지방 공공기관에 근무하는 A씨는 공영주차장 설치 장소를 선정하는 업무를 새로 맡아 고민이 많아졌다. A씨는 행정안전부의 빅데이터 플랫폼 ‘혜안(慧眼)’에서 관련 데이터를 수집해서 가공하려고 했다.

하지만 최적의 장소 도출을 위해 어떤 데이터가 필요한지, 데이터 분석을 위해 필요한 시스템은 어떤 것이 있는지, 시스템 구축 비용은 어떻게 산정해야 하는지 등 모르는 것이 많아 막막했다.

강태원 데이터누리 대표는 “막상 데이터를 가져와도 간단한 데이터 이외에 수많은 데이터는 자기들 내부 업무용으로 가공하고 관리하는데 어려움이 상당하다”며 “데이터누리가 바로 이러한 빅데이터의 통합관리 솔루션을 제공하면서 업무 공백을 최소화하고 있다”고 설명했다.

데이터누리는 최근 디지털정부를 표방하며 데이터를 활용한 일터 환경에 박차를 가하는 윤석열 정부에서 주목받고 있는 스타트업이다. ‘구슬이 서 말이라도 꿰어야 보배’라는 속담처럼 전문적인 데이터 분석인력이 절대적으로 부족한 정부기관과 민간기업에 심도 있고 다양한 데이터 분석 수행을 서비스하고 있기 때문이다.

강 대표는 “데이터누리의 ‘Metis’는 데이터 통합관리 플랫폼을 제공한다”며 “데이터의 등록부터 관리, 검색, 분석 그리고 유통까지 클라우드 기반 환경을 제공해 누구나 쉽게 데이터를 활용할 수 있도록 5개의 영역으로 구성된 솔루션”이라고 강조했다. 다음은 최근 서울 마곡 본사 사옥에서 만난 강 대표의 일문일답이다.

- 회사 소개자료에 데이터 통합관리 플랫폼을 솔루션으로 공급하는 국내 유일의 빅데이터 전문기업이라고 설명했는데 ‘국내 유일’이라고 명시한 이유와 그 경쟁력은 무엇인가?

데이터누리의 서비스 제품명인 Metis가 데이터 통합관리 솔루션으로 유일하다고 자신하는 이유는 2가지다. 먼저 데이터 통합 관리의 핵심 기능인 메타 데이터관리에서 표준을 준용하고 있다.

국내에 상용한 기술로 국제 표준인 DCAT 2.0과 행정안전부 표준인 범정부 기관 메타 표준을 모두 적용한 유일한 제품이다. 이와 함께 데이터 통합관리 솔루션 중 한국정보통신기술협회(TTA) GS 1등급 품질인증을 받았고 지난 5월에는 조달청 나라장터에도 등록 완료된 유일한 제품이다.

- 스타트업으로 국내외 메타 표준을 선점할 수 있었던 원동력은?

지난 2019년 한국전자통신연구원(ETRI)으로부터 기술 이전을 받았다. 해당 기술명은 ‘클라우드 기반 데이터맵 상호운용 및 분석 인프라 운영관리 기술’이다. ETRI가 국가과제로 3년 동안 연구한 기술로 데이터누리가 메타 데이터(데이터 카탈로그) 국제 표준인 DCAT을 운영할 수 있는 메타 관리기술을 이전받았다.

Metis는 바로 이러한 통합관리 솔루션을 통해 다른 경쟁사 대비 단기간에 품질이 확보된 서비스를 제공할 수 있는 것이다.

- 각각의 데이터마다 도출할 수 있는 정보가 방대한데 Metis와 같은 플랫폼으로 관리하면 어떤 이점이 있나?

사실 그동안 정부기관과 지자체마다 빅데이터를 활용하겠다고 나섰지만 각자 정형화된 데이터 시스템만 구축했다. 이게 국내외 표준에 딱 맞는 것도 아니기 때문에 수많은 데이터가 업데이트될 때마다 매번 수작업까지 거쳐야 했다.

예를 들어 행안부가 최근 구축한 범정부 데이터 분석 시스템 ‘혜안’의 데이터를 수집하거나 자신들의 데이터를 혜안에 등록할 때 모두 표준화된 데이터 가공이 필수적이다.

- 그동안의 실적이 궁금하다.

2018년 창업한 후 현재까지 공공기관과 민간기업 69곳에 Metis를 납품했다. 대표적인 사례로 한국문화정보원의 문화빅데이터 플랫폼, 한국수자원공사의 환경 빅데이터 플랫폼, 한국 농식품유통공사의 농식품유통 빅데이터 플랫폼에 Metis가 적용돼 사용 중이다.

이밖에도 서울시의 모 구청에서 데이터 기반 행정 활성화를 위해 Metis를 적극 활용 중에 있다. 해당 구청은 전국 지자체 중에서도 빅데이터 행정에 있어 선도적이면서 적극적인 서비스를 해왔다. 빅데이터 전문인력만 4명이 있는 별도 팀이 구성될 정도다. 이곳에서 Metis를 선택했다는 건 매우 의미 있는 실적이라고 자부한다.

- 중소기업은 로우 데이터 관리도 미숙한데, 메타 데이터 관리를 어떻게 해야 하는가?

중소기업에서도 얼마든지 자신들의 데이터 자산을 관리하고 데이터 자산의 가치를 높일 수 있다. 데이터라는 게 뭔가 특별한 수치와 정보가 있어야 하는 게 아니다. 제조업이든, 유통업이든 자신들의 사업에 있어 수십년 동안 축적된 데이터가 있다면 충분히 빅데이터로 활용가능하다.

다만 회사가 어떤 데이터들을 보유하고 있는지, 또 이런 데이터를 어떻게 활용했으면 하는지에 대한 아이디어만 있다면 데이터누리가 해당 데이터 활용도를 극대화하도록 하는 것이다. 신사업을 만드는 것도 충분히 가능하다.

여기서 중요한 포인트는 데이터의 융합이다. 예를 들어 중고차 관련 중소기업이 보유한 데이터와 금융권의 담보대출 데이터가 합쳐지면 은행에서 대출자의 차량 담보 가격설정시 적정 가격을 자동으로 산정할 수 있는 서비스도 가능해진다.

- 창업 이후 스타트업으로 가장 어려운 점은 무엇이었나?

자금과 인력 확보 문제가 창업 이후 가장 힘들었던 부분이다. 자금 문제는 투자유치와 금융권 대출 등으로 어느 정도 해소됐다. 하지만 양질의 개발인력 확보 문제는 현재진행형이다. 특히 경력직들이 벤처창업기업에 오려고 하지 않는다. 이 때문에 회사의 30% 이상이 신입 개발직이다.

정부에 건의하고 싶은 부분은 각종 인력지원자금을 채용인력이 많은 기업에 우선 지원했으면 한다. 그래야 채용과 인재육성 효과가 크다고 생각한다. 이와 함께 ‘인력스카우트비용’도 제안한다. 중소기업 개발인력이 동일업종의 중견·대기업으로 이직시 그간 중소기업이 투자한 비용을 지불하고 채용했으면 한다.

중소기업에서 2~3년 근무한 개발인력이 중견·대기업으로 이직을 서두르는 게 일반적인 분위기라 안타깝다. 기껏 중소기업이 신입직원을 채용하고 육성해도 중견·대기업에 사람도 뺏기고, 투자비용도 손실된다면 누구도 신입직원을 채용하지 않을 것이다.

- 최근 들어 국내 대기업이 빅데이터 시장 진출에 적극적이다. 데이터누리의 시장 전략은 무엇인가?

데이터누리의 솔루션은 중소기업과 공공기관을 주 고객으로 하며 이들에게 최적화됐다고 자부한다. 다른 경쟁사 대비 고품질과 낮은 가격 그리고 편의성은 차별화된 경쟁력이다.

이에 그치지 않고 2년 안에 현재의 빅데이터 솔루션을 지속적으로 고도화해 통합 플랫폼을 완성할 것이다. 빅데이터 통합 플랫폼이 완성되면 △데이터 파이프라인 △인공지능 모델링 및 분석 △데이터 유통을 넘어서 데이터 알고리즘 △인공지능 모델 및 서비스까지 유통이 가능한 ‘인공지능 플레이 그라운드’를 구축해 서비스하는 게 목표다.

인공지능 플레이 그라운드는 데이터누리가 만든 용어다. 클라우드 상에서 데이터 공급자와 수요자 모두가 모여 서로 협업하고 만들어진 데이터 관련 모든 가치를 유통할 수 있는 가상의 공간이다. 결국 빅데이터의 미래는 시장의 융합이고 사람의 만남이다.