데이터기반행정법이 공공기관에 요구하는 것 — 증거기반 정책의 절차화

2020년 6월, 행정기관이 정책을 수립하고 집행하고 평가하는 전 과정에 데이터를 체계적으로 반영하도록 강제하는 법이 제정됐다. 데이터기반행정법이다. 정책의 근거를 데이터로 세우고, 기관 간 데이터 연계·품질·보호 원칙을 법에 명문화했다는 점에서 공공 부문 데이터 활용의 제도적 출발점으로 꼽힌다. 일부 하위 고시·시행령은 개정 가능성이 있으므로 최신 정보는 별도로 확인해야 한다.

무엇을 규정하는 법인가

이 법이 정의하는 프레임워크는 중앙·지방 행정기관과 공공기관이 정책 수립·집행·평가 전 과정에서 데이터를 체계적으로 수집·연계·분석·활용하도록 하는 것이다. 목표는 근거 중심 행정 구현, 정책의 효율성·공정성 제고, 국민 체감형 서비스 품질 개선이다. 민감정보를 처리할 때는 개인정보보호법 등 관련 법과의 정합성이 별도로 요구된다.

제도를 이루는 축

거버넌스와 조직 체계는 기관별 데이터 책임 체계(CDO 지정, 데이터 전담조직 설치)와 역할·권한 분담을 규정화하는 데서 시작한다. 범정부 기본계획과 기관별 시행계획을 수립하고 성과관리·점검 체계를 운영해야 한다.

데이터 수집·연계·제공 메커니즘은 기관 간 데이터 연계 근거를 제공하고, 표준 API·메타데이터 카탈로그 기반의 검색·요청·제공 절차를 규정한다. 민감·개인정보를 처리할 때는 최소수집·목적 제한·익명화/가명처리 의무가 함께 걸린다.

표준화·품질관리 체계는 용어·코드·포맷 표준과 정합성·완전성·적시성 품질 지표를 도입하고, 사전 검증과 정기 품질진단, 데이터 라인리지·버전관리를 요구한다.

보안·보호·윤리 원칙은 접근통제·암호화·감사추적 같은 보호조치와 차등 공개·비식별화 기준을 적용한다. 공익성·비차별성·투명성 원칙을 지켜야 하고, 외부 공개 시에는 재식별 위험 평가가 의무화된다.

성과평가·피드백 루프는 정책 효과를 데이터로 평가하고 재설계(Policy learning)하는 절차를 내재화한다. 품질·활용·보안 지표를 기준으로 기관 성숙도를 평가하고 개선을 권고한다.

재난부터 민원까지 — 실무에서 쓰이는 방식

재난·안전 정책에서는 이동통신·교통·기상·시설물 센서 데이터를 연계해 위험 예측·대응 의사결정을 자동화한다. 대피 동선 최적화와 재난지원금 자격 산정의 정확도를 높이는 데 쓰인다.

복지·보건 통합 서비스에서는 세무·고용·주거·의료 데이터를 연계해 수혜 대상을 자동으로 탐지하고 중복 수급을 방지한다. 처리 시간이 단축되고 누락이 줄어 정책 형평성이 강화된다.

교통·환경·도시 관리에서는 교통카드·민원·IoT 데이터를 분석해 혼잡 완화 정책이나 미세먼지 저감 시나리오를 수립하고, 도시 인프라 투자 우선순위를 데이터로 뒷받침한다.

민원·행정 서비스 혁신에서는 민원 패턴을 분석해 사전안내·원스톱 처리를 설계하고, 챗봇·RPA와 결합해 자동분류·접수·처리율을 높인다.

정책 수립에 데이터가 흘러가는 경로

⤢✕

중앙집중·분산·하이브리드 중 무엇을 고를 것인가

지표	중앙 데이터 레이크	분산형 API 연계	하이브리드
성능	대용량 일괄 처리 강점, 배치 분석 적합	실시간 트랜잭션 유리, 지연 최소화	혼합 워크로드 최적화 가능
확장성	스토리지 수평 확장 용이, 컴퓨팅 분리	서비스 단위 확장 용이, 경량성	데이터·서비스 양면 확장 유연
일관성	스냅샷 기반 강한 일관성 구성 용이	최종적 일관성 패턴 빈번	도메인별 일관성 정책 병행
안정성	중앙 SPOF 위험, 다중 리전·이중화 필요	마이크로서비스 복원력, API 게이트웨이 의존	복합 장애 시나리오 고려 필요
운영 편의	거버넌스 집중 관리 용이	계약·버전·키 관리 부담	표준화로 복잡도 완화 가능

중앙집중형은 거버넌스·품질관리가 쉽지만 초기 투자와 SPOF 리스크를 안는다. 분산형은 민첩하고 실시간에 강하지만 표준·보안 정책의 일관성을 유지하는 비용이 늘어난다. 하이브리드는 도메인 주도 설계와 공통 데이터 허브를 병행해야 해서 설계 복잡성 관리가 관건이다.

보안과 개인정보 보호에서 놓치는 지점

최소권한·제로트러스트 원칙은 역할기반·속성기반을 혼합한 접근통제로 데이터 도메인별 권한을 세분화하지만, 성능 오버헤드가 생길 수 있어 캐시·토큰 최적화가 필요하다. 가명·익명 처리는 K-익명성·L-다양성·차등프라이버시 등을 적용하는데, 분석 유용성 저하와 프라이버시 보호 사이에서 균형을 설계해야 한다. 감사·투명성은 전 처리 단계의 감사로그를 불변저장하고 샘플 재현 가능성을 확보하는 것인데, 스토리지 비용이 늘어나므로 보존기간을 합리화해야 한다.

기관이 실제로 점검할 것

계획 단계에서는 데이터 기반 업무를 선정하고 KPI·가설을 정의하며 법적 근거를 문서화한다. 데이터 단계에서는 카탈로그를 정비하고 표준·품질 규칙을 수립하며 연계 계약(API·스키마)을 확정한다. 분석 단계에서는 설명가능 모델을 우선하고 바이어스를 점검하며 샌드박스로 격리한다. 운영 단계에서는 배포·모니터링·사후평가를 자동화하고 보안·감사를 연계하며 재현성을 보장한다.

도입이 만드는 변화

정량적으로는 정책 설계·집행 리드타임이 20~40% 단축되고, 오판·중복지급 같은 오류율이 30% 이상 줄어들며, 카탈로그 참조건수·API 호출수 기준 데이터 재사용률이 2배 이상 늘어난다는 수치가 제시된다. 정성적으로는 의사결정 신뢰도가 올라가고 부처 간 협업이 촉진되며, 국민 체감 서비스 품질과 정책의 투명성·설명가능성이 강화된다. 기관별로 미성숙한 영역부터 단계적으로 도입하고, 하위법령·가이드라인의 최신 개정 여부를 상시 점검하는 편이 안전하다.