데이터 모델과 데이터 품질
비개발자를 위한 데이터 품질 입문. GIGO(Garbage In, Garbage Out)의 의미와 데이터 모델, 정확성·완전성·일관성 등 좋은 데이터의 여섯 가지 기준을 생활 예시로 설명합니다.
잘못 저장된 데이터는 빠르게 찾아도 틀린 답이다
"비개발자가 알아야 할 데이터베이스 이야기" 12부작 중 6편입니다. 어떤 데이터베이스를 골라도 피할 수 없는 문제 — 데이터베이스 '안에' 무엇이 담기는가 — 를 다룹니다. 이 편은 전체 시리즈의 중심축이기도 합니다.
한 고객이 시스템 안에서 세 사람으로 보일 수 있다. 첫 주문에는 'Jaehee Song', 두 번째에는 'Song, Jaehee', 세 번째에는 다른 이메일 주소가 입력됐기 때문이다. 반대로 이름이 같은 두 사람이 한 사람으로 합쳐질 수도 있다.
데이터베이스가 빠르고 안정적이어도, 데이터의 뜻과 기준이 불분명하면 올바른 결정을 돕지 못한다.
Garbage In, Garbage Out — 쓰레기를 넣으면 쓰레기가 나온다
컴퓨터 역사에서 가장 오래된 격언 중 하나가 **GIGO(Garbage In, Garbage Out)**다. 1950년대부터 전해 내려오는 이 말은 단순하지만 아직도 반복해서 확인된다.
나쁜 데이터를 넣으면, 아무리 좋은 시스템도 나쁜 결과를 낸다.
여기서 반드시 짚어야 할 사실 하나가 있다. 데이터베이스는 저장소이지 진실이 아니다. 데이터베이스는 "데이터가 정확한가"를 스스로 판단하지 않는다. 형식이 맞는지만 검사할 뿐이다. 생년월일 칸에 날짜 형식의 잘못된 날짜가 들어오면, 데이터베이스는 아주 충실하게 그 잘못된 날짜를 저장하고, 빠르게 찾아 주고, 완벽하게 백업한다. 시스템은 완벽하게 작동하는데 내용이 틀린 것이다.
그래서 "데이터베이스를 잘 관리한다"는 말은 두 겹의 뜻을 갖는다.
- 그릇의 관리 — 성능, 백업, 보안, 장애 대응 (1
5편, 911편의 주제) - 내용물의 관리 — 데이터가 정확하고, 완전하고, 일관되고, 최신인가 (이 편의 주제)
대부분의 조직이 1번에는 투자하면서 2번을 방치한다. 그 결과가 "빠르고 안전하게 저장된 틀린 데이터"다.
GIGO가 실제로 만드는 비용
- 잘못된 고객 주소로 발송된 수만 건의 DM → 인쇄·우편비 전액 손실 + 브랜드 이미지
- 중복 고객을 한 명으로 몰라본 리텐션 분석 → "고객이 줄고 있다"는 착시 위에서 잘못된 마케팅 예산 배정
- 단위가 섞인 매출 데이터(원화/달러) → 경영진 보고서의 숫자가 몇 달 뒤에야 정정
- 오래된 재고 데이터 위에서 돌아가는 자동 발주 → 품절과 과잉 재고의 동시 발생
나쁜 데이터의 무서운 점은 티가 나지 않는다는 것이다. 서버 장애는 경보가 울리지만, 데이터 오염은 조용하다. 누군가 이상함을 눈치챌 때까지 오염된 숫자 위에서 결정이 쌓인다. 그리고 12편에서 보겠지만, AI 시대에는 이 문제가 증폭된다 — AI는 나쁜 데이터를 인간보다 훨씬 빠른 속도로, 훨씬 그럴듯한 문장으로 되돌려 주기 때문이다.
데이터 모델은 현실을 옮겨 그린 지도다
**데이터 모델(data model)**은 현실의 사람, 사물, 사건을 어떤 항목과 관계로 기록할지 정한 설계다. 지도에 모든 나무와 돌을 그리지 않듯 데이터 모델도 현실의 모든 것을 담지 않는다. 목적에 필요한 것을 선택한다.
온라인 강의 서비스라면 사용자, 강의, 수강 신청, 결제, 진도 같은 대상을 구분할 수 있다. 여기서 중요한 질문이 생긴다.
- 한 사용자가 여러 강의를 들을 수 있는가?
- 환불한 수강 신청은 삭제할 것인가, 상태만 바꿀 것인가?
- 진도는 마지막 위치만 남길 것인가, 모든 학습 기록을 남길 것인가?
- 보호자와 학생 계정을 어떻게 구분하고 연결할 것인가?
이 질문은 기술보다 업무 규칙에 가깝다. 그래서 데이터 모델링은 개발자만의 일이 아니다. 현업 담당자가 참여하지 않으면 시스템은 실제 업무와 다른 지도를 그린다 — 그리고 그 지도 위에서 모든 보고서와 의사결정이 만들어진다.
좋은 데이터의 여섯 가지 기준
데이터 품질은 "정확한가" 하나로 평가되지 않는다. 보통 여섯 가지 기준으로 본다.
정확성(Accuracy)
현실과 맞는가? 주소, 잔액, 생년월일이 실제와 일치해야 한다. 나쁜 예: 이사한 지 2년 된 주소로 중요 안내문 발송
완전성(Completeness)
업무에 필요한 값이 빠지지 않았는가? 모든 칸을 채우는 것이 아니라 목적에 필요한 항목이 있는지를 본다. 나쁜 예: 고객의 40%에 연락 수단이 없어 마케팅 대상에서 누락
일관성(Consistency)
시스템마다 같은 뜻과 값을 사용하는가? 나쁜 예: 한 시스템에서는 '활성 고객', 다른 시스템에서는 '유료 사용자'라고 부르며 서로 다른 기준 사용
적시성(Timeliness)
필요한 때에 충분히 최신인가? 나쁜 예: 어제 마감된 재고 정보로 오늘 주문 접수
유일성(Uniqueness)
같은 대상이 불필요하게 중복되지 않았는가? 나쁜 예: 글머리의 고객처럼 한 사람이 세 개의 ID로 존재
유효성(Validity)
정해진 형식과 규칙을 지키는가? 나쁜 예: 전화번호 칸에 '모름' 입력, 존재하지 않는 날짜
품질을 관리한다는 것은 이 기준들을 측정 가능한 지표로 만들고("필수 항목 누락률 5% 이하"처럼), 기준 미달 시 고치는 절차를 두는 것이다.
품질 문제는 입력 화면에서 시작되는 경우가 많다
사용자에게 자유롭게 글을 쓰게 해 놓고 나중에 정확한 통계를 만들기는 어렵다. 'WA', 'Washington', '워싱턴주'가 모두 들어오면 먼저 같은 값으로 정리해야 한다. 선택 목록, 날짜 선택기, 주소 확인, 중복 경고 같은 입력 설계가 데이터 품질에 큰 영향을 준다.
2편의 제약 조건이 문 앞의 검문소라면, 입력 화면 설계는 애초에 헷갈리지 않게 안내하는 표지판이다. 그렇다고 모든 입력을 강제로 제한하면 사용성이 나빠지거나 현실의 예외를 담지 못할 수 있다. 필수 구조와 자유로운 설명을 적절히 나누는 것이 중요하다.
정리보다 예방이 싸다
잘못된 데이터가 쌓인 뒤 정리하려면 원래 뜻을 확인하기 어렵다. 담당자가 떠났거나 근거 자료가 없을 수도 있다. 다음과 같은 예방 장치가 도움이 된다.
- 중요한 항목의 정의와 입력 예시를 적는다
- 가능한 값의 목록과 예외 처리 방법을 정한다
- 중복을 찾을 기준을 합의한다 (이름? 이메일? 전화번호?)
- 누가 수정할 수 있는지 정한다
- 품질 문제를 보고하고 고치는 절차를 만든다
- 자동 검사 결과를 사람이 검토할 통로를 둔다
경험 법칙이 하나 있다. 데이터 오류의 비용은 발견이 늦을수록 커진다 — 입력 단계에서 1이었다면, 보고서 단계에서는 10, 경영 의사결정에 영향을 준 뒤에는 100이 된다는 것이다. "정리는 나중에"가 가장 비싼 선택인 이유다.
'원본'은 어디인가?
같은 고객 정보가 CRM, 결제 시스템, 이메일 도구에 모두 있다면 어느 것이 기준일까? 모든 정보를 한 시스템에 몰아넣을 필요는 없지만, **항목별 기준 시스템(system of record)**은 정해야 한다. 결제 상태는 결제 시스템, 마케팅 수신 동의는 동의 관리 시스템을 원본으로 삼는 식이다.
원본이 정해지지 않으면 "어느 숫자가 맞나요?"라는 질문에 답할 수 없다. 그리고 이 질문에 답할 수 없는 조직의 데이터는, 분석이든 AI든 어디에 쓰든 신뢰를 얻기 어렵다.
핵심 정리 데이터 모델은 현실을 목적에 맞게 옮긴 지도이며, 데이터 품질은 정확성뿐 아니라 완전성·일관성·적시성·유일성·유효성을 포함한다. 데이터베이스는 그릇일 뿐 진실을 보증하지 않는다 — Garbage In, Garbage Out. 품질은 나중에 청소하는 문제가 아니라 정의, 입력 화면, 업무 절차에서 예방해야 할 문제이며, 오류는 발견이 늦을수록 비용이 커진다.
생각해 볼 질문
- 우리 조직에서 가장 자주 논쟁이 생기는 숫자는 무엇인가?
- 그 숫자에 사용된 용어와 계산식이 문서로 남아 있는가?
- 고객, 상품, 직원 정보의 기준 시스템은 각각 어디인가?
- 우리 데이터베이스에 들어있는 데이터의 품질을 마지막으로 측정해 본 것은 언제인가?
다음 글: 데이터를 잘 관리하기 위한 역할과 규칙, 즉 데이터 거버넌스를 살펴본다. 좋은 데이터를 '우연'이 아니라 '체계'로 만드는 방법이다.
시리즈 목차
- 데이터베이스란 무엇인가 — 엑셀 파일과 무엇이 다를까?
- 데이터베이스는 어떻게 정확성을 지킬까
- 데이터베이스에는 어떤 종류가 있을까
- 데이터베이스, 데이터 웨어하우스, 데이터 레이크
- 올바른 데이터베이스 선택이 중요한 이유
- 데이터 모델과 데이터 품질 ← 현재 글
- 데이터 거버넌스란 무엇인가
- 개인정보는 적게, 필요한 만큼만
- 데이터 보안의 기본
- 데이터 침해는 왜 일어나며, 발생하면 무엇을 해야 할까
- 클라우드와 서버리스 데이터베이스
- AI 시대의 데이터베이스
