[F1컬럼] 리스크관리, 데이터품질 확보부터

품질관리조직은 조직간의 적극적인 참여유도가 우선

적극적인 품질관리로 리스크 측정의 정확도를 높여야

가을 문턱을 넘어선 요즘 전문가용 디지털카메라(DSLR)를 들고 다니는 사람들을 심심치 않게 볼 수 있다.
큰 마음먹고 구입한 DSLR의 사진이 담배 케이스 크기의 디지털 카메라 사진보다 좋아야만 하는 것은 당연하다. 그러나 제대로 기능을 숙지하고, 사진에 대한 공부가 전제되어야 한다.

이는 DQMS (데이터 품질관리시스템)를 갖춘 금융회사의 데이터 품질이 그렇지 않은 회사보다 좋아야 하고, 이를 위해서 정확하고 효율적인 시스템 활용이 전제가 되어야 함과 같다.

Basel II 체제를 구축하면서 감독당국은 데이터 품질관리 모범규준에 명시된 바와 같은 데이터 품질관리 프레임워크와 시스템을 구축하도록 은행들에 요구했다.

이에 몇몇 은행들은 DQM솔루션을 도입했고, Basel II 뿐 아니라 국제회계기준(IFRS)등 외부규제로 인해 데이터 품질관리의 필요성은 계속 강조되어 왔다. 그러나 실제 솔루션 활용도는 강조되는 만큼 데이터 품질관리의 중요성을 따라가지 못하고 있다. 이를 솔루션 중심의 데이터 품질관리의 한계점으로 치부해 버리는 경우가 많은 것이 사실이다.

하지만 대부분의 DQM솔루션은 적절한 시기에 적합한 관리 조직으로부터 적극적으로 사용된다면 예상하는 것보다 좋은 결과를 얻을 수 있다. 즉, 오류측정은 가장 기본적인 사항으로 DSLR 디지털카메라의 자동기능이라고 볼 수 있고, 그 이외의 활용방법에 대한 고민이 필요하며 이는 데이터 품질관리의 목표 및 각 사이트의 상황에 따라 달라질 수 있다. 몇 가지를 언급하자면 DQM솔루션의 도입 시기에 따라 활용 범위가 달라지므로 그 시기를 잘 활용할 필요가 있다는 것이고, 측정 후 개선단계 시에 단순히 수치로만이 아닌 실제 업무적인 개선 효과를 보여줌으로써 데이터 품질관리의 타당성 및 필요성에 설득력을 가질 수 있게 된다는 점이다
DQMS 도입시기에 따라 활용의 범위가 많은 차이가 있었음을 참여한 프로젝트를 통해 경험할 수 있었는데, 신규 시스템 구축 프로젝트 수행 시, DQMS 도입을 계획 하고 있다면, Mart구축 단계에서부터 시작하는 것이 좋은데 이는 원천 데이터로부터 새로운 모델로 이관 시 DQM 솔루션을 이용하여 데이터의 표준화에 대한 검증 역할로 이용 가능하기 때문이다.

예를 들어, 신규모델의 메타데이터 자체를 프로파일링 하여 같은 코드임에도 문자, 숫자타입으로 다르게 모델링 되어 있을 경우 담당자에게 표준화를 요구할 수 있다. 즉, 일차 정제된 데이터를 새로운 모델에 반영할 수 있다.

하지만 대부분 DQM프로젝트는 이미 구축된 시스템을 검증하고 개선을 위하여 시작하기 때문에 프로젝트 중 혹은 이후 솔루션을 어떻게 효과적으로 관리, 사용할 것인가가 더 중요하다. DQM프로젝트는 컨설팅과 IT업무가 함께 이루어지는데 이때 금융회사의 업무 담당자들은 프로젝트 기간 내에 최대한 많은 업무규칙을 담고자 질보다는 양을 중요시 하는 경우가 있다.

이는 6시그마 방법론(1.계획>2.정의>3.측정>4.분석>5.개선>6.통제)을 채택한 DQM솔루션을 도입하였음에도 불구하고 측정단계까지만 활용할 수 밖에 없는 주요 원인이 된다. 또한 분석단계를 넘어서 개선, 통제는 솔루션의 특성인 일정한 패턴의 자동화를 기대할 수 없기 때문에 실제로 많은 곳은 어느 정도 패턴화되어 자동화가 가능한 측정단계까지만을 수행하여 오류 데이터를 보고하는 수준에서 DQM솔루션을 활용하는 것이 현실이고 이는 솔루션을 이용한 데이터 품질측정의 한계로 인식되어 왔다.
이러한 이유로 프로젝트 기간 내에 이루어지는 컨설팅은 주로 계획 및 정의에서 그치게 되고 이후 담당자는 보고된 오류 데이터 중 대체적으로 수정이 용이한 부분만을 수정하는 초보수준의 품질관리만을 수행하게 된다.

이는 경영진뿐 아니라 전체 조직원들에게 데이터 품질관리가 피부로 와 닿지 않아 품질관리에 대한 인식이 미약하기 때문이기도 하다. 때문에 품질관리조직은 전사적인 데이터 품질에 대한 타당성 및 이해도를 높이고 조직간의 적극적인 참여를 유도할 필요가 있는데, 이때 솔루션의 활용이 도움이 될 것이다.

일례로 국내 모 은행은 DQMS 프로젝트시 리스크와 관련된 업무규칙을 만들고, 개선활동을 수행함으로써, 영업점 신용원가를 낮추었고, 이러한 영업점의 신용원가 감소는 위험가중자산를 낮추어 은행의 BIS비율을 높일 수 있었다.

여기서 주목할 점은 품질 측정 결과를 기준으로 오류추정 데이터의 현상, 추이, 유형을 분석하고. 개선 단계로 넘어가 분석된 오류데이터의 원인을 기초로 데이터 품질을 개선한 것인데 이때, 해당 오류데이터가 개선되었을 경우 BIS비율을 미리 시뮬레이션 해 봄으로서 데이터 관리 담당자에게 개선에 대한 필요성을 인식시킬 수 있었다는 것이다.

이처럼 데이터를 생성 사용하는 업무 담당자들에게 품질평가를 통해 객관적인 데이터 수준 파악 및 품질관리 중요성을 알리고 참여를 유도하는데 솔루션의 활용이 가능하다.

또한, DQM프로젝트 시점에 따라 솔루션의 활용도 역시 달라지므로 관련 담당자들은 프로젝트 기간 내에 단순히 업무규칙의 개수보다는 솔루션을 통한 데이터 품질관리의 계획부터 통제까지 전체 프로세스에 대한 컨설팅을 제공받아 향후 적극적인 활용이 중요하겠다. 품질관리조직부터 중요성을 인식하고 적극적인 솔루션 활용에 대한 고민이 이루어 진다면, 데이터 품질관리를 위한 조직과 절차를 확립하고 적극적인 품질관리활동이 가능해질 것이다.



관리자 기자