사회적 영향력을 위한 오픈 데이터 프레임워크

마이크로소프트는 오늘날 세계가 직면한 중대한 사회적 문제를 해결하는 데 데이터가 핵심적 역할을 한다고 믿습니다. 전 세계적인 팬데믹은 코로나19로 인한 난제를 이해하고, 평가하며, 해결하기 위한 조치를 취하는 데 데이터가 얼마나 중요한 역할을 하는지 보여주었습니다. 그러나 규모에 상관없이 거의 모든 조직이 여전히 데이터를 업무에 효과적으로 활용하는 데 어려움을 겪고 있습니다. 데이터가 제공하는 가치에도 불구하고, 많은 조직이 성과를 개선하기 위해 데이터의 힘을 제대로 활용하지 못하고 있습니다.

이러한 어려움의 일부는 ‘데이터 격차’에서 비롯됩니다. 이는 혁신을 촉진하고 문제를 해결하는 데 필요한 데이터에 효과적으로 접근할 수 있는 국가 및 기관과 그렇지 못한 주체들 사이에 존재하는 격차를 말합니다. 이러한 격차를 해소하기 위해 마이크로소프트는 2020년 ‘오픈 데이터 캠페인’을 시작하여, 혁신을 주도하는 보다 개방적인 데이터와 데이터 협력을 실현하고자 합니다.

이번 캠페인과 파트너인 오픈 데이터 인스티튜트 ( Open Data Institute ) 및 더 고브랩( The GovLab)과 함께 진행해 온 활동을 통해 우리가 얻은 핵심 교훈 중 하나는, 성과를 개선하기 위해 데이터에 접근하고 이를 활용하는 능력은 단순히 기술적 도구나 데이터 그 자체를 넘어 훨씬 더 광범위한 요소를 포함한다는 점입니다. 효과적인 데이터 협업과 의사결정을 촉진하는 경험과 사례를 활용하고 공유할 수 있는 능력 또한 중요합니다. 이는 특히 정부, 다자간 기구, 비영리 단체, 연구 기관 등 중요한 사회 문제, 특히 개발도상국이 직면한 문제를 해결하기 위해 데이터를 개방하고 재사용하고자 하는 주체들과 협력할 때 더욱 그러합니다.

다시 말해, 단순히 데이터와 기술에 접근할 수 있다고 해서 마법처럼 가치가 창출되거나 성과가 개선되는 것은 아닙니다. 오픈 데이터와 데이터 협력을 최대한 활용하려면, 조직의 리더십이 어떻게 데이터를 조직의 사명에 부합하도록 활용할지, 데이터를 통해 어떤 질문에 답할지, 팀원들이 데이터를 활용하기 위해 필요한 역량은 무엇인지, 그리고 데이터로부터 더 많은 통찰력과 혜택을 얻기 위해 협력자 및 서비스 대상 커뮤니티 간 신뢰를 어떻게 구축하고 강화할지 고민해야 합니다.

‘사회적 영향력을 위한 오픈 데이터 프레임워크’는 리더들이 데이터를 활용해 자신들에게 가장 중요한 과제를 해결하는 데 사용할 수 있는 도구입니다. 모든 데이터를 공개적으로 접근 가능하게 만들 수는 없다는 점을 인정하면서도, 신뢰할 수 있는 데이터 협력 형태이든 진정으로 개방적이고 공개된 데이터 형태이든, 더 많은 오픈 데이터를 확대함으로써 얻을 수 있는 막대한 이점을 우리는 인식하고 있습니다. 우리는 ‘사회적 영향’이라는 용어를 탄소 배출량 감축, 광대역 격차 해소, 취업 역량 강화, 접근성 및 포용성 증진과 같은 사회적 문제 해결을 향한 긍정적인 변화를 의미하는 데 사용합니다.

우리는 데이터를 개방하고 공유하며 협력함으로써, 전 세계가 직면한 가장 시급한 과제들을 해결하는 과정에서 새로운 통찰력을 도출하고, 더 나은 의사결정을 내리며, 효율성을 높일 수 있는 무한한 기회가 창출된다고 믿습니다.

버튼 데이비스
마이크로소프트 지적재산권 그룹 부사장 겸 부법무책임자

이 사이트는 법적 지침을 제공하기 위한 것이 아니며, 그러한 목적으로 의존해서는 안 됩니다. 본 프레임워크는 조직이 오픈 데이터를 발전시키고 사회적 공익을 위한 데이터 협업에 참여할 수 있도록 지원하는 자료를 제공합니다. 데이터 공유에는 위험이 따를 수 있습니다. 따라서 독립적인 법률 자문을 구하는 것이 좋습니다. 이 사이트에는 제3자 자료에 대한 링크가 포함되어 있습니다. Microsoft는 해당 링크의 사용 또는 제3자가 제공하는 자료에 대한 의존으로 인해 발생하는 어떠한 손실, 상해 또는 손해에 대해서도 책임을 지지 않습니다.

오픈 데이터 활용에 관심이 있는 기관들은 그 이점과 특정 프로젝트에 어떻게 적용할 수 있는지 이해하고 있을지 모르지만, 실제로 첫걸음을 내딛는 방법은 잘 모를 수 있습니다. 다음은 조직, 지역 사회, 그리고 더 넓은 세상의 과제를 해결하기 위해 오픈 데이터를 더 많이 활용하기 시작할 때 참고할 수 있는 간단한 로드맵입니다. 표시된 부분을 클릭하면 자세한 내용을 확인하고 이 프레임워크의 해당 섹션으로 이동할 수 있습니다.

1. 조직적 기반이 갖춰져 있는지 확인하십시오.

많은 조직에서 오픈 데이터 접근 방식을 도입하는 것은 문화적 변화를 의미합니다. 이해관계자들의 지지를 확보하고 계십니까? 데이터를 활용하기 위해 필요한 투자 규모를 평가해 보셨습니까? 이해관계자들 간에 신뢰 관계가 구축되어 있습니까? 다음 단계로 나아가기 전에 이러한 질문들에 대한 답을 확실히 마련해 두십시오.

자세한 내용은 리더십: 사회적 성과를 개선하기 위해 데이터를 활용할 준비가 되셨나요?

2. 데이터를 통해 어떤 질문에 답하고자 하는지 파악하십시오.

데이터 전략은 먼저 해결하고자 하는 질문을 파악하는 것에서 시작됩니다. 이러한 질문을 파악한 후에는 어떤 데이터 세트가 필요한지, 그리고 해당 데이터 세트에 접근할 수 있는지 여부를 결정할 수 있습니다.

자세한 내용은 기회: 데이터를 통해 어떤 질문에 답하고 싶으신가요?

3. 필요한 인재를 확보하십시오.

올바른 전략과 적절한 데이터 세트가 필요합니다. 하지만 프로젝트 전반에 걸쳐 분석과 통찰력을 제공할 수 있는 적합한 인력도 필수적입니다. 필요한 데이터 역량을 철저히 평가하고, 모든 팀원이 협력이 프로젝트의 핵심이라는 점을 확실히 이해하도록 해야 합니다.

자세한 내용은 재능: 데이터 분석에 필요한 재능이 있으신가요?

4. 지역 사회와의 신뢰를 쌓는다.

데이터가 제공하는 기회와 위험을 모두 효과적으로 관리할 수 있는 건전한 거버넌스 체계를 구축하십시오. 거버넌스 정책을 통해 이해관계자 간의 투명성과 커뮤니티 구성원 간의 포용성을 확보하고, 참여와 역량 강화를 도모하여, 오픈 데이터를 수집하고 활용하는 것이 왜 그들에게 이익이 되는지 명확히 이해할 수 있도록 해야 합니다.

자세한 내용은 커뮤니티 거버넌스: 데이터 활용과 관련해 커뮤니티 내에서 신뢰를 구축하셨나요?

5. 적절한 데이터 자원이 준비되어 있는지 확인하십시오.

광범위한 데이터 세트와 방대한 양의 데이터를 다루는 경우, 분석 및 데이터 시각화 도구는 필수적입니다. 마찬가지로, 책임감 있는 오픈 데이터 및 데이터 공유 협력을 위해서는 개인정보 보호 및 보안 요구 사항이 충분히 고려되어야 합니다.

자세한 내용은 기술과 데이터: 영향력을 발휘하고 강화하기 위해 어떤 솔루션과 리소스가 필요한가요?

인공지능(AI)은 현재 전 세계가 겪고 있는 디지털 전환의 핵심 축입니다. 산업 운영, 비즈니스 프로세스, 고객 관리 등 다양한 분야가 머신러닝을 통해 혁신을 이루고 있으며, 이는 더 많은 실험과 효율성, 신속성을 가능하게 합니다. 방대한 양의 데이터 수집, 저장 및 관리를 효율화함으로써 조직은 의사결정에 활용할 수 있는 보다 신뢰할 수 있는 통찰력을 얻을 수 있습니다.

방대하고 다양한 데이터 세트는 이러한 통찰력을 강화하거나 보완하는 데 도움이 될 수 있습니다. 누구나 제한 없이 접근하고, 활용하며, 공유할 수 있도록 공개된 ‘오픈 데이터’는 사용자가 문제를 더 빠르고 확실하게 해결하도록 돕습니다. 이는 더 빠른 혁신으로 이어질 뿐만 아니라, 예측 기능까지 갖추고 있어 더 정확한 전망을 도출할 수 있게 합니다. 이러한 이유로, 의료, 과학, 교육, 환경 등 다양한 분야에서 오픈 데이터가 제공하는 가치는 사회의 가장 큰 과제를 해결하는 데 있어 헤아릴 수 없을 만큼 큽니다.

대부분의 경우, 데이터 그 자체에 가치가 있는 것이 아니라, 그 데이터를 어떻게 활용하느냐에 따라 가치가 결정됩니다. 이러한 맥락에서 데이터의 몇 가지 경제적 특성을 살펴보는 것도 중요합니다. 데이터는 비경합적(non-rivalrous)인 특성을 지닙니다. 즉, 많은 사람이 반복적으로 사용해도 가치가 감소하지 않으며, 네트워크 효과를 창출하는 데 활용될 수 있습니다. 예를 들어, 더 많은 데이터는 더 우수한 AI를 만들어내고, 이는 다시 더 많은 사용을 유도하여 더 많은 데이터를 생성하는 선순환 구조를 이룹니다.

데이터를 공개하거나 접근성을 높이는 것은 데이터를 고립된 상태로 두는 것보다 더 큰 가치를 창출할 잠재력을 지니며, 막대한 공공 가치를 실현할 수 있습니다. 사용자가 해당 데이터를 다른 데이터 세트와 결합하거나 새로운 맥락에서 활용하면, 원래 용도에서는 드러나지 않았던 새로운 통찰력을 발견할 수 있습니다. 오픈 데이터 정책 연구소(Open Data Policy Lab) 가 9R 프레임워크에서 언급한 바와 같이, 더 많은 오픈 데이터는 재현성을 가능하게 하여 다른 사람들이 동일하거나 유사한 연구를 수행할 수 있게 함으로써 결과에 대한 신뢰도를 높일 수 있습니다.

핵심은 단순히 데이터를 다른 사용자에게 전달하는 것이 아니라, 그들과 협력하여 데이터가 어떻게 활용되고 있는지, 그리고 그러한 활용을 통해 얻은 혜택을 어떻게 다시 커뮤니티와 공유할 수 있는지 이해하는 데 있습니다. 데이터의 가치는 새로운 의미와 해결책을 도출하는 데 어떻게 활용되느냐에 따라 결정됩니다. 데이터를 공개하면, 데이터를 폐쇄적으로 관리할 때 발생할 수 있는 활용 기회와 가치의 상실을 방지할 수 있습니다. 이것이 바로 오픈 데이터의 협력 정신입니다. 그 가치는 무한합니다.

데이터의 가치에 대해 더 자세히 알아보시려면 오픈 데이터 인스티튜트(Open Data Institute)의 ‘데이터의 가치(The Value of Data )’ 보고서를 참고하시기 바랍니다.

데이터 공개와 관련하여 우려되는 점 중 하나는 민감한 데이터가 유출될 위험일 수 있습니다. 개인의 사생활을 보호하고 기밀 정보나 상업적으로 민감한 정보를 보호하는 것은 법률에 의해 요구되거나 계약에 의해 규정될 수 있습니다. 또한 조직은 민감한 데이터를 공유할 때 발생할 수 있는 평판, 윤리적, 상업적 위험도 고려해야 합니다.

데이터 공유 생태계의 이해관계자를 보호하고 데이터 공유에 대한 신뢰를 구축하기 위해서는 적절한 법적, 기술적, 조직적 수단을 통해 민감한 데이터를 보호하는 것이 중요합니다. 하지만 이러한 요건이 조직이 효과적인 데이터 전략을 추진하는 데 걸림돌이 되어서는 안 됩니다. 오히려 책임감 있는 데이터 공유를 위한 적절한 거버넌스 체계를 구축함으로써 필요한 수준의 보호를 달성할 수 있습니다.

예를 들어, 개인정보 보호 강화 도구를 활용하면 개인정보를 안전하게 보호할 수 있습니다. 차등 프라이버시, 동형 암호화, 기밀 컴퓨팅, 익명화, 비식별화 등의 기술과 기법을 활용하면 개인의 프라이버시를 보호하는 동시에 조직, 연구자, 시민 사회가 데이터에 더 쉽게 접근할 수 있도록 지원할 수 있습니다. 이러한 기술이 모든 상황에 적합한 것은 아니지만, 특정 맥락에서는 유용하게 활용될 수 있습니다.

오픈 데이터 이니셔티브의 성과를 좌우하는 촉진 요인과 저해 요인에 대해 더 자세히 알아보시려면, The GovLab의 ‘오픈 데이터 영향 요인 주기율표’를 방문해 보시기 바랍니다.

오픈 데이터는 이해관계자들에게 더 많은 정보를 바탕으로 객관적인 결정을 내리는 데 도움이 되는 새로운 지식을 제공할 수 있습니다. 다양한 출처에서 확보한 추가 데이터 세트는 사용자가 문제를 더 명확히 파악하고 새로운 통찰력을 얻을 수 있도록 돕습니다. 흔히 말하듯, “모르는 것은 알 수 없다”는 말이 있듯이, 오픈 데이터는 사용자가 이전에는 전혀 생각하지 못했던 새로운 가능성을 발견할 기회를 제공합니다.

이러한 과정을 이끄는 것은 바로 오픈 데이터의 본질 그 자체입니다. 예를 들어, 데이터를 다양한 방식으로 분석하여 패턴을 도출함으로써 사용자가 해결하고자 하는 문제에 대한 다각적인 시각을 얻을 수 있습니다. 이러한 분석 결과는 대중과 공유되어 크라우드소싱을 통해 기존 결과를 보완하거나 아직 발견되지 않은 새로운 통찰을 창출할 수 있습니다. 더 넓은 범위에서의 공유와 인식 제고와 더불어, 오픈 데이터는 타인이 이에 화답하도록 장려하여 모두에게 이익이 되는 기여를 이끌어낼 수 있습니다.

예를 들어, 인도 자연보전협회(TNC)와 마이크로소프트는 기존의 공개 위성 이미지를 활용해 인도의 태양광 발전소에 관한 새로운 공개 데이터 세트를 구축하고 있습니다. 이 데이터는 태양광 프로젝트에 적합한 토지를 선정하는 데 영향을 미치는 요인을 파악하는 데 도움이 될 것이며, 궁극적으로 공공 기관이 태양광 에너지 개발을 더 효과적으로 계획하는 데 기여할 것입니다.

따라서 의사결정이 반드시 특정 조직 내의 데이터 세트만을 기반으로 이루어져야 하는 것은 아닙니다. 오픈 데이터는 타 기관이 공개한 데이터에 접근할 수 있게 해주며, 이를 통해 조직의 데이터에 추가적인 정보를 반영할 기회를 창출함으로써 최종 결과와 의사결정에 더 많은 정보를 제공할 수 있습니다.

앞서 언급한 바와 같이, 오픈 데이터는 사용자가 처음에는 고려하지 못했을 수도 있는 다양한 문제들을 파악하고 해결하는 데 도움을 줍니다. 또한 오픈 데이터는 기관들이 다른 데이터 세트와의 연관성을 파악하는 데도 기여합니다. 퍼듀 대학의 ‘식량 및 농업 취약성 지수(Purdue Food and Agricultural Vulnerability Index )’는 매우 다양한 오픈 데이터 세트를 활용하여 코로나19가 농업 생산과 농민 및 농업 근로자의 건강에 미치는 영향에 대한 새로운 통찰력을 도출해 냈습니다.

더 많은 데이터에 접근할 수 있게 되면 통찰력을 더 빠르게 얻을 수 있습니다. 이를 통해 사용자는 새로운 아이디어를 자유롭게 시도해 보고, 이전에는 알지 못했던 상관관계를 발견하거나, 탐색 단계를 더 오래 이어갈 수 있습니다. 데이터가 지속적으로 드러남에 따라, 기존 방식보다 더 효율적인 방식으로 새로운 가능성이 열리게 됩니다.

오픈 데이터를 활용한 과학 분야의 획기적인 성과들은 이미 오픈 데이터가 연구자들에게 중요한 모델이 됨을 보여주었으며, 이는 연구 프로토콜의 공유, 결과 보고 및 확산, 코드 공유 등을 촉진합니다. 사실 모든 연구의 본질은 제3자의 검증을 유도하기 위해 데이터가 검색 가능하고, 접근 가능하며, 재사용될 수 있도록 보장하는 데 달려 있습니다.

오픈 데이터가 지닌 가치는 바로 이러한 문을 열어젖히고, 공공의 이익을 위한 연구와 혁신을 촉진한다는 점입니다. 예를 들어, 특정 보건 데이터를 공유하거나 공개한 것은 코로나19 바이러스 퇴치를 위해 개발된 백신과 같은 치료법 개발을 가속화하는 데 기여했습니다. 이러한 경험에서 얻은 교훈을 바탕으로 미국은 보다 신속한 연구를 지원하기 위해 수십억 달러를 배정했습니다. 미국 국립보건원(NIH)은 현재까지 코로나19 연구 프로젝트를 지원하기 위해 약 49억 달러의 자금을 지원했습니다. 이러한 프로그램에 오픈 데이터 원칙을 반영하면 연구 속도를 높일 수 있으며, 이는 현재의 팬데믹은 물론 앞으로 닥칠 위기 상황에도 도움이 될 것입니다.

• 맥킨지 글로벌 인스티튜트(McKinsey Global Institute)가 2013년에 발표한 보고서에 따르면, 연간 3조 달러 규모로 추산되는 오픈 데이터 시장은 공공 부문의 오픈 데이터와 기업이 보유한 공유 데이터를 결합함으로써 창출되는 가치를 핵심으로 하고 있다.
• 2014년, 라테럴 이코노믹스(Lateral Economics)는 오픈 데이터가 G20에 가져다줄 잠재적 가치가 연간 약 2조 6천억 달러에 달할 것으로 추산했으며, 이는 2014년부터 2019년까지 G20 국가들의 누적 국내총생산(GDP)의 약 1.1%를 차지하거나, G20의 2% 추가 성장 목표의 55%에 해당하는 수준이라고 밝혔다.
• 2020년 유럽 데이터 포털(European Data Portal)은 2019년 EU28+의 오픈 데이터 가치를 1,844억 5천만 유로로 추산했으며, 2025년까지 1,995억 1천만 유로에서 3,342억 유로 사이로 증가할 것으로 전망했다. 이 보고서는 고용 현황도 분석했는데, 2019년 오픈 데이터 관련 종사자는 109만 명이었으며, 2025년까지는 112만 명에서 197만 명에 달할 것으로 전망했다.
• 런던교통공사(Transport for London)는 자사의 공개 데이터를 활용한 민간 기업들이 런던 경제에 연간 1,200만~1,500만 파운드를 기여하고 있다고 밝혔다.

기업들이 데이터 공유를 적극적으로 도입하고 있는 이유에 대한 추가적인 통찰과 사례 연구를 보시려면, 오픈 데이터 인스티튜트(Open Data Institute)의“기업이 데이터를 공유해야 하는 7가지 이유”를확인해 보세요.

데이터 협업 및 공익을 위한 데이터 재사용의 비즈니스적 타당성에 대해 더 자세히 알아보시려면, 오픈 데이터 정책 연구소(Open Data Policy Lab)의 ‘9R 프레임워크’를 참고하시기 바랍니다.

‘사회적 영향력을 위한 오픈 데이터 프레임워크’는 지도자들이 데이터를 활용하여 탄소 배출량 감축, 광대역 격차 해소, 취업 역량 강화, 접근성 및 포용성 증진 등 중요한 사회적 문제를 해결하는 데 활용할 수 있는 도구입니다. 본 프레임워크는 데이터 생태계 전반에 걸쳐 활동하는 조직의 지도자들(정부, 비영리 단체, 다자간 기구 등)이 중요한 사회적 문제 해결에 도움이 될 통찰력과 해결책을 도출할 수 있도록 안내하기 위해 마련되었습니다.

이 사이트는 조직이 데이터를 활용해 사회적 성과를 개선하고자 할 때 고려해야 할 다섯 가지 주제 영역, 즉 리더십, 기회, 역량, 지역사회 거버넌스, 기술 및 데이터를 제시합니다. 또한 이에 대한 질문을 제안하고, 답변을 도출하는 데 도움이 될 만한 자료들을 제공합니다. 이러한 개념들은 실제 오픈 데이터 프로젝트의 사례를 통해 생생하게 소개됩니다. 아울러 조직 리더들이 오픈 데이터 도입을 시작하는 데 활용할 수 있는 로드맵도 마련되어 있습니다.

이 프레임워크는 오픈 데이터와 데이터 협력을 위한 기반을 마련하는 데 도움이 되는 도구로 활용될 수 있습니다. 하지만 사회적 영향력을 창출하기 위해 데이터를 활용하고자 하는 분들에게 도움이 될 만한 훌륭한 자료는 이 외에도 많이 있으며, 그중 일부는 본 사이트 곳곳에서 소개하고 있습니다.

이 프레임워크는 조직의 리더들이 다음 질문들을 통해 고민하도록 안내함으로써, 오픈 데이터 및 데이터 협업 문화를 조성합니다:

1. 리더십: 사회적 성과를 개선하기 위해 데이터를 활용할 준비가 되셨습니까?

2. 기회: 데이터를 통해 어떤 질문에 답하고 싶으신가요?

3. 역량: 데이터 분석에 필요한 소질이 있습니까?

4. 커뮤니티 거버넌스: 데이터 활용과 관련해 커뮤니티 내에서 신뢰를 구축하셨습니까?

5. 기술 및 데이터: 영향력을 측정하고, 실현하며, 강화하기 위해 어떤 솔루션과 자원이 필요합니까?

조직의 리더들은 까다로운 과제를 해결하기 위해 데이터를 활용하려 할 때 다양한 우려나 저항에 직면할 수 있습니다. 어떤 경우에는 데이터 과학자, 데이터 분석가부터 프로그램 관리자, 연구원에 이르기까지 데이터를 수집하고 분석할 수 있는 인력이 조직 내에 부족할 수 있습니다. 또 다른 경우에는 타 조직과 데이터 공유 거버넌스 체계를 구축하는 데 오랜 시간이 소요되어, 협업이 실질적인 성과를 거두기도 전에 중단되는 결과를 초래할 수 있습니다.

결국 대부분의 조직에게 있어 오픈 데이터 접근 방식을 도입하는 것은 문화적 변화입니다.

여기서 중요한 점은 조직마다 데이터 성숙도 수준이 각기 다르다는 사실을 인식해야 한다는 것입니다. 이는 혁신을 위해 데이터를 활용하려는 초기 단계부터, 데이터 혁신이 조직의 모든 수준에 뿌리내린 문화에 이르기까지 다양한 스펙트럼을 형성합니다. 조직이 이 스펙트럼의 어느 지점에 위치하든, 오픈 데이터 접근 방식을 도입하려면 조직의 데이터를 실제로 활용하고자 하는 확고한 의지를 가진 리더가 필요합니다. 이러한 의지는 다음과 같은 다양한 형태로 나타날 수 있습니다:

• 데이터 공유의 중요성을 강조하고 이에 대해 공개적으로 이야기하는 것.
• 데이터에서 통찰력을 도출하다.
• 협업과 지역사회 참여를 장려합니다.
• 주요 수혜자 및 잠재적 데이터 이용자와의 관계 구축.
• 데이터의 책임 있는 활용을 위한 틀 마련.

이 모든 조치는 이해관계자들 사이에 신뢰를 심어줄 수 있는, 신뢰할 수 있는 데이터 공유 방식을 구축하는 데 도움이 됩니다.

조직이 데이터를 혁신적으로 활용하여 우선순위가 높은 문제를 해결할 수 있도록 다음 단계를 고려해 보십시오:

• 데이터를 효과적으로 활용하려면 어떤 투자가 필요할까요?
• 데이터를 효과적으로 활용하기 위해서는 어떤 인센티브가 필요할까요?
• 내부 및 대외적으로 신뢰를 어떻게 구축하시나요? 귀사의 파트너 및 이해관계자는 누구인가요?
• 조직 내에서 데이터 기반 혁신을 단기 프로젝트가 아닌 장기적인 우선 과제로 삼도록 추진력을 어떻게 형성할 수 있을까요?

당연하게도, 데이터를 핵심 자원으로 여기는 조직에는 강력한 리더십이 필요합니다. 2021년 7월 Data Orchard가 발표한 설문조사에 따르면, 응답자의 63%는 자사 경영진이 데이터의 가치를 제대로 인식하지 못하고 있다고 답했다. 경영진이 적극적으로 참여하고 지원하며, 데이터에 대해 올바른 질문을 던지고, 그 가치를 활용하기 위해 적극적으로 나서고 있다고 답한 응답자는 3분의 1에 불과했다. 데이터 활용의 잠재력은 리더들이 데이터를 조직의 이익을 위해 활용하는 역량을 향상시킬 수 있는 중요한 기회를 제공한다.

뉴욕대학교(NYU)의 GovLab은 자율 학습 프로그램을 포함한 ‘데이터 스튜어드 아카데미’를 운영하고 있습니다. 이 과정은 전 세계에서 다양한 역할로 데이터 스튜어드 업무를 수행하는 사람들을 위해 마련되었으며, 이 역할은 체계적이고 지속 가능하며 책임감 있는 데이터 협력을 가능하게 하는 방식으로 앞서 언급한 질문들에 답하고자 합니다.

오픈 데이터 및 데이터 공유 이니셔티브를 실행하려면 문화적, 전략적, 운영적 변화가 모두 필요합니다. 성과에 대한 책임성, 신뢰, 투명성, 보안 등 이러한 이점의 잠재력을 실현하기 위해서는 리더십이 먼저 내부 장벽과 기타 조직적 저항 요인들을 해결해야 합니다. 여기에는 현 상태에 도전하거나, 대규모 개혁을 단행하거나, 새로운 위험을 감수하는 일이 포함될 수 있습니다. 이러한 모든 변화, 특히 대규모 조직에서 변화를 이끌어내기 위해서는 강력한 리더십과 헌신이 필수적입니다.

조직 문화를 데이터 중심적으로 전환하는 과정에서 세계보건기구(WHO)는 이러한 필요성을 끊임없이 입증하고 있습니다. 전 세계 8,000명 이상의 직원을 두고 6개 지역의 194개 회원국에 책임을 지고 있는 WHO의 경우, 디지털 전환 이니셔티브를 성공적으로 추진하기 위해서는 모든 수준에서 강력한 리더십과 실천이 필수적이었습니다.

다자간 기구인 WHO는 건강 증진, 세계 안전 보장, 취약 계층 지원이라는 사명을 바탕으로 전 세계적으로 적용 가능한 규범과 기준을 수립하는, 과학 및 증거 기반의 기관으로서 독보적인 지위를 차지하고 있습니다. 2017년 테드로스 아드하놈 게브레예수스 박사가 WHO 사무총장으로 임명되었을 때, 그는 데이터가 이 사명을 달성하고 ‘30억 목표’를 실현하는 데 있어 핵심적인 요소임을 인식했습니다. 이 목표는 더 나은 건강과 복지를 누리는 사람을 10억 명 더 늘리고, 저렴한 보편적 의료보장을 이용할 수 있는 사람을 10억 명 더 늘리며, 보건 비상사태로부터 더 잘 보호받는 사람을 10억 명 더 늘리는 것입니다.

2019년, 테드로스 박사는 자신의 비전을 공개적으로 발표하고 ‘데이터·분석·실질적 성과 창출국(DDI)’을 신설함으로써, WHO를 현대적이고 데이터 중심의 조직으로 탈바꿈시키겠다는 의지를 보여주었습니다. 이 부서는 데이터 격차를 시급히 해소하고, 데이터의 분산 현상을 줄이며, WHO의 종단간 데이터 프로세스 효율성을 높이기 위해 설립되었습니다. 특히 대내외 사용자를 위한 보건 데이터 및 자산의 통합과 더불어, 개인 및 민감 데이터 보안, 투명한 분석, 강력한 시각화 기법 등 현대 기술의 활용에 중점을 두었습니다.

WHO 지도부는 처음부터 데이터 거버넌스에 대한 전략적이고 일관된 접근 방식을 추진함으로써 내부 및 외부 이해관계자 모두와 신뢰와 지속성을 구축하기 위해 노력했습니다. 내부적으로는 고위 경영진으로 구성된 데이터 거버넌스 위원회를 구성하여 데이터 전략 및 정책에 대한 조직 차원의 방향을 설정했습니다. 또한 WHO 전 조직에 걸쳐 데이터 거버넌스 정책의 이행을 촉진하기 위해 모든 관련 프로그램과 각 지역이 참여하는 ‘데이터 허브 앤 스포크(Data Hub and Spoke) 협력체’를 출범시켰습니다. 고위 경영진은 협업 그룹 회의에 정기적으로 참석하여 지침을 제공함으로써 진전을 촉진하고, 새로운 데이터 거버넌스 체계를 제도화하기 위해 절실히 필요한 지지와 옹호를 제공하는 임무를 맡았습니다.

외부적으로는 WHO가 데이터 및 분석 역량을 강화하기 위해 외부 자문을 구하고 민간 부문을 포함한 비유엔 기구들과 협력했습니다. 2021년 6월과 9월에는 두 차례에 걸쳐 ‘보건 데이터 거버넌스 정상회의’를 개최하여 WHO, 회원국, 협력 기관 및 일반 대중을 한자리에 모아 모범 사례를 검토하고, 보건 데이터가 글로벌 공공재로서 갖는 필요성을 강조했습니다.

또한, WHO 지도부는 마이크로소프트, 아바네이드(Avanade) 등과의 협력을 통해 시기적절하고 신뢰할 수 있으며 실행 가능한 데이터를 바탕으로 의사결정을 내리는 데 필요한 기술 시스템을 개발하고 유지하기 위해 장기적인 투자를 단행했습니다. 이러한 투자의 결과로 세계보건데이터허브(WHDH)가 개발되었습니다. WHDH는 세계 보건 분야를 위한 세계 최초의 포괄적인 종단간(end-to-end) 솔루션으로, 프로세스를 간소화하고 모든 이해관계자가 데이터에 접근하고, 검색하며, 활용할 수 있도록 하는 것을 목표로 합니다.

이러한 변화 과정 전반에 걸쳐 WHO 지도부는 공개적인 발언을 통해, 대내외적으로 적극적으로 나서고 소통하며, 실행에 필요한 실질적인 도구(예: WHDH)와 행동 변화(예: 개정된 가치 헌장)에 장기적인 투자를 함으로써 이러한 의지를 보여 주었습니다. 데이터 중심 조직으로의 이러한 대규모 문화적 전환은 지도부의 의지가 없다면 불가능했을 것이며, WHO는 유사한 변화를 모색하는 다른 조직들에게 모범이 될 수 있습니다.

문제를 해결하고자 하는 이유를 파악하는 것은 꽤 간단한 일처럼 보입니다. 사실 “왜”라고 묻는 것은 너무나 당연해 보이기 때문에 이 단계가 종종 간과되기도 합니다. 하지만 “왜”라고 묻는 것은 프로젝트를 시작하고 지속 가능한 해결책을 유지하는 데 필수적입니다. 이는 조직 내 추진력을 구축하고, 이해관계자 참여를 유도하며, 프로젝트의 진전을 이끌고, 올바른 거버넌스 접근 방식을 도출하고, 데이터가 목적에 부합하는지 확인하며, 기술적 해결책을 구현하는 등 혁신의 전 과정에 걸쳐 필요합니다.

답을 찾고자 하는 질문을 파악하는 것이 가장 중요한 첫걸음입니다. 질문이 명확해지면, 이를 해결하고 문제를 해결하는 데 필요한 방안을 모색할 수 있습니다.

오픈 데이터가 해결에 도움이 될 수 있는 문제의 예로는 다음과 같은 것들이 있습니다:

• 저희 기관에는 지역 내 교통 계획 개선에 도움이 될 수 있는 데이터가 있습니다. 이 데이터를 의미 있고 책임감 있게 공유하려면 어떻게 해야 할까요?
• 저희 기관에서 인종 간 불평등에 관한 공개 데이터를 발표했습니다. 이 데이터의 활용을 어떻게 장려할 수 있을까요?
• 각 지역의 대기질을 개선하기 위해, 특히 저소득 및 중소득 국가에 영향을 미치는 오염원에 대해 가장 비용 효율적이고 공평한 대책은 무엇인가?

이 마지막 사례와 더불어, 관련 데이터 세트를 책임감 있게 활용한다면 해결할 수 있는 시급하고 중대한 다른 질문들에 대해서는 The GovLab의 ‘100대 질문 이니셔티브(The 100 Questions Initiative)’를 방문해 보시기 바랍니다.

이제 해결해야 할 과제를 파악했으니, 다음 단계는 조직이 그 해답을 찾아가는 과정에서 현재 어느 단계에 있는지 파악하는 것입니다. 이를 위해 현재의 데이터 생태계를 도식화해 보는 것이 도움이 될 수 있습니다. 데이터 생태계를 도식화하면 새로운 데이터 소스를 탐색하고, 기존 데이터 흐름을 활용하며, 개선이 필요한 부분을 파악하고, 동일하거나 유사한 문제를 해결하기 위해 노력하는 다른 이해관계자들을 식별하는 데 활용할 수 있습니다.

시작하는 한 가지 방법은 데이터 생태계 내의 데이터 주체들을 파악하고, 생태계 전반에 걸쳐 가치가 어떻게 교환되는지 파악하는 것입니다. 예를 들어, 가치는 데이터의 형태를 띨 수도 있지만, 피드백이나 지식의 교환일 수도 있습니다.

데이터 생태계 매핑 작업을 진행하려면 오픈 데이터 연구소(Open Data Institute)의 ‘데이터 생태계 매핑: 도구 및 지침’을 참조하십시오.

데이터에 대한 접근 권한을 제공하는 것은 이 작업의 핵심적인 부분일 수 있지만, 고려해야 할 유일한 요소는 아닙니다. 데이터 생태계 전반에 걸친 모든 이해관계자가 어떻게 가치를 실현할 수 있을지 더 폭넓게 고려하는 것 또한 중요합니다.

내부적으로는 고위 경영진이 이해관계자들의 지지를 확보하고, 조직 내에서 과제를 해결할 수 있는 추진력을 조성해야 합니다. 외부 이해관계자들은 이 사안이 자신들의 이익과 부합한다는 점을 이해하고, 참여할 동기를 부여받아야 합니다. 다시 말해, 그들은 “나에게 어떤 이득이 있는가?”라는 질문에 대한 답을 필요로 할 것입니다.

이해관계자의 이익을 고려하는 것은 궁극적으로 신뢰를 쌓는 데 도움이 됩니다. 여기에는 그룹 데이터 생태계 매핑 세션에 참석하는 등, 가치 교환에 관한 논의에 이해관계자를 참여시키는 것이 포함될 수 있습니다.

데이터 현황을 파악하는 것은 쉽지 않은 일입니다. 해결하고자 하는 질문을 명확히 정의하면, 데이터 세트를 식별하는 단계는 훨씬 수월해집니다. 보유한 데이터를 검토하고, 문제 해결에 필요한 공개 및 공유 데이터가 무엇인지 파악하십시오. 이를 위해 다음과 같은 방법을 활용할 수 있습니다:

• 체크리스트 활용하기 보유하고 있는 데이터가 무엇인지, 그리고 그 데이터를 통해 무엇을 할 수 있는지 파악하기 위해, 예를 들어:
  • 이 데이터셋은 어떤 내용으로 구성되어 있나요?
  • 어떤 측면을 보호해야 하며, 해당 데이터의 기밀성은 어느 정도인가요?
  • 데이터의 출처는 어디인가? 데이터의 ‘계보’를 파악하는 것은 데이터의 신뢰성 있는 활용을 촉진하는 핵심 요소입니다. 여기서 ‘계보’란 데이터 세트의 품질을 의미하며, 데이터 세트의 출처(예상 신뢰도, 확신도, 위험도 등의 지표 포함)를 비롯한 여러 요소를 바탕으로 합니다.
  • 데이터는 어디에 저장되나요?
  • 이것은 어떤 용도로 사용될 예정인가요?
  • 접근이나 이용에 제한이 있나요?
• 데이터의 부족한 부분을 파악하고, 프로젝트에 기여할 수 있는 파트너를 찾거나 오픈 데이터를 확보할 수 있는 자원을 발굴한다 .
• Azure Open Datasets, GitHub 및 Microsoft Research Open Data에서 오픈 데이터 조건에 따라 공개된 데이터셋과 같이, 공개적으로 이용 가능한 데이터셋을 활용합니다.
• 내부 데이터 세트를 외부 공유에 대비하여 준비합니다. 공개 데이터로 제공할 수 있는 데이터의 경우, ‘커뮤니티 데이터 라이선스 계약 – 허용형, 버전 2.0 (CDLA-Permissive-2.0)’ 또는 다른 오픈 데이터 라이선스를 활용하여 데이터를 공유하는 것이 좋습니다. 이용 약관은 사용자가 데이터 사용에 적용되는 조건과 제한 사항을 이해하는 데 도움이 됩니다. 적절한 약관을 첨부하면 해당 데이터를 공개 데이터로 명확히 표시하고, 재사용에 대한 명확성을 제공하며, 혁신을 촉진할 수 있습니다. 비영리 단체는 데이터 협력을 구축하기 위한 간소화된 법적 템플릿이 포함된 Microsoft 비영리 혁신 허브( Microsoft Nonprofit Innovation Hub)를 이용할 수 있습니다.
• 같은 문제를 해결하고자 노력하는 다른 기관이나 이해관계자들과 협력하는 것.

2021년 초, 오픈 데이터 인스티튜트(Open Data Institute)와 마이크로소프트는 데이터를 중심으로 협력하는 기관들이 직면한 과제를 보다 효과적으로 해결할 수 있도록 돕기 위해 ‘피어 러닝 네트워크(Peer Learning Network )’를 출범시켰습니다. 여기에는 참가자들과 다른 이해관계자들 간의 신뢰 및 신뢰성과 관련된 문제들을 탐구하는 내용도 포함되었습니다.

첫 번째 워크숍에서 참가자들은 데이터 생태계 매핑 도구를 통해 각자의 생태계 내에서 데이터와 가치의 흐름을 파악하는 방법을 배웠습니다. 여기에는 신뢰가 형성된 부분과 그렇지 않은 부분이 데이터 흐름이 창출하는 가치에 어떤 영향을 미치는지 파악하기 위해 신뢰할 수 있는 생태계 지도를 개발함으로써, 데이터 공유의 장벽을 극복하는 방안도 포함되었습니다.

피어 러닝 네트워크(Peer Learning Network)의 협력 프로젝트 중 하나인 ‘Caring for Equality’는 아르헨티나 부에노스아이레스 시 정부, 글로벌 개발 센터(Center for Global Development), 오픈 데이터 헌장(Open Data Charter)이 공동으로 추진한 사업으로, 여성의 경제적 자립을 저해하는 돌봄 업무와 관련된 불평등 격차를 해소하는 것을 목표로 했다. 여러 민간 및 공공 출처의 데이터를 활용하여, 각 팀은 부에노스아이레스의 상황을 파악하고 정책 수립을 개선하며 시민들에게 책임을 다할 수 있는 정보를 제공하는 '돌봄 지표 시스템'을 구축했습니다.

이번 협력 프로젝트에서는 ‘데이터 생태계 매핑’ 작업을 통해 데이터 제공자와 출처를 파악하고, 데이터에 접근 및 활용하는 방법을 모색하며, 정부 기관 간 및 정부 내 데이터 공유 시 발생할 수 있는 신뢰 문제를 어떻게 해결할지 논의했습니다. 이 작업을 통해 구축 중인 케어 시스템의 가치에 대한 공통된 이해를 바탕으로 이 이니셔티브를 추진해 나가는 데 도움이 될 중요한 결정 사항들이 도출되었습니다.

‘Caring for Equality’에 대한 자세한 정보는 여기에서 확인하실 수 있습니다.

런던이 2030년까지 탄소 중립 도시가 되겠다는 계획을 발표했을 때, 시내 전역과 인근 교외 지역에 걸쳐 보다 친환경적인 교통 수단을 모색할 필요가 있었습니다. 휘발유 및 디젤 차량에서 전기차로 전환하는 것이 탄소 배출 감축에 도움이 된다는 점을 감안할 때, 시 당국은 전기차 충전 인프라를 개선할 수 있는 기회를 더 깊이 파악해야 했습니다. 이를 위해서는 개발자와 충전소 운영자가 협력하여 전기차(EV) 소유자의 수요를 파악할 수 있는 보다 풍부한 데이터 세트를 구축할 수 있도록 해야 했습니다.

런던 내 전기차 충전 인프라를 어떻게 개선할 수 있을지 파악하기 위해 데이터 공유 시범 사업이 마련되었습니다. 이 민관 데이터 공유 프로그램을 통해 전기차 충전소 설치 후보지를 선정하는 데 필요한 통찰력을 도출했습니다. 이번 데이터 공유 시범 사업은 데이터 공유, 데이터 협업, 오픈 데이터가 런던의 전기차 충전 인프라 구축을 돕고, 궁극적으로 2030년까지 탄소 중립을 달성하려는 런던의 목표를 뒷받침할 수 있는 잠재력을 입증했습니다.

교통 행동 데이터, 충전 용량 데이터, 토지대장 데이터를 포함한 데이터셋을 통해, 시내에서 전기차 충전소 후보지로 추가 검토해야 할 2,000여 곳의 공공 부지를 파악할 수 있었다.

데이터의 투명성 덕분에 시 당국은 분석의 근거를 명확히 제시할 수 있게 되었으며, 이를 통해 전기차 충전 인프라에 대해 회의적인 시각을 가진 이들의 신뢰를 얻고 투자자들의 참여 의지를 고취하는 데 기여했습니다. 제3자는 해당 분석을 면밀히 검토하여 도출된 결론이 신뢰할 수 있고 정확한지 판단할 수 있습니다. 전반적으로, 이 프로젝트에서 오픈 데이터를 활용함으로써 데이터 공유를 통해 이처럼 대규모 사업에서도 인프라 관련 장벽을 극복할 수 있음을 보여주었습니다.

전기차 충전 인프라 시범 사업에 대한 자세한 내용은 여기에서 확인하실 수 있습니다.

조직이 문제를 해결하고 혁신을 이루기 위해서는 데이터에 대한 접근이 필수적인 것처럼, 해당 데이터를 다루는 데 필요한 역량을 갖추는 것 또한 모든 조직에 있어 매우 중요합니다. 그러나 링크드인(LinkedIn)의 통계에 따르면, AI 관련 기술 역량을 갖춘 인력의 약 절반이 기술 분야에서 근무하고 있어, 다른 조직이나 분야에서는 이러한 인력이 종종 부족합니다.

조직에서 데이터를 효과적으로 활용하고자 할 때, 원하는 통찰력과 해답을 도출하기 위한 계획을 수립하고 실행할 수 있는 인재를 확보하는 것이 매우 중요합니다. 그렇다고 해서 컴퓨터 과학자들로만 구성된 팀을 고용해야 한다는 뜻은 아닙니다. 오히려 데이터 분석가, 데이터 과학자, 소프트웨어 엔지니어, 연구원 등 다양한 직군과 전문성이 각기 다른 형태로 데이터를 다루고 있습니다. 필요한 인재는 해당 이니셔티브에 필요한 데이터 역량에 따라 결정됩니다.

해당 평가를 위해 귀 조직에서 활용할 수 있는 질문 체크리스트에는 다음이 포함될 수 있습니다:

• 확인된 과제를 해결하기 위해서는 어떤 핵심 데이터 역량이 필요할까요? 예를 들어, 기술적 역량으로는 데이터 처리를 위한 시스템 및 인프라 관리, 데이터 파이프라인 및 분석 구현, 데이터 시각화 또는 보고 등이 포함될 수 있습니다. 필요한 비기술적 역량으로는 자문형 요구사항 수집, 이해관계자 관리, 프로그램 관리 등이 있습니다.
• 현재 귀사에는 어떤 데이터 관련 역량이 갖추어져 있습니까?
• 어떤 분야에서 핵심 역량 부족이 가장 심각한가요?
• 이 공백을 메우기 위해 다른 기관과 협력할 수 있습니까, 아니면 조직 내부의 인력이 필요합니까?
• 새로운 인재를 채용해야 하나요? 현재 인력의 역량을 강화할 기회가 있나요?
• 현재 데이터 역량을 강화할 수 있는 교육 프로그램을 운영하고 계신가요? 어떤 교육 프로그램이 필요할까요?

학제간 팀을 위한 주요 기술 및 업무 역할에 대한 자세한 설명은 ‘AI 플레이북’에서 확인할 수 있으며, 여기에서 다운로드할 수 있습니다.

추가 자료는 오픈 데이터 연구소(Open Data Institute)의 ‘데이터 역량 프레임워크’를 참고하시기 바랍니다.

오픈 데이터를 활용한 크라우드소싱은 예상치 못한 해결책을 도출하고, 문제 해결 속도를 높이며, 사용자의 부담을 줄여줌으로써 조직이 어려운 문제를 해결하는 데 도움을 줍니다. 크라우드소싱은 연구를 수행하는 조직과 직접적인 연관이 있거나 없는 자원봉사자(또는 유급) 데이터 수집 요원을 활용하여 운영됩니다. 이들의 도움은 기존 역량과 시스템을 보완함으로써 궁극적으로 비용과 시간을 절감할 수 있습니다. 모바일 기술의 발전은 더 많은 사람들이 전 세계의 다양한 커뮤니티와 데이터에 더 쉽게 접근할 수 있게 됨에 따라 크라우드소싱의 대중화를 촉진하는 데 기여했습니다.

크라우드소싱의 장점으로는 다음과 같은 것들이 있습니다:

• 다양한 데이터. 기여자들은 전 세계 각지의 다양한 사용자를 대표할 수 있으므로, 그들의 의견은 가장 신뢰할 수 있는 결과를 도출하는 데 필요한 다양성을 반영할 가능성이 높습니다.
• 비용 절감. 데이터 수집을 아웃소싱함으로써 조직은 비용을 절감할 수 있으며, 조직 내부에서 데이터 세트를 수집, 정리 및 구조화하는 데 필요한 자원을 줄일 수 있습니다.
• 더 큰 신뢰. ‘크라우드소싱’이라는 용어 자체가 데이터를 특정 조직 외부에서 확보하고 다양한 기여자들의 참여를 이끌어낸다는 의미를 내포하고 있습니다. 이러한 특성 덕분에 이 과정은 신뢰성을 확보할 수 있습니다. 이러한 신뢰 증대는 대중의 연구 참여도를 높이는 데 기여할 수 있습니다. 

의료 분야에서 크라우드소싱의 좋은 예로는 Folding@home입니다. 이 단체이자 온라인 플랫폼은 크라우드소싱을 활용해 COVID-19의 원인이 되는 코로나바이러스를 구성하는 시뮬레이션을 가속화하고 새로운 치료법을 개발합니다.

세인트루이스 워싱턴 대학교 의과대학의 분자 생물물리학자인 그렉 보우먼 박사는 마이크로소프트 AI for Health와의 파트너십을 통해 전 세계 자원봉사자들에게 개인 컴퓨터의 연산 능력을 활용해 단백질 시뮬레이션을 실행하고, 생성된 데이터를 서버로 전송해 줄 것을 요청했습니다. 전 세계적 팬데믹을 해결하려는 공동의 열정 덕분에, Folding@home을 실행하는 기기 수는 불과 두 달 만에 약 1만 대에서 100만 대로 늘어났습니다. 보우만 박사는 오픈 데이터를 활용하는 이러한 크라우드소싱 방식을 기존 및 미래의 질병에 대처하기 위한 모델로 보고 있습니다.

“단일 데스크톱 환경에서는 해결하는 데 500년이 걸렸을 문제를, 우리는 불과 6개월 만에 해결할 수 있습니다,”라고 그는 말했다.

Folding@home과 그렉 보우먼 박사에 대해 더 알아보세요.

마이크로소프트의 ‘AI for Health’ 프로그램 및 프로젝트에 대한 자세한 내용은 여기에서 확인하실 수 있습니다.

사회 문제 해결을 위해 데이터를 활용할 때는 대개 거버넌스와 규정 준수라는 중요한 문제들이 수반됩니다. 또한 이러한 문제들을 데이터와 그 활용에 이해관계를 가진 이해관계자 커뮤니티의 맥락에서 바라보는 것이 중요합니다. 해당 커뮤니티와 견고한 관계를 구축하면 건전한 거버넌스를 촉진하고, 데이터 협력이나 관련 이니셔티브를 통해 예상치 못한 혜택을 가져올 수 있는 새롭고 허용 가능한 활용 방안을 찾아내는 데 도움이 될 것입니다. 이러한 기회가 커뮤니티의 신뢰를 얻을 때, 관련된 모든 조직, 개인 및 지역사회에 데이터 이니셔티브가 가져다주는 혜택을 증대시킬 수 있습니다.

건전한 거버넌스 체계는 위험을 완화하는 데 도움이 될 수 있습니다. 이러한 위험에는 법적·규제적 위험이 포함될 수 있지만, 대중의 신뢰와 평판에 대한 위험 또한 조직에 있어 매우 중요합니다. 이러한 위험은 공익을 위해 데이터에 대한 접근을 허용하지 않을 경우 발생할 수 있는 위험과 균형을 맞춰야 합니다. GovLab을 비롯한 여러 기관은 이 과정을, 데이터 주체에게 피해를 주는 무단 사용과 같은 ‘오용’과, 데이터 재사용을 통해 사람들의 삶을 개선할 기회를 놓치는 ‘미활용’을 모두 방지하는 방안을 모색하는 것으로 정의합니다. 다음은 초기 단계에서 신중하게 검토하고 적용할 경우, 위험 완화와 데이터 활용 기회 증대라는 두 가지 목표를 모두 달성하는 데 활용할 수 있는 거버넌스 고려 사항의 예시입니다.

만약 누구나 이해할 수 있는 데이터를 활용할 수 있게 된다면 어떨까요? 이를 위해 다음과 같은 사항들을 초기 단계부터 고려하여 계획을 수립할 수 있습니다:

• 이 이니셔티브의 거버넌스 및 운영 위원회의 투명성
• 이 계획의 목적에 대한 투명성
• 수집, 접근 또는 생성된 데이터의 투명성
• 데이터 사용이 관련 법규를 준수하는 방식에 대한 투명성
• 데이터 관리자 선정
• 데이터를 안전하게 저장하고 공유하기
• 개인정보 및 영업 비밀을 보호하는 방식으로 데이터에 대한 접근 권한을 제공하거나 데이터를 공유하는 것
• 다양한 이해관계자들에게 통찰력을 제공하여 혜택을 공유합니다
• 데이터의 수집, 활용, 저장 및 공유 방식에 대해 개인과 조직이 의견을 제시할 수 있도록 하는 방식을 활용하여

지역 사회가 지역 문제를 해결하는 데 도움이 되는 데이터를 수집할 수 있다면 어떨까요? 데이터를 활용해 포용의 장벽을 해소한다면 어떨까요? 이러한 질문에 대한 답은 대중에게 데이터를 새롭고 책임감 있는 방식으로 활용하는 것이 그들의 이익에 부합하며, 장기적으로 긍정적인 효과를 가져올 수 있음을 보여주는 데 도움이 될 것입니다.

데이터를 공유하고 활용할 수 있도록 보장하기 위해 어떤 메커니즘이 마련되어 있습니까? 고려해야 할 사항은 다음과 같습니다:

• 혁신을 촉진하고 데이터를 새롭고 흥미로운 방식으로 활용 및 결합할 수 있도록 데이터를 “가능한 한 개방적으로” 만드는 방법. 익명화 등의 방법을 통해 데이터를 신뢰할 수 있는 방식으로 공개하거나 공유할 수 있을까요?
• 공통 데이터 모델, 표준 또는 안정적인 식별자를 활용하여 데이터를 어떻게 상호운용 가능하게 만들 수 있을까요? 예를 들어, FAIR 원칙은 연구 데이터의 검색 가능성, 접근성, 상호운용성 및 재사용성을 향상시키기 위한 지침을 제공합니다.

이러한 목표를 구체화하는 것은 공정하고 개방적이며 신뢰할 수 있는 데이터 생태계를 위한 거버넌스 체계를 구축하는 데 큰 도움이 될 수 있습니다. 데이터 활용 방식을 수립하고 평가하는 데 유용한 도구로는 오픈 데이터 인스티튜트(Open Data Institute)의 ‘데이터 윤리 캔버스( Data Ethics Canvas)’가 있습니다.

이니셔티브의 전 과정에 걸쳐 거버넌스 프레임워크를 재검토하여 피드백 루프를 구축함으로써, 특히 목표가 변경될 경우 목표가 지속적으로 재평가되도록 해야 합니다. 거버넌스 결정은 이해관계자 그룹이나 거버넌스 위원회, 독립적인 데이터 관리자 등 독립적인 기구에 위임하는 것이 가장 적합하다고 판단할 수 있습니다. 결정 권한이 위임될 경우, 해당 결정이 이니셔티브의 취지에 부합하는 방향으로 이루어질 수 있도록 하는 지침이나 합의된 원칙적 접근 방식을 마련하는 것이 특히 중요할 수 있습니다.

또한, The GovLab의 ‘The Data Assembly’가 제시한 모델과 같이 직접적인 논의를 통해 데이터 접근 및 재사용의 원칙과 조건을 공동으로 마련하는 것은 데이터 협력을 위한 추가적인 사회적 수용을 이끌어낼 수 있다.

원칙에 입각한 거버넌스 접근 방식은 법적 및 규정 준수 측면을 넘어서는 거버넌스 체계를 구축하는 데 도움이 됩니다. 이는 여러 조직이 데이터 혁신 프로젝트에 참여하는 경우에 특히 유용합니다. 데이터 수집, 저장, 활용 및 공유에 적용할 원칙을 사전에 합의해 두면, 향후 해당 그룹이 자율적으로 의사결정을 내릴 수 있는 기반을 마련할 수 있습니다. 경우에 따라 이러한 원칙은 데이터 헌장에 명시될 수도 있습니다.

데이터 공유에 관한 정책과 원칙을 검토하고 평가하는 출발점으로, 마이크로소프트는 신뢰할 수 있는 데이터 협력을 위한 당사의 기여와 약속의 기반이 되는 다섯 가지 원칙을 발표했습니다. 이 원칙들이 오픈 데이터에 대한 폭넓은 논의에 기여하고, 다른 이들도 이를 바탕으로 발전시켜 나갈 수 있기를 바랍니다. 다섯 가지 원칙은 다음과 같습니다:

• 공개 – 우리는 중요한 사회적 문제와 관련된 데이터를 최대한 공개하기 위해 노력할 것이며, 이를 위해 직접 오픈 데이터를 제공하는 등 다양한 방안을 모색할 것입니다
• 활용성 – 우리는 누구나 데이터를 보다 유용하게 활용할 수 있도록 새로운 기술과 도구, 거버넌스 체계 및 정책 개발에 투자할 것입니다
• 역량 강화 – 당사는 조직이 자체적인 선택에 따라 데이터로부터 가치를 창출할 수 있도록 지원하고, 데이터를 효과적이고 자율적으로 활용할 수 있는 AI 인재를 양성할 것입니다
• 보안 – 필요한 경우 데이터 협업이 운영상 안전하게 이루어지도록 보안 조치를 시행할 것입니다
• 비공개 – 당사는 개인 식별 정보가 포함된 데이터 공유 협력 과정에서 조직이 개인의 개인정보를 보호할 수 있도록 지원할 것입니다

지역사회 거버넌스의 한 예로는 런던 데이터 위원회의 권고에 따라 2021년에 발표된 ‘데이터 헌장’이 있습니다.

데이터 기반 솔루션을 구현하는 것은 도시의 미래 성장에 영향을 미치는 문제들을 해결하는 데 있어 매우 중요합니다. 지방 당국과 민간 부문 간의 시너지가 없다면, 대기 질 개선, 통근 시간 단축, 대중교통 개선, 교통 체증 완화 등 시급한 문제들에 대한 해결책을 찾는 것은 불가능할 것입니다. 2019년 말, 기업 연합체인 런던 퍼스트(London First)는 공공 및 민간 기관들을 모아 런던 데이터 위원회(London Data Commission)를 구성했습니다. 런던 퍼스트, 아루프(Arup), 올리버 와이먼 포럼(Oliver Wyman Forum), 마이크로소프트(Microsoft) 등 실행 파트너로 구성된 프로젝트 팀이 주도한 이 데이터 위원회는 지방 당국과 민간 기업을 한데 모아 데이터를 가능한 한 개방적으로 공유하도록 했습니다. 데이터 위원회는 도시 데이터에 관한 권위 있는 비즈니스 대변인 역할을 수행하고, 데이터 품질 표준을 수립하며 개인정보 보호, 윤리, 신뢰와 같은 문제를 해결함으로써 데이터 공유 생태계를 구축하는 데 기여하는 임무를 맡았습니다. 2020년 9월, 런던 데이터 위원회는 '데이터 포 런던(Data for London)' 프레임워크에 대한 제안서를 마련했습니다. 이 프레임워크는 런던 데이터 위원회(London Data Board)와 런던 데이터 헌장(London Data Charter)의 설립을 권고했습니다.

런던 데이터 위원회의 권고에 따라, 런던 퍼스트(London First)는 이러한 권고 사항을 이행하고 런던 최고 디지털 책임자(CDO)와 지속적으로 협력하여 런던 데이터 위원회를 출범시키고 런던 데이터 헌장을 마련하기 위한 실무 그룹을 구성했습니다.

런던 데이터 헌장은 다음 일곱 가지 원칙을 기반으로 합니다: 런던 시민에게 혜택을 제공하며, 포용적인 혁신을 주도하고, 개인정보와 보안을 보호하며, 신뢰를 증진하고, 다른 이들과 경험을 공유하며, 확장 가능하고 지속 가능한 솔루션을 창출하고, 가능한 한 개방적인 자세를 유지합니다. 다양한 기업들이 이 원칙에 동참하고 있으며, 현재 이 헌장은 공공 프로젝트의 이익을 위해 런던의 기업계와 협력하여 데이터를 확보해 나가는 과정에서 달성해야 할 주요 단계들을 모색하고 있습니다.

런던 데이터 위원회에 대한 자세한 내용은 여기에서, 런던 데이터 헌장에 대한 자세한 내용은 여기에서 확인하실 수 있습니다.

오픈 데이터의 핵심은 해당 데이터를 활용하고 데이터 공유를 지원하기 위해 필요한 기술적 인프라입니다. 여기에는 데이터 분석 및 시각화 도구뿐만 아니라, 조직 내부 및 조직 간에 데이터를 쉽고 안전하게 접근하고 공유할 수 있게 해주는 기술과 플랫폼이 포함됩니다.

데이터 이니셔티브에 필요한 기술 및 플랫폼 요건을 파악하기 위해 고려해야 할 주요 요소는 다음과 같습니다:

• 해당 데이터는 기밀 정보인가요?
• 무엇을 보호해야 하며, 법적 또는 계약상 어떤 기준을 충족해야 합니까?
• 윤리적, 평판적, 상업적 측면을 고려할 때 무엇을 보호해야 할까요?
• 이 데이터는 어떤 목적으로 제공되는 것입니까?
• 이 데이터는 누구에게 제공되나요?
• 데이터를 다루기 위해서는 어느 정도의 기능이 필요한가요?
• 개인정보 보호 기술을 적용함으로써 필요한 수준의 유용성을 달성할 수 있을까?
• 필요한 표준에 따라 데이터 공유 및 접근을 용이하게 해주는 플랫폼에는 어떤 것들이 있습니까?
• 민감한 데이터의 경우, 접근 및 공유를 통제하기 위해 어떤 거버넌스 체계가 마련되어 있습니까?

GovLab의 ‘데이터 책임성 여정 (Data Responsibility Journey )’은 이러한 질문들을 대화형 방식으로 검토할 수 있도록 돕는 평가 도구입니다.

이러한 각 요소는 다양한 기술적 요구 사항을 시사할 수 있습니다. 예를 들어, 데이터 분석 도구는 추세를 파악하고, 문제점과 효율성을 식별하며, 예측을 하는 데 도움이 될 수 있습니다. 데이터 시각화 도구를 사용하면 작업 중인 데이터를 시각적으로 표현하고 조작할 수 있습니다.

개인정보 보호가 필수적인 상황에서는 익명화 및 비식별화와 같은 다양한 개인정보 보호 기법을 고려해야 합니다. 차등 프라이버시는 데이터 보호를 위협하지 않으면서 데이터를 보다 개방적으로 활용할 수 있도록 하는, 업계 주도의 기법입니다. 개념적으로 차등 프라이버시는 두 단계의 과정을 통해 개인정보 보호 효과를 달성합니다:

• 먼저, 개별 데이터 포인트가 미치는 영향을 숨기기 위해 각 결과에 노이즈가 추가됩니다. 이 노이즈는 개인의 프라이버시를 보호하기에 충분한 수준이지만, 분석가와 연구원이 도출한 답변의 정확도에 실질적인 영향을 미치지 않도록 설계되었습니다.
• 둘째, 각 쿼리를 통해 노출되는 정보의 양을 계산하여 전체 개인정보 유출 허용 한도에서 차감합니다. 개인정보 유출 허용 한도가 모두 소진되면 데이터는 폐기되며, 개인 정보 유출을 방지하기 위해 추가 쿼리는 허용되지 않습니다. 이는 시스템이 누군가의 개인정보를 침해할 위험이 있을 때 데이터 표시를 차단하는 내장형 차단 장치로 볼 수 있습니다.

보안과 관련하여, 적용해야 할 데이터 수명 주기 정책이나 현황은 물론, 조직의 보안 목표를 달성하기 위한 적절한 메커니즘을 고려하는 것이 중요합니다. 데이터에 대한 접근을 통제하고, 접근 권한이 부여된 사용자가 승인된 사용자이며 적절하게 인증되었는지 확인하는 것은 매우 중요하지만, 데이터의 종류와 사용 방식에 따라 추가적인 기술적 조치가 필요할 수 있습니다. 기밀 컴퓨팅은 사용 중인 데이터에 대한 암호화를 통해 보안을 제공함으로써 클라우드 내의 민감한 데이터를 보호하는 데 도움을 줍니다. 이는 데이터가 처리되는 동안 추가적인 보호 기능을 제공하며, 조직 간 협업을 더욱 원활하게 합니다.

코로나19 팬데믹이 시작된 지 8개월 만에, 오픈 데이터 인스티튜트(Open Data Institute)와 마이크로소프트는 원격 학습으로의 전환이 어린 학생들의 교육에 미치는 영향을 파악하기 위해 ‘교육 오픈 데이터 챌린지’를 시작했습니다.

챌린지 참가자들이 새롭고 유용한 데이터셋을 활용할 수 있도록, 마이크로소프트는 소프트웨어 및 서비스의 성능과 보안을 개선하기 위한 지속적인 노력의 일환으로 수집한 익명화 데이터를 바탕으로, 카운티 수준과 우편번호(ZIP 코드) 수준 모두의 ‘미국 광대역 사용률 데이터셋’을 공개했습니다. 우편번호 수준 데이터셋은 해당 우편번호 내 가구별 광대역 사용률을 세분화하여 보여주기 때문에, 데이터 개인정보 보호를 보장하기 위해 추가적인 조치를 취했습니다. 우리는 차등 프라이버시 기법을 적용하여 데이터 집계 결과에 노이즈를 추가했습니다. 또한 BroadbandNow도 참여하여 카운티 단위의 요금 및 광대역 통신사 데이터를 처음으로 공개했습니다.

‘교육 오픈 데이터 챌린지’에서는 데이터를 결합하고 시각화한 결과, 통찰력 있는 제안과 분석이 쏟아져 나왔다. 또한 이번 챌린지는 개인정보를 보호하면서도 더 많은 오픈 데이터를 제공할 수 있는 방안을 모색하는 계기가 되었다.

교육 오픈 데이터 챌린지에 대해 더 알아보기.

사회 혁신을 위해 데이터를 활용하고자 하는 리더들을 위해, 오픈 데이터 정책 연구소(Open Data Policy Lab)의 ‘데이터 스튜어드 아카데미: 공공 문제 해결을 위한 데이터 재사용 전략 수립’ 과정이 자율 학습 프로그램을 제공합니다.

사회 분야 기관들은 data.org의 ‘데이터 성숙도 평가’ 도구를 활용하여 현재 조직의 현황을 파악하고 이해하는 데 도움을 받을 수 있습니다.

데이터 생태계 매핑 작업을 진행하려면 오픈 데이터 연구소(Open Data Institute)의 ‘데이터 생태계 매핑: 도구 및 지침’을 참조하십시오.

데이터 환경과 데이터 이니셔티브가 운영되는 맥락을 평가하는 방법, 그리고 이니셔티브가 해결하고자 하는 문제를 파악하는 방법 등에 대한 자세한 내용은 오픈 데이터 인스티튜트(Open Data Institute)의 ‘데이터 환경 플레이북(Data Landscape Playbook)’을 참고하시기 바랍니다.

현직 인력의 역량을 강화하거나 기존 인력의 기술을 연마하기 위한 교육 프로그램의 경우, 활용할 수 있는 다양한 자원이 있습니다:

• 데이터 분석가를 위한 LinkedIn Learning 및 Microsoft Learn 과정. LinkedIn Learning의 자기 주도형 과정은 업계 전문가들이 직접 진행하며, Microsoft Learn 과정은 단계별 튜토리얼, 브라우저 기반의 대화형 코딩 및 스크립팅 환경, 과제 기반 성취도 시스템을 제공합니다.
• 데이터 및 AI 기초 분야에 대한 마이크로소프트 인증. 업계에서 인정받는 마이크로소프트 인증은 인재들이 마이크로소프트 기술을 활용해 해당 직무에서 역량을 발휘할 수 있는 기술과 능력을 입증하는 데 도움을 줍니다.
• 비영리 단체를 위한 마이크로소프트 디지털 스킬 센터. TechSoup Courses와 마이크로소프트가 비영리 단체를 위해 특별히 협력하여 제공하는 이 센터를 통해 엑셀, 파워 BI 등을 중심으로 한 마이크로소프트 제품 교육 과정을 수강할 수 있습니다.
• Microsoft Store를 통해 Microsoft 워크숍 및 교육 세션을 이용하실 수 있습니다. 기업 및 전문가를 위한 이 무료 실시간 교육 과정에는 입문 과정과 심화 과정이 포함되어 있습니다.
• Microsoft Viva Learning. Microsoft Teams의 Microsoft Viva Learning을 통해 주문형 교육을 이용할 수 있습니다.
• MySkills4Afrika 이니셔티브. MySkills4Afrika를 통해 전 세계 마이크로소프트 직원들은 아프리카 전역의 개인과 단체를 지원하기 위해 자신의 시간과 재능, 전문 지식을 기꺼이 기부하고 있습니다.

추가 자료는 오픈 데이터 연구소(Open Data Institute)의 ‘데이터 역량 프레임워크’를 참고하시기 바랍니다.

오픈 데이터 연구소(Open Data Institute)의 ‘데이터 윤리 캔버스 (Data Ethics Canvas)’는 데이터 활용 방안을 수립하고 평가하는 데 유용한 도구입니다.

GovLab의 ‘데이터 어셈블리(The Data Assembly )’는 직접적인 논의를 통해 데이터에 접근하고 이를 재사용하기 위한 원칙과 조건을 공동으로 마련하는 모델을 제시합니다.

2021년 말에 발표된 ‘런던 데이터 헌장’은 지역사회 거버넌스가 실제로 작동하는 사례입니다.

데이터 협업이나 이니셔티브를 위해 조직의 기술 및 자원 요구 사항을 평가할 때, The GovLab의 ‘데이터 책임 여정 (Data Responsibility Journey)’은 데이터 라이프사이클의 각 단계에서 고려해야 할 기회와 위험 요소를 정리해 주는 도구입니다.

마이크로소프트는 하버드대가 주도하는 OpenDP 이니셔티브와 협력하여, 차등 프라이버시 분야 최초의 오픈 소스 플랫폼인 ‘SmartNoise’를 출시했습니다. 누구나 이 플랫폼을 활용해 자신의 데이터 세트를 전 세계 사용자들이 널리 이용할 수 있도록 공개할 수 있습니다. 오픈 소스 코드와 예제 코드는 GitHub에서 확인할 수 있습니다.

기밀 컴퓨팅은 데이터 처리 중에 추가적인 보호 기능을 제공하는 ‘사용 중 데이터 암호화’를 통해 클라우드 내의 민감한 데이터를 안전하게 보호합니다. 기밀 컴퓨팅에 대한 유용한 소개 자료는 여기에서, 예제 프로젝트는 여기에서 확인하실 수 있습니다.

마이크로소프트는 다양한 사용 사례에서 보다 개방적인 데이터 활용을 지원하는 여러 기술을 보유하고 있습니다. 예를 들어, Azure Data Share는 조직이 여러 고객 및 파트너와 데이터를 간편하고 안전하게 공유할 수 있도록 지원하며, 내부 데이터와 파트너 데이터를 결합하여 새로운 통찰력을 얻을 수 있는 기능을 제공합니다.

GitHub는 세계 최대의 소프트웨어 개발 및 코드 호스팅 플랫폼입니다. GitHub는 데이터 프로젝트, 특히 소규모 데이터셋, 공동으로 버전 관리되는 데이터, 코드와 함께 저장된 데이터, 그리고 머신러닝 워크플로우에 자주 사용됩니다. GitHub는 다양한 형식의 데이터와 노트북을 렌더링할 수 있도록 지원합니다.