Data Governance & Privacy Ethics

1. Overview

데이터 거버넌스 및 프라이버시 윤리(Data Governance & Privacy Ethics, GPE)는 데이터를 기업의 자산으로서 체계적으로 관리하고, 법적·윤리적 울타리 안에서 보호하는 규격과 프로세스를 다룹니다.

데이터는 무분별하게 쌓이면 쓰레기가 되며, 잘못 노출되면 범죄가 됩니다. 학습자는 데이터 품질 관리(DQ), 메타데이터 표준화, 그리고 GDPR과 같은 글로벌 개인정보 보호 규제의 물리적 기술 요건을 학습합니다. 이를 통해 단순히 기술적인 저장을 넘어, 사회적으로 신뢰받고 비즈니스 가치를 창출할 수 있는 '정결한 데이터 환경'을 구축하는 전략가적 역량을 갖춥니다.

2. Scope & Boundaries

In-Scope

Data Policies: 데이터 가용성, 보안성, 무결성 유지를 위한 조직적 규정 수립
Metadata Management: 데이터의 정의(Data about Data)와 계보(Lineage) 추적 기술
Privacy Technologies: 익명화(Anonymization), 가명화(Pseudonymization), 차분 프라이버시 기초
Compliance Standards: GDPR, HIPAA, ISMS 등 데이터 보호 법적 프레임워크 기술 대응

Out-of-Scope

일반적인 데이터베이스 암호화 알고리즘 상세 (10-01 Cryptography 영역으로 위임)
기업의 비즈니스 도메인 전략 수립 일반 (09-01 Engineering Lifecycle 영역으로 위임)

Boundaries

GPE vs. Data Engineering: Data Ingestion(06-05) 등이 '데이터의 물리적 이동'에 집중한다면, GPE는 '그 이동을 허가하는 규칙과 이동된 데이터의 품질/법적 상태'에 집중합니다.

3. Counterexample

단순히 데이터베이스에 암호를 거는 것은 GPE 학습의 극히 일부입니다. 특정 데이터가 어디서 유입되어 어떻게 가공되었는지 **데이터 계보(Lineage)**를 추적하지 못하거나, 테스트 환경에서 실제 고객 데이터를 그대로 사용하는 행위가 왜 물리적 보안 거버넌스 위반인지 설명할 수 있어야 합니다.

4. Prerequisites

관계형 시스템 기초 (Basic): 데이터 타입, 제약 조건(Constraints)에 대한 이해가 데이터 품질 학습의 기본입니다. (06. RS)
정보 보안 기초 (Recommended): 접근 제어(RBAC)와 암호화 기본 개념이 프라이버시 보호 학습에 도움이 됩니다. (10. Security)

5. Learning Map

Setting the Rules: 누가, 어떤 데이터를, 어떻게 사용할지 결정하는 표준 가이드를 익힙니다.
Cataloging Assets: 흩어진 데이터의 위치와 의미를 한눈에 파악하는 메타데이터 관리 기법을 이해합니다.
Ensuring Quality: 데이터의 누락, 오기, 중복을 물리적으로 필터링하는 파이프라인 설계를 배웁니다.
Guarding Privacy: 법적 규제를 준수하기 위한 기술적 보호 조치와 윤리적 데이터 활용법을 실습합니다.

6. Learning Topics

Basic

Core: 데이터 품질과 표준화 (Data Quality & Standards)

Why to Learn: 분석 결과의 신뢰성을 담보하고 잘못된 데이터로 인한 비즈니스 결정을 막기 위함입니다.
What to Learn:
- 데이터 품질 6대 지표: 정확성, 완결성, 일관성, 최신성, 유효성, 유일성
- 전사 공통 데이터 사전(Data Dictionary) 정의 및 도메인 표준화
- 입력 단계에서의 물리적 검증 규칙(Validation Rules) 설계
How to Learn:
- 서로 다른 형식의 고객 주소 데이터를 하나로 통합(Data Cleaning)하는 과정 실습
- 데이터 중복도 측정 도구를 사용하여 실제 DB의 낭비량 정량 분석
Implement: 특정 데이터셋의 품질 점수를 산출하는 DQ(Data Quality) 체크리스트

Why to Learn: 방대한 데이터 호수 속에서 필요한 정보를 찾고, 오류 발생 시 근원을 추적하기 위해서입니다.
What to Learn:
- 기술 메타데이터(스키마) vs 비즈니스 메타데이터(용어) 구분
- 데이터 계보(Lineage): 소스부터 최종 보고서까지의 물리적 흐름 가시화
- 데이터 카탈로그 도구의 작동 원리와 태깅(Tagging) 전략
How to Learn:
- 데이터 파이프라인 흐름도를 그려보고 특정 컬럼의 변경이 하류(Downstream)에 미치는 영향 분석
- 메타데이터 관리 도구 기초 사용을 통해 속성 정의 및 검색 기능 체험
Implement: 특정 분석 리포트가 참조하는 원천 데이터들을 역추적한 계보도(Lineage Map)

Practical

Core: 개인정보 보호 기술 (Privacy Engineering)

Why to Learn: 사용자의 민감 정보를 범죄로부터 보호하고 글로벌 법적 규제를 통과하기 위함입니다.
What to Learn:
- 비식별화 기술: 마스킹, 범주화, k-익명성, l-다양성 기초
- 차분 프라이버시(Differential Privacy)의 물리적 노이즈 추가 개념
- 개인정보 파기 메커니즘과 저장 기간 제한(TTL) 물리 적용
How to Learn:
- 실제 주민번호나 주소 데이터를 담은 샘플을 법적 기준에 맞춰 가명 처리하는 실습
- 개인정보 보호 영향 평가(PIA) 보고서 양식을 채우며 리스크 식별 연습
Implement: 개발/테스트 환경을 위한 안전한 데이터 마스킹 자동화 스크립트

Advanced

Core: 글로벌 규제 대응 및 거버넌스 자동화 (Compliance & Automation)

Why to Learn: 수만 개의 테이블이 있는 대규모 환경에서 거버넌스를 실시간으로 강제하기 위해서입니다.
What to Learn:
- GDPR(유럽), CCPA(미국) 등 주요 법률의 잊힐 권리(Right to be forgotten) 기술 구현
- 정책 기반 접근 제어(PBAC) 및 데이터 스캔을 통한 민감 정보 자동 감지
- 데이터 주권(Data Sovereignty)과 국외 이전 시의 물리적 배치 전략
How to Learn:
- 상용 거버넌스 솔루션의 아키텍처 분석을 통해 자동 분류 엔진 작동 원리 연구
- 기업 내 데이터 보안 사고 사례를 거버넌스 관점에서 재구성하여 예방책 도출
Implement: 특정 규제(예: GDPR)에 따라 특정 사용자의 전 데이터를 식별하고 물리적으로 삭제하는 프로세스 정의서

7. Terminology

Term (EN / ko, abbr)	1문장 정의	단계(기본/권장/실무/심화)	역할/맥락	관련 개념	유사/대비/함께 사용	오해 포인트	Evidence(Primary/Secondary/Industry)	Flags(core/misused/legacy)
Data Lineage	데이터의 원천부터 최종 소비지까지의 이동 경로와 변형 과정을 추적한 이력 정보입니다.	추천	원인 추적	Metadata	Data Flow	단순한 '로그'로 오해	P4:DS-BoK	core
Anonymization (익명화)	누구인지 전혀 알 수 없도록 정보를 변형하여 어떠한 방법으로도 재식별이 불가능하게 만드는 기술입니다.	실무	실무	Privacy	Pseudonymization	가명화와 동일시함	P3:CyBOK & Online Rights	core
GDPR	유럽 연합의 개인정보 보호 및 프라이버시 권리에 관한 포괄적인 법규입니다.	실무	글로벌 규제	Compliance	Right to Erase	단순한 '웹 쿠키 팝업'으로 오해	P3:CyBOK & Regulation	core
Data Catalog	기업 내 데이터 자산의 위치, 설명, 품질 정보를 모아 검색 가능하게 한 인벤토리 시스템입니다.	추천	자산 관리	Metadata	Dictionary	데이터웨어하우스와 혼동	Industry/DataHub	core

8. References

Primary References

[P4] DS-BoK - Data Governance & Ethics — Framework for data management.
[P3] CyBOK - Privacy & Online Rights — Legal and ethical security.

Secondary References

[Data Governance] John Ladley — Comprehensive management guide.
[Ethical Data Science] Catherine D'Ignazio — Social and ethical depth.

Industry References

[DAMA-DMBOK2 Guide] — Global standard for data management.
[OWASP Data Privacy Guide] — Technical implementation patterns.

9. Final Checklist

Primary Checklist

데이터 품질 지표 중 '일관성(Consistency)' 위반 사례를 서로 다른 두 테이블의 컬럼 값 불일치 관점에서 설명 가능한가? (P4)
개인정보 주체의 '삭제 요청' 시, 백업 데이터나 로그 파일에 포함된 데이터까지 물리적으로 처리하는 기준을 인지하는가? (P3, P4)

Secondary Checklist

데이터 카탈로그가 부재할 때 실무 분석가가 겪는 '데이터 사일로(Silo)' 현상의 물리적 비효율을 설명할 수 있는가?
가명 정보와 익명 정보의 법적 지위 차이에 따라 데이터 활용 범위가 어떻게 달라지는지 이해하고 있는가?

Industry Checklist

신규 프로젝트 기획 시 'Privacy by Design' 원칙을 적용하여 초기 스키마에서 개인정보 항목을 분리 설계 제안 가능한가? (SFIA)
데이터 파이프라인 장애 시 계보(Lineage) 정보를 활용하여 오염된 데이터가 퍼진 결과 보고서 리스트를 5분 내에 추출 가능한가?