데이터 가치 평가

데이터 가치 측정 접근법

데이터 가치 평가 모델은 비용 접근 법(Cost Based), 시장 접근법(Market Based) 및 소득(이익) 접근법(Income or benefit Based)이 활용되고 있다[16].

먼저, 비용 접근법(Cost Based)은 평가 대상의 자산을 개발하는데 투입 된 비용으로 가치를 산정하거나 동일한 경제적 이익을 보유한 기술의 개발이나 이와 동일한 가 치의 기술을 구입하데 필요한 비용을 추정하여 가치를 산정하는 방법이다. 이를 통한 데이터 자산 가치 산정은 데이터 활용 시 중복되거나 사용하지 않은 데이터 비용은 제외하고, 나머지 비용에 대해서는 회계상 직⋅간접비용 등의 기 준을 적용한다. 이러한 비용들은 데이터의 수집, 저장, 가공, 활용과 같은 데이터 프로세스의 단 계에 따라 사용자/생산자 연결 및 중개 비용, 데 이터 플랫폼 운영 비용, 디바이스나 센서 구매 및 연결 비용, 데이터 구매/통합/가공 비용, 데이 터 전송/보안 비용 및 데이터 수집/기록 비용으 로 구분된다[14].

다음으로 시장 접근법(Market Based)은 데이 터의 가치를 시장에서 거래되는 가격이나 전문 가들의 조사⋅연구로 결정하는 방법이다. 일반 적으로 시장에서 사용자와 판매자간 합의에 의 해 가치가 정해지며, 데이터 거래 비용은 현금, 상품 또는 서비스로 치러진다. 데이터 시장에서 정해진 가치는 가치라기보다 데이터 거래의 가 격이라 할 수 있다. 현재까지는 데이터 시장이 많이 존재하지 않기 때문에 경매방식을 취하기 도 하고, 사용자가 어느 정도의 지불의사 (Willingness To Pay)를 가지고 있는지 실험/조 사해보는 방식을 활용하기도 한다. 이러한 방식 의 데이터 거래 형태는 주로 사용자가 데이터를 다운로드/구독하는 형태로 거래된다. 시장 접근 법은 데이터를 직접 수집/가공/판매/유통하는 회 사에 적합한 방법으로 알려져 있다. 시장에서 거래 사례가 없는 경우에는 로열티 공제(Relief from-Royalty) 방법을 활용하기도 한다[16].

마지막으로 소득(이익) 접근법(Income or benefit Based)은 기업 내 데이터 자산의 경제적 수 명 안에서 발생 할 것으로 예상되는 금전적 매 출(이익)에 할인율을 적용하여 현재 가치를 평 가하는 방법으로 기업 전체 데이터 자산 가치 평가 방식으로는 가장 적절하다고 알려져 있다. [17]에 의하면 소득(수익) 접근법이 비용접근이 나 시장 접근보다 무형자산의 가치 평가가 정확 하고 높게 책정된다고 한다. 비용 접근법은 시 장 접근법 적용이 어렵거나, 매출에 대한 데이 터의 기여분이 확실치 않을 때 사용하며, 데이 터를 손실했을 때의 위험가치를 측정하는 데 주 로 사용된다[17]. 그리고 시장 접근법은 기업의 비용 최적화나 신제품 개발, 신시장 개척, 매출 확대 등에 데이터가 활용 될 때 주로 사용된다. 이러한 두 가지 접근법은 기업의 자산으로 종합 적인 가치를 평가하는 데에는 한계가 있다. 이 에 다음 장에서는 소득(이익) 접근법을 통해 도 출된 데이터 가치 측정 모델을 중심으로 논의하고자 한다.

각각의 모델을 살펴보면 크게,

일반적 소득(이익)접근 모델은 현금흐름 할인법(Discounted Cash Flow)을 적용해서 데이 터 자산의 생명주기만큼 기대되는 미래 소득을 산출하여 현재 가치로 산출한다[16]. 이러한 소 득(이익) 접근법에 따른 데이터 가치 측정 모델 로는 비즈니스 성숙 지수 모델, 의사결정 기반 모델 및 혼합 모델이 있다.

비즈니스 성숙 지수 모델을 살펴보면, 이 모 델은 탑다운(Top-down) 방식으로 목표에 대한 기여 정도에 따라 필요한 데이터의 우선순위를 수집하여 가치를 평가하는 방법이다[18].

의사결정 기반 모델 또한 탑다운 방식으로 사 용자의 의사결정에 따라 데이터의 품질, 수집 빈도, 시계열적 가치 변화량 등을 고려한다. 그 리고 이러한 정보를 종합하여 필요한 정보를 만 들어내는데 데이터의 기여도에 따라 투자에 따 른 수익률을 적용하여 평가한다[19].

소비 기반 모델은 혼합 모델로 비용 접근법과 소득(이익) 접근법을 융합하여 적용한 것으로 데이터의 생산자/사용자 및 데이터 허브/플랫폼 을 보유한 회사의 데이터 가치 평가에 적합하다. 다만 이 모델을 적용하기 위해서는 데이터 허브 에서 더 많은 데이터 다운로드가 더 많은 데이 터 활용가치를 가져오고, 다양한 데이터 소스를 수집하여 공유한다는 것을 전제로 하고 있어야 한다. 그리고 다양한 사용자들이 많은 빈도로 데이터 허브에 접근 할 수 있을 때 해당 회사의 데이터 가치 평가가 가능하다[20].

또 다른 혼합 모델로는 KRDS(Keeping Research Data Safe)를 들 수 있다. 이 모델은 비용 접근법과 소득(이익) 접근법을 혼합한 모델로, 데이터 활용 측면에 중점을 둔 가치 평가 모델이다. 이 모델에 따른 비용 산출 방법은 소비 기반 모델과 비슷하나, 활용 가치는 소득 기반 모델과 의사결정 기반 모델과 같은 방식을 함께 병행한다[21].

데이터 자산의 특징

첫째, 데이터 자산은 무한대로 공유가 가능하 고 사용하면 사용 할수록 가치가 늘어나는 특성 을 데이터 자산 가치 평가에 충분히 고려해야 한다. 이는 다른 일반 자산들이 많이 사용하고 공유 할수록 가치가 줄어드는 것과는 상반된다.

둘째, 데이터의 활용 기간은 데이터의 종류에 따라 다양하다는 점에 포커싱 해야한다. 일반적으로 국내에서는 고객이 1년 동안 활동하지 않으면 휴면 데이터로 저장 보관한다. 주소, 성별 등 개인 속성과 같이 잘 변화지 않는 정적 (Static) 데이터는 활용 기간이 긴 반면, 고객의 구매 의도나 사물 센서의 실시간으로 변화하는 다이나믹(Dynamic) 데이터는 정적 데이터에 비 해 수명이 짧다. 그러나 이러한 데이터 생명 주 기의 접근 방식보다는 기업 데이터 자산 가치 산정에는 회사 시스템에 데이터가 남아있는 기 간을 고려하는 것이 더 적합할 수 있다. 특정 데이터는 휴면되고 삭제되어도 데이터 수집 시스템에 존속하는 한, 데이터는 지속적으로 활용 가능하기 때문이다. 또한 단순히 데이터 가치가 시간 흐름에 따라 줄어들다가 과거 트렌드를 보 고 의사 결정하는데 정보를 제공하는 경우 및 다시 가공하는 경우 데이터의 가치가 다시 증가 하는 특이성을 가지고 있다.

셋째, 데이터의 가치는 일반 상품과 마찬가지 로 품질의 영향을 받기 때문에 해당 요소를 더 욱 더 고려해야 한다. 데이터의 품질은 데이터 의 적시성, 정확성, 완전성, 접근성 등 여러 관점 으로 고려되어야 한다. 이렇게 데이터 품질을 고려한 모델은 의사결정 기반 모델이다. 의사결 정 기반 모델은 의사결정에 의해 요구된 성과에 데이터 공헌도를 측정하여 투자대비 이익을 측 정하는 모델로 투자에 대한 효과성 측정에 유용 하다.

넷째, 데이터는 다른 데이터와 결합하거나 융 합하여 새로운 정보를 만들고 인사이트를 도출 할 때 그 가치가 배가된다는 점을 함께 살펴야 한다. 반면 데이터가 무한대로 많아진다고 해서 그 가치가 비례해서 증가하는 것은 아니다. 적 정 수준까지 정보의 가치가 늘고 충분한 정보 제공 후에는 더 많은 데이터가 늘어나더라도 그 가치는 더 이상 상승하지는 않는다.

다섯째, 데이터는 같은 데이터라도 사용자의 용도나 사용 능력에 따라 달라지기 때문에 기업 및 사용자의 역량을 신장시키는데 노력을 기울 이고 있는지를 자산가치 평가에 포함하여야 한 다. 같은 전화번호 데이터라 하더라도 다이렉트 보험사와 이커머스 회사에서의 가치는 다를 뿐 아니라 기업의 데이터 인프라, 분석, 비즈니스 활용 능력에 따라 다르다. 이러한 이유로 기업 의 데이터 활용 성숙도에 따라 데이터 가치는 달라진다. 비즈니스 성숙 모델은 같은 데이터를 보유하고 있다 하더라도 기업의 활용 성숙도에 따라 데이터의 가치는 다르게 평가 하게 된다. 따라서 같은 산업군에서 데이터 활용 성숙도가 다른 기업에 비해 높다면 그 가치는 더욱 높이 평가 되어야 한다.

끝으로 데이터는 가치 사슬을 거치면서 증가 하는데 데이터 정제, 가공과 같은 과정은 데이 터 활용이 완성되었을 때라야 가치를 발휘한다. 따라서 이러한 가치 사슬을 지속적으로 연결시 킬 수 있는지 여부를 펑가에서 심도있게 고려해 야 한다. 이러한 사슬을 거치면서 데이터 가치 는 성과 결과로 평가되나, 실제로는 환경이나 상황에 따라서는 완전히 그 가치를 발휘하지 못하는 경우도 있다[22]. KRDS 모델은 데이터의 제공자, 데이터 허브, 그리고 사용자에 따라 가 치를 평가하기 때문에 데이터의 중간 과정을 고 려한다면 이 모델이 유용할 것이다

출처: 데이터 자산 가치 평가 모델 리뷰 - 빅데이터학회지

<303930335FBABBB9AE5FC7D1B1B9BAF2B5A5C0CCC5CDC7D0C8B8C1F620362D312E687770> (koreascience.or.kr)