Agency, "Database White Paper," Korea Database Agency, Seoul, 2013.
Richard Y. Wang, Mostapha Ziad, and Yang W. Lee, "Data quality," Kluwer Academic Pub., 2001.
PMI, "Construction Extension to the PMBOK Guide," 3rd ed., Project Management Institute, 2008.
Mi-Young Park and Hyon-Woo Seung, "A Selection Method of Database System Quality Characteristics Using the Analytic Hierarchy Process," Journal Of The Korean Biblia Society For Library and Information Science, Vol.20, No.4, pp.191-204, 2009.
Hye-Jung Jung, "A Study of the Data Qualituy Evaluation," Journal of Internet Computing and Services, Vol.8, No.4, pp.119-128, 2007.
Sunho Kim and Changsoo Lee, "The Process Reference Model for the Data Quality Management Process Assessment," The Journal of Society for e-Business Studies, pp.83-105, 2013.
Badri, Masood A., "A combined AHP-GP model for quality control systems," International Journal of Production Economics, Vol.72, No.1, pp.27-40, 2001.
Korea Database Agency, "DQC-V," Korea Database Agency, Seoul.
Korea Database Agency, "DQC-M," Korea Database Agency, Seoul.
Korea Database Agency, "DQC-S," Korea Database Agency, Seoul.
Korea Database Agency, Korea Database Agency [Internet], http://www.kdb.or.kr.
Kelly, G., "The psychology of personal constructs," Oxford: Psychology Press, 1955.
Fransella, F., R. Bell, and D. Bannister, "A manual for repertory grid technique," John Wiley & Sons, 2004.
Devi Jankowicz, "The easy guide to repertory grids," Graduate Business School University of Luton, UK, 2004.
Y. J. Lee, "Understanding Factor Analysis," Seoul: Seokjeong, 2002.
Saaty, T. L., "Decision-making with the AHP: Why is the Principal Eigenvector Necessary," European Journal of Operational Research, Vol.145, No.1, pp.85-91, 2003.
K. T. Cho, Y. G. Cho and H. S. Kang, "The Analytic Hierarchy Process," Seoul: Dong hyun, 2003.
Seung-Hee Kim and Woo-Je Kim, "Study on the Selection Model CTQ data," Journal of Korea Society of Computer Information, Vol.18, No.4, pp.97-112, 2013.
Hwanju Cha and Ja-Hee Kim, "A evaluation model of Transition PMO Competencies using RGT and AHP," Korea Society of IT Services, Vol.13, No.2, pp.87-109, 2014.
Soon-yeong Kim, "A Study on the Development of Meta-Evaluation Indicators for Defense R&D Programs by Using FA/AHP Methods," Korea Technology Innovation Society, Vol.12, No.1, pp.113-136, 2009.
HyungJun Lee, "Development of Performance Evaluation Indicators of Defense Core-Technology R&D Projects by SMR-based AHP," Seoul National University of Technology, 2010.
Brombacher, Aarnout, et al., "Improving product quality and reliability with customer experience data," Quality and Reliability Engineering International , Vol.28, No.8, pp.873-886, 2012.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.