|
|
|
|
|
 |
데이터 표준이 없거나 서로 다른 정의가 충돌하면 어떻게 정리하십니까
문제는 데이터가 언제나 정직하지 않다는 점입니다.
데이터의 오류를 줄이는 것이 아니라 오류가 발생하는 구조를 바꾸겠습니다.
데이터는 혼자 만들 수 없습니다.
연합인포맥스는 뉴스와 데이터가 만나 있는 조직입니다.
또한 데이터 사전과 표준정의를 정리해 팀 내 기준 흔들림을 줄이겠습니다.
저는 새로운 데이터가 들어올 때 무엇을 정의하고 무엇을 검증해야 하는지 템플릿으로 만들고, 누구나 동일한 절차로 처리하게 하겠습니다.
데이터 오남용 금지입니다.
|
|
|
 |
5보안과 윤리 측면에서 데이터 취급 원칙은 무엇입니까
6협업 중 의견 충돌이 생겼을 때 어떻게 합의점을 만드십니까
데이터 업무에서 모른다는 말은 단순한 무지가 아니라 위험이라는 것을요.
DataAssociate는데이터를 입력하는 사람이 아니라, 데이터가 신뢰로 바뀌는 경로를 설계하는 사람이라고 생각합니다.
품질, 둘째 속도, 셋째 확장성입니다.
품질 기준을 사람의 감각이 아니라 규칙으로 옮기겠습니다.
실제로는 수집, 정제, 검증, 표준화, 변경관리 다섯 단계로 나뉩니다.
수집 단계에서는 소스의 권위를 먼저 확인합니다.
정제 단계에서는 사람이 실수하기 쉬운 지점을 줄입니다.
저는 입력단계에서부터 형식 제한과 자동변환 규칙을 두어 사람의 손을 덜 타게 만들겠습니다. 가능한 부분은 일괄 처리로 옮기고, 사람이 해야 하는 판단은 판단만 남기겠습니다.
검증 단계는 핵심입니다.
협업을 잘하는 사람은 상대의 시간을 아끼는 사람입니다.
데이터 정의 충돌이 생기면 누구의 말이 맞느냐가 아니라 어떤 정의가 더 일관된 가, 고객 관점에서 어떤 정의가 더 오해를 줄이는가, 시스템 관점에서 어떤 정의가 더 유지보수가 쉬운가로 결론을 내립니다.
갈등을 기술적 문제로 바꿉니다.
1년차의 목표는 속도를 올려도 품질이 떨어지지 않는 구조를 만드는 것입니다.
고객의사결정에 직접 영향을 주는 핵심 데이터인지 봅니다.
예시로 급하게 배포해야 하는데이터가 있다면, 최소한 단위와 정의, 전일 대비 변동검증, 소스 교차 확인까지는 필수로 하고 배포합니다.
무엇이 틀렸는지 보다 어디서부터 틀렸는지가 중요합니다.
동일 항목이 다른 소스에서도 동일하게 틀렸는지 확인 해소스 오류인지 내부 처리 오류인지가릅니다.
시간축을 확인해 특정 시점부터 틀렸는지, 간헐적으로 틀렸는지 구분합니다.
단위와 기준시점을 확인합니다.
금융 데이터 오류는 값 자체보다 단위 혼용, 기준 시점 불일치에서 많이 발생합니다.
필요하면 두정의를 동시에 제공하되 이름을 명확히 구분합니다.가장 위험한 것은 서로 다른 정의를 같은 이름으로 제공하는 것입니다.
예시로 시장에서 통용되는 정의가 존재한다면 그 정의를 기본으로 채택하고, 내부 운영상 필요한 정의가 있다면 별도 필드로 제공해 혼선을 줄이겠습니다.
반출 통제입니다.
업무 중 알게 된 민감정보나 시장에 영향을 줄 수 있는 정보를 개인적으로 활용하는 것은 윤리적으로도 법적으로도 치명적입니다.
대안별로 리스크, 비용, 일정, 품질 영향을 정리하면 합의가 빨라집니다.
저는 사람을 이기려 하지 않고, 조직의 시간을 이기는 방식으로 합의를 만들겠습니다. |
 |
데이터, 검증, 정의, 만들다, 기준, 사람, 어떻다, 소스, 이다, 오류, 처리, 품질, 확인, 범위, 단위, 규칙, 속도, 줄이다, 틀리다, 더 |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2026.03.05
7페이지
