ISO 11179, 데이터 요소의 의미를 표준화하는 메타데이터 레지스트리

메타데이터를 표준화해야 하는 이유

여러 시스템이 같은 데이터 요소를 서로 다른 이름과 정의로 관리하면, 통합할 때마다 매핑 작업이 새로 발생한다. ISO/IEC 11179는 메타데이터 레지스트리(Metadata Registry, MDR)의 국제 표준으로, 데이터 요소의 의미·표현·품질을 일관되게 정의하고 관리하는 체계를 제공한다. 대규모 데이터 통합, AI 학습 데이터 정합성 확보, 규제 대응에 필요한 공통 언어와 절차를 이 표준에서 끌어다 쓸 수 있다.

메타데이터는 세 범주로 나뉜다. 기술 메타데이터는 스키마·타입·파티션·인덱스·API 스펙처럼 시스템 관점 정보이고, 업무 메타데이터는 용어 정의·업무 규칙·측정 단위·코드 분류 체계 같은 의미 관점 정보다. 운영 메타데이터는 라인리지, 품질 지표, 데이터 소유자, 보안 분류, SLA 등 운영 관점 정보를 가리킨다.

ISO/IEC 11179의 핵심 개념

이 표준의 목적은 데이터 요소의 의미(Concept)와 값 영역(Value Domain)을 분리·정규화해 상호운용성과 재사용성을 높이는 데 있다. 핵심 엔티티는 다음과 같이 이어진다. Object Class와 Property가 결합해 개체·속성의 의미 단위인 Data Element Concept(DEC)을 이루고, Conceptual Domain이 코드·범위·형식으로 구성된 Value Domain과 짝을 이루면 실제 물리 속성에 매핑되는 Data Element(DE)가 된다. Classification Scheme은 표준 분류·온톨로지 기반 분류를, Registration Status는 후보→준표준→표준으로 이어지는 생애주기 상태를 관리한다. 표준 자체는 개념·분류·메타모델·등록·명명/식별·표현을 다루는 Part 1~6으로 구성돼 있으며, 최신 개정 여부는 별도로 확인이 필요하다.

MDR 구조: 식별·버전·상태 관리

각 데이터 요소에는 전역 고유식별자(URN/UUID)가 부여되고, 명명 규칙과 버전 규칙이 표준화된다. 변경이 주 버전인지 부 버전인지, 이전 버전과 호환되는지도 함께 표기한다. 등록 상태는 Recorded, Candidate, Qualified, Standard, Retired로 이어지며 효력 기간과 승인·폐기 이력을 추적한다.

의미 모델링은 DEC를 중심으로 이뤄져 시스템별 물리 속성 차이를 추상화하고 공통 의미 단위의 재사용을 극대화한다. 정의문에는 필수 요소 포함, 부정어 금지, 용어 일관성 같은 품질 규칙이 적용되고, 명명 규칙은 접두사·도메인·단위 반영 여부를 따진다.

품질·거버넌스 워크플로

역할은 제출자(Producer), 스튜어드(Steward), 데이터 오너, 승인자로 나뉘어 다단계 검토를 거친다. 검증 규칙은 중복·동의어 탐지, 값 영역 유효성, 분류 일관성을 자동·수동으로 결합해 확인한다.

⤢✕

식별자 예약과 충돌 해결 단계에서는 레코드를 잠그고, 승인이 실패하면 롤백한다. 검증 실패나 거절 시에는 사유를 기록하고 수정 가이드를 제공한 뒤 재제출 큐로 돌려보낸다.

매핑·재사용과 교환 인터페이스

개념 매핑(동치/상위·하위/관련)과 값 영역 매핑(코드 변환 테이블)을 제공해 이기종 시스템 통합을 단순화한다. ISO 3166 같은 표준 코드를 참조하면서 내부 코드 집합을 정렬하고, 변경이 생기면 알림을 전파한다. 검색·등록·버전 비교·상태 변경을 API로 제공하고, 구독 기반 변경 이벤트를 Webhook이나 메시지 버스로 내보낸다. 교환 포맷은 JSON·CSV·DDL 스냅샷이 기본이고 필요하면 RDF/OWL로도 연계해 카탈로그·ETL·BI 도구와 양방향으로 통합한다.

도입 절차

핵심 업무 용어, 코드집, 물리 스키마, 품질 규칙, 데이터 오너 정보를 먼저 모은다. 이를 바탕으로 Object Class/Property를 DEC로 모델링하고, 값 영역을 정의하고, 중복·동의어를 정리한 뒤 워크플로를 구성하고 API를 연계한다. 결과물은 표준화된 DE/DEC/VD, 등록 상태와 버전 세트, 자동 생성된 카탈로그·스키마, 변경 이벤트다.

실무 적용 사례

데이터 카탈로그·용어집을 표준화할 때는 데이터 요소 정의·분류를 자동으로 노출하고, 스키마 크롤링 결과를 DEC/VD로 역매핑해 의미 일관성을 확보한다. 마스터 데이터·코드를 관리할 때는 코드셋(Value Domain)의 수명주기와 변환 테이블을 중앙에서 관리해 시스템마다 다른 코드를 표준 매핑으로 연결한다. 데이터 통합이나 API 스키마를 표준화할 때는 공통 DEC 기반 스키마 템플릿을 배포하고 신규 API·데이터셋의 스키마 승인을 자동화한다. 규제 보고와 품질 관리에서는 규제 용어와 내부 용어의 매핑 근거를 제공하고, 품질 규칙과 허용값을 기준으로 자동 검증·리포팅한다.

도입 효과와 트레이드오프

비표준 메타데이터 운영과 비교하면 차이가 뚜렷하다. 팀·시스템별로 제각각이던 정의가 DEC/VD 분리로 의미와 표현이 일관되게 맞춰지고, 시스템이 추가될 때마다 매핑이 폭증하던 문제도 개념 재사용으로 선형 확장에 가까워진다. 변경 전파가 누락되던 위험은 상태·버전·이벤트 체계로 줄고, 수작업이던 승인·배포는 워크플로·API로 자동화되며, 검색·추적이 어렵던 것도 식별자·분류 인덱싱으로 빨라진다.

가정 기반 예시로 보면, 스키마 정합성을 확보하면 시스템 간 매핑 작업이 30~50% 단축되고, 의미 불일치로 인한 결함·재처리가 40% 줄고, 표준 코드 미스매치 이슈가 60% 감소하는 효과를 기대할 수 있다. 공통 DEC/VD 재사용률을 50% 이상으로 끌어올리면 신규 데이터셋 설계 리드타임이 30% 단축되고, 감사 대비 자료 준비 시간도 40% 단축될 수 있다.

다만 초기 비용과 학습 곡선은 감수해야 한다. 모델링·거버넌스를 정착시키려면 도구와 교육에 투자해야 하고, 자유롭게 제출하던 방식이 줄어드는 데 대한 저항도 생길 수 있어 자동화와 템플릿으로 마찰을 최소화해야 한다. 도구는 상용·오픈소스·내개발 중 하나를 골라야 하는데, 통합성·권한·감사 요구사항과 총소유비용을 함께 저울질해야 한다. 도입 시에는 고객·제품·거래처럼 핵심 도메인부터 최소 유효 범위(MVP)로 모델링해 카탈로그와 연동하고, 명명·정의 가드레일을 자동 검사 규칙과 용어 사전으로 갖추는 편이 안전하다. 변경 관리에서는 하위·상위 호환 여부를 표기하고 영향도 분석과 폐기(deprecation) 정책을 명확히 해야 한다.