[논문]데이터 품질관리 평가 모델에 관한 연구

김형섭

doi:10.15207/jkcs.2020.11.7.217

데이터 품질관리 평가 모델에 관한 연구
A study on the data quality management evaluation model 원문보기

한국융합학회논문지 = Journal of the Korea Convergence Society, v.11 no.7, 2020년, pp.217 - 222

초록
AI-Helper

본 연구는 데이터 품질관리 평가 모델에 관한 연구이다. 정보통신기술이 고도화되고 저장 및 관리에 대한 중요성이 증가를 하기 시작하며서 데이터에 대한 괌심이 증가를 하고 있다. 특히 최근에는 4차산업혁명과 인공지능에 대해 관심이 증가를 하고 있다. 4차산업혁몽과 인공지능 시대에 중요한 것이 바로 데이터이다. 21세기는 데이터가 새로운 원유로서의 역할을 수행할 것으로 보인다. 이러한 데이터의 품질에 대한 관리가 매우 중요하다고 할 수 있다. 그러나 실무적인 차원에서의 연구는 진행이 되고 있으나 학문적 차원의 연구는 부족한 실정이다. 이에 본 연구에서는 전문가를 대상으로 데이터 품질관리에 영향을 미치는 요인에 대해 살펴보고 시사점을 제시하였다. 분석결과 데이터 품질관리의 중요도에는 차이가 있는 것으로 나타났다.

Abstract ▼ AI-Helper

This study is about the data quality management evaluation model. As the information and communication technology is advanced and the importance of storage and management begins to increase, the guam feeling for data is increasing. In particular, interest in the fourth industrial revolution and artificial intelligence has been increasing recently. Data is important in the fourth industrial revolution and the era of artificial intelligence. In the 21st century, data will likely play a role as a new crude oil. It can be said that the management of the quality of this data is very important. However, research is being conducted at a practical level, but research at an academic level is insufficient. Therefore, this study examined factors affecting data quality management for experts and suggested implications. As a result of the analysis, there was a difference in the importance of data quality management.

주제어

표/그림 (6)

표 Table 1. Success factors for data quality management
표 Table 2. Deducing the importance of data quality management factors
그림 Fig. 1. Data quality management system
그림 Fig. 2. Column structure analysis
그림 Fig. 3. Profiling analysis
그림 Fig. 4. Result report

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

데이터 품질 관리의 중요 요인을 도출하고 도출괸 요인의 우선순위를 분석하기 위해 사용이 가능한 다양한 분석비법에 대해 살펴보고자 한다. 본 연구에서는 김영기 외(2010)와 박성택외(2010)의 연구에서 고려한 우선순 위 분석 방법에 대해 살펴보고자 한다.
본 연구는 데이터베이스의 품질 요인에 대한 연구로 데이터품질관리 매뉴얼에 기반을 하여 중요한 요인을 도출하여 분석을 수행하였다.
데이터 품질 관리의 중요 요인을 도출하고 도출괸 요인의 우선순위를 분석하기 위해 사용이 가능한 다양한 분석비법에 대해 살펴보고자 한다. 본 연구에서는 김영기 외(2010)와 박성택외(2010)의 연구에서 고려한 우선순 위 분석 방법에 대해 살펴보고자 한다.
본 연구에서는 도출된 결과를 토대로 하여 시스템을 구축하고 이를 통한 실증 테스트를 진행하였다.
이에 본 연구에서는 데이터 품질관리의 중요요인을 도출하고자 한다. 이를 위해 데이터베이스 품질관리 지침에 서 소개가 된 품질관리 요소 중에서 상위 중요요소 5개를 도출하고 전문가를 대상으로 설문조사를 실시하고 이를 통해 중요도를 산출하였다.

제안 방법

CSV 파일의 데이터를 진단할 수 있으며, 품질 진단 솔루션은 별도의 서버 설치 없이 단독으로 수행 가능 하도록 구성하였다.
동작 환경의 보안 구성에 영향을 받지 않도록 구성하고, 품질 진단 솔루션의 Repository DBMS(Maria DB) 를 별도로 구성하였다.
데이터 품질관리의 중요도를 도출한 결과, 정확성, 일관성, 보안성, 완전성, 준비성 순으로 그 중요도가 나타났다. 또한 분석결과를 토대로 시스템 구축을 통한 데이터 품질관리의 중요도를 실증 테스트하였다.
이에 본 연구에서는 데이터 품질관리의 중요요인을 도출하고자 한다. 이를 위해 데이터베이스 품질관리 지침에 서 소개가 된 품질관리 요소 중에서 상위 중요요소 5개를 도출하고 전문가를 대상으로 설문조사를 실시하고 이를 통해 중요도를 산출하였다.
진단대상정보로 데이터베이스의 스키마정보 및 테이블 컬럼 별 진단항목 건수, 항목 별 진단 컬럼 건수를 제공한다. 종합현황에서 기본적인 DBMS 정보와 테이블 명, 작업시간을 분석 개요에서 확인한다.
진단대상정보로 데이터베이스의 스키마정보 및 테이블 컬럼 별 진단항목 건수, 항목 별 진단 컬럼 건수를 제공한다. 종합현황에서 기본적인 DBMS 정보와 테이블 명, 작업시간을 분석 개요에서 확인한다.

대상 데이터

AHP 조사는 2020년 3~4월에 걸쳐 실시하였으며, 설문대상은 각 기관의 담당자들에게 설문조사를 실시하였다.
응답대상자들은 현재 기관의 실무자들과 데이터 품질 관리를 개발하는 개발자들로 구성이 되어 잇다. 총 응답자 13명 가운데, 불성실한 응답을 제외한 9명을 최종분석에 사용하였다. 쌍대비교행렬 A의 성분 a_ij값들이 일관성을 크게 벗어나지 않는 한 λ_max가 n에 가까운 값을 갖는 성질을 이용하여 A • W=λ • W 를 이용하여 가중치 W를 추정할 수 있다.
품질진단 대상인 DBMS는 운영 DBMS 또는 진단 대상 데이터를 별도로 저장해 놓은 Staging DBMS를 대상으로 하였다.

이론/모형

즉, 다 기준 의사결정의 방법으로 여러 대안 중에서 최적의 대안을 선택하는 방법으로 우선순위 도출방법에서 가장 많이 활용이 되고 있는 방법이다. 이에 본 연구에서는 AHP분석 방법을 사용하였다.

성능/효과

분석결과는 다음과 같다. 데이터 품질관리의 중요도를 도출한 결과, 정확성, 일관성, 보안성, 완전성, 준비성 순으로 그 중요도가 나타났다. 또한 분석결과를 토대로 시스템 구축을 통한 데이터 품질관리의 중요도를 실증 테스트하였다.

후속연구

4차산업에 필수적인 데이터의 융·복합, 민관 간 데이터의 자유로운 유통, 빅데이터 활용 활성화 등을 뒷받침 할 수 있도록 공공데이터 표준화 및 품질 고도화가 필요할 것으로 보이며, 이를 통해 국가의 경제성장과 경쟁력 향상에 많은 도움이 될 것으로 보인다.
데이터의 품질관리 평가 요인에 대한 도출은 품질관리의 평가뿐만 아니라, 품질관리의 행위에 대한 가이드라인을 제시 해 줄 것이다.
실무적 시사점으로는 본 연구에서 사용한 요인의 중요도를 통해, 시스템을 개발하는 개발자들에게는 본 연구결과를 활용할 수 있는 가이드라인을 제공할 것으로 보이며, 기관의 담당자들은 데이터베이스 품질관리의 중요성을 인식하고 이를 통해 데이터베이스 품질관리 지침에 따른 체계를 구축하는데 도움을 줄 수 잇을 것으로 보인다.
학문적 시사점으로는 본 연구를 통해 품질관리의 핵심 요인에 대해 중요성을 도출할 수 있었다. 요인의 도출을 통해 세부 요인의 추가적 도출과 요인과 요인간이 관계 성 및 영향을 미치는 사항에 대해 추가적인 연구가 필요해 보인다. 다만, 데이터 품질관리 영역이 전문화된 영역 이어서 전문가 집단을 퉁한 조사에 어려움이 있다.
향후 연구에서는 설문조사 대상자를 확대할 필요가 있을 것으로 보이며, 데이터베이스 품질관리 시스템을 개발 하고자할 때, 고려해야 할 사항을 사전에 정의하고, 기존 의 데이터베이스 품질관리 시스템에서 갖추지 못하고 간과하였던 요인들을 도출해 낸다면 의미가 있을 것으로 보인다.

참고문헌 (22)

Park, S. T., Kim, D. Y. & Li, G. (2020). An analysis of environmental big data through the establishment of emotional classification system model based on machine learning: focus on multimedia contents for portal applications. Multimedia Tools and Applications, 1-19.
Park, S. T., Li, G. & Hong, J. C. (2018). A study on smart factory-based ambient intelligence context-aware intrusion detection system using machine learning. Journal of Ambient Intelligence and Humanized Computing, 1-8.
Park, S. T. & Oh, M. R. (2019). An empirical study on the influential factors affecting continuous usage of mobile cloud service. Cluster Computing, 22(1), 1873-1887.

상세보기
Park, S. T., Jung, J. R. & Liu, C. (2019). A study on policy measure for knowledge-based management in ICT companies: focused on appropriability mechanisms. Information Technology and Management, 1-13.
Park, S. T., Lee, S. W. & Kang, T. G. (2018). A study on the trend of cloud service and security through text mining technique. International Journal of Engineering & Technology, 7(2.33), 127-132.
Gartner, https://www.gartner.com/en
Korea Institute for Health and Social Affairs. (2013). The basic direction of social security in the next 5 years and Finding core tasks.
Miller, J. S. (1996). U.S. Patent No. 5,506,984. Washington, DC: U.S. Patent and Trademark Office.
Redman, T. C. (2001). Data quality: the field guide. Digital press.
Korea Data Agency. (2012). Data Quality Management Guidelines.
An, H. J. (2016). A Business Performance Study of Data Quality Management for Big Data Adoption - Focused on Corporate Data Quality Management Process -, Kookmin University.
Park, G. H. (2017). The Determinant for the Usage of Big Data in Administrative Service : mainly on the Quality Control of Data, Keimyung University.
Firth, C. P. (1996, October). Data Quality in Practice: Experience from the Front Line. In IQ (pp. 65-71).
Segev, A. & Zhao, J. L. (1996). Rule activation techniques in active database systems. Journal of Intelligent Information Systems, 7(2), 173-194.

상세보기
Wang, H., Long, Q., Marty, S. D., Sassa, S. & Lin, S. (1998). A zebrafish model for hepatoerythropoietic porphyria. Nature genetics, 20(3), 239-243.

상세보기
English, L. P. (1999). Improving data warehouse and business information quality. methods for reducing costs and increasing profits (Vol. 1). New York: Wiley.
Xu, Y., Olman, V. & Xu, D. (2002). Clustering gene expression data using a graph-theoretic approach: an application of minimum spanning trees. Bioinformatics, 18(4), 536-545.

상세보기
Otto, B., Wende, K., Schmidt, A. & Osl, P. (2007). Towards a framework for corporate data quality management.
Kim, Y. K., Lee, S. J. & Park, S. T. (2010). Selection of important factors for Patent Valuation using Delphi Method. Entrue Journal of Information Technology, 9(1), 7-17.
Park, S. T., Lee, S. J. & Kim, Y. K. (2011). Weight Differences of Patent Valuation Factors by Industries. Journal of Digital Convergence, 9(3), 105-116.
Kim, Y. K., Lee, S. J. & Park, S. T. (2011). Establishing the Importance Weight of Patent Valuation Criteria for Product Categories through AHP Analysis. Entrue Journal of Information Technology, 10(1), 115-127.
Lee, S. J., Kim, Y. K. & Park, S. T. (2013). Appropriability Mechanism Strategy for Domestic IT Manufacturing Companies. Journal of Digital Convergence, 11(11), 233-242.

원문보기 상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

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