2020.06.23

디지털 시대의 데이터 개인정보 보호 전략 수립하기

Chris Davis | CIO
기업은 유럽의 일반 데이터 보호 규정(GDPR), 캘리포니아 소비자 개인정보 보호법(CCPA)과 같은 데이터 개인정보 보호 규정을 준수하기 위해 애쓰고 있지만 여전히 어려움에 직면하고 있다. 난관의 주된 원인은 기업의 기존 데이터 관리 방식이 이와 같은 규정의 엄격한 요구 사항과 맞지 않는다는 데 있다.

조직은 사람, 프로세스, 기술을 활용해 데이터 액세스, 관리, 사용을 위한 기준을 정립하는, 명확하게 정의된 데이터 거버넌스 프레임워크를 통해 개인정보 보호 규정의 복잡함을 해결할 수 있다. 또한 이와 같은 프레임워크는 기업이 ID 및 액세스 관리, 동의 관리, 정책 정의를 포함한 개인정보의 여러 요소에 대처할 수 있게 해준다.

데이터 책임자는 개인정보 보호를 중시하는 데이터 거버넌스 모델을 구현하는 과정에서 여러 어려움에 직면할 수 있는데, 여기에는 경영진의 미온적인 태도, 응집력 있는 데이터 전략의 부재, 또는 데이터를 사용하고 취급하는 방법에 관한 의견 대립 등이 포함된다. 이와 같은 장애물을 극복하기 위해서는 다음을 고려해야 한다.

1. 부서 간 공동 데이터 소유와 인식 정립
2. 데이터 정책과 절차 능률화
3. 기술 및 인프라 업그레이드


부서 간 공동 데이터 소유와 인식 정립

데이터 거버넌스 프레임워크 또는 모델 구현을 이끄는 사람은 최고 데이터 책임자, 또는 CIO일 수 있지만 데이터 거버넌스는 회사 전체가 공동으로 책임지는 영역이다. 최소한 IT 부서와 개인정보 보호 부서, 보안 조직, 그리고 다양한 사업부가 참여해야 한다. 각각 데이터 관리에서 중요한 이해관계가 있기 때문이다. 구현 과정의 조기에 다양한 이해당사자를 참여시키면 주요 데이터 목표와 더 폭넓은 데이터 거버넌스 비전을 규정할 수 있다. 협업은 전담 태스크 포스 형태가 될 수도 있고, 경영진을 대상으로 한 데이터 거버넌스 및 개인정보 보호 목표에 관한 정기적인 보고 형태가 될 수도 있다.

데이터 개인정보 보호도 마찬가지로 공동의 책임이다. 모든 직원은 데이터 수집과 사용, 공유에 관한 정립된 표준에 따름으로써 데이터 개인정보 보호를 유지하는 데 일정한 역할을 한다. 실제로 개인정보 보호를 중시하는 성공적인 데이터 거버넌스 모델을 구현하기 위해서는 거버넌스 개념과 역할, 책임, 데이터 개인정보 보호 개념과 규정에 관한 직원 교육이 필요하다(예를 들어 '개인정보'와 '소비자 정보'의 정의상 차이점).

거버넌스 비전을 설정하고 직원 인식을 제고하고 나면 조직은 원하는 데이터 거버넌스 역할(데이터 소유자, 데이터 스튜어드, 데이터 아키텍트, 데이터 소비자 등)을 정의하고 필요에 맞게 역할을 조정할 수 있다. 예를 들어 기업에 따라 데이터 스튜어드와 데이터 소유자를 따로 분리해서 전자가 일상적인 데이터 운영을, 후자가 데이터 정책 정의를 담당하도록 할 수 있다. 

메티스 스트래티지(Metis Strategy)는 대규모의 복잡한 IT 부서가 있는 한 고객사의 의뢰로 경영진급 위원회와 데이터 스튜어드/소유자 통합 역할, 그리고 데이터 품질 관리자와 같은 기타 직책이 포함된 거버넌스 계층 구조를 만들었다. 이 구조를 통해 해당 고객사는 원활한 커뮤니케이션을 촉진하고 데이터 관리 방식을 확장할 수 있었다.

장기적으로 기업은 인재 전략과 인력 계획에 데이터 거버넌스 및 관리 스킬을 포함해야 한다. 몇몇 데이터 집약적 역할에서 필요한 전문성과 적격 인력의 부족을 감안하면 조직은 내부 초점을 인재 보존 및 기술 향상에 맞추면서 인재 채용 업체의 도움을 받는 방법도 고려할 수 있다. 기업은 전략적 목표와 규정 요구사항의 변경에 맞춰 데이터 거버넌스 역할과 소유권을 조정할 수 있는 유연함을 유지해야 한다.


데이터 정책과 절차 능률화

소비자 개인정보 보호와 관련된 데이터 요청에 적절히 대응하려면 기업은 데이터 수명주기 전반에 대한 표준화된 절차와 정책을 마련해야 한다. 이렇게 하면 어떤 데이터를 수집, 사용 및 공유하며 이런 관행이 소비자와 어떻게 관련되는지를 파악할 수 있다.

예를 들어 CCPA는 소비자에게 자신의 개인정보가 제3자에게 판매되지 않도록 선택할 권리를 부여한다. 소매업체가 이러한 요청을 준수하려면 다음과 같은 범주의 질문에 답할 수 있어야 한다.
  • 데이터 분류: 회사는 소비자와 관련된 어떤 데이터 요소를 보유하고 있는가(예를 들어 주소, 신용카드 정보, 제품 기호)? 이런 데이터 요소를 분류했는가? 분류했다면 적절히 분류했는가?
  • 데이터 수명(Data lineage): 고객 데이터의 출처는 어디이며 데이터 수명 주기 전반에 걸쳐 데이터가 어떻게 처리되는가? 예를 들어 회사는 내부적으로만 고객 데이터를 공유하는가, 아니면 거래 또는 개인 맞춤 광고 캠페인을 위해 마케팅 및 결제업체와 이 데이터를 공유하는가?
  • 데이터 수집과 용인되는 용도: 회사는 현재 소비자로부터 어떤 방법으로 데이터를 수집하는가? 회사는 소비자의 데이터를 수집하고 처리하는 데 있어 소비자의 적절한 동의를 받았는가? 회사가 고객 데이터를 외부 주체와 공유하는 경우 해당 외부 주체와 적절한 데이터 공유 계약을 체결했는가?

이를 위한 정책과 표준을 정립하면 조직은 개인정보 보호 규정 하에서 고객 요청에 대응하는 데 필요한 조치를 신속하게 결정할 수 있다. 기업은 정책을 폭넓게 전파하고 직원이 이 정책을 따르도록 해야 한다. 그렇지 않으면 일관성 없는 템플릿과 관행이 퍼질 수 있기 때문이다. 예를 들어 메티스 스트래티지의 한 고객사는 클라이언트의 IT 부서가 종합적인 정책을 정립했음에도 불구하고 데이터 관리와 액세스 표준을 충분히 인식하는 이해당사자가 거의 없었다.


기술 및 인프라 업그레이드 고려

기업에서 데이터 거버넌스 프레임워크를 성공적으로 구현하고 개인정보 보호 규정 준수를 보장하려면 레거시 인프라와 기술 부채로 인한 문제에도 대처해야 한다. 예를 들어 흔히 그렇듯이 데이터가 조직 여기저기에 사일로 형태로 저장된 상태에서는 데이터 개인정보 보호 문제의 근원을 적절히 파악하고 소비자 또는 규제 기관의 요구에 즉각적으로 대응하기가 어렵다.

기업은 클라우드 기반 데이터 호수와 같이 아웃소싱한 클라우드 서비스의 보안 및 개인정보 보호와 관련된 위험도 평가해야 한다. 여러 클라우드 제공업체를 사용하는 기업은 데이터 공유 계약을 정리해서 여러 공급업체 간에 일관성을 갖춰야 한다.

기업에서 개인정보 보호 위험을 완화하는 동시에 고객 데이터를 활용하는 데 도움이 되는 기술도 있다. 메티스 스트래티지가 인터뷰한 카니발 코퍼레이션(Carnival Corporation)의 CIO 그레그 설리번은 데이터 가상화를 통해 조직의 분석 역량을 강화하고 운영 및 컴퓨팅 비용을 낮추고 잠재적인 보안 및 개인정보 보호 공백에 대한 노출을 줄일 수 있었다고 말했다.

또한 기업은 가시성과 투명성을 높여 데이터 거버넌스를 강화하는 새로운 개인정보 보호 규정 준수 기술을 고려할 수 있다. 예를 들어 데이터 탐색 툴은 고급 분석을 사용해서 민감한 것으로 판단되는 데이터 요소를 식별할 수 있으며 데이터 흐름 매핑 툴은 데이터가 내부와 외부에서 어떻게, 어디로 이동하는지 알 수 있게 해준다. 이런 툴을 사용해 가장 중요한 데이터 요소에 필요한 보호 수준을 판단하고 GDPR 및 CCPA 하에서 소비자 요청에 원활하게 대응할 수 있다.

레거시 기술을 전면 개편하는 데는 많은 시간과 비용이 들지만 결단하고 실행하는 기업은 개인정보 보호 및 보안 위험을 낮추면서 기술 부채와 관련된 다른 문제도 피할 수 있다.


적응 가능한 모델 만들기

전 세계적으로 데이터 개인정보 보호 환경이 변화함에 따라 조직도 이에 맞춰 데이터 거버넌스 모델을 지속적으로 조정해야 한다. 기업은 현재와 미래의 개인정보 보호 규정에 사후 대응하기보다는 개인정보 보호를 염두에 두고 데이터 거버넌스 역할과 프로세스, 정책, 기술을 설계함으로써 선제적으로 의무에 대처해야 한다. 이를 실천하는 기업은 위험 및 평판 관리를 개선할 수 있을 뿐만 아니라 기업 전반에서 투명성과 데이터에 근거한 의사 결정을 촉진할 수 있다. editor@itworld.co.kr


2020.06.23

디지털 시대의 데이터 개인정보 보호 전략 수립하기

Chris Davis | CIO
기업은 유럽의 일반 데이터 보호 규정(GDPR), 캘리포니아 소비자 개인정보 보호법(CCPA)과 같은 데이터 개인정보 보호 규정을 준수하기 위해 애쓰고 있지만 여전히 어려움에 직면하고 있다. 난관의 주된 원인은 기업의 기존 데이터 관리 방식이 이와 같은 규정의 엄격한 요구 사항과 맞지 않는다는 데 있다.

조직은 사람, 프로세스, 기술을 활용해 데이터 액세스, 관리, 사용을 위한 기준을 정립하는, 명확하게 정의된 데이터 거버넌스 프레임워크를 통해 개인정보 보호 규정의 복잡함을 해결할 수 있다. 또한 이와 같은 프레임워크는 기업이 ID 및 액세스 관리, 동의 관리, 정책 정의를 포함한 개인정보의 여러 요소에 대처할 수 있게 해준다.

데이터 책임자는 개인정보 보호를 중시하는 데이터 거버넌스 모델을 구현하는 과정에서 여러 어려움에 직면할 수 있는데, 여기에는 경영진의 미온적인 태도, 응집력 있는 데이터 전략의 부재, 또는 데이터를 사용하고 취급하는 방법에 관한 의견 대립 등이 포함된다. 이와 같은 장애물을 극복하기 위해서는 다음을 고려해야 한다.

1. 부서 간 공동 데이터 소유와 인식 정립
2. 데이터 정책과 절차 능률화
3. 기술 및 인프라 업그레이드


부서 간 공동 데이터 소유와 인식 정립

데이터 거버넌스 프레임워크 또는 모델 구현을 이끄는 사람은 최고 데이터 책임자, 또는 CIO일 수 있지만 데이터 거버넌스는 회사 전체가 공동으로 책임지는 영역이다. 최소한 IT 부서와 개인정보 보호 부서, 보안 조직, 그리고 다양한 사업부가 참여해야 한다. 각각 데이터 관리에서 중요한 이해관계가 있기 때문이다. 구현 과정의 조기에 다양한 이해당사자를 참여시키면 주요 데이터 목표와 더 폭넓은 데이터 거버넌스 비전을 규정할 수 있다. 협업은 전담 태스크 포스 형태가 될 수도 있고, 경영진을 대상으로 한 데이터 거버넌스 및 개인정보 보호 목표에 관한 정기적인 보고 형태가 될 수도 있다.

데이터 개인정보 보호도 마찬가지로 공동의 책임이다. 모든 직원은 데이터 수집과 사용, 공유에 관한 정립된 표준에 따름으로써 데이터 개인정보 보호를 유지하는 데 일정한 역할을 한다. 실제로 개인정보 보호를 중시하는 성공적인 데이터 거버넌스 모델을 구현하기 위해서는 거버넌스 개념과 역할, 책임, 데이터 개인정보 보호 개념과 규정에 관한 직원 교육이 필요하다(예를 들어 '개인정보'와 '소비자 정보'의 정의상 차이점).

거버넌스 비전을 설정하고 직원 인식을 제고하고 나면 조직은 원하는 데이터 거버넌스 역할(데이터 소유자, 데이터 스튜어드, 데이터 아키텍트, 데이터 소비자 등)을 정의하고 필요에 맞게 역할을 조정할 수 있다. 예를 들어 기업에 따라 데이터 스튜어드와 데이터 소유자를 따로 분리해서 전자가 일상적인 데이터 운영을, 후자가 데이터 정책 정의를 담당하도록 할 수 있다. 

메티스 스트래티지(Metis Strategy)는 대규모의 복잡한 IT 부서가 있는 한 고객사의 의뢰로 경영진급 위원회와 데이터 스튜어드/소유자 통합 역할, 그리고 데이터 품질 관리자와 같은 기타 직책이 포함된 거버넌스 계층 구조를 만들었다. 이 구조를 통해 해당 고객사는 원활한 커뮤니케이션을 촉진하고 데이터 관리 방식을 확장할 수 있었다.

장기적으로 기업은 인재 전략과 인력 계획에 데이터 거버넌스 및 관리 스킬을 포함해야 한다. 몇몇 데이터 집약적 역할에서 필요한 전문성과 적격 인력의 부족을 감안하면 조직은 내부 초점을 인재 보존 및 기술 향상에 맞추면서 인재 채용 업체의 도움을 받는 방법도 고려할 수 있다. 기업은 전략적 목표와 규정 요구사항의 변경에 맞춰 데이터 거버넌스 역할과 소유권을 조정할 수 있는 유연함을 유지해야 한다.


데이터 정책과 절차 능률화

소비자 개인정보 보호와 관련된 데이터 요청에 적절히 대응하려면 기업은 데이터 수명주기 전반에 대한 표준화된 절차와 정책을 마련해야 한다. 이렇게 하면 어떤 데이터를 수집, 사용 및 공유하며 이런 관행이 소비자와 어떻게 관련되는지를 파악할 수 있다.

예를 들어 CCPA는 소비자에게 자신의 개인정보가 제3자에게 판매되지 않도록 선택할 권리를 부여한다. 소매업체가 이러한 요청을 준수하려면 다음과 같은 범주의 질문에 답할 수 있어야 한다.
  • 데이터 분류: 회사는 소비자와 관련된 어떤 데이터 요소를 보유하고 있는가(예를 들어 주소, 신용카드 정보, 제품 기호)? 이런 데이터 요소를 분류했는가? 분류했다면 적절히 분류했는가?
  • 데이터 수명(Data lineage): 고객 데이터의 출처는 어디이며 데이터 수명 주기 전반에 걸쳐 데이터가 어떻게 처리되는가? 예를 들어 회사는 내부적으로만 고객 데이터를 공유하는가, 아니면 거래 또는 개인 맞춤 광고 캠페인을 위해 마케팅 및 결제업체와 이 데이터를 공유하는가?
  • 데이터 수집과 용인되는 용도: 회사는 현재 소비자로부터 어떤 방법으로 데이터를 수집하는가? 회사는 소비자의 데이터를 수집하고 처리하는 데 있어 소비자의 적절한 동의를 받았는가? 회사가 고객 데이터를 외부 주체와 공유하는 경우 해당 외부 주체와 적절한 데이터 공유 계약을 체결했는가?

이를 위한 정책과 표준을 정립하면 조직은 개인정보 보호 규정 하에서 고객 요청에 대응하는 데 필요한 조치를 신속하게 결정할 수 있다. 기업은 정책을 폭넓게 전파하고 직원이 이 정책을 따르도록 해야 한다. 그렇지 않으면 일관성 없는 템플릿과 관행이 퍼질 수 있기 때문이다. 예를 들어 메티스 스트래티지의 한 고객사는 클라이언트의 IT 부서가 종합적인 정책을 정립했음에도 불구하고 데이터 관리와 액세스 표준을 충분히 인식하는 이해당사자가 거의 없었다.


기술 및 인프라 업그레이드 고려

기업에서 데이터 거버넌스 프레임워크를 성공적으로 구현하고 개인정보 보호 규정 준수를 보장하려면 레거시 인프라와 기술 부채로 인한 문제에도 대처해야 한다. 예를 들어 흔히 그렇듯이 데이터가 조직 여기저기에 사일로 형태로 저장된 상태에서는 데이터 개인정보 보호 문제의 근원을 적절히 파악하고 소비자 또는 규제 기관의 요구에 즉각적으로 대응하기가 어렵다.

기업은 클라우드 기반 데이터 호수와 같이 아웃소싱한 클라우드 서비스의 보안 및 개인정보 보호와 관련된 위험도 평가해야 한다. 여러 클라우드 제공업체를 사용하는 기업은 데이터 공유 계약을 정리해서 여러 공급업체 간에 일관성을 갖춰야 한다.

기업에서 개인정보 보호 위험을 완화하는 동시에 고객 데이터를 활용하는 데 도움이 되는 기술도 있다. 메티스 스트래티지가 인터뷰한 카니발 코퍼레이션(Carnival Corporation)의 CIO 그레그 설리번은 데이터 가상화를 통해 조직의 분석 역량을 강화하고 운영 및 컴퓨팅 비용을 낮추고 잠재적인 보안 및 개인정보 보호 공백에 대한 노출을 줄일 수 있었다고 말했다.

또한 기업은 가시성과 투명성을 높여 데이터 거버넌스를 강화하는 새로운 개인정보 보호 규정 준수 기술을 고려할 수 있다. 예를 들어 데이터 탐색 툴은 고급 분석을 사용해서 민감한 것으로 판단되는 데이터 요소를 식별할 수 있으며 데이터 흐름 매핑 툴은 데이터가 내부와 외부에서 어떻게, 어디로 이동하는지 알 수 있게 해준다. 이런 툴을 사용해 가장 중요한 데이터 요소에 필요한 보호 수준을 판단하고 GDPR 및 CCPA 하에서 소비자 요청에 원활하게 대응할 수 있다.

레거시 기술을 전면 개편하는 데는 많은 시간과 비용이 들지만 결단하고 실행하는 기업은 개인정보 보호 및 보안 위험을 낮추면서 기술 부채와 관련된 다른 문제도 피할 수 있다.


적응 가능한 모델 만들기

전 세계적으로 데이터 개인정보 보호 환경이 변화함에 따라 조직도 이에 맞춰 데이터 거버넌스 모델을 지속적으로 조정해야 한다. 기업은 현재와 미래의 개인정보 보호 규정에 사후 대응하기보다는 개인정보 보호를 염두에 두고 데이터 거버넌스 역할과 프로세스, 정책, 기술을 설계함으로써 선제적으로 의무에 대처해야 한다. 이를 실천하는 기업은 위험 및 평판 관리를 개선할 수 있을 뿐만 아니라 기업 전반에서 투명성과 데이터에 근거한 의사 결정을 촉진할 수 있다. editor@itworld.co.kr


X