2021.04.07

“진화하는 데이터를 추적한다” 데이터 계보의 이해와 중요성

Isaac Sacolick | InfoWorld
데이터베이스는 데이터를 삽입, 업데이트, 쿼리, 삭제하고 데이터의 현재 상태를 나타내는 데 효과적이다. API가 현재 트랜잭션을 수행하고 애플리케이션이 정확한 레코드를 불러올 수 있도록 하기 위해 개발자는 데이터 일관성에 의존한다. 개발자 외에 데이터를 사용하는 역할로는 머신러닝 모델을 개발하는 데이터 과학자, 데이터 시각화를 생성하는 시민 데이터 과학자 등이 있다. 
 
ⓒ Getty Images Bank

SQL 또는 NoSQL 데이터베이스에서 이틀 전 상태의 데이터를 쿼리한다면 데이터베이스 스냅샷 또는 해당데이터베이스의 독점 기능에 의존해야 할 수 있다. 스냅샷과 백업은 오래된 데이터 집합을 비교하는 개발자나 데이터 과학자에게는 충분할 수 있지만, 데이터가 어떻게 변경되었는지를 추적하기 위한 툴로는 충분하지 않다. 

사용자와 시스템이 데이터를 어떻게 수정하는지 더 자세히 알아야 할 이유는 많다. 다음과 같은 질문에 답할 수 있는 역량을 갖추는 것이 중요하다. 
 
  • 데이터를 변경한 사용자 또는 비즈니스 프로세스는 무엇인가? 
  • 변경을 수행한 툴 또는 기술은 무엇인가? 
  • 데이터가 어떻게 변경되었는가? 알고리즘, 데이터 흐름, API 호출에 의해서인가 아니면 사람이 양식에 데이터를 입력한 결과로 변경되었는가?  
  • 레코드, 문서, 노드, 필드 또는 속성이 어떻게 변경되었는가? 
  • 변경이 수행된 시점은 언제이며, 사람이 변경했다면 변경 당시 지리적으로 어디에 위치해 있었는가? 
  • 변경이 발생한 이유는 무엇인가? 어떤 맥락에서 이루어졌는가? 
 

데이터 계보의 이해 

데이터 계보(Data Lineage)는 데이터의 라이프사이클을 노출하고 데이터가 누구에 의해, 언제, 왜, 어떻게 변경되었는지에 관한 질문에 답하는 데 도움이 되는 방법론과 툴로 구성된다. 메타데이터 관리 내의 한 분야이며, 데이터 소비자가 의사 결정 및 기타 비즈니스 목적으로 현재 활용 중인 데이터의 컨텍스트를 이해할 수 있도록 하는 데이터 카탈로그의 주요 기능이다. 

데이터 계보를 설명하는 한 가지 방법은 데이터의 GPS다. 즉 “완전히 매핑된 경로를 세부적으로 안내하고 시각적 개요를 제공한다. 또한 데이터 계보와 테스트, 샌드박스가 데이터 거버넌스의 기술적인 실행 방식이자 자동화 기회가 되는 데이터거브옵스(datagovops)의 핵심적인 실행 방식으로 보는 시각도 있다. 

데이터 계보를 캡처하고 파악하는 것은 다음과 같은 여러 이유에서 중요하다. 

규정 준수 요구사항. 많은 조직은 정부 규제 기관을 만족시키기 위해 데이터 계보를 구현해야 한다. 금융투자회사가 BCBS 239 및 MiFID II 규정을 준수하려면 위험 관리 및 보고에서의 데이터 계보가 필수적이다. 대형 은행의 경우 소스 시스템에서의 계보 추출을 자동화하면 상당한 IT 시간을 절약하고 위험을 낮출 수 있다. 약물 임상에서 ADaM 표준은 분석과 소스 데이터 간의 추적 가능성을 요구한다. 그 외에 GDPR, 개인정보보호 및 전자문서법(PIPEDA), 캘리포니아 소비자개인정보보호법(CCPA)과 같은 규정에서도 특히 개인 데이터와 민감한 데이터를 추적하기 위해 데이터 거버넌스와 데이터 계보 기능을 구현할 것을 요구한다. 

데이터 기반의 문화. 시민 데이터 과학 프로그램을 개발하고 주요 성과 지표 대시보드를 구축하고 하이브리드 BI를 관리하는 등 데이터 기반 조직이 되기 위한 단계를 수행하는 조직은 데이터 계보와 관련해서 실수하기 쉽다. 대시보드의 금융 데이터가 크게 변경되는 경우 대부분의 경영진은 이 변경을 유발한 요인이 무엇인지 알고 싶어한다. 주제 전문가가 데이터를 신뢰하지 않는다면, 시민 데이터 과학 및 기타 셀프서비스 BI 프로그램이 힘을 얻기 어렵다. 데이터 계보 툴은 쿼리하는 데이터, 보고하는 데이터 또는 데이터 시각화를 구축하는 데이터에 관한 데이터 소스와 흐름, 규칙을 더 잘 이해할 수 있게 해준다. 

투명성. 제품, 서비스 및 워크플로우를 개발하는 조직은 데이터 품질을 개선하고 마스터 데이터 허브를 만들거나 마스터 데이터 관리에 투자하고자 한다. 이러한 접근 방법은 일반적으로 비즈니스 규칙과 변경에 대한 투명성을 제공하기 위한 수단으로 데이터 계보를 포함한다. 사용례로는 고객 360 기능의 성숙화, 디지털 마케팅 프로그램 확장, 고객 경험 이니셔티브의 우선 순위 분류, 전자상거래 점포 최적화, 공급망 투명성 확보 등이 있다. 

분석과 머신러닝. 데이터 계보는 모델옵스와 머신러닝 라이프사이클 지원에도 중요하다. 데이터 계보를 캡처해서 분석하면 모델을 재학습시키거나 모델 드리프트를 줄여야 할 만큼 새롭거나 변경된 데이터가 충분히 많아지는 시점을 판단하는 데 도움이 된다. 그러나 머신러닝 모델은 서비스, 애플리케이션 및 하향 분석의 입력인 경우가 많으므로 전체 모델의 라이프사이클을 추적하는 것도 마찬가지로 중요하다. 

데이터, 분석, 머신러닝에 투자하는 조직이 증가하면서 데이터 거버넌스 실행 방식으로서의 데이터 계보가 갖는 중요성도 커지고 있다. 규정을 충족하기 위해 데이터 계보 기능의 수준을 높이는 경우도 있지만, 데이터 처리 투명성을 추구하는 조직도 있고, 데이터 계보를 데이터 및 분석의 민주화에서 핵심적인 역량으로 보는 시각도 있다. 
 

데이터 계보로 비즈니스 프로세스 개선 가능 

조직이 핵심 비즈니스 프로세스에서 데이터 계보와 툴을 사용하는 예는 다음과 같다. 
 



2021.04.07

“진화하는 데이터를 추적한다” 데이터 계보의 이해와 중요성

Isaac Sacolick | InfoWorld
데이터베이스는 데이터를 삽입, 업데이트, 쿼리, 삭제하고 데이터의 현재 상태를 나타내는 데 효과적이다. API가 현재 트랜잭션을 수행하고 애플리케이션이 정확한 레코드를 불러올 수 있도록 하기 위해 개발자는 데이터 일관성에 의존한다. 개발자 외에 데이터를 사용하는 역할로는 머신러닝 모델을 개발하는 데이터 과학자, 데이터 시각화를 생성하는 시민 데이터 과학자 등이 있다. 
 
ⓒ Getty Images Bank

SQL 또는 NoSQL 데이터베이스에서 이틀 전 상태의 데이터를 쿼리한다면 데이터베이스 스냅샷 또는 해당데이터베이스의 독점 기능에 의존해야 할 수 있다. 스냅샷과 백업은 오래된 데이터 집합을 비교하는 개발자나 데이터 과학자에게는 충분할 수 있지만, 데이터가 어떻게 변경되었는지를 추적하기 위한 툴로는 충분하지 않다. 

사용자와 시스템이 데이터를 어떻게 수정하는지 더 자세히 알아야 할 이유는 많다. 다음과 같은 질문에 답할 수 있는 역량을 갖추는 것이 중요하다. 
 
  • 데이터를 변경한 사용자 또는 비즈니스 프로세스는 무엇인가? 
  • 변경을 수행한 툴 또는 기술은 무엇인가? 
  • 데이터가 어떻게 변경되었는가? 알고리즘, 데이터 흐름, API 호출에 의해서인가 아니면 사람이 양식에 데이터를 입력한 결과로 변경되었는가?  
  • 레코드, 문서, 노드, 필드 또는 속성이 어떻게 변경되었는가? 
  • 변경이 수행된 시점은 언제이며, 사람이 변경했다면 변경 당시 지리적으로 어디에 위치해 있었는가? 
  • 변경이 발생한 이유는 무엇인가? 어떤 맥락에서 이루어졌는가? 
 

데이터 계보의 이해 

데이터 계보(Data Lineage)는 데이터의 라이프사이클을 노출하고 데이터가 누구에 의해, 언제, 왜, 어떻게 변경되었는지에 관한 질문에 답하는 데 도움이 되는 방법론과 툴로 구성된다. 메타데이터 관리 내의 한 분야이며, 데이터 소비자가 의사 결정 및 기타 비즈니스 목적으로 현재 활용 중인 데이터의 컨텍스트를 이해할 수 있도록 하는 데이터 카탈로그의 주요 기능이다. 

데이터 계보를 설명하는 한 가지 방법은 데이터의 GPS다. 즉 “완전히 매핑된 경로를 세부적으로 안내하고 시각적 개요를 제공한다. 또한 데이터 계보와 테스트, 샌드박스가 데이터 거버넌스의 기술적인 실행 방식이자 자동화 기회가 되는 데이터거브옵스(datagovops)의 핵심적인 실행 방식으로 보는 시각도 있다. 

데이터 계보를 캡처하고 파악하는 것은 다음과 같은 여러 이유에서 중요하다. 

규정 준수 요구사항. 많은 조직은 정부 규제 기관을 만족시키기 위해 데이터 계보를 구현해야 한다. 금융투자회사가 BCBS 239 및 MiFID II 규정을 준수하려면 위험 관리 및 보고에서의 데이터 계보가 필수적이다. 대형 은행의 경우 소스 시스템에서의 계보 추출을 자동화하면 상당한 IT 시간을 절약하고 위험을 낮출 수 있다. 약물 임상에서 ADaM 표준은 분석과 소스 데이터 간의 추적 가능성을 요구한다. 그 외에 GDPR, 개인정보보호 및 전자문서법(PIPEDA), 캘리포니아 소비자개인정보보호법(CCPA)과 같은 규정에서도 특히 개인 데이터와 민감한 데이터를 추적하기 위해 데이터 거버넌스와 데이터 계보 기능을 구현할 것을 요구한다. 

데이터 기반의 문화. 시민 데이터 과학 프로그램을 개발하고 주요 성과 지표 대시보드를 구축하고 하이브리드 BI를 관리하는 등 데이터 기반 조직이 되기 위한 단계를 수행하는 조직은 데이터 계보와 관련해서 실수하기 쉽다. 대시보드의 금융 데이터가 크게 변경되는 경우 대부분의 경영진은 이 변경을 유발한 요인이 무엇인지 알고 싶어한다. 주제 전문가가 데이터를 신뢰하지 않는다면, 시민 데이터 과학 및 기타 셀프서비스 BI 프로그램이 힘을 얻기 어렵다. 데이터 계보 툴은 쿼리하는 데이터, 보고하는 데이터 또는 데이터 시각화를 구축하는 데이터에 관한 데이터 소스와 흐름, 규칙을 더 잘 이해할 수 있게 해준다. 

투명성. 제품, 서비스 및 워크플로우를 개발하는 조직은 데이터 품질을 개선하고 마스터 데이터 허브를 만들거나 마스터 데이터 관리에 투자하고자 한다. 이러한 접근 방법은 일반적으로 비즈니스 규칙과 변경에 대한 투명성을 제공하기 위한 수단으로 데이터 계보를 포함한다. 사용례로는 고객 360 기능의 성숙화, 디지털 마케팅 프로그램 확장, 고객 경험 이니셔티브의 우선 순위 분류, 전자상거래 점포 최적화, 공급망 투명성 확보 등이 있다. 

분석과 머신러닝. 데이터 계보는 모델옵스와 머신러닝 라이프사이클 지원에도 중요하다. 데이터 계보를 캡처해서 분석하면 모델을 재학습시키거나 모델 드리프트를 줄여야 할 만큼 새롭거나 변경된 데이터가 충분히 많아지는 시점을 판단하는 데 도움이 된다. 그러나 머신러닝 모델은 서비스, 애플리케이션 및 하향 분석의 입력인 경우가 많으므로 전체 모델의 라이프사이클을 추적하는 것도 마찬가지로 중요하다. 

데이터, 분석, 머신러닝에 투자하는 조직이 증가하면서 데이터 거버넌스 실행 방식으로서의 데이터 계보가 갖는 중요성도 커지고 있다. 규정을 충족하기 위해 데이터 계보 기능의 수준을 높이는 경우도 있지만, 데이터 처리 투명성을 추구하는 조직도 있고, 데이터 계보를 데이터 및 분석의 민주화에서 핵심적인 역량으로 보는 시각도 있다. 
 

데이터 계보로 비즈니스 프로세스 개선 가능 

조직이 핵심 비즈니스 프로세스에서 데이터 계보와 툴을 사용하는 예는 다음과 같다. 
 



X