빅데이터 분석의 개념과 기술적 특성 및 항공 분야를 중심으로 한 공공데이터 개방 정책과 활용 현황 및 개선 과제 doc_id PCY_201509110503133191_1

빅데이터 분석은 대량의 데이터로부터 숨겨진 패턴과 알려지지 않은 정보 간의 관계를 찾기 위한 과정이다. 기업의 의사결정을 지원하기 위한 목적으로 주로 경영 분야에서 수행되어왔으나, 최근에는 의료, 복지, 사회 안전 분야 등 다양한 영역에서 데이터를 보다 효율적으로 분석하여 의사결정에 활용하고 있다. 분석은 개인, 기업 등 데이터를 기반으로 의사결정을 할 수 있도록 정보를 제공해주는 수단으로 문제에 대한 대안을 마련할 수 있는 근거를 제시해주는 중요한 역할을 하고 있다. 불확실성이 높고 의사결정에 대한 파급효과가 큰 문제일수록 데이터에 대량의 실제 데이터에 기반으로 하는 분석이 요구되기 때문에 빅데이터 분석에 대한 중요성이 증가하고 있다. 빅데이터를 분석하기 위한 기술에는 통계 분석, 데이터 마이닝(Data Mining), 텍스트 마이닝(Text Mining), 소셜 네트워크 분석(Social Network Analysis) 등이 있다. 빅데이터의 개념은 데이터 저장 및 처리 비용의 하락, 대용량·초고속 유무선 네트워크의 보편화, 모바일·클라우드·소셜 네트워크 서비스의 등장 등 ICT(Information & Communication Technology)의 트렌드가 인프라와 기술 중심에서 데이터 분석 기술을 통한 사회적, 경제적 가치 창출 확대 중심으로 이전되면서 출현하게 되었다. 기존의 데이터 분석은 업종별, 시스템 별 또는 직무별 한정된 범위 내에서 정형화된 데이터를 수집·정제하여 분석하는 방식이었으나, 빅데이터 분석은 기존 데이터 분석과 데이터 ‘크기’와 ‘정형화 정도’에서 확연한 차이가 존재하여 정형 및 비정형의 대용량 데이터 분석이 가능하다. 분석 기술에 있어서도 기존의 데이터 분석은 Statistical Analysis, Querying and Reporting, OLAP, Database, Data Warehouse 등의 기술이 적용되었으나, 빅데이터 분석에서는 Advanced Statistical Analysis, Data Mining and Text Mining, Social Network Analysis, Hadoop 등의 다양한 분석 기술이 개발되어 적용하고 있다. 선행연구에 따르면 데이터의 속도, 크기, 다양성, 복잡성, 순수성, 진실성, 시각화, 가치 등의 특성을 통해 빅데이터로 정의하였다. 항공분야에서는 소위 빅데이터의 특성에 부합하는 크기, 속도, 다양성, 즉 3Vs 특성으로 정의되는 빅데이터는 거의 없지만, 다양한 데이터를 융합 분석을 통한 가치 창출의 특성이 추가된 6Vs의 특성으로 항공분야의 빅데이터 개념을 정의할 수 있다. 항공분야 빅데이터 구축은 항공안전, 항공사, 공항, 운항 등 항공의 전 분야에 걸쳐 이루어지고 있다. 국내 항공분야 빅데이터 중 개방된 공공데이터로서 다양한 형태로 체계적으로 구축된 분야는 운송 및 공항 통계, 그리고 안전 데이터이며, 빅데이터의 개념인 3Vs에 가장 적합한 데이터를 구축한 분야는 항공사 데이터이다. 그리고 가장 체계적으로 운영·관리되고 있으며, 항공분야의 전 분야의 정형 및 비정형의 대용량의 데이터를 보유한 시스템은 항공정보포털 시스템이다. 항공분야 데이터들은 주로 공공데이터로서 행정업무 효율성 증대를 위해 사용되고 있으며, 연구계 및 학계에서 필요로 하는 데이터는 민간 데이터로서 공개에 제약이 있거나, 공공데이터 개방 준비 중으로 분석 연구에 실질적으로 공유되지 못하고 있다. 본 연구에서는 항공분야의 빅데이터 분석 활성화를 위한 국내외 빅데이터의 정책 및 분석 활용 사례를 조사하였다. 항공분야의 빅데이터 분석은 항공안전, 항공사, 공항, 운항 등 항공의 전 분야에 걸쳐 연구가 진행되고 있으며, 국외의 경우 공공데이터의 융합분석 연구뿐만 아니라 민간데이터의 분석 연구가 활발히 진행 중이다. 국내의 항공분야 빅데이터 수집 및 분석 활용은 다른 교통 분야나 국외 항공분야 활용사례에 비하여 미미한 수준으로 많은 개선이 필요하다. 그리고 빅데이터에 대한 항공분야의 인식도 및 제약조건 설문조사를 실시하였으며, 항공안전, 지연/결항, 항공기술 트렌드 분석을 통하여 빅데이터 분석의 시사점을 도출하여 항공분야 빅데이터의 정책적 활용방안을 제시하였다. 일반적으로 빅데이터의 개념으로 3Vs, 즉 데이터의 속도, 크기, 다양성으로 정의하고 있으나, 항공분야의 빅데이터는 다양한 데이터 융합 분석을 통한 가치창출의 특성이 추가된 6Vs(데이터의 속도, 크기, 다양성, 복잡성, 순수성, 진실성, 시각화, 가치)로 정의할 수 있다. 범정부적인 데이터 융합과 민간데이터 활용으로 빅데이터 분석의 토대를 구축하기 위해 공공데이터의 개방을 추진하기 위해 2011년 10월 국가정보화 전략위원회에서 빅데이터를 활용한 스마트 정부 구현(안)을 수립하였다. 이후, 2013년 수립된 정부3.0에 따라 공공정보를 적극 개방·공유하고, 부처 간 칸막이를 없애고 소통·협력함으로써 국정과제에 대한 추진동력을 확보하고 국민 맞춤형 서비스를 제공함과 동시에 일자리 창출과 창조경제를 지원하는 새로운 정부운영 패러다임을 수립하였다. 2013년도 정부3.0은 기반 구축 및 범정부적 확산을 중점으로 추진하여 중앙부처 중심으로 성과 창출을 시작하였으나, 국민접점 기관(지자체·공공기관)의 실천 부족 및 국민 체감도 저조 등의 해소가 필요하다고 평가된다. 이러한 공공데이터 개방 정책을 지원하기 위하여 2013년 7월 공공데이터의 제공 및 이용 활성화에 관한 법률이 제정되었으며, 이에 따라 공공기관이 보유·관리하는 데이터의 제공 및 그 이용 활성화에 관한 사항을 규정함으로써 국민의 공공데이터에 대한 이용권을 보장하고, 공공데이터의 민간 활용을 통한 삶의 질 향상과 국민경제 발전에 이바지하고자하는 정책적 의지를 표명하고 있다. 예를 들어, 상품 판매 데이터를 이용한 연관관계규칙 분석에서 연관 규칙 “If A then B”를 전제로 할 때, 지지도(Support)는 전체 거래 중 A와 B를 포함하는 거래의 비율로 나타내며, 신뢰도(Confidence)는 A를 포함하는 거래 중 B가 함께 포함되는 거래의 비율을 의미하고 리프트(Lift)는 임의로 B가 구매된 경우에 비해 연관 규칙에 의해 B가 구매 되는 경우의 비율을 의미한다. 일반적으로 리프트 값이 1보다 큰 경우 예측력이 있다고 간주하며 지지도, 신뢰도, 리프트에 의해 도출된 연관 규칙을 평가하여 선정한다. 연관관계규칙은 분석 결과가 규칙(Rule)으로 표현되기 때문에 직관적으로 이해하기 쉽다는 장점이 있다. 그러나 현행 항공 지연 및 결항 데이터의 경우 비정상 운항 원인에 대한 분류가 명확하게 구분되어 있지 않고, 그 원인을 기술하는 방식이 제각각이기 때문에 연관 규칙 분석 기법이나 빅데이터 분석 기법을 적용하기 어렵다. 따라서 향후 항공 비정상 운항 관련 분석을 위해서는 확실한 분류 기준에 따라 통일성 있는 항공 지연 및 결항 원인 데이터 구축과 관리가 필요하다. 정부3.0을 통해 개방된 공공데이터는 현재 2만 2,099건에 달했으나 이를 활용하여 서비스 개발 등 사업화가 이루어진 것은 333건에 그쳐 공공데이터의 민간 사업화율이 1.5%에 그쳤다. 국내 빅데이터 정책의 한계로서 단순히 정보 공개 건수로 평가 관리가 이루어져 실무자들은 정보 공개의 중요성 및 목적을 인식하지 못하고 있으며, 이는 실제 공개된 데이터의 활용성, 연계성, 목적성이 뚜렷하지 않은 것이 문제점으로 드러나고 있다. 또한 이시직(2014)은 개인정보가 포함된 공공데이터의 개방범위, 이 데이터의 공개·이용·제공의 경우 미비한 법적 조치사항, 그리고 다른 개별 법률과의 조화 등에 대한 문제점을 제기하고 있다. 특히 기상법 및 기상산업진흥법에 따라 본인이 필요한 공공데이터를 제공받거나 이용할 수 없고, 공공 데이터의 제공 및 이용 활성화에 관한 법률에 따라 공공데이터포털에서 제공하는 데이터만을 사용해야하는 문제점은 본 연구의 빅데이터 융합 분석을 위한 데이터 검토 시에도 발생하였다. 데이터의 가치를 극대화 할 수 있도록 데이터 수집에서 데이터 분석까지의 데이터 분석 연구 개발을 위해서는 각 단계별 빅데이터 분석 전략 및 인프라 구축이 필요하다.