1. 개요
연구-데이터-관리는 연구 프로젝트의 모든 단계에서 데이터에 적절한 라벨을 붙이고, 저장하며, 접근 권한을 제공하는 일련의 과정을 의미한다.[1] 과거 20세기에는 하나의 실험이나 연구가 단일한 파일 형태의 결과물을 산출하는 것이 일반적이었으나, 현대의 연구 환경은 크게 변화하였다.[2] 정보 기술과 디지털화, 데이터베이스 규모의 확대, 인터넷의 보급, 고처리량 측정 기술, 그리고 인공지능(AI)의 발전은 연구 방식을 근본적으로 변모시켰다.[3] 이에 따라 현대의 연구 프로젝트는 다수의 파일을 생성하며, 여러 협력자가 공동으로 제작하는 경우가 많고, 이차적 활용 가치가 높은 데이터를 생산한다.
연구 데이터는 생성부터 파기까지의 데이터 생애주기 전반에 걸쳐 체계적으로 관리되어야 한다.[4] 구체적인 관리 범위에는 데이터의 수집, 처리, 분석, 기술, 보존 및 공유 방식이 포함된다. 이를 위해 연구자는 데이터 관리 계획(DMP)을 수립하여 생성되는 데이터의 유형, 사용되는 메타데이터 표준, 그리고 관련 정책에 대한 포괄적인 정보를 상세히 기록해야 한다.[5] 이러한 체계적 관리는 단순히 데이터를 저장하는 것을 넘어, 데이터의 보안을 유지하고 모니터링하며 안전한 저장 공간을 확보하는 과정을 모두 아우른다.
현대 연구에서 데이터 관리의 중요성은 기술적 용량의 증대에 따른 조직화의 필요성에서 기인한다. 향상된 기술은 더 많은 데이터를 생성하고 저장할 수 있는 능력을 제공하지만, 동시에 데이터를 FAIR 원칙(Findable, Accessible, Interoperable, Reusable)에 따라 관리해야 하는 과제를 부여한다.[6] 즉, 데이터가 발견 가능하고, 접근 가능하며, 상호 운용이 가능하고, 재사용될 수 있도록 만드는 것은 연구의 엄밀성과 혁신성을 뒷받침하는 필수 요소이다. 데이터가 체계적으로 조직되지 못할 경우, 연구 결과의 신뢰성을 확보하거나 다른 연구자가 해당 데이터를 유용하게 활용하는 데 한계가 발생한다.
데이터 관리의 변동성은 연구 분야와 협력 구조에 따라 다르게 나타난다. 예를 들어 유전체학 실험과 같은 분야에서는 방대한 양의 데이터가 생성되므로 더욱 정교한 관리가 요구된다.[7] 향후 연구 환경은 더욱 복잡해질 것으로 예상되며, 데이터의 규모가 커짐에 따라 보안 유지와 윤리적 활용에 대한 위험 요소도 함께 증가할 것이다. 따라서 연구자는 데이터의 가치를 보존하고 사회적·학술적 기여를 극대화하기 위해 지속적으로 관리 전략을 고도화해야 한다.
2. 연구 데이터 관리의 목적과 필요성
연구 데이터 관리는 연구 프로젝트의 모든 단계에서 데이터에 적절한 라벨링을 수행하고, 이를 안전하게 저장하며, 필요한 대상에게 접근 권한을 제공하는 일련의 과정을 의미한다.[4] 연구 과정에서 발생하는 정보를 조직화하고 구조화하며 관리하는 것은 프로젝트의 생애주기 전반에 걸쳐 수행된다. 이는 단순히 데이터를 보관하는 것을 넘어, 연구가 진행되는 일상적인 과정부터 프로젝트가 종료된 이후의 장기적인 활용 단계까지 포함하는 포괄적인 개념이다.[7]
데이터 관리를 통해 연구자는 데이터 손실의 위험을 줄이고 정보의 무결성을 유지할 수 있다. 현대의 정보 기술과 디지털화 발전으로 인해 생성되는 데이터의 양이 급증함에 따라, 데이터를 체계적으로 관리해야 할 필요성이 더욱 강조된다.[1] 특히 데이터가 찾을 수 있고(Findable), 접근 가능하며(Accessible), 상호 운용이 가능하고(Interoperable), 재사용 가능한(Reusable) 상태가 되도록 만드는 것은 현대 연구의 핵심적인 과제이다. 이를 통해 연구 결과의 신뢰성을 높이고 데이터의 보안 및 모니터링 체계를 강화할 수 있다.[4]
연구 데이터의 산출부터 보존, 그리고 재이용에 이르는 전체 과정을 연구 데이터 생애주기라고 정의한다.[8] 연구가 완료된 이후에도 데이터는 보존되어 교육적 목적이나 다른 후속 연구를 위한 재이용의 자산으로 활용된다.[8] 최근에는 게놈학과 같이 다수의 협력자가 참여하며 방대한 양의 파일을 생성하는 연구 분야가 늘어남에 따라, 이러한 데이터를 2차 활용하기 위한 관리 체계의 중요성이 더욱 커지고 있다.[1]
3. 데이터 생애주기에 따른 관리 프로세스
연구데이터의 생애주기는 데이터가 처음 생성되는 시점부터 최종적으로 파기되는 단계까지의 전 과정을 포괄한다.[1] 연구자는 프로젝트의 시작 단계에서 데이터 관리 계획서를 수립하여 데이터를 어떻게 수집하고, 처리하며, 분석할 것인지에 대한 구체적인 방안을 마련해야 한다. 이 계획서에는 생성될 데이터의 유형과 적용할 메타데이터 표준, 그리고 데이터 공유 정책 등이 상세히 포함되어야 한다.[2]
데이터가 생성 및 수집된 이후에는 본격적인 데이터 처리와 분석 단계가 진행된다. 연구자는 수집된 데이터를 구조화하고, 기술적 설명을 추가하며, 분석이 가능한 형태로 가공하는 과정을 거친다. 이 과정에서 데이터의 무결성을 유지하기 위해 데이터 보안 및 저장 방식에 대한 검토가 병행되어야 한다. 특히 데이터 리터러시를 바탕으로 데이터를 안전하게 저장하고 모니터링하는 기술적 조치가 필수적으로 요구된다.
연구 프로젝트가 종료된 시점에는 데이터의 보존과 파기 단계가 이어진다. 연구 과정에서 산출된 결과물은 아카이빙 과정을 통해 장기적으로 보관되며, 이는 향후 교육적 목적이나 다른 연구를 위한 재이용을 가능하게 한다.[1] 보존 기간이 만료되거나 더 이상 활용 가치가 없는 데이터는 적절한 절차에 따라 파기된다. 이러한 일련의 흐름은 단순히 데이터를 관리하는 것을 넘어, 연구 결과의 지속 가능한 활용을 보장하는 핵심적인 체계로 기능한다.
4. 데이터 관리 계획(DMP)의 구성 요소
데이터 관리 계획은 연구 프로젝트 진행 과정에서 데이터를 어떻게 수집하고, 처리하며, 분석하고, 기술하며, 보존하고, 공유할 것인지를 상세히 기술하는 문서이다. 이 계획서는 때에 따라 기술 계획 또는 데이터 접근 계획으로도 불린다.[1] 연구자는 생성될 데이터의 유형과 적용할 메타데이터 표준을 포함하여 포괄적인 정보를 계획서에 담아야 한다.[2]
연구 데이터의 관리 효율성을 높이기 위해서는 구체적인 저장 및 보안 유지 전략이 수립되어야 한다. 계획서에는 데이터를 어떻게 조직화하고, 저장하며, 보안을 유지할 것인지에 대한 내용이 명시되어야 하며, 데이터의 손실을 방지하기 위한 백업 전략도 포함된다. 이러한 체계적인 관리는 연구 데이터가 FAIR data를 준수하도록 돕는 중요한 도구로 활용된다.[1]
데이터의 활용성과 투명성을 확보하기 위해 접근 권한 및 공유 방법 또한 명확히 규정해야 한다. 데이터 관리 및 공유 계획은 연구 프로젝트 중과 종료 이후에 데이터를 어떻게 다룰 것인지에 대한 개요를 제공한다. 많은 연구비 지원 기관, 특히 정부 기관은 연구 신청 과정의 일부로 이러한 계획서 제출을 요구하기도 한다.[2] 비록 외부 자금 지원을 받지 않는 연구라 할지라도, 연구 데이터에 대한 계획을 문서화하는 것은 책임 있는 데이터 관리를 위한 권장 사항이다.
5. 데이터 관리 및 공유 계획(DMS Plan)
데이터 관리 및 공유 계획은 연구 프로젝트가 진행되는 동안과 종료된 이후에 연구 데이터를 어떻게 처리할 것인지에 대한 구체적인 방안을 기술하는 문서이다. 이 계획서는 단순히 데이터를 보관하는 방법을 넘어, 데이터 수집, 데이터 조직화, 데이터 관리, 데이터 저장, 데이터 보안, 데이터 백업, 데이터 보존 및 공유 방식까지를 모두 포함한다.[1] 특히 정부 기관을 포함한 많은 연구 후원 기관에서는 연구 지원금을 신청하는 과정의 일부로 이 계획서의 제출을 요구하기도 한다.[2]
이 문서는 때에 따라 기술적 계획 또는 데이터 접근 계획으로도 불리며, 연구 데이터가 FAIR 데이터로서의 요건을 갖추도록 지원하는 중요한 도구 역할을 수행한다. DMS Plan은 고정된 문서가 아니라 연구 진행 상황에 따라 지속적으로 업데이트되는 살아있는 문서의 성격을 띤다. 연구자는 계획서를 통해 생성될 데이터의 유형과 적용할 표준을 명시함으로써 연구의 투명성을 높이고, 향후 발생할 수 있는 데이터 관리 문제를 사전에 방지할 수 있다.
연구 데이터는 프로젝트가 완료된 이후에도 데이터 보존 상태로 유지되어 교육적 목적이나 다른 새로운 연구를 위한 재이용의 대상이 된다.[3] 따라서 DMS Plan에는 연구 성과물로서의 데이터를 어떻게 공유할 것인지에 대한 연구 데이터 공유 정책이 반드시 포함되어야 한다. 이러한 체계적인 계획 수립은 연구자가 연구 데이터 생애주기 전반을 효과적으로 통제하고, 데이터의 재사용성을 극대화하여 연구 성과의 가치를 높이는 데 기여한다.
6. 효율적인 데이터 관리를 위한 원칙
연구 프로젝트를 수행하는 과정에서 발생하는 정보를 체계적으로 조직화하고 구조화하는 작업은 필수적이다. 과거 20세기에는 하나의 연구나 실험이 단일한 파일 형태의 결과물을 산출하는 것이 일반적이었으나, 현대의 연구 환경은 정보 기술의 발전과 디지털 전환 및 데이터베이스 규모의 확대로 인해 양상이 변화하였다.[1] 특히 인공지능와 고처리량 측정 기술의 도입으로 인해 하나의 프로젝트에서 수많은 파일이 생성되며, 이러한 데이터는 여러 협력자에 의해 공동으로 생성되기도 한다. 따라서 연구자는 데이터를 단순히 쌓아두는 것이 아니라, 향후 재이용가 가능하도록 정교한 구조를 설계해야 한다.[1]
데이터의 안전한 보관과 관리 체계를 구축하는 것은 데이터 손실의 위험을 줄이는 핵심적인 요소이다. Data Management는 연구 프로젝트 기간 동안 사용하거나 생성된 정보를 어떻게 조직하고, 구조화하며, 저장하고, 관리할 것인지를 포괄하는 개념이다.[7] 이는 단순히 일상적인 데이터 처리 방식을 넘어, 프로젝트의 생애주기 전반에 걸쳐 발생하는 정보의 장기적인 보존 및 프로젝트 종료 후의 활용 방안까지를 모두 포함한다.[7] 연구자는 데이터를 안전하게 보호함으로써 발생 가능한 데이터 유실 가능성을 최소화하고, 관리 효율성을 극대화할 수 있는 체계를 마련해야 한다.
연구 데이터의 산출과 수집 계획을 체계화하는 것은 연구 데이터 생애주기를 성공적으로 관리하기 위한 출발점이다.[9] 연구자는 연구 수행 과정에서 데이터를 어떻게 산출하고, 수집하며, 분석할 것인지에 대한 구체적인 계획을 세워야 한다. 이렇게 생성된 데이터는 연구가 종료된 이후에도 아카이브 과정을 거쳐 교육적 목적이나 다른 연구를 위한 재활용 목적으로 사용된다.[9] 따라서 산출 단계부터 체계적인 관리 원칙을 적용하는 것은 데이터의 지속 가능한 활용을 보장하기 위해 반드시 실천해야 하는 과제이다.