데이터 품질
Data Quality
데이터 품질은 데이터가 정해진 사용 목적에 얼마나 적합한지를 나타내며 정확성, 완전성, 일관성, 적시성, 유일성 같은 차원으로 측정합니다. 데이터 양이 많거나 오류가 없다는 한 조건만으로 판단하지 않습니다.
AI 보조 조사·작성 후 원문과 대조한 설명입니다. 사례·계산은 별도 출처 표기가 없는 한 이해를 위한 가상 예시이며 실제 고객 성과가 아닙니다.
데이터 품질은 무엇을 기준으로 보나요?
영국 정부 프레임워크는 품질을 사용 목적에 맞는 정도로 설명하고 정확성, 완전성, 일관성, 적시성 등 측정 가능한 차원을 활용합니다. 정부 데이터 품질 프레임워크 같은 데이터도 청구에는 충분하지만 실시간 재고 판단에는 늦을 수 있습니다. 품질 기준은 데이터를 만드는 팀의 편의가 아니라 그 값으로 결정을 내리는 사용자의 목적과 오류가 초래할 업무 영향을 기준으로 정해야 하며 기준이 다른 보고서끼리는 점수를 직접 비교하지 않습니다.
| 차원 | 질문 |
|---|---|
| 정확성 | 현실의 값과 맞는가 |
| 완전성 | 필수 값이 채워졌는가 |
| 일관성 | 시스템 간 정의가 같은가 |
| 적시성 | 의사결정 전에 갱신되는가 |
품질 규칙은 어떻게 정하나요?
지원 지침은 중요한 데이터와 필드를 먼저 고르고, 사용 목적에 맞는 규칙·목표·측정 주기를 정한 뒤 원인을 분석하도록 안내합니다. 데이터 품질 실행 지침 모든 필드에 100% 목표를 두기보다 오류가 업무에 미치는 영향을 기준으로 우선순위를 정합니다.
완전성과 정확성은 어떻게 계산하나요?
주문 10,000건 중 우편번호가 비어 있는 300건이라면 완전성은 9,700÷10,000=97%입니다. 채워진 9,700건을 주소 기준 데이터와 대조해 485건이 틀렸다면 채워진 값의 정확성은 9,215÷9,700=95%입니다. 전체 기준 정확값 비율은 92.15%이므로 분모를 밝혀야 합니다.
오류 원인은 어디에서 찾나요?
수집 화면의 검증 부족, 시스템 간 코드표 차이, 늦은 배치, 수동 입력, 정의 변경이 원인일 수 있습니다. 보고서에서 잘못된 값을 고치는 데 그치지 말고 최초 생성 지점과 전파 경로를 추적해 규칙·교육·연동을 수정합니다.
품질 점수 하나로 충분한가요?
가중 평균 점수는 경향을 보기 좋지만 중요한 오류를 가릴 수 있습니다. 결제금액 정확성 100%와 선택 설문 완전성 70%를 같은 비중으로 평균 내지 말고, 사용 목적과 위험에 따라 차원별 목표와 예외를 공개합니다.
자주 묻는 질문
- 오류가 하나도 없으면 품질이 좋은가요?
- 형식 오류가 없어도 갱신이 늦거나 정의가 목적에 맞지 않으면 품질이 낮을 수 있습니다.
- 결측값을 0으로 채우면 완전성이 올라가나요?
- 표면상 빈칸은 줄지만 0이 실제 의미가 아니면 정확성을 해칩니다. 결측과 실제 0을 구분해야 합니다.
- 데이터 품질 목표는 항상 100%여야 하나요?
- 법률·안전·재무처럼 오류 허용이 낮은 항목은 100%가 필요할 수 있지만, 모든 항목의 목표는 사용 목적과 영향에 맞춰 정합니다.
출처와 확인 범위
- The Government Data Quality Framework · UK Government · 확인 2026-10-27
데이터 품질을 사용 목적에 맞는 정도로 설명하고 여러 품질 차원을 제시합니다.
확인 범위: 영국 공공부문 지침이며 모든 조직의 합격 기준값을 정하지 않습니다.
- The Government Data Quality Framework: guidance · UK Government · 확인 2026-10-27
품질 규칙과 목표, 측정 주기, 원인 분석 절차를 설명합니다.
확인 범위: 구체 임계값은 데이터 용도와 조직 위험에 따라 정해야 합니다.