국방에 기여하는 국방기술품질원의 이야기
기술로 품질로
국방품질 데이터 분석 업무 추진 전략
글 품질기획실 최종수 선임연구원
데이터 분석 업무의 필요성
먼저 빅데이터와 인공지능의 용어 정리를 통해 기술 간의 관계와 데이터 분석 업무의 방향을 알아볼 수 있다. 그림 1과 같이 빅데이터와 인공지능은 목적, 기술 및 적용 측면에서 상이한 부분이 있으나, 최근 CHATGPT와 같은 생성형AI가 주목받는 것처럼 두 가지 분야가 상호보완적으로 작용해야 혁신적인 서비스로 성공할 수 있다. 즉, 혁신적인 서비스는 AI 기술만으로 되는 것은 아니고, 엄청난 양의 데이터를 바탕으로 AI의 성능이 충분히 향상되어야 한다. 또한, 높은 AI 성능이 담보되어야만 이를 통해 결정되는 데이터 분석 결과도 주요 의사결정을 지원할 수준으로 활용 가능할 것이다.
그렇다면 데이터 분석은 왜 필요한 것일까? 데이터 분석은 일반적으로 알려진 바와 같이 많은 장점을 갖고 있다. 첫째, 데이터 분석은 과거와 현재를 파악하고 미래를 예측함으로써 의사결정을 지원한다. 둘째, 맞춤화된 업무전략과 제품개발 및 개선에 활용하여 고객만족도를 향상할 수 있도록 한다. 셋째, 경향성을 파악하여 신규사업 발굴에 참고하고 혁신적인 제품 출현이 가능하게 한다. 넷째, 내부 프로세스에 대한 통찰력을 제공하여 비용, 인력 등의 자원을 최적화하도록 한다. 마지막으로 기업의 위험을 조기에 파악하여 대안을 마련할 수 있도록 도와준다.
이렇듯 최신기술의 발전과 높은 활용성 때문에 수년 전부터 많은 기업에서는 인공지능 등 최신기술을 활용한 데이터 분석을 각자의 비즈니스 영역에서 다양하게 활용하고 있다. 특히, 고가의 설비에 대한 고장 가능성을 예지하여 운용비용을 절감한다던가, 의료영상 데이터를 대규모로 학습하여 놀라울 정도로 높은 정확도로 발병 여부를 조기에 진단하는 등 다양한 가치 창출을 통한 성공사례가 소개되고 있다
국방품질, 데이터 분석 활용 분야
그렇다면 군수품 품질관리를 주요 임무로 수행하는 국방기술품질원은 데이터 분석을 통해 어떤 가치를 창출할 수 있을까? 그림 2는 데이터 분석 활용이 가능한 분야를 검토한 내용으로, 데이터 분석은 국방기술품질원의 주요 임무인 군수품 품질관리 영역에서부터 조직/인사 등 경영 전반에 대한 업무개선에도 활용될 수 있을 것으로 보인다. (그림 2는 브레인스토밍을 통해 선별한 내용으로 실제는 이보다 더욱더 광범위한 분야에 활용 가능할 것으로 판단된다.)
예를 들어, 신규 품목을 최초 양산하는 경우 필수적으로 점검해야 할 구성품(또는 공정)을 데이터에 기반하여 식별할 수 있다면 품질관리의 사각지대를 미연에 방지하고 업무를 과학적이고 효율적으로 수행할 수 있을 것이다. 또한, 품질관리 영역에 국한하지 않고 조직의 역량을 강화하기 위한 교육 및 훈련 프로그램의 고도화, 의사소통 향상과 조직문화 개선에도 데이터 분석을 활용한다면 보다 체계적인 의사결정이 이뤄질 수 있을 것이다.
물론, 자체 보유한 기반이 부족하므로 단기적으로 업무 전반에 데이터 분석을 활용하기에는 매우 제한적이나, 향후 수년 내 다양한 업무 영역에서 이를 활용하기 위해서는 지금부터라도 체계적인 준비가 필요한 실정이다.
데이터 분석 업무 추진시 고려사항
국방기술품질원이 데이터 분석 업무를 체계적으로 추진하기 위해 준비해야 할 사항을 알아보자.
첫 번째, 데이터 분석의 재료인 ‘데이터’를 수집하고 관리하기 위한 전략이 필요하다. 앞서 언급한 그림 2와 같이 구체적인 활용 분야와 분석 주제를 식별했다면 분석에 필요한 데이터를 반드시 확보해야 한다. ‘데이터’는 분석에 필요한 기초이자 재료이기 때문에 당연히 품질이 좋은 데이터를 수집해야 하며, 분석 목적을 달성하기 위해 ‘필수적’이면서 ‘충분한 양’의 데이터를 확보해야 한다. 또한, 데이터에 개인정보, 저작권 등 민감한 자료가 포함될 수 있어 보안대책도 함께 수립되어야 한다.
두 번째, 적절한 분석도구를 기술도입하고 활용할 줄 알아야 한다. 데이터 분석은 프로그래밍을 전공한 일부 연구원만의 업무가 아닌 ‘구성원 모두가 활용할 수 있는 업무’로 추진되어야 하며, 이러한 점을 고려하여 사용자가 쉽게 접근할 수 있는 분석도구를 도입해야 한다. 따라서 시장 동향을 바탕으로 분석에 필요한 도구를 지속적으로 조사하고 도입하면서 업무를 발전시켜 나가야 할 것이다.
세 번째, 데이터 분석 업무의 목표를 설정하고 목표 달성여부를 평가하기 위한 체계를 정립해야 한다. 이는 업무 발전의 방향성과 발전을 위해 중요한 사항으로 데이터 분석의 성과를 주기적으로 검토하면서 목표를 수립·조정해야 할 것이다.
네 번째, 데이터 분석은 다양한 기술과 역량이 필요한 업무로서 전담조직 및 인력이 확보되어야 한다. 초기에는 데이터 분석을 전담하는 별도조직을 구성하여 전문적인 역량과 능력을 확보하는 데 집중하고, 이후 일정 수준의 업무 내재화가 이루어지면 각 사업부서에서 분석을 수행하는 방향으로 발전시켜 나갈 수 있을 것이다.
마지막으로 데이터 기반의 의사결정이 보편화 되도록 모든 구성원의 인식 변화와 이를 확산하는 기업문화가 조성되어야 한다.
위에서 언급한 사항 다섯 가지 사항은 국방기술품질원이 데이터 분석 업무를 추진하기 위해 고려해야 하는 사항으로 중장기적인 업무 발전을 위해서는 반드시 사전 검토가 필요하다.
데이터 분석 업무 접근 전략
그림 2에서 언급한 바와 같이 국방기술품질원이 수행할 수 있는 데이터 분석 영역은 군수품 품질관리부터 경영 전반에 이르기까지 매우 광범위하다. 또, 각각의 분석과제를 살펴보면 필요한 데이터의 종류가 매우 다양하고 그 구현 난이도도 천차만별임을 확인할 수 있다. 그렇다면 국방기술품질원과 같이 제한적으로 데이터 분석을 수행하던 기관에서 해당 업무를 효율적으로 정착시키고 발전시키기 위한 최선의 방법은 무엇일까?
초기에는 복잡한 분석과제를 구현하는 것보다 데이터 수급이 원활하면서 비교적 난이도가 낮은 ‘업무 자동화’를 구현하여 활용함으로써 경험과 역량을 축적하는 것이 중요하다. 업무 추진과정에서 ‘작은 성공’을 경험하고 경험을 축적하는 것은 조직의 지속적인 역량 확보와 업무 발전을 위한 필수적인 원동력이 되어 줄 것이다.
다음 단계로 다양한 데이터가 필요하면서 난이도가 높은 분석과제를 추진한다. 이를 통해 국방기술품질원의 핵심역량 및 품질관리 경쟁력을 높이기 위한 노하우를 확보하고, 다양한 영역에서 과학적인 의사결정을 위한 인사이트(Insight)를 추출함으로써 우리의 가치를 극대화할 수 있을 것이다. 무엇보다 이러한 과정을 통해 축적된 역량을 지속적으로 개선 및 확대해 나가는 것이 필요할 것이다.
결론적으로 국방기술품질이 중장기적으로 데이터 분석 업무를 발전시켜 나가기 위해서는 앞서 언급한 사전 고려사항들을 충분히 검토하여야 한다. 또한, 그림 4와 같이 분석 난이도 등을 고려하여 업무를 순차적으로 확대·적용하여 이를 계속 개선하고 최적화한다면 데이터 분석 업무를 성공적으로 정착시킬 수 있을 것이다.
분석과제 개념검증 사업 추진
개념검증(PoC, Proof of Concept)은 고비용이 소요되는 IT 프로젝트를 수행하기에 앞서 구축하고자 하는 시스템이 실현 가능한지 사전 검증하여 프로젝트 리스크를 줄이고자 하는 업무다. 신기술이 적용된 시스템 구축의 경우, 정보체계를 한꺼번에 구축하기에 앞서 개별 분석과제의 입력 데이터가 충분한지, 분석결과가 정확한지 등을 실증하기 위한 목적으로 수행하며, 목표설정부터 결과분석에 이르기까지 그림 5와 같은 절차로 진행된다.
올해 국방기술품질원은 업무 난이도 등을 고려하여 총 5개의 분석과제를 식별(표 1)하였고, 외부 전문기관을 통해 개념검증 사업을 성공적으로 추진하였다.
| 구분 | 분석 과제명 | 과제내용 | 기대효과 |
|---|---|---|---|
| 1 | 동일/유사품목 분석/추천 | 동일 또는 유사수준의 품질위험이 내재된 품목을 분류하고 품질 관련 정보를 추천 제공 | 기존품목 외 유사품목의 품질이력 활용 가능 (정보 활용성 확대) |
| 2 | 양산사업 필수 점검항목 추천 | 양산‧운영 데이터를 분석하여 양산 사업의 필수 점검항목(고위험군)을 추천 제시 | 데이터 기반으로 위험식별 적중률 향상 |
| 3 | 선택품질보증형 대상품목 자동 추천 | 품질 안정품목 중 선택품질보증형태(II형)로 전환 가능한 품목을 분석하여 자동 추천 제시 | 업체 신청방식에서 기품원 주도로 2형 확대 실현 (계약 가능성 예측 고려) |
| 4 | 품질관리 데이터 기반 고장 예측 | 고장 현황, 조치 이력 데이터 등을 분석하여 운용 중인 유사품목의 고장 발생을 예측 | 고장 예측을 통한 예방적 대군지원 실현 |
| 5 | 품질보증형태 자동 분류 및 추천 | ‘제조 중 시험데이터’ 및 ‘장기저장 후 시험 데이터’ 등을 분석하여 최적의 평가 대상 품목(로트)을 추천 | 업무 자동화를 통한 효율화 달성 (2M/Y 이상의 절감효과 발생) |
표 1. 분석과제 현황
본 개념검증 사업을 통해 각각의 분석과제에 대한 실효성을 확인하는 한편, 향후 정보체계를 고도화하고 데이터 분석체계를 도입하는 과정에서 필요한 개선사항도 식별할 수 있었다. 본 기고는 데이터 분석 업무의 추진 방향에 대한 사항을 다루고 있으므로 개념검증 사업 결과에 구체적인 내용은 생략하도록 한다.
올해 하반기에는 차세대 정보체계 및 데이터 분석체계 구축에 필요한 요구사항을 도출하기 위한 정보체계 마스터플랜(ISMP, Information System Master Plan)을 수립할 예정이다. 이는 데이터 분석체계 구축의 방향, 데이터 및 하드웨어/소프트웨어 구축 방안 등 구체적인 요구사항을 포함하며, 앞서 언급한 접근 전략 및 사업 결과 등을 반영하여 구체화할 예정이다.
‘국방품질 4.0’은 군수품 품질과 관련된 데이터를 체계적으로 수집하고 활용하여 내부 또는 외부 고객을 대상으로 새로운 가치를 창출하기 위한 혁신 활동이다. 이는 품질관리와 신뢰성 연구뿐 아니라 경영 전반의 일하는 방식을 과학적이고 객관적으로 개선하기 위한 중요한 수단이지만, 추진 과정에서 많은 시행착오가 발생할 수 있어 도입 시부터 체계적인 전략을 통한 접근이 요구된다. 국방기술품질원이 추진하는 ‘데이터 분석 업무’의 정착과 발전이 국방품질 수준 향상에 새로운 동력이 되기를 기대한다.