Earticle

본 연구는 공공데이터 품질관리 모델, 빅데이터 품질관리 모델, 그리고 연구데이터 관리를 위한 데이터 생애주기 모델을 분석하여 각 품질관리 모델에서 공통적으로 나타나는 구성 요인을 분석하였다. 품질관리 모델은 품질관리를 수행하는 객체인 대상 데이터의 특성에 따라 생애주기에 맞추어 혹은 PDCA 모델을 바탕으로 구축되고 제안되는데 공통적으로 계획, 수집 및 구축, 운영 및 활용, 보존 및 폐기의 구성요소가 포함된다. 이를 바탕으로 본 연구는 연구데이터를 대상으로 한 품질관리 프로세스 모델을 제안하였는데, 특히 연구데이터를 대상 데이터로 하여 서비스를 제공하는 연구데이터 서비스 플랫폼에서 데이터를 수집하여 서비스하는 일련의 과정에서 수행해야하는 품질관리에 대해 계획, 구축 및 운영, 활용단계로 나누어 논의하였다. 본 연구는 연구데이터 품질관리 수행 방안을 위한 지식 기반을 제공하는데 의의를 갖는다.

This study analyzed the government data quality management model, big data quality management model, and data lifecycle model for research data management, and analyzed the components common to each data quality management model. Those data quality management models are designed and proposed according to the lifecycle or based on the PDCA model according to the characteristics of target data, which is the object that performs quality management. And commonly, the components of planning, collection and construction, operation and utilization, and preservation and disposal are included. Based on this, the study proposed a process model for research data quality management, in particular, the research data quality management to be performed in a series of processes from collecting to servicing on a research data platform that provides services using research data as target data was discussed in the stages of planning, construction and operation, and utilization. This study has significance in providing knowledge based for research data quality management implementation methods.

본 연구는 공개된 수질측정 자료를 이용하여 담수호의 수질변화추이를 분석하고 수질항목의 이상여부의 판단기준을 마련하며, 자료로부터 부영양화의 지표인 Chlorophyll-a를 예측할 수 있는 회귀모형을 구성하여 담수호 관리에 이용할 수 있는 방안을 검토하고자 하였다. 이에 따라 서해안 담수호 3개소를 선정하여 약 20년간의 수질항목자료를 회귀분석 방법으로 분석하고, 각 수질항목의 연중 주기적인 변화를 나타내는 회귀식과 신뢰도 95%에서의 표준편차를 산정함으로서 이상 여부의 판단방법을 제시하였다. 또한 불규칙한 관측일로부터 Chlorophyll-a의 시간적 변화율을 산정하고, 다른 수질항목간의 상관관계 분석 및 회귀모형을 구성하여 분석함으로서 수질측정 자료만을 이용하여 Chlorophyll-a의 변화를 예상할 수 있는 방법을 제시하였다. 본 연구결과는 통계학적 모형에 의한 근사적인 수질예측방법으로서 향후 수질측정 자료의 양적·질적 개선이 이루어진다면 담수호 수질관리에 기여할 것으로 기대된다.

As using public monitoring data, analysing a trends of water quality change, establishing a criteria to determine abnormal status and constructing a regression model that can predict Chlorophyll-a, an indicator of eutrophication, was studied. Accordingly, the three freshwater lakes were selected, approximately 20 years of water quality monitoring data were analyzed for periodic changes in water quality each year using regression analysis, and a method for determining abnormalities was presented by the standard deviation at confidence level 95%. By calculating the temporal change rate of Chlorophyll-a from irregular observed data, analyzing correlations between the rate and other water quality items, and constructing regression models, a method to predict changes in Chlorophyll-a was presented. The results of this study are expected to contribute to freshwater lake water quality management as an approximate water quality prediction method using the statistical model.

보건의료데이터의 질적 수준을 향상시키기 위해서는 데이터 질 관리 알고리즘을 개발할 필요성이 있다. 이 에 본 연구에서는 질환의 유병률, 입원율이 높은 고혈압 환자의 당뇨질환 동반에 관련된 데이터 질 관리 알고리즘을 개발하고자 하였다. 이를 위해 2011년, 2012년 퇴원손상심층조사 자료 중 고혈압 환자 61,199건을 추출하여 분석대 상으로 하였다. 데이터 마이닝의 대화식 의사결정나무 방법과 Outlier Detection 방법론을 통해 데이터 질 관리 알고 리즘 개발한 결과 고혈압 환자가 당뇨병을 동반상병으로 가지는데 영향을 미치는 요인으로는 성별, 연령, 당뇨병성 사구체 장애, 당뇨병성 망막병증. 당병성 다발성 신경병증 등이 있었다. 의사결정나무 결과에 따라 당뇨병을 동반상 병으로 가질 확률 값이 80% 이상이거나, 20% 이하인 집단을 Outlier(극단치)로 정의하고, 고혈압 환자의 당뇨 동반 에 대한 극단치를 가지는 6개 집단을 발견하였다. 이와 같이 Outlier(극단치) 집단에 포함되는 실제 데이터를 확인하 여 데이터의 질적 수준을 향상 시킬 필요가 있다.

There is a need to develop a data quality management algorithm in order to improve the quality of health care data. In this study, we developed a data quality control algorithms associated diseases related to diabetes in patients with hypertension. To make a data quality algorithm, we extracted hypertension patients from 2011 and 2012 discharge damage survey data. As the result of developing Data quality management algorithm, significant factors in hypertension patients with diabetes are gender, age, Glomerular disorders in diabetes mellitus, Diabetic retinopathy, Diabetic polyneuropathy, Closed [percutaneous] [needle] biopsy of kidney. Depending on the decision tree results, we defined Outlier which was probability values associated with a patient having diabetes corporal with hypertension or more than 80%, or not more than 20%, and found six groups with extreme values for diabetes accompanying hypertension patients. Thus there is a need to check the actual data contained in the Outlier(extreme value) groups to improve the quality of the data.

본 연구는 데이터 품질관리 평가 모델에 관한 연구이다. 정보통신기술이 고도화되고 저장 및 관리에 대한 중요성 이 증가를 하기 시작하며서 데이터에 대한 괌심이 증가를 하고 있다. 특히 최근에는 4차산업혁명과 인공지능에 대해 관심이 증가를 하고 있다. 4차산업혁몽과 인공지능 시대에 중요한 것이 바로 데이터이다. 21세기는 데이터가 새로운 원유로서의 역할을 수행할 것으로 보인다. 이러한 데이터의 품질에 대한 관리가 매우 중요하다고 할 수 있다. 그러나 실무적인 차원에서의 연구는 진행이 되고 있으나 학문적 차원의 연구는 부족한 실정이다. 이에 본 연구에서는 전문가를 대상으로 데이터 품질관리에 영향을 미치는 요인에 대해 살펴보고 시사점을 제시하였다. 분석결과 데이터 품질관리의 중요도에는 차이가 있는 것으로 나타났다.

This study is about the data quality management evaluation model. As the information and communication technology is advanced and the importance of storage and management begins to increase, the guam feeling for data is increasing. In particular, interest in the fourth industrial revolution and artificial intelligence has been increasing recently. Data is important in the fourth industrial revolution and the era of artificial intelligence. In the 21st century, data will likely play a role as a new crude oil. It can be said that the management of the quality of this data is very important. However, research is being conducted at a practical level, but research at an academic level is insufficient. Therefore, this study examined factors affecting data quality management for experts and suggested implications. As a result of the analysis, there was a difference in the importance of data quality management.

The competence of enterprise for managing information is evaluated not by the amount of information but by the quality of information such as response time, data consistency, and data correctness. The degradation of data quality is usually caused by the inappropriate process of managing the structure and value of stored data. According to the recent survey on the actual condition of data quality management, the correctness and consistency of data appeared to be the most problematic area among the six criteria of data quality management such as correctness, consistency, availability, timeliness, accessibility, and security. Moreover, the problem was more serious in case of small and medium-sized companies than large enterprises. In this paper, therefore, we attempt to propose a new data quality control methodology for small and medium-sized companies that can improve the correctness and consistency of data without consuming too much time and cost. To adopt the proposed methodology to real application immediately, we provided some scripts for as-is analysis and devised automation tools for managing naming rules of vocabulary, terminology, and data code. Additionally, we performed case study on the distribution service of a small-sized company to estimate the applicability of our tool and methodology.

4차산업혁명시대에 정보통신기술의 비약적인 발전, 고객구매 성향의 다양함, 복잡함은 산업 전체적으로 데이터 의 양적 중가를 가져와 ‘빅데이터’ 시대를 맞이하게 되었다. 빅데이터 시대는 데이터를 분석, 활용하여 기업의 전략적 의사결정에 활용하는 것이 기업의 핵심 역량으로 자리 잡게 되었다. 하지만 현재 빅데이터 연구들은 기술적 이슈와 미 래 잠재 가치 중심이었다. 반면 기업이 보유한 내.외부 고객 빅데이터의 품질 및 활용 수준관리에 대한 연구와 논의는 부족하였다. 본 연구에서는 기업의 내.외부 빅데이터 품질관리 정보시스템 측면와 품질경영 측면으로 인식하여 영향요 인을 도출하였다. 또한 빅데이터 품질관리, 빅데이터 활용 및 수준관리가 기업의 업무 효율화와 기업 경영성과에 유의한 영향을 미치는지 204명의 임직원 설문을 통해 조사하였고, 가설을 설정하여 검증하였다. 연구결과 경영층의 지원, 개인 혁신성, 경영환경변화, 빅데이터 품질활용 지표관리, 빅데이터 거버넌스 체계 마련이 기업 경영성과에 유의한 영향을 미쳤다.

The Fourth Industrial Revolution brought the quantitative value of data across the industry and entered the era of 'Big Data'. This is due to both the rapid development of information & communication technology and the diversity & complexity of customer purchasing tendencies. An enterprise's core competence in the Big Data Era is to analyze and utilize the data to make strategic decisions for enterprise. However, most of traditional studies on Big Data have focused on technical issues and future potential values. In addition, these studies lacked interest in managing the quality and utilization levels of internal & external customer Big Data held by the entity. To overcome these shortages, this study attempted to derive influential factors by recognizing the quality management information systems and quality management of the internal & external Big Data. First of all, we conducted a survey of 204 executives & employees to determine whether Big Data quality management, Big Data utilization, and level management have a significant impact on corporate work efficiency & corporate management performance. For the study for this purpose, hypotheses were established, and their verifications were carried out. As a result of these studies, we found that the reasons that significantly affect corporate management performance are support from the management class, individual innovation, changes in the management environment, Big Data quality utilization metrics, and Big Data governance system.

본 연구는 대학 전공교육의 질 관리가 형식적인 지표 산출에 머무르는 한계를 극복하기 위해 데이터 거버넌스 기반 PDCA 환류 모델을 설계하고 T대학 내 3개 전공(컴퓨터공학, 에너지ㆍ전기, 미디어 디자인)을 대상으로 수행된 파일럿 테스트 사례를 분석하였다. 이를 위해 과정 추적법(Process Tracing)을 적용하여 시스템 로그 데이터와 심의ㆍ의결 문서의 연결 관계를 통해 진단 산출물이 공식 의사결정 절차를 거쳐 개선 조치로 공식화되는 작동 메커니즘을 규명하였다. 이에 따른 연구 결과는 다음과 같다. 첫째, T대학의 환류 모델은 행정적 성과관리 루프와 역량 모델 타당성을 검증하는 R&D 루프가 결합된 이중 순환(Dual-Loop) 구조로 설계되었다. 둘째, 에너지ㆍ전기공학 전공 사례 분석 결과 역량 진단 데이터(Check)가 공식 심의 기구의 의결을 거쳐 교육과정 개편 조치(Action)로 공식화되는 제도적 전환 메커니즘으로 작동하고 있었다. 이는 대학 전공역량 환류 체계가 공학 및 융합 분야에서 실질적인 교육 품질 개선을 이끄는 거버넌스 시스템으로 작동할 수 있음을 시사한다.

This study proposes a data-governance–based PDCA(Plan–Do–Check–Action) feedback model to address the limitation that quality management of major education in higher education often remains at the level of formal indicator production. Using a pilot implementation in three majors at T University(Computer Engineering, Energy and Electrical Engineering, and Media Design), we applied process tracing to examine how diagnostic outputs are translated into institutional decisions. System log data and formal deliberation and resolution documents were analyzed to reconstruct an evidence chain from competency diagnosis to improvement actions. The findings are as follows. First, the proposed model is designed as a dual-loop structure that integrates an administrative performance-management loop with an internal R&D loop for validating and refining the competency model. Second, an in-depth case from the Energy and Electrical Engineering major shows an institutional pathway in which diagnostic results (Check) are reviewed and approved through a formal decision gate, and subsequently articulated as curriculum-related improvement actions (Action). These results suggest that a major-competency feedback system can function as a governance mechanism for practical quality enhancement in engineering and interdisciplinary programs.

본 연구에서는 센서가 장착된 무인원격이동체(unmanned remote system)를 기반으로 측정된 수질 및 유량 데이터를 통합적으로 관리·분석할 수 있는 지능형 수질·유량 통합관리 시스템(Smart Integrated Water Data Management System)을 구축하였다. 본 시스템은 ODM2, WaterML 2.0 및 RiverML 0.2 표준구조를 적용하여 데이터의 수집, 전처리, 품질검증, 3차원(3D) 시각화를 자동화하였으며, 국가 수자원관리시스템(WAMIS)과 물환경정보시스템(WEIS)과의 실시간 연계를 지원한다. 현장 적용은 낙동강·금호강·진천천 합류부(사문진교 인근)와 팔당호 등을 대상으로 수행하였다. 분석 결과, 낙동강 ·금호강 ·진천천 합류부에서는 유량비를 좀 더 정확하게 파악할 수 있었고 수질항목들의 공간적 변화를 3차원적으로 정량화하는 데에 효과적이었다. 팔당호에서는 클로로필-a 및 영양염 농도를 3차원적으로 파악함으로써 녹조의 조기탐지, 발생 양상 및 변화를 예측하는 데 기초자료로 활용 가능함을 확인하였다. 또한, 각 수질항목과 유량 데이터 간의 상관·회귀분석을 통해 영향요인을 규명하고 회귀식을 제시하는 데에 활용 가능하였다. 본 시스템은 3차원 관측데이터를 통합 관리하고 수질·유량 상호작용을 정량적으로 분석할 수 있는 기반을 제공하며, 향후 지능형 대응체계로의 전환에 기여할 것으로 기대된다.

This study developed a Smart Web-based Data Platform for Integrated Management of Water Quality and Flow, which enables comprehensive management and analysis of water quality and flow data measured by sensor-equipped unmanned remote systems. The system applies standardized data structures based on ODM2, WaterML 2.0, and RiverML 0.2, automating data collection, preprocessing, quality control, and three-dimensional (3D) visualization. It also supports real-time integration with national platforms such as WAMIS (Water Resources Management Information System) and WEIS (Water Environment Information System). Field applications were conducted at four testbeds such as the Nakdong-Geumho-Jincheon River confluence (Samunjin Bridge area) and Paldang Lake. Analysis results demonstrated that the system could more accurately determine flow ratios at the confluence and quantify the spatial variations of water quality parameters in 3D. At Paldang Reservoir, chlorophyll-a and nutrient concentrations were assessed in 3D, providing baseline data for early detection of algal blooms and for predicting their occurrence and dynamics. Additionally, correlation and regression analyses between water quality parameters and flow data were used to identify influencing factors and establish regression models. This system provides a foundation for integrated management of 3D observational data and quantitative analysis of water quality-flow interactions, and is expected to contribute to the future development of intelligent response systems.

최근 기업의 각 업무가 정보화되면서 부문별, 업무별 정보시스템의 데이터 간에 심각한 중복성과 불일치성의 문제가 대두되면서 데이터 품질관리에 관심이 집중되고 있다. 본 연구는 실제로 데이터 품질 관리 프로세스 개선을 통해 데이터 품질이 향상된 기업의 사례를 통하여 프로젝트 수행 과정에서 의 주요 이슈와 위험요인을 살펴보고 그 해결방안을 제시함으로써 데이터 품질 향상을 위해 노력하는 타 기업들에게 도움을 주고자 하였다. 또한, 개선된 데이터 품질 관리 프로세스에 대한 다차원적인 평가로서 데이터 품질, 생산성, 고객만족도, 조직 및 문화의 측면에서 정성적이고 정량적인 지표를 통한 개선효과를 살펴보고 평가함으로써 제안된 프로세스에 의해 품질수준이 향상되었음을 검증하였고 평가 분석을 통한 시사점을 도출하였다.

본 연구는 낙동강수계 지류에서의 장기 수질모니터링 자료를 이용하여 수질의 목표수질 초과율, 증가 추세를 검토하 여 지류에서 문제 되는 물질이 무엇인지 파악하는 것이 목적이다. 낙동강수계에서는 중점 관리가 필요한 38개 지류 에 대하여 월 1회 모니터링이 수행되고 있으며 이 자료를 이용하여 지점별 목표수질 초과 및 증가 경향을 분석하였 다. 분석 항목은 하천 수질 기준으로 평가가 가능한 DO, BOD, COD, TOC, SS, 총인, 분원성 대장균군, 총대장균 군 8개 항목이다. 분석 결과, 목표수질 초과율이 50% 이상이며 증가추세인 항목은 TOC, 분원성 대장균과 총대장 균수로 나타났으며 초과율이 50% 이하이나 증가 경향을 가진 항목은 SS로 나타났다. TOC는 난분해성 물질의 증가 로 인한 원인으로 판단되며 대장균의 지속적인 증가는 향후 하수처리시설에서의 방류수질 중 대장균의 관리가 필요 할 것으로 판단된다.

The purpose of this study is to use long-term water quality monitoring data from tributaries of the Nakdong River system to identify problematic substances in tributaries by examining the rate of exceedance and increase in water quality targets. In the Nakdong River system, monitoring is conducted once a month for 38 tributaries that require intensive management, and this data was used to analyze trends in exceeding and increasing target water quality at each point. The analysis items are eight items that can be evaluated based on river water quality standards: DO, BOD, COD, TOC, SS, total phosphorus, fecal coliform, and total coliform. As a result of the analysis, the target water quality exceedance rate was more than 50%, and the items with an increasing trend were TOC, fecal coliform and total E. coli counts, and the items with an exceedance rate of less than 50% but an increasing trend were SS. TOC is believed to be caused by an increase in non-degradable substances, and the continued increase in Total Coliform will require management of Total ColiformTotal Coliform in effluent water from sewage treatment facilities in the future.

Major developed countries are seriously considering smart factories to increase their manufacturing competitiveness. Smart factory is a customized factory that incorporates ICT in the entire process from product planning to design, distribution and sales. This can reduce production costs and respond flexibly to the consumer market. The smart factory converts physical signals into digital signals, connects machines, parts, factories, manufacturing processes, people, and supply chain partners in the factory to each other, and uses the collected data to enable the smart factory platform to operate intelligently. Enhancing personalized value is the key. Therefore, it can be said that the success or failure of a smart factory depends on whether big data is secured and utilized. Standardized communication and collaboration are required to smoothly acquire big data inside and outside the factory in the smart factory, and the use of big data can be maximized through big data analysis. This study examines big data analysis and standardization in smart factory. Manufacturing innovation by country, smart factory construction framework, smart factory implementation key elements, big data analysis and visualization, etc. will be reviewed first. Through this, we propose services such as big data infrastructure construction process, big data platform components, big data modeling, big data quality management components, big data standardization, and big data implementation consulting that can be suggested when building big data infrastructure in smart factories. It is expected that this proposal can be a guide for building big data infrastructure for companies that want to introduce a smart factory.

The data quality in information systems affects system robustness significantly. Although a large body of research focuses on the issue of data quality, seldom has literature been done to develop effective control policies to manage system robustness associated with data errors. A process-oriented methodology is proposed to manage system robustness measured by performance, control cost and control time, which is achieved through establishing formal model of information systems and mathematical optimization models of system robustness. The proposed methodology captures how structural and functional characteristics of tasks affect system robustness and finds the optimal control policies, which facilitates the robustness-based design and management of information systems respectively. The methodology is illustrated in the case study.

Many previous studies of data quality have focused on the realization and evaluation of both data value quality and data service quality. These studies revealed that poor data value quality and poor data service quality were caused by poor data structure. In this study we focus on metadata management, namely, data structure quality and introduce the data quality management maturity model as a preferred maturity model. We empirically show that data quality improves as data management matures.

정부는 공공데이터의 민간 개방, 활용을 장려함으로써 신산업, 일자리 창출 등 창조경제 활성화에 기여하는 것을 주요 국정과제로 삼고 있다. 그리고 고품질 공공데이터 보유를 위해 공공데이터 품질관리 수준평가 진행 등의 활동을 통해 공공데이터 품질 향상을 도모하고 있다. 그러나 품질진단 도구 사용자의 데이터 전문성, 이해도에 따라 공공데이터 품질관리 수준평가 결과에 격차가 발생하기 때문에 진단 결과의 정확성을 보장하기 어렵다. 본 논문은 데이터 이해도가 낮은 사용자의 진단 결과에 대한 정확성을 보장하기 위해 데이터 품질진단 기준 중 유효성 진단에 적용 가능한 공공데이터 품질관리 수준평가 도메인규칙 매핑 모델을 제안하였다. 또한 모델에 실제 데이터를 적용한 결과 공공데이터 품질진단의 안정성과 정확성을 높이는 것을 확인하였다.

The Korean government has made it a major national task to contribute to the revitalization of the creative economy, such as creating new industries and jobs, by encouraging the private opening and utilization of public data. The Korean government is promoting public data quality improvement through activities such as conducting public data quality management level evaluation for high-quality public data retention. However, there is a difference in diagnosis results depending on the understanding and data expertise of users of the public data quality diagnosis tool. Therefore, it is difficult to ensure the accuracy of the diagnosis results. This paper proposes a public data quality management level evaluation domain rule mapping model applicable to validation diagnosis among the data quality diagnosis standards. This increases the stability and accuracy of public data quality diagnosis.

In competition of the global economic system, only first-class products can gain competitive advantages in the global market. However, most small and medium manufacturing companies don't have systematic and formalized business, and the quality and quantity of their corporate personnel are poor. It is not easy for them to maintain stable production of quality products. In order to overcome the limitations above, it is important to improve the quality of products, identify and improve the points which need to be managed urgently and carry out the optimal manufacturing process conditions continuously. In this study, to carry out quality management effectively in small and medium manufacturing companies, we proposed a data mining techniques-based quality management system to identify points needed to be managed urgently and maintain optimal manufacturing process conditions. The proposed system can identify quality management point easily by performing data mining's association analysis and Excel's multi-dimensional analysis. First, main process variables which have an effect on appearance of inferior-quality products are identified by applying decision tree. Second, rules of process variables which are related with fair-quality products and appearance of inferior-quality products are explained and process variables' parameters which can produce fair-quality products stably are decided. At the same time, the validity of the existing process variables' parameters are verified by decision tree based on the existing standard process parameters, and the optimal process parameters are set finally. The proposed system was applied to a domestic small and medium manufacturing company which produces breathable film. The result confirmed that the efficiency of quality management business and the decrease of breathable film product's inferiority.

데이터 품질의 패러다임 변화에 따라 기업에서는 효과적인 의사결정지원을 위한 정보서비스의 품질 관리가 중요하다. 본 연구에서는 설문조사를 통해 데이터 거버넌스 관점에서 행정기관 간 정보연계를 통해 민본 녹색 행정을 위한 '행정정보공동이용시스템'의 데이터 품질관련 현황을 분석하였다. 이와 관련하여 향후 정확하고 안전한 행정정보의 공동이용을 위한 정보서비스 품질관리체계 구축을 위한 대안으로서 데이터 거버넌스 관점의 행정정보 공유 데이터 품질관리체계 구축을 제시하는 바이다.