데이터 거버넌스와 분석 거버넌스

데이터 거버넌스는 전사 차원의 데이터 관리 체계를 구축하는 것입니다. 구성요소는 원칙, 조직, 프로세스 세 가지이며, 관리 대상은 마스터 데이터(핵심 기준 데이터), 메타 데이터(데이터에 대한 데이터), 데이터 사전(데이터의 정의와 규칙을 정리한 문서)입니다. 데이터 표준 용어 설정과 명명 규칙 수립 등 표준화 작업이 포함됩니다. 시험에서 "데이터 거버넌스는 전담 조직에서 독립적으로 운영되어야 한다"는 보기가 나오면 틀린 것입니다. 데이터 거버넌스는 전사 차원의 협업이 필요하며, 특정 부서만의 독립적 운영으로는 효과를 얻기 어렵습니다. 분석 거버넌스는 데이터 분석과 활용을 위한 의사결정 관리 체계입니다. 구성요소는 프로세스(Process), 조직(Organization), 시스템(System), 인적자원(Human Resource), 데이터(Data)의 다섯 가지입니다. 여기서 "분석 기법(Technology)"은 분석 거버넌스의 구성요소에 포함되지 않으므로 주의해야 합니다. 분석 조직 유형은 세 가지로 나뉩니다. 집중형 조직은 별도의 전담 조직에서 회사 차원의 우선순위에 따라 분석 업무를 일괄적으로 수행합니다. 기능형 조직은 별도의 분석 조직 없이 각 업무 부서에서 분석을 수행하므로 전사 관점의 핵심 분석이 어렵습니다. 분산형 조직은 분석 인력을 현업 부서에 직접 배치해 전사 차원의 우선순위로 분석을 수행하며, 실무 대응이 빠릅니다. 제3과목 — 데이터 분석 핵심 요약 & 시험 포인트 전사 차원의 데이터 관리 체계를 구축하는 것입니다. 항목 내용 구성요소 원칙, 조직, 프로세스 관리 대상 마스터 데이터, 메타 데이터, 데이터 사전 시험 포인트: "데이터 거버넌스는 전담 조직에서 독립적으로 운영"은 틀린 설명입니다 (47회 출제). 전사 차원의 협업이 필요합니다. 데이터 거버넌스 vs 분석 거버넌스 비교 항목 데이터 거버넌스 분석 거버넌스 목적 전사 데이터 관리 체계 구축 데이터 분석·활용 의사결정 관리 체계 구성요소 원칙, 조직, 프로세스 (3가지) 프로세스, 조직, 시스템, 인적자원, 데이터 (5가지) 관리 대상 마스터 데이터, 메타 데이터, 데이터 사전 분석 과제, 분석 조직, 분석 프로세스 포함 안 되는 것 - 분석 기법(Technology)은 구성요소 아님 시험 포인트: 분석 거버넌스 구성요소는 5가지(프·조·시·인·데). "분석 기법(Technology)"은 포함되지 않습니다 (Q42 빈출). 데이터 분석 조직 구조 3가지 구조 형태 장점 단점 집중형(Centralized) 전사 단일 분석 조직 일관성·전문성, 표준화 현업과 거리, 우선순위 충돌 기능형(Functional) 각 부서 내 분석 인력 분산 현업 밀착, 빠른 의사결정 사일로화, 중복 작업 분산형(Distributed) 분석 전문가가 부서 파견 (CoE 모델) 전문성 + 현업 결합 관리·보고 라인 복잡 CoE (Center of Excellence) - 분산형의 대표 모델: 중앙 분석 센터에서 인력을 부서로 파견 - 표준 방법론 + 현업 적용성 동시 확보 - 분석 거버넌스의 모범 사례로 자주 출제 시험 포인트: 3가지 조직 구조의 장단점 매칭과 CoE의 의미가 자주 출제됨. 추가 핵심 개념 — 거버넌스 운영 인프라 - 데이터 카탈로그(Data Catalog): 조직 내 데이터 자산을 목록화해 검색·발견을 지원하는 시스템. 메타데이터 + 비즈니스 용어집 + 데이터 오너십 + 사용 통계 포함. 도구: Apache Atlas·AWS Glue·Alation·Collibra·DataHub. - 데이터 사전(Data Dictionary): 데이터베이스 내 테이블·컬럼의 정의·타입·제약조건을 정의한 문서. 데이터 카탈로그의 하위 개념. - 데이터 리니지(Data Lineage): 데이터의 출처(Source) → 변환 → 활용까지 전체 흐름을 추적하는 기능. 데이터 품질·신뢰성 보장의 핵심. - 마스터 데이터 관리(MDM, Master Data Management): 고객·상품·조직 등 핵심 참조 데이터의 표준화·중복 제거·일관성 유지. - 데이터 거버넌스 역할: - CDO(Chief Data Officer): 전략 총괄 임원 - Data Owner: 도메인 책임 (비즈니스 부서) - Data Steward: 품질·표준 실무 관리 (현업 분석가) - Data Custodian: IT 저장·보안 (DBA·인프라팀) 시험 핵심: 데이터 거버넌스 3대 구성요소(원칙·조직·프로세스)와 4대 역할(CDO·Owner·Steward·Custodian) 매핑이 빈출입니다. 데이터 거버넌스 핵심 요소 - 데이터 거버넌스(Data Governance): 전사 데이터의 표준·품질·보안·라이프사이클을 통제·관리하는 체계 - 메타데이터(Metadata): 데이터에 관한 데이터(설명·구조·계보·품질). 데이터 카탈로그의 핵심 - 데이터 카탈로그: 메타데이터를 검색·이해·활용 가능하도록 정리한 저장소 - 데이터 품질 차원: 정확성·완전성·일관성·적시성·유효성·유일성 데이터 사이언티스트 조직 - CDO(Chief Data Officer): 데이터 전략·거버넌스·활용 총괄 데이터 품질 관리 - 데이터 품질 관리(DQM, Data Quality Management): 데이터 품질 측정·개선·모니터링의 체계적 활동 - 데이터 품질 지표(6대 차원): 정확성·완전성·일관성·적시성·유효성·유일성 - 데이터 클렌징(Data Cleansing): 오류·중복·결측·이상치 식별 후 수정·표준화 데이터 라이프사이클 - 데이터 라이프사이클(Data Lifecycle): 생성 → 수집 → 저장 → 분석·활용 → 폐기의 전 과정 - 각 단계마다 품질·보안·개인정보 요구사항이 다름 데이터 표준화 - 표준 단어 사전 / 용어 사전: 전사적으로 일관된 명칭과 정의를 보장 - 데이터 표준: 명명 규칙·도메인 규칙·코드 표준 정의 - 데이터 매핑: 시스템 간 데이터 항목 대응 관계 정의 분석 거버넌스 체계 (4대 영역) - 분석 거버넌스 체계: 분석을 지속·확산하기 위한 운영 프레임워크 - 핵심 요소: - 분석 인력 / 분석 조직: 데이터 사이언티스트 양성·전문 조직 구성 - 분석 과제 관리: 과제 발굴·우선순위·이행 모니터링 - 분석 플랫폼·인프라: 도구·인프라 표준화 - 분석 문화 / 거버넌스 체계: 데이터 기반 의사결정 문화 확산 - 데이터 거버넌스의 목적: 데이터 자산화·일관성·신뢰성 확보 → 분석·활용 효율 극대화 데이터 거버넌스 표준·구성요소 - DMBOK(Data Management Body of Knowledge): DAMA가 정의한 데이터 관리 표준 — 거버넌스·아키텍처·품질·메타데이터·보안 등 11개 지식 영역 - 데이터 거버넌스 6대 구성요소: 원칙·조직·프로세스·표준·정책·기술 - 정책 수립: 데이터 활용·보안·품질에 대한 전사 정책 문서화 - 표준 정의 / 데이터 표준화: 명명 규칙·코드·도메인 표준 정의 → 시스템 간 일관성 데이터 표준화 추가 - 메타데이터 관리: 메타데이터의 수집·저장·활용·유지보수 — 데이터 카탈로그 운영 - 데이터 프로파일링(Data Profiling): 데이터의 구조·내용·관계·품질을 자동 분석 - 데이터 사전(Data Dictionary): 데이터 항목의 정의·도메인·관계를 기록한 문서 - MDM(Master Data Management): 고객·상품 등 핵심 마스터 데이터를 전사적으로 통합 관리 - 데이터 표준 단어 / 공통어 사전: 동일 개념에 같은 용어를 쓰도록 표준화 데이터 자산 관리 - 데이터 자산(Data Asset): 조직이 보유한 데이터를 자산으로 인식·관리 - 데이터 자산 관리: 자산 등록·평가·라이프사이클·접근 통제 - 데이터 자산화 / 데이터 화폐화(Data Monetization): 데이터를 직간접 매출로 전환 데이터 표준화 세부 - 용어 표준 / 코드 표준 / 도메인 표준: 명명·코드값·데이터 타입과 범위의 일관성 - 표준 명명 규칙: 접두사·접미사·구분자 규칙 - 데이터 거버넌스 절차: 정책 수립 → 표준 정의 → 적용 → 점검·개선 DaaS (Data as a Service) - DaaS: 클라우드를 통한 데이터 제공 서비스 — 데이터 자체가 상품 데이터 분류·등급 체계 - 데이터 분류(Data Classification): 데이터의 민감도·중요도에 따라 등급화 - 일반 등급 예시: - 공개(Public): 자유 공개 - 내부(Internal): 사내 한정 - 기밀(Confidential): 특정 인원만 접근 - 극비(Highly Confidential / Restricted): 핵심 임원만 접근 - 등급에 따라 보안 통제·암호화·접근 제어 수준 결정 데이터 카탈로그 도구 - Apache Atlas: 오픈소스 메타데이터 관리 - Alation·Collibra·Informatica: 상용 카탈로그 솔루션 - DataHub(LinkedIn)·Amundsen(Lyft): 오픈소스 자체 개발 카탈로그 데이터 거버넌스 vs 분석 거버넌스 - 데이터 거버넌스(Data Governance): 전사 데이터 자산의 표준·품질·보안·라이프사이클 관리 - 데이터 분석 거버넌스(Data Analytics Governance) / 분석 거버넌스: 분석 활동·과제·플랫폼·인력의 일관된 운영 체계 - 두 개념은 상호보완적 — 데이터 거버넌스가 자원이라면 분석 거버넌스는 활용 - 분석 거버넌스 4대 영역: 인력·과제·플랫폼·문화 (이미 다룬 영역) 📝 이 주제 관련 문제 학습 노트의 보강 개념을 직접 문제로 풀어보세요. - 데이터 품질 차원 — 정확성·완전성·일관성·적시성·유효성·유일성 - 데이터 품질 관리 — 데이터 품질 측정·개선·모니터링의 체계적 활동 - 데이터 품질 지표 — 정확성·완전성·일관성·적시성·유효성·유일성 - 데이터 클렌징 — 오류·중복·결측·이상치 식별 후 수정·표준화 - 데이터 라이프사이클 — 생성 → 수집 → 저장 → 분석·활용 → 폐기의 전 과정 - 표준 단어 사전 / 용어 사전 — 전사적으로 일관된 명칭과 정의를 보장 - 데이터 매핑 — 시스템 간 데이터 항목 대응 관계 정의 - 분석 거버넌스 체계 — 분석을 지속·확산하기 위한 운영 프레임워크 - 분석 인력 / 분석 조직 — 데이터 사이언티스트 양성·전문 조직 구성 - 용어 표준 / 코드 표준 / 도메인 표준 — 명명·코드값·데이터 타입과 범위의 일관성 - 데이터 거버넌스 절차 — 정책 수립 → 표준 정의 → 적용 → 점검·개선 - DaaS — 클라우드를 통한 데이터 제공 서비스 — 데이터 자체가 상품 페이지 하단 "이 주제 문제 풀기" 버튼으로 전체 문제를 풀 수 있습니다.

핵심 Q&A (8개)

데이터 거버넌스의 주요 목적은?

데이터 품질·보안·활용에 대한 전사적 관리 체계 수립
정책·지침·표준화·운용조직·책임 정의

데이터 거버넌스 vs 분석 거버넌스의 차이는?

데이터 거버넌스: 데이터 자체의 품질·보안·표준 관리
분석 거버넌스: 분석 업무·조직·프로세스·기술 관리

MDM(Master Data Management)이란?

기준 데이터 관리. 조직 전체에서 일관되게 사용할 핵심 데이터의 표준·품질 관리

데이터 표준화 업무의 4가지 구성요소는?

① 데이터 표준 용어 설정
② 명명규칙 수립
③ 메타데이터 구축
④ 데이터 사전 구축

분석 거버넌스의 5가지 구성요소는? (프·조·시·인·데)

① 프로세스(Process)
② 조직(Organization)
③ 시스템(System)
④ 인적자원(Human Resource)
⑤ 데이터(Data)
분석 기법(Technology)은 포함되지 않음 (Q42 빈출)

"데이터 거버넌스는 전담 조직에서 독립적으로 운영해야 한다"는 맞는가? (47회 출제)

❌ 틀린 설명. 데이터 거버넌스는 전사 차원의 협업이 필요
특정 부서만의 독립적 운영으로는 효과를 얻기 어려움

데이터 분석 조직 구조 3가지와 특징은?

집중형(Centralized): 전사 단일 조직, 일관성↑ 현업거리↑
기능형(Functional): 각 부서 내 분석가, 현업밀착↑ 사일로화
분산형(Distributed): 중앙→부서 파견, 양쪽 장점 (CoE)

CoE(Center of Excellence)란?

분산형 조직의 대표 모델. 중앙 분석 센터의 전문가를 각 부서로 파견하여
표준 방법론과 현업 적용성을 동시에 확보. 분석 거버넌스 모범 사례