데이터와 정보

1. 데이터의 정의와 특성

1. 데이터의 정의

• 데이터라는 용어는 1646년 영국 문헌에 처음 등장하였으며 라틴어인 Dare(주다)의 과거분사형으로 ‘주어진 것’이란 의미로 사용되었다.
• 1940년대 이후 컴퓨터 시대 시작과 함께 데이터의 의미는 과거의 관념적이고 추상적인 개념에서 기술적이고 사실적인 의미로 변화되었다.
• 데이터는 추론과 추정의 근거를 이루는 사실이며, 단순한 객체로서의 가치 뿐만 아니라 다른 객체와의 상호 관계 속에서 가치를 갖는 것으로 설명되고 있다.

2. 데이터의 특성

구분	특성
존재적 특성	객관적 사실(Fact, Raw Material)
당위적 특성	추론, 예측, 전망, 추정을 위한 근거(Basis)

2. 데이터의 유형

1. 정성/정량 데이터

구분	형태	예	특징
정성적 데이터(Qualitative Data)	언어, 문자 등	회사 매출이 증가함 등	저장, 검색, 분석에 많은 비용이 소모됨
정량적 데이터(Quantitative Data)	수치, 도형, 기호 등	나이, 몸무게, 주가 등	정형화된 데이터로 비용 소모가 적음

💡 정성 데이터/ 정량 데이터

정성적 데이터는 데이터의 형태와 형식이 명확하지 않은 데이터를 의미 정량적 데이터는 데이터의 형태와 형식이 명확하게 표현되는 데이터를 의미

유형	내용	예시
정형 데이터	• 형태(고정된 필드)가 있으며 연산이 가능 • 주로 관계형 데이터베이스(RDBMS)에 저장 • 데이터 수집 난이도가 낮음 • 형식이 저장되어 있어 처리가 쉬운 편 • 데이터 자체로 바로 분석 가능	관계형 데이터베이스, 스프레드 시트, CSV, 정보시스템(ERP, CRM, SCM 등) 등
반정형 데이터	• 형태(스키마, 메타데이터)가 있으며, 연산이 불가능 • 주로 파일 형태로 저장 • 데이터 수집 난이도가 중간 • 보통 API 형태로 제공되기 때문에 데이터 처리 기술(파싱)이 요구됨 • 데이터로 분석 가능하지만 해석이 불가능해 메타 정보 활용해야 해석 가능	XML, HTML, JSON, 로그형태(웹로그, 센서 데이터) 등
비정형 데이터	• 형태가 없으며, 연산이 불가능 • 주로 NoSQL에 저장됨 • 데이터 수집 난이도가 높음 • 파일을 데이터 형태로 파싱해야 하기 때문에 데이터 처리가 어려움	소셜데이터(트위터, 페이스북), 영상, 이미지, 음성, 텍스트(word, PDF 등) 등

💡데이터 용어

• 메타데이터(Meta Data): 데이터에 관한 구조화된 데이터로, 다른 데이터를 설명해 주는 데이터
• 스키마(Schema): 데이터베이스의 구조와 제약조건에 관한 전반적인 명세를 기술한 메타데이터의 집합
• 파싱(Parsing): 반정형 데이터가 가지고 있는 데이터 구조에 대한 정보를 해석해 유용한 정보를 추출하는 과정
• XML(Extensible MarkUp Language): 다목적 마크업 언어(태그를 이용한 언어)로, 인터넷에 연결된 시스템끼리 데이터를 쉽게 주고 받을 수 있게 하여 html의 한계를 극복할 목적으로 만들어진 언어

3. 지식 경영의 핵심 이슈

• 데이터는 지식 경영의 핵심 이슈인 암묵지와 형식지의 상호작용에 있어 중요한 역할을 한다.

구분	의미	예	특징	상호작용
암묵지	학습과 경험을 통해 개인에게 체화되어 있지만 겉으로 드러나지 않는 지식	김장 김치 담그기, 자전거 타기	사회적으로 중요하지만 다른 사람에게 공유되기 어려움	공통화, 내면화
형식지	문서나 메뉴얼처럼 형상화된 지식	교과서, 비디오, DB	전달과 공유가 용이함	표출화, 연결화

• 암묵지: 개인에게 축적된 내면화된 지식 → 조직의 지식으로 공통화
• 형식지: 언어, 기호, 숫자로 표출화된 지식→ 개인의 지식으로 연결화

💡 암묵지와 형식지의 상호작용 관계

1단계: 공통화

→ 암묵지를 타인에게 알려주기

2단계: 표출화

→ 암묵지를 책 등 형식지로 만들기

3단계: 연결화

→ 책 등에 자신이 아는 새로운 지식 추가하기

4단계: 내면화

→ 책 등을 보고 타인들이 암묵적 지식을 습득

4. 데이터와 정보의 관계

1. DIKW의 정의

구분	특성	예시
데이터(Data)	개별 데이터 자체로는 의미가 중요하지 않은 객관적인 사실	A마트는 100원, B마트는 200원에 연필을 판매한다.
정보(Information)	데이터의 가공, 처리와 데이터 간 연관 관계 속에서 의미가 도출된 것	A마트의 연필이 더 저렴하다.
지식(Knowledge)	데이터를 통해 도출된 다양한 정보를 구조화하여 유의미한 정보를 분류하고 개인적인 경험을 결합시켜 고유의 지식으로 내재화된 것	상대적으로 더 저렴한 A마트에서 연필을 사야겠다.
지혜(Wisdom)	지식의 축적과 아이디어가 결합된 창의적인 산물	A마트의 다른 상품들도 B마트보다 저렴할 것이라고 판단한다.

2. DIKW 피라미드

• DIKW피라미드에서는 데이터. 정보, 지식을 통해 최종적으로 지혜를 얻어내는 과정을 계층 구조로 설명한다.

5. 기타

1. 데이터양의 단위

단위	데이터량	단위	데이터량
바이트(B)	1byte, 2^0B	페타바이트(PB)	1024TB, 2^50B
킬로바이트(KB)	1024B, 2^10B	엑사바이트(EB)	1024PB,2^60B
메가바이트(MB)	1024KB, 2^20B	제타바이트(ZB)	1024EB,2^70B
기가바이트(GB)	1024MB, 2^30B	요티바이트(YB)	1024ZB,2^80B
테라바이트(TB)	1024GB, 2^40B

2. B2B와 B2C

• B2B
  • 기업과 기업 사이의 거래를 기반으로 한 비즈니스 모델을 의미하며, 기업이 필요로 하는 장비, 재료나 공사입찰 등이 있다.
• B2C
  • 기업과 고객 사이의 거래를 기반으로 한 비즈니스 모델을 의미하며, 이동 통신사, 여행 회사, 신용카드 회사, 옥션, 지마켓 등이 있다.

💡B2B, B2C 장단점

• B2B의 장점
  • 안정적이고 예측 가능한 수익, 대량 거래 발생으로 경제적 규모의 효과
• B2B의 단점
  • 기업 간의 관계 유지를 위한 자원 투입이 많이 필요
• B2C의 장점
  • 소비자에게 직접 판매로 매출의 빠른 실현 발생, 행동 데이터 분석을 통한 마케팅 용이
• B2C의 단점
  • 과도한 마케팅 비용, 경쟁 심화

3. 블록체인

• 블록체인(Block Chain): 거래 정보를 하나의 덩어리로 보고 이를 차례로 연결한 거래 장부이다.
• 기존 금융회사의 경우 중앙 집중형 서버에 거래 기록을 보관하는 반면, 블록체인은 거래에 참여하는 모든 사용자에게 거래 내역을 보내 주며 거래 때마다 이를 대조해 데이터 위조를 막는 방식을 사용한다.

💡블록체인 활용 사례

• 금융 서비스: 암호 화폐가 대표적인 블록체인 활용 사례로 비트코인, 이더리움 등이 이에 해당한다.
• 물류 관리: 상품의 생산부터 유통까지 전 과정을 추적하는 데에도 쓰이며 위조품 방지에도 효과적이다.
• 의료 정보 관리: 보안성 덕분에 환자의 의료 기록을 안전하게 보관한다.
• 전자 투표 시스템: 투표 과정에서의 투명성을 높이기 때문에 부정 선거 방지에 도움이 될 수 있다.