공공행정정보시스템 메타데이터의 구조 표준성과 거버넌스 불일치 분석

2.1 데이터 품질과 스키마 일관성 측정

Wang과 Strong[2]은 일관성(Consistency)을 포함한 4범주 15차원의 데이터 품질 프레임워크를 제시하였다. ISO/IEC 25012:2008[3]은 데이터 품질 모델에서 일관성을 주요 품질 특성으로 정의하였으며, Batini et al.[4]은 데이터 품질 측정이 스키마, 인스턴스, 표현 수준에서 서로 다른 방식으로 수행되어야 함을 정리하였다. 본 연구는 이 중 스키마 수준의 일관성을 주요 측정 대상으로 삼는다.

스키마 매칭 연구는 서로 다른 데이터베이스 간 테이블 또는 컬럼 대응 관계를 탐지하기 위한 방법론을 발전시켰다. Rahm과 Bernstein[5]은 스키마 매칭 접근법을 언어적, 구조적, 제약 기반 방법으로 분류하였다. Koutras et al.[6]은 Valentine 벤치마크를 통해 데이터셋 발견 및 스키마 매칭 기법을 비교하였으며, Jaccard 기반 매처가 스키마 유사도 측정에서 유용한 기준선으로 활용될 수 있음을 보였다. Dharavath와 Singh[7]은 이기종 분산 데이터베이스의 개체 해소 과정에서 Jaccard 유사도를 결합한 방법을 제안하였다. 다만 이러한 연구들은 주로 이기종 DB 간 1:1 대응 관계 발견을 목적으로 하며, 동일 시스템을 운영하는 복수 기관 간 컬럼 집합과 속성값의 일관성 편차를 측정하는 문제와는 분석 목적이 다르다.

2.2 공공행정 DB 표준화와 메타데이터 품질

공공데이터 메타데이터 품질 연구는 주로 공개 포털에 등록된 데이터셋의 완전성, 발견성, 이용 가능성 등을 평가해 왔다. Neumaier 등[8]은 복수의 오픈데이터 포털을 대상으로 메타데이터 품질을 자동 평가하는 방법을 제시하였고, Quarati[9]는 오픈데이터의 이용 추세와 메타데이터 품질 간의 관계를 분석하였다. 이들 연구는 공개 포털 수준의 메타데이터 품질 평가에 기여하였으나, 원천 행정정보시스템의 DB 메타데이터를 직접 분석하지는 않았다.

국내 공공행정 DB 표준화는 행정안전부의 「공공기관의 데이터베이스 표준화 지침」에 근거한다. 해당 지침은 공공기관이 데이터베이스를 구축·운영할 때 공통표준용어를 준용하도록 요구한다[1]. Shin et al.[10]은 비표준화 공공데이터를 공통표준용어로 자동 변환하는 seq2seq 딥러닝 모델을 제안하여 표준화 자동화의 가능성을 실증하였다. 김종윤·박세환[11]은 국내 공공데이터 플랫폼의 개방 성과와 평가모델을 실증적으로 분석하였으나, 원천 시스템 메타데이터 수준의 관리 문제는 별도로 다루지 않았다.

공공데이터 품질관리 연구에서도 메타데이터 일관성과 표준화의 중요성이 논의되어 왔다. 김현철·김광용[12]은 공공데이터의 정확성, 신뢰성, 접근성, 표현 일관성 등이 개방정책 신뢰에 미치는 영향을 실증하였다. 김용환 등[13]은 공공기관 데이터 품질관리 실태를 분석하여 다수 기관에서 체계적 품질관리의 개선이 필요함을 보고하였다. Song과 Yim[14]은 행정정보 데이터셋의 품질평가 체계를 설계·적용하여 ISP/ISMP 단계부터 예방적 품질관리가 필요함을 제안하였다. Kim et al.[15]은 공공데이터 활용성 제고를 위해 표준화가 필요함을 논의하고, 데이터 선정부터 표준화 방향 설정까지 공공데이터 관리자가 참고할 수 있는 실무적 기준을 제시하였다. 행정안전부의 공공데이터 품질관리 수준평가 지침[16] 역시 공공데이터 품질관리의 제도적 기준을 제공한다. 그러나 이들 연구와 지침은 주로 공개 데이터셋, 공통표준용어, 기관 단위 품질관리, 포털 성과에 초점을 두고 있으며, 동일 행정정보시스템을 복수 기관이 운영하는 상황에서 원천 DB 메타데이터의 컬럼 집합과 속성값이 기관 간에 얼마나 일관되게 유지되는지는 충분히 검증하지 못하였다.

2.3 공공데이터 개방정책과 데이터기반행정

공공데이터 개방 정책은 「공공데이터의 제공 및 이용 활성화에 관한 법률」 시행과 함께 원칙적 공개와 예외적 비공개를 제도화하였다. 그러나 제도와 현실 사이의 괴리는 다양한 연구에서 지속적으로 보고되어 왔다. Yoon 과 Hyun[17]은 공공데이터 포털의 국가중점데이터를 분석하여 데이터 양은 증가하였으나 실질적 활용 가능성은 낮으며 수요자 중심 전환이 필요함을 제언하였다. Kim[18]은 공공기관의 공공데이터 제공거부 사례를 분석하여 법적 의무와 현장 관행 간의 괴리를 실증하였다. Bang[19]은 「데이터기반행정 활성화에 관한 법률」 시행 이후에도 데이터 수집·관리 거버넌스의 실질적 구축이 미흡함을 비교법 관점에서 분석하였다.

데이터기반행정의 실행 수준에 관해서는 Wang et al.[20]이 텍스트 마이닝을 활용하여 17개 광역 지자체의 데이터기반행정 활성화 시행계획을 분석하고 기관별 실행 수준의 편차를 확인하였다. Kim[21]은 데이터기반행정법 시행 이후에도 기관 간 데이터 공동활용이 저해되는 ‘데이터 칸막이’ 현상이 지속됨을 법제도적으로 분석하고, 데이터 공동활용 영향평가 제도 도입을 제안하였다. 이러한 연구들은 공공데이터 개방과 데이터 공동활용의 제도적 과제를 설명하지만, 공개여부 판단이 원천 DB 컬럼 단위에서 기관별로 어떻게 등록·관리되고 있는지를 실증적으로 측정하지는 못하였다. 본 연구의 공개여부 비단일성 분석은 이러한 제도적 논의를 원천 메타데이터 수준에서 검증한다는 점에서 차별성을 가진다.

2.4 공공부문 AI 거버넌스와 데이터 준비도

AI 기반 행정 서비스의 고도화가 국가적 과제로 부상하면서, 공공부문 AI 도입의 선결 조건으로 데이터 품질과 거버넌스 준비도에 대한 논의가 확대되고 있다. 국가인공지능전략위원회[22]는 공공부문 AI 활용과 데이터 기반 행정 고도화를 주요 정책 방향으로 제시하였다. Yoon[23]은 공공부문 데이터거버넌스의 조직·제도·기술 구성요소 간 구조적 관계를 실증하여, 조직 요소가 제도와 기술 간 매개 효과를 나타내며 데이터기반행정에 유의한 영향을 미침을 확인하였다. Roh[24]는 공공기관 AI 성숙도 모형(PAIMM, Public Agency AI Maturity Model)을 개발하고 실제 기관에 적용하여 공공기관의 AI 활용 수준을 진단하였다.

공공부문 AI 활용과 학습데이터 품질에 관한 연구도 진행되어 왔다. Kim과 Kim[25]은 공공부문 AI 적용 사례를 전수 분석하여 기술 수준은 고도화되고 있으나 활용 영역이 챗봇 등 일부 서비스에 편중되어 있음을 보였다. Park et al.[26]은 공공데이터를 AI 학습데이터로 활용할 때 결측 필드, 값 범위 불명확, 기관 간 불일치 등이 모델 품질을 저해할 수 있음을 사례 기반으로 제시하였다. Lee[27]는 공공 행정에서 ChatGPT 활용을 중심으로 AI 기술에 대한 중요도와 만족도를 분석하였다. 이들 연구는 공공부문 AI 준비도의 조직적, 제도적, 기술적 측면을 다루었으나, AI 학습과 행정 데이터 연계의 기반이 되는 원천 DB 메타데이터의 기관 간 일관성을 직접 측정하지는 않았다. 따라서 AI 준비도 논의는 원천 데이터베이스 수준의 메타데이터 품질과 거버넌스 일관성 진단으로 확장될 필요가 있다.

2.5 선행연구와의 차별성

이상의 선행연구는 데이터 품질, 스키마 일관성, 공공데이터 표준화, 데이터기반행정, 공공부문 AI 거버넌스의 중요성을 제시하였으나, 동일 행정정보시스템을 복수 기관이 운영하는 환경에서 원천 DB 메타데이터의 기관 간 일관성을 대규모로 실증 측정한 연구는 확인하기 어렵다. 표 1에서는 선행 연구와의 차별점을 다루며, 선행 연구가 이 분석 수준을 다루기 어려웠던 이유는 크게 두 가지다.

Table 1.

Differences of this study from previous work

첫째, 원천 DB 메타데이터에 대한 제도적·기술적 접근 장벽이다. 공개 포털 기반 연구는 일반 이용자가 접근 가능한 데이터셋 메타데이터를 분석할 수 있으나, 원천 행정정보시스템의 DB 메타데이터는 기관 내부 시스템 또는 범정부 메타데이터 관리체계에 등록·관리되는 운영 메타데이터에 해당한다. 이 메타데이터에는 시스템명, 테이블명, 컬럼명뿐 아니라 공개여부, 비공개 사유, 개인정보 여부, 기본키 여부 등 행정 운영 및 정보공개 판단과 관련된 속성이 포함될 수 있다. 따라서 연구자가 이를 전수 확보하기 위해서는 기관 간 자료 제공 협조, 보안·개인정보·비공개 대상 여부 검토, 기관별 등록 방식 차이에 대한 정제가 선행되어야 한다. 본 연구의 원시 데이터 역시 한국지능정보사회진흥원(NIA)으로부터 연구 목적으로 제공받은 비공개 행정 자료이다.

둘째, 기존 스키마 매칭 연구와 본 연구의 분석 목적이 다르다. 스키마 매칭 연구는 이기종 DB 간 1:1 컬럼 대응 관계를 발견하는 데 초점을 둔다. 반면 본 연구의 대상은 동일하거나 유사한 행정정보시스템을 여러 기관이 독립적으로 운영하는 환경이다. 이 경우 핵심 문제는 서로 다른 스키마를 연결하는 것이 아니라, 이미 비교 가능한 동일 시스템의 테이블과 컬럼이 기관별로 얼마나 일관되게 유지되는지를 측정하는 것이다. 따라서 본 연구는 동일 정보시스템명과 동일 한글 테이블명을 기준으로 CTG를 구성하고, 집합 수준의 구조 표준성과 속성 수준의 비단일성을 분리하여 측정한다는 점에서 기존 연구와 차별성을 가진다.

3.1 분석 설계

제안 파이프라인은 그림 1과 같이 6단계로 구성하였다. 1단계는 원시 메타데이터 3,703,676건에 8개 세부 절차의 전처리를 적용하여 3,262,730건의 정제 데이터를 생성한다. 2단계는 동일 정보시스템명 × 동일 한글 테이블명 기준으로 기관을 묶어 비교가능 테이블 그룹(CTG) 6,466개를 구성한다. 3단계는 CTG 내 모든 기관쌍(총 387,638쌍)에 대해 쌍별 Jaccard 계수를 계산하여 집합 수준 구조 표준성을 측정한다. 4단계는 동일 한글 컬럼명을 공유하는 기관들 사이에서 영문 컬럼명·데이터타입·PK·공개여부 4개 속성의 비단일성을 점검하여 속성 수준 충돌을 탐지한다.

Fig. 1.

Hierarchical analysis process for structural standardization and attribute-level conflicts

3단계와 4단계의 분리가 이 파이프라인의 핵심 설계 의도다. Jaccard가 '컬럼 집합이 얼마나 같은가'를 측정한다면, 충돌 탐지는 '같은 컬럼 내 속성이 얼마나 다른가'를 측정한다. 두 계층을 동시에 분석하기 때문에 구조 표준성이 높더라도 거버넌스 편차가 독립적으로 존재할 수 있음을 실증적으로 확인할 수 있다.

5단계는 집합 유사도를 과대평가할 수 있는 공통운영컬럼을 출현 비율 기반으로 탐색·확정하여 불용어 목록(Stoplist)을 구성한다. 6단계는 불용어 목록 적용 전(Raw)과 후(Filtered)를 CTG·기관쌍 두 수준에서 비교하여 파이프라인의 견고성을 사후 검증한다. 표 2는 단계별 주요 분석 알고리즘을 요약하여 정리한 것이다.

Table 2.

Key analysis algorithms summary

3.2 데이터 및 분석단위

본 연구는 행정안전부 범정부 메타데이터 관리시스템의 중앙메타관리시스템으로부터 수집된 17개 시도 광역 지자체 행정정보시스템 메타데이터(2024년 말 기준)를 분석 대상으로 하였다. 분석은 Google Colab Pro(RAM 25 GB) 환경에서 Python 3.10, pandas 2.0, numpy 1.24, openpyxl 3.1을 사용했다. 표 3은 분석환경을 정리한 것이다.

Table 3.

Overview of analysis environment and dataset

데이터셋은 총 3,703,676건의 레코드(행)와 15개 속성(컬럼)으로 구성되며 표 4는 이를 정리한 것이다. 본 연구의 실험에 사용된 원시 데이터는 한국지능정보사회진흥원을 통해 중앙메타데이터시스템에서 수집하였다. 해당 데이터는 통계적 특성을 보존하면서도 비식별화한 합성데이터와 검증 코드를 GitHub을 통해 공개한다.

Table 4.

Analysis data sets

합성 데이터(`synthetic_metadata.csv`)는 원본 데이터의 핵심 통계—CTG 수 분포(6,466개), 기관 수 분포(2~17개), 평균 쌍별 Jaccard(0.9920), 완전동일 비율(95.02%), 충돌 비율(~3.2%), 충돌 유형 비율(거버넌스만 93.61%/구조만 2.57%/둘다 3.82%)—를 보존하되 컬럼명·시스템명·기관명을 익명 치환하여 생성하였다. 다음과 같이 합성 데이터를 직접 내려받아 파이프라인을 재현할 수 있다. 합성 데이터 생성 코드(`generate_synthetic_metadata.py`) 역시 동일 저장소에 단독 실행 가능한 형태로 공개되어 있으며, 원시 데이터 없이도 동일한 분포 특성의 데이터를 재생성하고 파이프라인 전 단계를 검증할 수 있다.

분석에는 기관명, 정보시스템명, 한글 테이블명, 한글 컬럼명을 비교 단위 구성용 키로 사용하였고, 영문 컬럼명, 데이터타입, 공개/비공개 여부(컬럼), PK 정보는 충돌 판정 속성으로 사용하였다.

이는 광역 지자체 행정 단위의 전수(全數) 분석이며, 기초자치단체는 동 시스템의 별도 등록 구조를 가지므로 향후 연구 과제로 남긴다. 원시 데이터(3,703,676건)를 17개 기관으로 단순 평균하면 기관당 약 21만 8천 건이나, 실제 기관별 등록 규모는 경기도·서울특별시 등 대규모 기관과 세종·제주 등 소규모 기관 간에 최대 수십 배의 차이가 존재한다. 이러한 불균형에도 불구하고 Jaccard 계수는 크기 차이에 강건(Size-insensitive)하므로, 기관 규모가 비교 결과를 왜곡하지 않는다.

3.3 데이터 전처리

데이터 전처리는 데이터 정제와 분석 신뢰도 확보를 위해 총 8단계의 파이프라인으로 수행했다. 먼저 1단계(결측·공백 처리)에서 필수 식별 키가 결측된 행을 제외한 후, 2단계(한글 항목 정규화)와 3단계(영문 항목 정규화)를 통해 텍스트의 공백을 정제하고 영문은 대문자로 통일하되, 임의의 왜곡을 방지하기 위해 형태소 분석은 배제하고 특수문자( 언더스코어, 하이픈 )의 차이는 유지하였다. 이어 4단계(공개여부 코드 정규화)와 5단계(PK 여부 정규화)를 통해 관련 코드를 Y/N 값으로 매핑하고 유효하지 않은 오분류 값은 None 처리했으며, 6단계(데이터타입 그룹화)를 통해 DBMS별 세부 타입을 문자·숫자·날짜·논리·기타의 5개 그룹으로 통합하였다. 이때 5·6단계의 정규화 규칙은 예비 분석 과정에서 확인된 오류를 반영하여 최종 보정된 것이다. 다음으로 7단계(플레이스홀더 행 제거)에서는 인천광역시 데이터에서 발견된 수집 불가 일괄 표기 행인 '제외테이블'(15,628행)과 '비표준컬럼'(23,037행)을 전량 제거하였으며, 마지막 8단계(기관 내 중복 통제)에서는 '기관-시스템-테이블-컬럼' 복합 키를 기준으로 중복 데이터 402,281건을 정제하여 대표 행 하나만 유지하였다. 대표 행 선택 방식이 분석 결과에 미치는 영향에 대한 민감도 검증 결과는 4장에서 상세히 기술한다.

3.4 비교가능 테이블 그룹(CTG) 구성 및 구조 표준성 측정

각 CTG G에서 기관 i의 컬럼 집합을 C_i = {한글컬럼명 | 기관=i, 그룹=G}로 정의한다. CTG 내 기관 수가 2 미만인 그룹은 비교 불가능하므로 제외한다.

본 연구가 CTG 구성 기준으로 동일 정보시스템명과 동일 한글 테이블명의 결합을 사용한 것은 동일 시스템을 복수 기관이 운영하는 분산 배포 환경에서 비교 가능한 테이블 단위를 결정론적으로 식별하기 위해서다. 정보시스템명은 중앙에서 배포되거나 동일 업무 기능을 수행하는 시스템 단위를 나타내며, 한글 테이블명은 기관별 DBMS, 영문 약어 규칙, 물리 테이블명 차이에 비해 업무 의미를 비교적 안정적으로 반영한다. 따라서 두 속성을 결합하면 이기종 DB 간 의미 매칭을 추가로 수행하지 않고도 기관 간 비교 가능한 테이블 그룹을 구성할 수 있다. 다만 이 기준은 표면형 일치에 기반하므로 한계를 가진다. 서로 다른 시스템 버전의 테이블이 동일한 한글 테이블명으로 등록된 경우에는 false positive CTG가 생성될 수 있고, 의미적으로 동일한 테이블이 기관별로 다른 한글 테이블명으로 등록된 경우에는 false negative가 발생할 수 있다. 본 연구는 이러한 한계를 줄이기 위해 정보시스템명과 한글 테이블명을 동시에 사용하고, CTG 내 참여 기관 수와 구조 유사도 분포를 사후적으로 점검하였다. 시스템 버전 식별자, 테이블 고유 ID, 의미 기반 테이블 매칭을 활용한 CTG 정교화는 향후 연구 과제로 남긴다.

기관 쌍(i, j)의 Jaccard 계수는 다음 식 (1)과 같이 정의한다.

여기서 |C_i ∩ C_j|는 두 기관이 공통으로 보유한 컬럼 수, |C_i ∪ C_j|는 두 기관이 합산하여 보유한 고유 컬럼 수다. J=1.0이면 두 기관의 컬럼 집합이 완전 동일함을, J=0.0이면 공통 컬럼이 전혀 없음을 의미한다.

CTG 내 n개 기관에 대한 그룹 수준 평균 쌍별 Jaccard는 가능한 모든 기관쌍 C(n,2) = n(n-1)/2개의 평균으로 계산한다(식 (2)).

6,466개 CTG에 걸쳐 총 387,638개 기관쌍이 생성되며, 이 모든 쌍에 대해 Jaccard를 계산한다. 계산 복잡도는 O(n·k²)이며, 여기서 n은 CTG 수(6,466), k는 CTG당 기관 수(≤17, 상수)이므로 실질적으로 O(n)에 준한다.

Jaccard 대신 고려할 수 있는 대안 지표와 비교하면, Dice 계수 D(i,j) = 2|C_i ∩ C_j| / (|C_i| + |C_j|)는 Jaccard보다 교집합에 더 큰 가중치를 부여하나 공개 데이터 공학 문헌에서 Jaccard를 더 광범위하게 사용한다[11]. Overlap 계수 O(i,j) = |C_i ∩ C_j| / min(|C_i|, |C_j|)는 크기 차이가 클 때 과대평가 문제가 있어 본 연구의 맥락에 적합하지 않다. Cosine 유사도는 벡터 기반으로 집합 크기에 민감하여 기관별 컬럼 수가 다른 환경에서 왜곡을 유발할 수 있다. 이러한 비교를 통해 Jaccard가 본 연구의 설계 목적에 가장 부합함을 확인하였다.

CTG 내 기관 수가 1개인 경우는 CTG 구성 조건(|G|≥2)에 의해 사전에 제외한다.

3.5 열 메타데이터 충돌 탐지 및 검증

CTG 내에서 동일 한글 컬럼명을 공유하는 기관들 사이에 표 5의 속성 중 하나라도 단일하지 않으면 충돌로 판정한다. 거버넌스 편차는 법적으로 허용된 기관별 재량과 구별하기 위해 ‘충돌’ 대신 ‘편차’를 사용하되, 「공공데이터법」의 Negative 방식 개방 원칙 하에서 동일 시스템-동일 컬럼에 대한 공개통제 불일치는 기관 간 조율이 필요한 실질적 편차로 해석한다.

Table 5.

Metadata consistency conflict types and criteria

공통운영컬럼은 다수 테이블에 반복 등장하여 집합 유사도를 과대평가할 수 있으므로, 본 연구는 coverage ratio 기반의 불용어 목록(Stoplist)을 구성하였다. 불용어 목록 구성은 후보 탐색과 최종 확정의 두 단계로 수행하였다. 먼저 전체 고유 table-instance 184,489개 중 특정 컬럼이 등장한 비율을 coverage ratio로 정의하고, θ=0.05 이상 반복 등장하는 컬럼을 후보로 탐색하였다. 다만 단순 출현 빈도만을 기준으로 할 경우 기관 식별자나 업무 의미를 가진 고빈도 컬럼까지 제거될 수 있으므로, 등록, 수정, 삭제, 사용, 일시, 일자, 비고, 최종, 작성, 처리, 관리, 여부 등 운영관리 성격의 정규표현식 패턴을 함께 적용하였다.

표 6은 θ=0.05 기준과 운영성 패턴을 동시에 만족한 13개 후보 컬럼과 전문가 검토를 거쳐 확정한 최종 불용어 목록을 정리한 것이다. 후보 중 등록일시, 수정일시, 비고, 최종수정자ID, 등록사용ID, 수정사용ID, 최종수정일시, 사용여부, 삭제여부, 등록일, 등록자ID 등 11개 컬럼은 시스템 운영 또는 이력 관리 목적의 공통운영컬럼으로 판단하여 불용어 목록에 포함하였다. 반면 통합기관코드와 자치단체코드는 coverage ratio와 운영성 패턴 기준을 모두 충족하였으나, 기관 간 비교의 기준점 역할을 수행하는 식별보조컬럼이므로 제외하였다. 이와 같이 본 연구는 반복 출현 정도와 운영관리 의미를 함께 고려하여, 집합 유사도 과대평가 가능성이 높은 컬럼만 제거 대상으로 확정하였다.

Table 6.

Final stoplist criteria and removed columns(θ = 0.05)

출현 비율의 임계값 θ=0.05는 전체 CTG 중 최소 5% 이상에서 반복 등장하는 컬럼을 공통운영컬럼 후보로 간주하기 위한 기준이다. 단순히 출현 빈도 상위 컬럼을 제거하면 코드, 식별자, 일자 등 실제 업무 의미를 가지는 고빈도 컬럼까지 제거될 수 있으므로, 본 연구는 출현 비율과 운영성 정규표현식 패턴을 함께 적용하였다. 즉, 반복 출현 정도만으로 불용어 목록을 확정하지 않고, 등록, 수정, 삭제, 사용여부, 일시, 비고 등 운영관리 성격을 나타내는 명명 패턴을 동시에 만족하는 컬럼만 후보로 선별하였다. 이후 후보 컬럼에 대해 검토를 수행하여 기관 식별이나 업무 의미 해석에 필요한 컬럼은 제외하고, 집합 유사도를 과대평가할 가능성이 높은 운영관리 컬럼만 최종 불용어 목록에 포함하였다.

4.1 구조 표준성 결과

분석 대상이 된 6,468개 CTG의 기관 참여도 분포를 살펴보면, 평균 참여 기관 수는 10.6개, 중앙값은 13개이며 전체의 60.4%(3,908개)가 10개 이상의 기관으로 구성되었다. 만약 매칭 기준의 오류로 인해 서로 다른 시스템의 테이블이 우연히 동일한 명칭을 가져 하나의 그룹으로 묶였다면, 참여 기관 수는 소수에 그쳤을 것이다.

그러나 절반 이상의 CTG에 10개 이상의 기관이 포함되어 있다는 사실은, CTG로 결합한 테이블들이 실제로 중앙에서 배포되어 각 지자체에서 운영 중인 동일 공통 행정정보시스템의 원천 테이블임을 방증한다. 즉, ‘동일 정보시스템명 × 동일 한글 테이블명’ 기준이 비교 목적에 부합하는 분석 대상을 정확히 식별하고 있음을 뜻한다. 이러한 분석 대상을 바탕으로 도출한 기관 간 구조 표준성 요약 결과는 다음 표 7과 같다.

Table 7.

Summary of structural consistency (Before & after removal of common operational columns)

정제 후(Filtered) 6,466개 CTG의 avgJ(G) 분포는 고도의 구조적 일관성을 명확히 드러낸다. 기술통계 요약 결과 중앙값(Median)은 1.0000, 사분위범위(IQR, Interquartile Range)는 0.0000(Q1​ =1.0, Q3​ =1.0)으로 집계되었다. 전체 평균(0.9920)이 중앙값보다 소폭 낮은 것은 Jaccard 계수가 저조한 일부 소수 그룹이 전체 분포를 하방 견인한 결과다. 실제로 왜도(Skewness)는 −7.42로 강한 좌측 편향(Left-skewed)을 나타내며, 이는 대다수 CTG가 완전동일(J=1.0) 상태에 집중된 가운데 소수의 이상치(Outlier) 그룹이 분포의 좌측 꼬리를 형성하고 있음을 확인해 준다. Jaccard<0.95인 208개 그룹(3.2%)이 이 하위 꼬리 구간에 해당한다.

4.2 민감도 분석 결과

커버리지 비율 기반으로 11개 불용어 목록을 구성할 때, 이 필터링이 실제 분석 결과를 과도하게 바꿔버리는 것은 아닌지 확인할 필요가 있다. 만약 불용어 목록에 포함된 컬럼들이 단순 운영관리용이 아니라 기관 간 구조 차이를 반영하는 컬럼이었다면, 이를 제거했을 때 Jaccard 수치와 충돌 건수가 크게 달라졌을 것이다. 이를 확인하기 위해, 불용어 목록 적용 전(Raw)과 후(Filtered)의 Jaccard 계수를 각각 산출하고, CTG 수준(Group)과 기관쌍 수준(Pair) 두 단위로 나누어 두 조건 간의 결과 일치율과 평균 절대 변화량을 비교하였다.

분석 결과, 그룹 수준에서 96.40%의 CTG가, pair 수준에서 99.35%의 기관쌍이 raw와 동일한 결과를 유지하였으며, 평균 절대 변화량도 각각 0.0008과 0.0003에 불과하였다. 즉 불용어 목록을 적용하든 적용하지 않든 CTG 단위와 기관쌍 단위 모두에서 결과의 방향과 크기가 사실상 바뀌지 않았다. 이는 11개 불용어 목록이 분석에서 제거되어야 할 운영관리 컬럼을 적절히 선별한 것이다. 또한 3.5절에서 기술한 커버리지 비율 기반 설계 방식이, 임의적인 상위 N개 제거 방식과 달리, 데이터 분포에 근거한 필터링이라는 점을 사후적으로 확인한 결과이기도 하다.

4.3 메타데이터 충돌 탐지 결과

분석 결과, 필터링(Filtered) 기준으로 총 1,595건의 속성 수준 충돌을 탐지하였다. 전체 고유 비교단위 49,694건 대비 충돌 발생 비율은 약 3.2%이며, 나머지 96.8%의 단위에서는 기관 간 속성값이 일관성을 유지하였다. 충돌 유형별로는 거버넌스 편차만 발생한 경우가 1,493건(93.61%)으로 압도적인 비중을 차지하였고, 구조 속성만 충돌한 경우는 41건(2.57%), 구조 속성과 거버넌스 속성이 동시에 충돌한 경우는 61건(3.82%)을 기록하였다. 이는 17개 기관의 컬럼 집합 구성 자체는 대체로 일치하는 반면, 동일 컬럼에 대한 공개여부 결정 기준은 기관별로 현저하게 다름을 드러낸다.

표 8에서 정제 전(Raw) 조건과 정제 후(Filtered) 조건을 비교하면, 구조 충돌은 115건에서 102건으로 약 11% 감소하였고, 거버넌스 편차는 1,835건에서 1,554건으로 약 15% 감소하였다. 이러한 제한적인 감소 폭은 탐지된 충돌이 특정 공통운영컬럼에 국한되지 않고, 불용어 목록 적용 이후에도 업무 컬럼 전반에 걸쳐 지속되고 있음을 뒷받침한다. 특히 1,595건의 속성 수준 충돌은 단순한 표기 오류를 넘어, 기관 간 데이터 연계 시 실질적인 수동 검토와 조율을 요구하는 최소 분석 단위이다.

Table 8.

Comparison of conflict levels

충돌이 발생하는 주요 행정 속성을 파악하고자, 탐지된 충돌 컬럼명을 정규표현식 기반으로 8개 의미범주로 분류하였다. 그림 2는 범주별 충돌 건수와 유형 분포를 나타낸다. 분류 결과, 식별자/코드 범주가 498건(31.22%)으로 가장 많았고, 시간/이력 범주가 327건(20.50%)으로 뒤를 이었다. 두 범주는 전체 충돌의 절반 이상을 차지하였다. 또한 8개 범주 모두에서 거버넌스 편차가 구조 충돌보다 높은 비중을 기록하였으며, 내용/문서 범주에서는 100.00%, 시간/이력 범주에서는 99.39%가 거버넌스 편차에 해당하였다. 이는 공개여부 설정의 기관 간 차이가 특정 속성 유형에 국한되지 않고 행정업무 전반의 컬럼 속성에서 보편적으로 발생함을 시사한다. 한편 수량/값 범주에서는 구조 충돌 비율이 20.83%로 상대적으로 높았는데, 이는 금액·면적 등 수치형 컬럼의 데이터타입을 기관별로 NUMBER, DECIMAL 등 서로 다르게 등록한 데 기인한다. 대표 사례를 살펴보면 거버넌스 편차와 구조 충돌은 서로 다른 방식으로 나타난다. 표준기록관리시스템(RMS, Records Management System)의 공개목록 테이블에 포함된 ‘결재권자직위직급명’ 컬럼은 17개 시도 전체에서 영문 컬럼명(APROV_POS_RANK_NM), 데이터타입(문자형), PK 여부(N)가 동일하였다. 그러나 공개여부는 기관에 따라 ‘공개’ 또는 ‘비공개’로 다르게 설정되어 있었다. 이는 구조 속성은 표준화되어 있으나 공개통제 기준은 기관별로 다르게 운영되는 명확한 거버넌스 편차 사례이다. 반면 대기환경정보시스템의 ‘FAX 전송 여부’ 컬럼은 일부 기관에서 영문 컬럼명이 BASIC_FAX_YN으로, 다른 기관에서는 FAX_SEND_YN으로 등록되어 있었다. 이는 동일한 행정 개념을 기관별로 상이한 영문 약어 규칙에 따라 표현한 대표적인 구조 충돌 사례이다.

Fig. 2.

Distribution of conflict counts and types by category (n=1,595)

이어서 탐지된 충돌 1,595건이 정보시스템별로 어떻게 분포하는지를 분석하였다. 충돌이 발생한 정보시스템은 필터링(Filtered) 기준 총 10개였으며, 나머지 시스템에서는 충돌이 탐지되지 않았다. 표 9는 시스템별 충돌 건수, 충돌 유형, 전체 충돌 대비 비중, CTG 수, CTG당 충돌밀도를 정리한 것이다. 여기서 CTG당 충돌밀도는 '충돌 건수 / CTG 수'로 정의되며, 시스템이 보유한 비교가능 테이블 그룹 규모를 고려하여 충돌 집중도를 해석하기 위한 보정 지표다.

Table 9.

All systems with conflicts(Filtered, N=10)

절대 건수 기준으로는 시도행정시스템, 표준기록관리시스템(RMS), 대기종합정보시스템의 상위 3개 시스템이 전체 충돌의 88.0%를 차지하였다. 그러나 CTG당 충돌밀도로 정규화하면 해석이 달라진다. 시도행정시스템은 충돌 건수 846건으로 가장 많지만 CTG 수가 1,269개로 커서 충돌밀도는 0.667건/CTG로 나타났다. 반면 대기종합정보시스템은 CTG 수가 31개에 불과하지만 충돌 건수가 244건으로, 충돌밀도는 7.871건/CTG에 달하였다. 계약정보공개시스템 역시 14개 CTG에서 86건의 충돌이 발생하여 충돌밀도는 6.143건/CTG로 나타났다. 이는 절대 충돌 건수와 CTG 규모를 보정한 충돌 집중도가 서로 다른 정보를 제공함을 보여준다.

시스템별 충돌 유형 간 차이도 뚜렷하다. 시도행정시스템과 표준기록관리시스템(RMS)은 구조 충돌 대비 거버넌스 편차가 압도적 비율을 차지하여, 중앙 배포 시스템임에도 기관별 공개통제 기준이 불일치함을 입증한다. 반면 버스정보시스템은 13건의 충돌이 모두 구조 충돌에 국한됐고, 거버넌스 편차는 전무했다. 이는 노선·정류장 등 교통 관련 데이터의 영문 컬럼명 약어 규칙을 기관별로 다르게 채택한 결과다. 대기종합정보시스템은 구조 충돌과 거버넌스 편차가 동시에 발생해, 명명 규칙과 공개통제 기준 모두 불균일하게 관리하는 실태를 시사한다.

결과 해석의 엄밀성을 높이기 위해 본 연구는 집합 수준 구조 표준성 지표와 속성 수준 비단일성 지표를 구분하여 해석하였다. 평균 Jaccard 계수는 CTG 내 기관 간 컬럼 집합의 일치도를 나타내는 반면, 속성 수준 충돌은 동일 한글 컬럼명을 공유하는 기관들 사이에서 영문 컬럼명, 데이터타입, PK 여부, 공개여부가 단일하게 유지되는지를 나타낸다. 실제로 집합 수준 평균 Jaccard가 가장 높은 두 시스템—시도행정시스템(평균 Jaccard 0.9976)과 표준기록관리시스템(평균 Jaccard 0.9993)—이 전체 속성 수준 충돌의 72.66%(시도행정 53.04% + 표준기록관리시스템 19.62%)를 차지하였다. 두 계층의 관계를 정량적으로 검증하기 위해, 충돌이 발생한 10개 시스템에 대해 집합 수준 지표(시스템별 평균 Jaccard)와 속성 수준 지표(CTG당 충돌밀도의 로그 변환값) 간 Spearman 순위상관계수를 산출하였다. 그 결과 ρ = −0.37 (p = 0.29, n = 10)로, 두 지표 사이에 통계적으로 유의한 상관이 관찰되지 않았다. 표본 수가 10개로 검정력이 제한적이라는 점을 감안하더라도, 적어도 구조 표준성이 높을수록 속성 일관성도 높아진다는 양의 연관은 본 데이터에서 확인되지 않는다. 이는 컬럼 집합의 구조적 일치도가 높다는 사실만으로 운영 단계의 속성 일관성, 특히 공개여부 거버넌스 일관성을 보장할 수 없음을 의미한다.

따라서 2계층 분석은 단일 유사도 지표만으로는 포착하기 어려운 속성 수준 비단일성을 탐지한다는 점에서 의미가 있다. 집합 수준 Jaccard 계수만 측정하였다면 기관 간 컬럼 집합이 매우 높은 수준으로 일치한다는 결론에 그쳤을 가능성이 높다. 그러나 속성 수준 충돌 탐지를 병행함으로써, 컬럼 집합이 동일하더라도 공개여부나 영문 컬럼명과 같은 세부 속성이 기관별로 다르게 관리되는 사례를 확인할 수 있었다. 이는 공공 행정정보시스템 메타데이터 품질 점검에서 구조 표준성과 속성 일관성을 분리하여 관리할 필요가 있음을 의미한다.