데이터 (컴퓨팅)

3. 데이터의 구조

데이터에서 키(''key'')는 값(''value'')에 대한 문맥(context)을 제공한다. 데이터의 구조와 관계없이 키 요소는 항상 존재하며, 데이터 값에 의미를 부여하는 데 필수적이다. 값이나 값의 집합에 직간접적으로 연결된 키가 없다면, 해당 값은 의미를 잃어 데이터로 간주될 수 없다. 즉, 데이터가 되려면 값 구성 요소에 연결된 키 구성 요소가 반드시 필요하다.

데이터는 컴퓨터 내에서 다양한 방식으로 표현될 수 있다. 예를 들어, 데이터 키가 반드시 메모리상의 직접적인 하드웨어 주소를 가리킬 필요는 없다. 간접적이거나 추상적이고 논리적인 키 코드를 값과 연결하여 자료 구조를 형성할 수 있다. 자료 구조는 시작점으로부터 미리 정해진 오프셋(offset)이나 링크, 경로 등을 가지며, 이 위치에 데이터 값이 저장된다. 따라서 데이터 키는 해당 구조체에 대한 키와 구조체 내부의 오프셋(또는 링크, 경로)으로 구성된다.

만약 이러한 구조가 반복되어 동일한 구조 내에 데이터 값과 데이터 키의 쌍들이 저장된다면, 이는 표와 유사한 형태로 볼 수 있다. 이때 반복 구조의 각 요소는 표의 열(column)로, 각 반복은 표의 행(row)으로 간주될 수 있다. 이런 데이터 구성에서 데이터 키는 보통 열 값 중 하나 또는 여러 열 값의 조합이 된다. 표 형태 외에도 데이터를 구성하는 다른 방식들이 존재한다.

3. 1. 조직화된 반복 데이터 구조

3. 2. 정렬된 데이터

4. 데이터의 저장 및 처리

플래시 메모리와 같은 대용량 비휘발성 메모리가 보편화되기 전에는, 데이터를 영구적으로 저장하기 위해 주로 자기 테이프나 디스크 드라이브와 같은 외부 주변 장치에 기록하는 방식이 사용되었다. 이 장치들은 특정 위치를 찾아 미리 정해진 크기의 데이터 블록을 읽거나 썼다.

초기의 파일 시스템은 디스크의 연속된 블록을 데이터 파일에 할당했으나, 데이터 기록 중 공간이 부족해지는 문제가 발생하기 쉬웠고, 이를 방지하기 위해 많은 공간이 비효율적으로 예약되기도 했다. 이후 파일 시스템은 파티션 개념을 도입하여 디스크 공간을 나누고, 필요에 따라 블록을 파일에 동적으로 할당함으로써 공간 사용 효율성을 높였다. 이를 위해 파일 시스템은 카탈로그나 파일 할당 테이블 등을 이용해 사용 중인 블록과 비어있는 블록을 추적했다. 하지만 이 방식은 디스크 전체에 파일 단편화를 유발하여 데이터 접근 속도를 느리게 만드는 단점이 있었다. 현대의 파일 시스템은 단편화된 파일을 동적으로 재구성하여 접근 시간을 최적화하며, 나아가 여러 물리적 디스크 드라이브를 하나의 논리 드라이브처럼 사용할 수 있게 하는 가상화 기술도 도입되었다.

데이터베이스는 영구적인 데이터 저장을 위한 또 다른 추상화 계층을 제공한다. 데이터베이스는 메타데이터를 활용하고, 클라이언트-서버 모델 환경에서 SQL과 같은 프로토콜을 사용하여 컴퓨터 네트워크를 통해 통신한다. 또한, 데이터 처리 과정에서 트랜잭션의 완전성과 일관성을 보장하기 위해 2단계 커밋 방식과 트랜잭션 로그 시스템 등을 사용한다.

4. 1. 분산 데이터 처리

5. 한국의 데이터 산업

대한민국은 데이터 경제 활성화를 위해 정부 차원의 정책 지원과 민간 투자가 활발하게 이루어지고 있다. 특히, 4차 산업혁명 시대를 맞아 데이터에 기반한 인공지능, 빅데이터, 클라우드 컴퓨팅 등의 기술 발전이 가속화되고 있으며, 이는 한국 데이터 산업 성장의 중요한 동력으로 평가받는다.

6. 데이터와 관련된 윤리적 문제

빅데이터와 인공지능 기술이 발전하면서 사회 여러 분야에서 데이터 활용이 급격히 증가하고 있다. 이러한 변화는 효율성 증대와 새로운 가치 창출이라는 긍정적인 측면도 있지만, 동시에 다양한 윤리적 문제를 야기하며 사회적 논의를 필요로 하고 있다.

주요 문제 중 하나는 개인정보 침해이다. 기업이나 공공기관은 서비스 제공 및 연구 목적으로 방대한 양의 개인 데이터를 수집하고 분석한다. 이 과정에서 개인의 명시적인 동의 없이 정보가 수집되거나, 수집 목적을 벗어나 데이터가 활용될 위험이 존재한다. 또한, 데이터 유출 사고가 발생할 경우 개인에게 심각한 프라이버시 침해 및 금전적, 정신적 피해를 줄 수 있다.
데이터 편향성 문제도 심각하다. 수집되는 데이터 자체가 특정 인구 집단의 특성을 과도하게 반영하거나, 기존 사회에 존재하는 편견이나 차별적 시각을 내포하고 있을 수 있다. 예를 들어, 특정 인종, 성별, 지역, 사회 계층에 대한 데이터가 부족하거나 왜곡된 상태로 수집된다면, 이를 기반으로 한 분석 결과 역시 편향될 수밖에 없다. 이는 결과적으로 기존의 사회적 불평등을 기술적으로 고착화하거나 심화시키는 결과를 낳을 수 있다.

이러한 편향된 데이터는 알고리즘 차별로 이어질 수 있다. 알고리즘은 데이터를 학습하여 패턴을 파악하고 예측이나 결정을 수행하는데, 학습 데이터가 편향되어 있다면 알고리즘의 판단 역시 특정 집단에게 불리하게 작용할 수 있다. 이는 채용, 신용 평가, 금융 서비스, 복지 수급자 선정, 심지어 형사사법 시스템 등 사회적으로 민감한 영역에서 심각한 차별을 야기할 잠재력을 가진다. 기술이 객관적이고 중립적일 것이라는 기대와 달리, 현실에서는 사회적 약자나 소수자 집단에 대한 차별을 강화하는 도구가 될 수 있다는 비판이 제기된다.

이처럼 데이터 활용이 확산되면서 발생하는 윤리적 문제들에 대응하기 위해, 데이터의 수집, 처리, 활용 전 과정에 걸쳐 윤리적 원칙과 규범을 정립하려는 노력이 이루어지고 있다. 유럽 연합의 일반 데이터 보호 규정(GDPR)과 같은 법적 규제 강화 움직임과 더불어, 데이터 처리의 투명성 확보, 알고리즘의 공정성 검증, 데이터 윤리에 대한 사회적 논의 활성화 등이 중요한 과제로 떠오르고 있다. 기술 발전과 함께 윤리적 책임에 대한 고민이 병행되어야 데이터 기반 사회가 보다 공정하고 신뢰롭게 발전할 수 있을 것이다.

참조

_[1] 웹사이트 Data https://www.lexico.c[...] 2022-01-14
_[2] 웹사이트 Computer program http://www.encyclope[...] 2012-10-11
_[3] 웹사이트 file(1) https://man.openbsd.[...] 2015-12-24
_[4] 뉴스 Study: amount of digital info > global storage capacity https://arstechnica.[...] Ars Technics 2008-03-12
_[5] 웹사이트 The diverse and exploding digital universe http://www.emc.com/l[...] International Data Corporation via EMC 2008-03-12
_[6] 웹사이트 Data https://www.lexico.c[...] 2022-01-14
_[7] 웹사이트 Computer program http://www.encyclope[...] 2012-10-11
_[8] 웹사이트 file(1) https://man.openbsd.[...] 2015-12-24
_[9] 뉴스 Study: amount of digital info > global storage capacity https://arstechnica.[...] Ars Technics 2008-03-12
_[10] 웹사이트 The diverse and exploding digital universe http://www.emc.com/l[...] International Data Corporation via EMC 2008-03-12
_[11] 웹인용 Data https://www.lexico.c[...] 2022-01-14