[유성민 동국대 국제정보호대학원 외래교수] 올해 정부의 데이터 산업 정책을 평가하라고 하면 중간 점수를 주고 싶다. 못한 것도 있고 잘한 것도 있기 때문이다. 우선 못한 것은 데이터 3법의 불발이다. 데이터 3법은 개인정보보호법·정보통신망법·신용정보법 등 3개의 정보보호법에 관한 개정안을 뜻한다. 핵심은 개인 정보를 익명 처리해 기업이 이를 사업에 활용할 수 있도록 허용하는 것이다.
이에 따라 기업은 데이터 3법이 통과될 것으로 기대했다. 실제로 일부 기업에서는 데이터 3법 통과를 믿고 신규 사업 기획을 준비하기도 했었다. 하지만 안타깝게도 데이터 3법은 통과되지 못했다.
잘한 것도 있다. 바로 ‘데이터 경제 활성화’다. 작년부터 정부는 데이터 경제 추진을 위해 준비했었다. 작년 6월 ‘데이터 산업 활성화 전략’을 발표했고 이어 8월 데이터 산업에 1조원을 투자할 계획이라고 선언했다.
경제적 가치를 가지는 데이터
이러한 계획에 따라 정부는 올해 데이터 경제 산업 관련 지원 사업을 추진했다. 가장 대표적인 사업으로 ‘빅데이터 플랫폼 센터 및 구축’ 사업이다. 목표는 10개 분야별 플랫폼 산업에 100개 센터를 구축하는 것이다. 정부는 이를 위해 3년간 총 1516억원을 지원할 계획인데 올해는 640억원을 지원한다. 공모는 2차에 걸쳐 94개 센터가 선정됐다. 나머지 6개 센터는 추후 공지해 모집할 계획이다.
그뿐만 아니라 데이터 바우처 사업도 추진했다. 해당 사업은 데이터 구매를 원하는 기업에 일정 금액을 지원해 데이터를 저렴하게 구매할 수 있게 하는 것이다. 이는 데이터 거래를 촉진하는 역할을 한다. 데이터 구매 지원 기업을 세 차례에 걸쳐 모집했는데 총 1640개 기업에 데이터 구매를 지원했다(1차 196개 기업, 2차 881개 기업, 3차 563개 기업).
정부의 이러한 지원 정책은 데이터 경제 활성화에 기여한다. 빅데이터 센터 구축은 데이터 생산과 서비스 활성화에 기여할 수 있고 데이터 바우처는 데이터 거래에 긍정적인 영향을 주기 때문이다.
필자가 이처럼 데이터 산업을 가지고 정부의 방향성을 평가한 이유는 무엇일까. 데이터 산업이 중요해지고 있기 때문이다. 정부의 추진 정책에서 한 가지 눈에 띄는 용어가 있다. 바로 ‘데이터 경제(data economy)’다. 데이터 경제는 데이터 활용이 새로운 부가 가치를 창출하는 것을 뜻하는 용어다. 2011년 가트너의 데이비드 뉴먼이 처음 정의했다. 이후 해당 용어는 여러 보고서에 언급되면서 새로운 추세로 주목받았다.
데이터 경제는 데이터가 비즈니스 가치로 인정받는 것을 보여주고 있다. 데이터가 산업에 영향을 미치는 규모는 어마하게 크다. 디지털 리얼리티(digital reality)는 데이터가 경제에 미칠 영향력을 분석했다. 분석에 따르면 영국의 경우 데이터 산업이 영국 국내총생산(GDP)의 4.2%를 차지한다. 유럽 국가 중 가장 높은 비율이다. 그다음 아일랜드(4.0%)·네덜란드(3.9%)·독일(3.8%) 등의 순이었다.
이처럼 데이터 경제는 세계적으로 중요한 화두다. 따라서 여러 국가는 데이터 경제를 육성하기 위해 데이터 산업 활성화 정책을 추진하고 있다. 영국은 2013년부터 데이터 산업에 관심을 가져 왔다. 영국 데이터 역량 확보 전략(strategy for UK data capability)을 시작으로 2015년 오픈 데이터 로드맵(open data roadmap)을 발표했다.
미국은 2012년 ‘빅데이터 R&D 이니셔티브’를 추진했고 이어 2013년 오픈 데이터 정책을 추진했다. 중국에선 중국과학원(CAS)이 중점적으로 데이터 경제 활성화 정책을 추진하고 있다.
데이터 경제가 세계적으로 주목받고 있다. 그러면 주목받는 이유는 무엇일까. 4치 산업혁명과 관련이 있다. 4차 산업혁명은 여러 방식으로 적용된다. 인더스트리 4.0에서 살펴보자. 인더스트리 4.0은 공장에 ‘물리 가상 시스템(CPS)’ 적용을 시작으로 전 산업에 이를 적용하는 개념이다. 인더스트리의 핵심은 CPS다. CPS는 물리적 정보를 가상의 데이터로 전환해 사용자에게 여러 서비스를 제공한다.
사물인터넷·클라우드·빅데이터·모바일(ICBM) 관점으로도 바라볼 수 있다. ICBM은 사물인터넷(IoT)이 물리적 정보에서 가상의 데이터로 추출해 클라우드로 전송한 뒤 빅데이터가 이를 분석해 모바일로 서비스를 제공하는 개념이다.
이처럼 4차 산업혁명의 접근 방법은 다르다. 하지만 공통점이 있다. ‘데이터 흐름’이 있다는 것이다. 다시 말해 두 가지 관점 모두에서 데이터 흐름이 발생하는 것을 알 수 있다. 기존 산업에서 기업 간에 돈의 흐름이 발생하듯이 4차 산업혁명에는 데이터 흐름이 발생한다.
CPS는 물리적 정보를 가상의 데이터로 변환해 사용자에게 서비스를 제공한다. ICBM은 네 가지 기술을 통해 사용자에게 서비스를 제공한다. 그리고 이러한 네 가지 기술 모두는 데이터를 처리한다.
결국 4차 산업혁명에서는 방식이 어떻든지 간에 데이터가 중요하다는 것을 알 수 있다. 비즈니스 가치를 만들 서비스를 창출하기 때문이다.
4차 산업혁명 기술이 데이터 경제를 불러일으켜
4차 산업혁명과 데이터 경제의 관계를 좀 더 분석해 보자. 그리고 현재 데이터 경제에서 나타나는 추세를 파악해 보자. 이를 위해 4차 산업혁명의 주요 기술 관점에서 살펴볼 필요가 있다.
IoT는 센서 기술의 일종으로 물리적 데이터를 가상의 데이터로 바꿔 준다. 그리고 주위 네트워크 기기와 통신한다. 데이터를 만들어 내는 역할을 하는 셈이다. 이는 3차 산업혁명에서 데이터 생산자를 확장시킨 것으로 볼 수 있다. 3차 산업혁명에는 데이터 생산자 주체가 사람뿐이었다. 하지만 4차 산업혁명은 이러한 주체를 사물로 확장했기 때문이다. 참고로 에릭슨에 따르면 IoT 기기 수는 160억 개(2016년)에서 2022년 290억 개(2022년)로 늘어난다.
이에 따라 만들어질 데이터 규모는 현재보다 엄청나게 증가할 것으로 전망된다. 시장 조사 전문 기관인 인터내셔널데이터코퍼레이션(IDC)에 따르면 생산될 데이터 규모는 2018년부터 2025년까지 연평균 61%로 성장할 것으로 예상된다. 33제타바이트(2018년)에서 175제타바이트(2025년)로 성장할 것으로 전망된다. 참고로 1제타바이트는 1조 기가바이트와 맞먹는다.
분석 기술 발전 또한 데이터 경제를 촉진했다. 두 가지 기술이 있다. 하나는 기계학습(ML) 혹은 인공지능(AI)이다. 해당 기술은 정량적 데이터뿐만 아니라 정성적 데이터를 분석해 의미 있는 정보를 추출하게 했다. 데이터 활용성을 높인 셈이다.
그런데 이러한 기술이 전문 영역에 머물러 있다면 데이터 활용성을 크게 높이기는 어렵다. 보편화가 필요하다. 이러한 역할을 ‘시민 데이터 과학자(Citizen Data Scientist)’와 ‘서비스형 인공지능(AIaaS)’이 해주고 있다. 시민 데이터 과학자는 데이터 추출·분석 알고리즘 선택, 데이터 시각화 등의 전문 작업을 자동으로 해주는 기술이다. 최근에는 AI의 등장으로 자동화된 기계 학습(AutoML)이라고도 불리고 있다. 이에 따라 데이터 분석 혹은 AI 구현을 위한 AI 학습이 매우 쉬워졌다. AIaaS는 AI 개발을 쉽게 했는데 AI 비개발자가 이미 만들어진 AI 애플리케이션을 사용함으로써 AI 개발 난이도를 낮췄다.
이러한 특성은 데이터의 자산 가치를 높였다. 활용할 수 있는 데이터 확대뿐만 아니라 이를 널리 활용할 수 있게 했기 때문이다.
블록체인은 데이터의 무결성을 보증하고 데이터 자산 가치를 증가시켰다. 블록체인의 핵심 중 하나인 디지털 화폐는 데이터 거래를 원활하게 만들었기 때문이다. 예를 들어 유전자 데이터를 거래할 수 있게 했다. 그뿐만 아니라 사용자 행위 데이터를 블록체인 내에서 거래할 수 있게 했다.
결국 4차 산업혁명 기술은 데이터 규모를 폭발적으로 증가시켜 사업 영역을 크게 했다. 데이터 활용 가치도 높였다. 그뿐만 아니라 데이터에 경제적 가치를 부여하는 촉매 역할도 했다. 이러한 추세는 종합적으로 데이터 경제를 부상하게 했다.
지금까지 내용을 기업 관점에서 모색해 보자. 기업은 무수히 많은 데이터를 생산하고 활용할 수 있게 됐다. 그리고 이를 통해 경제 가치를 만들 수 있게 됐다. 그러면 기업 관점에서는 4차 산업혁명 혹은 데이터 경제 시대에 데이터를 전략적으로 어떻게 활용해야 할까. 답은 간단하다.
데이터는 잠재적 정보 덩어리다. 기업은 정보 덩어리를 내부에 활용해 효율성을 높일 수 있고 외부에 판매해 매출액을 올릴 수 있다. 에너지 관리 시스템(EMS) 산업 영역을 예로 들어보자. EMS는 에너지 사용 데이터를 분석해 비효율적인 요소를 찾아낸다. 그리고 이를 통해 에너지 절감할 방안을 제시한다. 다시 말해 기업은 에너지 사용 데이터를 분석해 내부 운영비를 절감할 수 있다. 혹은 분석 서비스를 제공해 판매할 수 있다.
또 다른 예를 들어보자. 기업은 공장에 공정 데이터를 모아 분석해 제품 생산 공정을 개선할 수 있다. 사실 이러한 개념이 바로 ‘스마트 공장’이다. 데카르트랩(Descartes Labs)은 지질학 데이터를 분석해 의미 있는 정보를 정부에 판매하고 있다.
데이터는 경제적 가치를 만들 만큼 충분한 가치를 가지고 있다. 과거에 임원은 재무 흐름에만 집중했다. 하지만 지금은 4차 산업혁명 시대다. 데이터 경제 시대다. 데이터 흐름을 읽어 새로운 경제 가치를 만들 필요가 있다.
[본 기사는 한경비즈니스 제 1252호(2019.11.25 ~ 2019.12.01) 기사입니다.]
© 매거진한경, 무단전재 및 재배포 금지