[논문]DB 품질개선사업의 대가 산정 모형연구

서용원; 이덕희; 정승호; 박건수

doi:10.9716/kits.2015.14.2.051

문제 정의

이러한 방식의 비용 산출은 소요예산 비용의 객관성을 확보하기 어려워 동일한 유형의 사업도 편차가 많이 발생할 수 있는 개연성이 있다. 따라서 공공데이터 품질 진단 및 개선을 위해 예산을 산정하거나 사업규모를 파악하기 위한 기준을 제공하는 것을 목적으로, 합리성과 공정성을 확보한 체계적인 대가 산정 기준이 필요하다. 즉, 데이터베이스 품질진단 및 개선사업의 사업비 추정을 비용 산정의 핵심인 비용의 결정 요인과 영향 요인을 파악하여 객관적이고 쉽게 적용 가능한 산식을 확립하고자 한다.
앞장에서 기술하였듯이 데이터 품질 및 진단사업은 여러 종류의 단위 작업이 존재하며, 이들 작업의 비용이 사업의 규모나 사업의 난이도에 받는 영향은 상이한 것으로 나타났다. 따라서 본 연구에서는 관련 대가 산정기준들을 참고하여, 데이터 품질 진단 및 개선사업의 특성을 반영하여 사업의 작업 요소별로 대가 규모 및 난이도 결정 요소들을 고려한 대가 산정기준을 개발하고자 한다.
본 연구는 기존에 다른 사업들에 대하여 수립된 사업비 대가 산정 모형들에 대한 분석을 통해 예산의 효율적 집행 및 DB 품질개선사업 수행에 적용 가능한 대가 산정 기준을 구축하고자 한다. 이를 통해 공공기관과 사업자들이 동시에 참조할 수 있는 DB 품질개선사업의 대가 기준을 마련할 것으로 기대된다.
데이터 품질 및 진단사업은 기존의 관련 대가 기준이 다루고 있는 작업의 내용과 상이하고, 사업의 규모나 난이도로부터 받는 영향이 상이한 다양한 종류의 단위작업으로 구성되어 있어, 기존의 대가 모형을 직접적으로 적용하기가 어렵다. 본 연구에서는 수행범위, 결정요인 및 보정요인으로 구성되는 기존의 대가 모형의 틀을 참고하되 단위 활동별 결정요인, 보정요인 및 비용 산정식을 각 활동별로 정하는 새로운 형태의 모형을 통해 대가 산정의 정확도를 높이고자 하였다.
PMO 대가기준과 유사하게 데이터베이스 구축사업 대가기준(National Information Society Agency, 2013)에서는 수행규모, 수행범위, 수행복잡도의 3개 요소를 통해 대가를 계산한다. 본 연구에서는 위의 대가 모형들을 참고하여 사업의 범위 및 규모를 결정하는 요소들과 해당 요소별 난이도를 결정하는 요소들을 파악하여 대가 모형 수립에 반영하고자 한다.
, 2009)는 Function Point 방법(IFPUG, 2004)에 기반을 두어 애플리케이션의 특성을 난이도 보정계수로 반영하는 개발비를 연구하였다. 본 연구에서는 위의 대가 모형들을 참고하여 사업의 범위를 결정하는 작업 요소들을 나누고, 해당 요소별로 작업의 난이도를 결정하는 요소들을 파악하는 방식으로 데이터 품질 진단 및 개선사업의 대가를 산정하고자 한다.
이와 유사하게 정보시스템감리 대가 기준(National Information Society Agency, 2006; National Information Society Agency, 2008)에서는 감리 적용대상 단계와 감리 대상사업비의 2개 요소를 통해 대가를 계산한다. 본 연구에서는 이러한 대가 모형과 유사하게 먼저 사업의 규모를 결정하는 요소들을 파악하여 이들이 사업비에 미치는 영향을 분석해 대가 모형에 반영하고자 한다.
본 연구에서는 합리성과 공정성을 확보한 DB품질개선사업 대가 산정 기준의 수립을 목적으로 한다. 이를 위해 DB 구축대가, PMO 대가 등에 적용되어 온 5단계의 방법론을 활용하여 대가 모형을 수립한다.
그러나 실제 데이터 품질 진단 및 개선사업의 대가는 각 활동별 난이도 및 특성에 따라 영향을 받는 복잡한 구조로 되어 있다. 이에 따라 본 연구에서는 이러한 사업 특성을 고려함으로써 대가 모형의 객관성과 합리성을 높이는 것에 중점을 두고 있다.
따라서 공공데이터 품질 진단 및 개선을 위해 예산을 산정하거나 사업규모를 파악하기 위한 기준을 제공하는 것을 목적으로, 합리성과 공정성을 확보한 체계적인 대가 산정 기준이 필요하다. 즉, 데이터베이스 품질진단 및 개선사업의 사업비 추정을 비용 산정의 핵심인 비용의 결정 요인과 영향 요인을 파악하여 객관적이고 쉽게 적용 가능한 산식을 확립하고자 한다.

제안 방법

1차 설문 자료는 각 보정 요소별로 투입 공수에 대한 영향력을 파악하였다. 이를 바탕으로 각 보정 요소별 난이도 수준이 공수에 미치는 영향력을 [Table 11]과 같이 파악하였다.
1차 설문조사 결과를 반영하여 사전조사로 파악된 모형의 수정이 이루어졌다. 모형의 수정은 작업요소 및 보정요소에 대해 모두 이루어 졌으며 구체적인 수정 사항은 다음과 같다.
따라서 본 연구에서는 제한된 사업 데이터에 대한 통계적 분석과 병행하여 작업량에 대한 신뢰성 있는 추정치를 제공할 수 있는 전문가 그룹으로부터 2차에 걸쳐 전문가 델파이 분석을 실시하여 사전조사 모형을 검증 및 보완하였다. 1차 전문가 델파이(Delphi) 설문은 발주기관 15건, 수주기관 15건(총 30건)에 대해 이루어 졌으며, 설문 문항은 [Figure 3], [Figure 4]와 같이 작업요소별 대가 결정요인 및 규모별 공수 추정치 설문과 작업요소별 보정요인 및 공수에 영향을 미치는 정도 설문으로 구성되어 있다.
2013년 사업 자료의 공수를 분석하여 진단활동 및 개선활동의 각 작업요소별 기본 공수 산정식을 아래와 같은 선형 모형을 초기 모형으로 도출하였다. 즉, 하나의 작업요소 i에 대하여 아래와 같은 수식을 사용한다.
2013년 사업자료 분석 결과 15개 사업 중 대다수인 9개 사업이 데이터 모델만 존재하고 나머지 요소는 해당되지 않아 이 경우를 보정이 필요 없는 일반적인 경우로 적용하고, 난이도가 더 올라가고 내려감에 따라 사업의 난이도가 투입 공수에 미치는 상대적인 크기를 설문조사를 통해 파악하였다. [Table 10]은 보정요인을 통해 구성한 난이도 수준을 보여준다.
2차 전문가 델파이(Delphi) 설문 조사는 발주기관 7건, 수주기관 9건(총 16건)에 대해 실시하였으며, 1차 설문을 통해 산정된 추정치에 대한 2차 전문가 설문을 실시하여 1차 대가 산정모형을 검토 및 보완하였다. 2차 델파이(Delphi) 설문 문항은 다음과 같이 작업요소별 투입 작업인력 등급 추정치 설문, 작업요소별 대가 결정요인 및 규모별 공수 추정치, 그리고 결정요인 및 규모별 공수 추정치로 이루어졌다. 이 중 투입인력 등급 추정치는 기존 2013년 사업 자료의 작업요소별 투입 작업인력 등급의 평균 비율을 산정하여 설문 값으로 사용하였다.
2차 전문가 델파이(Delphi) 설문 조사는 발주기관 7건, 수주기관 9건(총 16건)에 대해 실시하였으며, 1차 설문을 통해 산정된 추정치에 대한 2차 전문가 설문을 실시하여 1차 대가 산정모형을 검토 및 보완하였다. 2차 델파이(Delphi) 설문 문항은 다음과 같이 작업요소별 투입 작업인력 등급 추정치 설문, 작업요소별 대가 결정요인 및 규모별 공수 추정치, 그리고 결정요인 및 규모별 공수 추정치로 이루어졌다.
본 장에서는 앞에서 수립된 작업 요소별로 사업의 규모에 영향을 주는 결정요인을 도출한다. 결정 요인의 도출은 우선 1차로 소규모 전문가 자문 회의를 통해 작업요소별 대표적 대가 결정요인을 파악하고,2013년 사업자료의 분석을 통해 적합성을 분석하였다. 이후 2차례의 전문가 설문 조사를 통해 수립된 결정 요인의 적절성을 최종적으로 검증하였다.
대가 산정을 위하여 본 연구에서는 DB 품질개선사업의 도입 단위와 작업요소 등을 고려하였으며, 객관적이고 체계적인 방법론을 적용하여 대가 모형의 신뢰성을 제고하였다. 기존 소요공수 산정 모형의 개선을 위해, 전문가 및 이해관계자 설문을 통해서 작업요소별 결정요인 및 난이도 보정요인을 도출하고, 델파이(Delphi) 기법 등의 활용을 통해 적합하고 신뢰성 있는 대가 모형을 수립하였다. 대가 산정모형 수립 이후 DB 품질개선사업 대가 산정방식에 대한 기준 해설서와 대가 산정 예시 등을 통해 적용 용이성을 확보하였다.
대가 산정을 위하여 본 연구에서는 DB 품질개선사업의 도입 단위와 작업요소 등을 고려하였으며, 객관적이고 체계적인 방법론을 적용하여 대가 모형의 신뢰성을 제고하였다. 기존 소요공수 산정 모형의 개선을 위해, 전문가 및 이해관계자 설문을 통해서 작업요소별 결정요인 및 난이도 보정요인을 도출하고, 델파이(Delphi) 기법 등의 활용을 통해 적합하고 신뢰성 있는 대가 모형을 수립하였다.
전문가 의견 청취 결과 대다수 사업들이 우선 데이터 모델을 확립하고, 이후 데이터 표준을 수립하며, 마지막으로 품질관리 시스템을 운용하는 경향이 있는 것으로 확인되었다. 따라서 보정계수의 난이도는 네 요소가 모두 해당이 되지 않는 경우의 가장 난이도가 높은 경우부터 시작하여 위에서부터 하나의 요소씩 해당이 되어 난이도가 단계적으로 쉬워지는 5단계로 단순화하였다.
하지만, 실제 사업 수행 자료가 많지 않은 경우는 산출량 분석에 필요한 자료를 충분히 확보할 수 없는 경우가 많다. 따라서 본 연구에서는 제한된 사업 데이터에 대한 통계적 분석과 병행하여 작업량에 대한 신뢰성 있는 추정치를 제공할 수 있는 전문가 그룹으로부터 2차에 걸쳐 전문가 델파이 분석을 실시하여 사전조사 모형을 검증 및 보완하였다. 1차 전문가 델파이(Delphi) 설문은 발주기관 15건, 수주기관 15건(총 30건)에 대해 이루어 졌으며, 설문 문항은 [Figure 3], [Figure 4]와 같이 작업요소별 대가 결정요인 및 규모별 공수 추정치 설문과 작업요소별 보정요인 및 공수에 영향을 미치는 정도 설문으로 구성되어 있다.
본 모형의 a_i와 b_i는 모두 양의 값을 가져야만 하지만, 수집된 자료의 산포가 매우 크기 때문에 최소제곱법(least square)을 단순하게 적용시키는 경우 양의 a_i , b_i 값의 추정에 어려움이 발생했다. 따라서 양의 a_i , b_i 값을 추정하기 위해, 기본 공수 산정식 Y_i = a_i + b_iX_i을 (Y_i -a_i)/X_i = b_i와 같이 변형시켜, X_i에 대한 회귀식 기울기를 0으로 만드는 a_i값을 추정치로 사용하였다.
기존 사업 자료에서는 도출된 보정요인의 영향이 정확히 파악이 되지 않은 상황이기 때문에, 동시에 각 계수를 추정하는 것이 어렵다. 따라서 초기 모형에서는 모든 난이도 보정계수의 평균값이 1이 된다고 가정한 상태에서, a, b의 값을 우선적으로 추정한 후 전문가 델파이(Delphi) 설문을 통해 난이도 보정계수를 추정하였다.
또한 추정된 a_i값을 (Y_i -a_i)/X_i = b_i에 대입하여, 기존 사업 자료에 대한 (Y_i - a_i)/X_i값을 산정한 후 각 사업별 (Y_i -a_i)/X_i의 평균값으로 b_i를 추정하였다. 산정된 작업요소별 각 계수의 추정치는 [Table 6]에 요약했으며, 이를 델파이 설문조사를 위한 사전조사치의 도출에 사용하였다.
이후의 적용 과정에서 본 모형으로 설명되지 않는 사업비의 변동 요인은 수발주 전문가와의 지속적인 협의에 의해 조정되어야 할 필요가 있을 것이며, 이러한 조정 요인들이 대가 모형에 반영될 수 있도록 해야 할 것이다. 마지막으로, DB 품질개선사업은 현재까지 초기 확산 단계로서, 본 연구의 모형 수립을 위한 사업 데이터의 확보가 용이하지 않았으며, 본 연구에서는 2013～2014년도에 수행한 한정된 데이터만을 대상으로 모형의 수립 및 검증을 진행하였다. 따라서 향후 연구에서는 2015년 및 이후의 축적된 사업 데이터를 활용하여 현행 모형의 재검증 및 산정식의 개선이 이루어져야 할 것으로 생각된다.
본 모형의 검증을 위해 2014년에 시행된 데이터 품질 진단 및 개선사업의 사업 자료 17건에 최종 모형을 적용해 비교 분석하였다. [Table 17]에 2014년에 시행된 사업의 자료를 요약하였다.
본 연구에서는 각 사업 별로 작업의 단계를 세분하여, 데이터 품질 진단 및 개선 사업에 포함되는 작업의 범위를 명확히 선정하였다. 이는 사업별로 수행되는 작업의 범위가 서로 다를 수 있음을 대가 산정에 고려할 수 있게 해준다.
보정요인은 결정요인에 의해 산정된 사업의 투입공수를 증가 또는 감소시킬 수 있는 사업 환경적 요인으로 데이터의 복잡도, 구조의 복잡도, 조직의 복잡도 등을 들 수 있다. 본 연구에서는 객관적으로 쉽게 측정 가능하고 규모 결정요인에서 고려되지 않은 요소로 전문가 조사를 통해 [Table 2]와 같이 데이터 모델의 보유 여부, 데이터 모델의 현행화 여부, 데이터 표준 존재 여부, 품질관리 시스템 운용 여부 등의 4가지 보정 요인을 파악하였다.
본 연구에서는 수·발주기관 전문가 및 이해관계자들에 대한 설문응답 및 의견수렴을 통해 합리적이고 공정한 DB 품질개선사업 대가 산정 모형을 수립하였다.
를 추정하였다. 산정된 작업요소별 각 계수의 추정치는 [Table 6]에 요약했으며, 이를 델파이 설문조사를 위한 사전조사치의 도출에 사용하였다.
2차 델파이(Delphi) 설문 문항은 다음과 같이 작업요소별 투입 작업인력 등급 추정치 설문, 작업요소별 대가 결정요인 및 규모별 공수 추정치, 그리고 결정요인 및 규모별 공수 추정치로 이루어졌다. 이 중 투입인력 등급 추정치는 기존 2013년 사업 자료의 작업요소별 투입 작업인력 등급의 평균 비율을 산정하여 설문 값으로 사용하였다.
본 연구에서는 합리성과 공정성을 확보한 DB품질개선사업 대가 산정 기준의 수립을 목적으로 한다. 이를 위해 DB 구축대가, PMO 대가 등에 적용되어 온 5단계의 방법론을 활용하여 대가 모형을 수립한다.
대가모형 수립’에서는 수립된 모형으로 산정한 사업의 투입공수로부터 사업비와의 관계를 파악하여 최종 사업의 대가를 산정하는 단계이다. 이를 위해 사업의 투입 직급별 노임단가, 기술료율 및 제경비율을 추정하여 최종 대가 산정 모형식을 도출하였다.
본 연구에서는 수·발주기관 전문가 및 이해관계자들에 대한 설문응답 및 의견수렴을 통해 합리적이고 공정한 DB 품질개선사업 대가 산정 모형을 수립하였다. 이를 위해 우선 DB 품질개선사업 대가 산정 모형 수립에 참고할 수 있는 유사 제도의 대가 현황 및 기존 DB 품질개선사업 대가 사례 분석을 통해, 대가 모형 수립에 필요한 시사점들을 도출하였다. 데이터 품질 및 진단사업은 기존의 관련 대가 기준이 다루고 있는 작업의 내용과 상이하고, 사업의 규모나 난이도로부터 받는 영향이 상이한 다양한 종류의 단위작업으로 구성되어 있어, 기존의 대가 모형을 직접적으로 적용하기가 어렵다.
이상의 절차를 통해 간단하고 객관적으로 사업의 발주 단계에서 파악 가능한 규모 지표로 테이블수, 조직규모, 연계기관 수 세 가지를 파악하였다. 특히 작업 대상 테이블 수는 사업의 수행 활동별로 상이할 수 있기 때문에 테이블 수는 전체진단테이블 및 심층진단테이블의 두 가지로 세분하였다.
결정 요인의 도출은 우선 1차로 소규모 전문가 자문 회의를 통해 작업요소별 대표적 대가 결정요인을 파악하고,2013년 사업자료의 분석을 통해 적합성을 분석하였다. 이후 2차례의 전문가 설문 조사를 통해 수립된 결정 요인의 적절성을 최종적으로 검증하였다.
작업량 산출(Time Study)’ 단계에서는 앞 단계에서 도출된 대가 결정 요소 및 대가 보정 요소들이 사업에 투입된 공수의 양과 어떤 관계를 가지고 있는지 각 작업 요소별로 파악하였다.
최종모형의 보정계수 추정 결과, 수정모형의 계수에 상당히 근사하는 값을 얻었다. 작업요소별 투입인력 직급별 투입 비율 추정을 위해 2013년 사업자료의 데이터를 기초자료로 전문가 설문을 받아 응답 자료의 이상치 제거 후 평균값을 계산하였다. 직급별 투입 비율 전문가 설문 결과, 사업 자료로 계산한 제시 값과 상당히 근사하는 값을 나타내고 있다.
작업요소에 따라 복수의 결정요인이 있는 경우를 반영하여 모형의 정확도를 높였다. 공수 산정식은 작업요소별로 공수에 영향을 미치는 결정요인 수에 따라 다음과 같이 표현된다.
이는 사업별로 수행되는 작업의 범위가 서로 다를 수 있음을 대가 산정에 고려할 수 있게 해준다. 작업요소의 도출은 기본적으로 공공정보 품질관리 매뉴얼의 품질진단 및 개선절차를 기반으로 하여 사업대가에 영향을 미치는 작업 단위의 특성이 같은 단위로 재편하였다. 도출된 작업 요소들은 사업의 수행 규모 및 사업의 난이도를 결정하는 기본 단위로 사용되며, 선정된 대가 작업요소는 [Table 1]과 같다.
또한 작업요소 모형 수립 단계에서는 사업의 수행 난이도를 결정하는 난이도 보정요소를 파악하여 결정 요소와 함께 초기 모형 수립에 사용하였다. 즉, 비슷한 규모의 작업이라도 더 높은 난이도를 가진 작업들이 포함된 사업의 대가가 상대적으로 더 크게 산정될 수 있도록 보정 요소들을 대가 모형에 사용하였다.
이상의 절차를 통해 간단하고 객관적으로 사업의 발주 단계에서 파악 가능한 규모 지표로 테이블수, 조직규모, 연계기관 수 세 가지를 파악하였다. 특히 작업 대상 테이블 수는 사업의 수행 활동별로 상이할 수 있기 때문에 테이블 수는 전체진단테이블 및 심층진단테이블의 두 가지로 세분하였다. 선정된 규모결정 요인은 [Table 1]과 같다.

대상 데이터

본 연구에서는 2013년도에 시행된 데이터 품질 진단 및 개선사업을 초기 모형의 수립에 활용하여 전문가 델파이 분석의 기초자료로 활용하였다. 2013년에는 1차 및 2차에 걸쳐 총 15개의 DB 품질개선사업이 시행되었으며, 각 사업별로 작업 요소별 공수를 확보하여 모형의 분석에 사용했다. 다음의 [Table 3]～[Table 5]는 기존 수행 사업의 자료를 요약하고 있다.
본 연구에서는 2013년도에 시행된 데이터 품질 진단 및 개선사업을 초기 모형의 수립에 활용하여 전문가 델파이 분석의 기초자료로 활용하였다. 2013년에는 1차 및 2차에 걸쳐 총 15개의 DB 품질개선사업이 시행되었으며, 각 사업별로 작업 요소별 공수를 확보하여 모형의 분석에 사용했다.

데이터처리

작업량 산출(Time Study)’ 단계에서는 앞 단계에서 도출된 대가 결정 요소 및 대가 보정 요소들이 사업에 투입된 공수의 양과 어떤 관계를 가지고 있는지 각 작업 요소별로 파악하였다. 관계식의 도출을 위해 2013년 사업 데이터의 통계적 분석과 전문가 설문을 통한 델파이 분석(Linstone and Turoff, 2002) 을 병행하였다.
수집된 델파이(Delphi) 2차 설문응답은 1차에 비해 응답자 수가 현저히 적어 통계적인 이상치 분석법(outlier detection)을 적용해 이상치를 제거(Iglewicz et al., 1993)한 후 수주자 및 발주자별로 평균치를 사용하여 대가 모형의 수립 및 검증에 사용하여 최종모형의 계수를 추정하였다. 이때 최종 모형의 계수는 수정모형과 동일한 공수 산정식을 사용하여 추정하였으며 계수 추정 결과는 [Table 13]과 같다.

성능/효과

대체적으로 건설사업관리 대가는 공사비로 파악되는 건설사업 규모의 4∼10% 범위에서 산출되는 것으로 나타났다.
본 연구를 통해 수립된 대가 모형은 분석의 기반이 된 2013년도 실시 사업 15개를 합리적으로 예측하고 있음을 확인하였다. 또한 최종 모형을 2014년도에 새로 실시된 18개 사업에 적용한 결과 실제 사업비와 매우 근접한 추정치를 도출하는 것으로 나타나 모형의 적절성을 검증할 수 있었다. 따라서 본 연구에서 제안한 대가 모형이 향후 공공 및 관련 분야의 DB 품질개선사업 운용에 대한 합리적이고 적정한 예산 수립을 가능하게 할 것으로 기대한다.
본 연구를 통해 수립된 대가 모형은 분석의 기반이 된 2013년도 실시 사업 15개를 합리적으로 예측하고 있음을 확인하였다. 또한 최종 모형을 2014년도에 새로 실시된 18개 사업에 적용한 결과 실제 사업비와 매우 근접한 추정치를 도출하는 것으로 나타나 모형의 적절성을 검증할 수 있었다.
분석 추정치와 기존 수행사업 소요 공수의 상관 계수는 약 0.6으로 매우 높은 상관관계를 보였으며, 평균 제곱근 편차는 3.10이었다.
최종 모형으로 산정된 공수 추정치를 사업 자료와 비교 분석한 결과 2014년 사업 자료로 파악된 실제 투입공수와 근사한 값을 나타내고 있다. 사업의 실제 투입공수와 모형으로 추정된 투입공수 사이의 상관계수는 최종 모형의 수립에 사용된 2013년 사업 데이터상의 실제 투입 공수와 모형으로 추정된 공수 사이의 상관계수인 0.62보다 오히려 더 높은 0.68로 나타났으며, 평균 제곱근 편차도 3.29로 2013년 사업 데이터의 3.14와 비슷하여 본 모형이 사업의 투입 공수를 절절하게 추정하고 있음을 검증 할 수 있었다.
설문 응답 결과 결정요인이 1개인 작업요소의 경우 초기 모형과 동일하게 나타났으나, 작업요소에 따라 단일 결정요인이 아닌 복수 결정요인이 공수에 영향을 미치는 것으로 나타났다.
작업요소별 보정요인의 설문 결과를 분석한 결과 작업요소별 기타 공통적으로 요구하는 추가적인 보정요인은 나타나지 않는 것으로 나타나, 초기대가 산정모형에서 도출한 보정요인이 적합한 것으로 분석되었다.
[Table 2]의 네 가지 보정 요소 모두 해당이 되는 사업의 난이도가 해당되지 않는 사업보다 수월하므로 난이도는 쉬워진다. 전문가 의견 청취 결과 대다수 사업들이 우선 데이터 모델을 확립하고, 이후 데이터 표준을 수립하며, 마지막으로 품질관리 시스템을 운용하는 경향이 있는 것으로 확인되었다. 따라서 보정계수의 난이도는 네 요소가 모두 해당이 되지 않는 경우의 가장 난이도가 높은 경우부터 시작하여 위에서부터 하나의 요소씩 해당이 되어 난이도가 단계적으로 쉬워지는 5단계로 단순화하였다.
기존 사업 자료를 대상으로 초기 모형과 수정 모형의 산정 공수를 비교했을 때, 1차 모형의 정확성이 높아지는 것으로 나타났다. 즉, 상관계수가：0.60(초기 모형)에서 0.63(수정 모형)으로 증가하는 것을 관찰하였다. 또한 평균 제곱근 편차는 9.
[Table 16]은 2013년 기존 사업 자료를 대상으로 초기모형, 수정모형, 최종모형의 산정 공수 예측력을 비교 분석한 결과이다. 최종 모형은 수정모형과 비슷한 예측력을 보이고 있으며, 평균 추정율은 103%로 전체적으로 총 소요공수를 적절히 예측하고 있는 것으로 나타났다.
최종모형의 보정계수 추정 결과, 수정모형의 계수에 상당히 근사하는 값을 얻었다. 작업요소별 투입인력 직급별 투입 비율 추정을 위해 2013년 사업자료의 데이터를 기초자료로 전문가 설문을 받아 응답 자료의 이상치 제거 후 평균값을 계산하였다.

후속연구

또한 최종 모형을 2014년도에 새로 실시된 18개 사업에 적용한 결과 실제 사업비와 매우 근접한 추정치를 도출하는 것으로 나타나 모형의 적절성을 검증할 수 있었다. 따라서 본 연구에서 제안한 대가 모형이 향후 공공 및 관련 분야의 DB 품질개선사업 운용에 대한 합리적이고 적정한 예산 수립을 가능하게 할 것으로 기대한다.
마지막으로, DB 품질개선사업은 현재까지 초기 확산 단계로서, 본 연구의 모형 수립을 위한 사업 데이터의 확보가 용이하지 않았으며, 본 연구에서는 2013～2014년도에 수행한 한정된 데이터만을 대상으로 모형의 수립 및 검증을 진행하였다. 따라서 향후 연구에서는 2015년 및 이후의 축적된 사업 데이터를 활용하여 현행 모형의 재검증 및 산정식의 개선이 이루어져야 할 것으로 생각된다.
본 연구는 기존에 다른 사업들에 대하여 수립된 사업비 대가 산정 모형들에 대한 분석을 통해 예산의 효율적 집행 및 DB 품질개선사업 수행에 적용 가능한 대가 산정 기준을 구축하고자 한다. 이를 통해 공공기관과 사업자들이 동시에 참조할 수 있는 DB 품질개선사업의 대가 기준을 마련할 것으로 기대된다.
그러나 실제의 사업비에 영향을 미치는 환경적 요인은 대상 데이터베이스의 기술적 복잡도나 대상 조직의 복잡도 등 다양한 요인이 있을 수 있다. 이후 충분한 데이터를 바탕으로 다양한 측면에서의 보정요인의 도출과 이의 사업비에 대한 영향에 대한 연구가 필요할 것으로 생각된다. 둘째로, 본 모형에서 고려하지 못한 요인이 사업비에 영향을 미칠 가능성을 배제할 수 없다.
둘째로, 본 모형에서 고려하지 못한 요인이 사업비에 영향을 미칠 가능성을 배제할 수 없다. 이후의 적용 과정에서 본 모형으로 설명되지 않는 사업비의 변동 요인은 수발주 전문가와의 지속적인 협의에 의해 조정되어야 할 필요가 있을 것이며, 이러한 조정 요인들이 대가 모형에 반영될 수 있도록 해야 할 것이다. 마지막으로, DB 품질개선사업은 현재까지 초기 확산 단계로서, 본 연구의 모형 수립을 위한 사업 데이터의 확보가 용이하지 않았으며, 본 연구에서는 2013～2014년도에 수행한 한정된 데이터만을 대상으로 모형의 수립 및 검증을 진행하였다.

핵심어	질문	논문에서 추출한 답변
	PMO 대가기준은 어떤 모형인가?	한편, PMO 대가기준(National Information Society Agency, 2013)의 경우, PMO 대상사업비와 PMO 적용대상 단계, 대상사업 특성(난이도)의 3개 요소를 통해 대가가 결정되는 모형이다. PMO와 관련된 구체적 지침은 현재 시행 초기 단계로써, 대가 모형 개발에 데이터 분석 중심 방법을 적용하기가 부적합하다.
	대가 모형 개발에 참고할 수 있는 대가 산정 기준은?	한편 본 연구의 대가 모형 개발에 참고할 수 있는 대가 산정 기준으로는 건설사업관리(CM：Construction Management), 정보시스템감리, 정보전략계획(ISP：Information Strategy Planning ), PMO(Project Management Office) 대가 기준 등이 있다. 먼저, 건설사업관리 대가 기준을 살펴보면, 국토해양부(Ministry of Land, Infrastructure, and Transport, 2009) 및 한국건설교통기술평가원(Korea Agency for Infrastructure Technology Advancement, 2003)은 건설사업의 규모(공사비)와 건설사업관리 적용대상 단계의 2개 요소로 대가 결정 모형을 수립하였다.
	대가 산정방식의 수립 과정 중 요구사항 정의 단계에서 하는 업무는 무엇인가요?	먼저 ‘PhaseI. 요구사항정의’ 단계에서는 대상 사업의 작업 단위를 사업 대가에 영향을 주는 최소 단위로 세분한다. 수립된 작업 단위는 대가 산정 대상 사업의 범위를 결정한다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

DB 품질개선사업의 대가 산정 모형연구
A Development of Cost Estimation Model for Data Quality Analysis and Improvement Project 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

DB 품질개선사업의 대가 산정 모형연구 A Development of Cost Estimation Model for Data Quality Analysis and Improvement Project 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (16)

이 논문을 인용한 문헌

저자의 다른 논문 :

서용원 (19) 이덕희 (1) 박건수 (1)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

DB 품질개선사업의 대가 산정 모형연구
A Development of Cost Estimation Model for Data Quality Analysis and Improvement Project 원문보기

AI 본문요약
AI-Helper