데이터 품질은 정확성·완전성·최신성 등으로 데이터가 사용 목적에 맞는지 평가한다. 데이터 거버넌스는 누가 용어와 기준을 정하고 오류 수정과 예외를 승인하며 품질 관리에 책임을 지는지 정한다.
용도·정의
품질 규칙·분모
소유·개선
변경·추적
| 개념 | 의미·목적 | 구분할 점 |
|---|---|---|
| 완전성 | 필요한 값·대상이 채워졌는가 | 모두 채워져도 틀릴 수 있음 |
| 정확성 | 실제·기준과 맞는가 | 형식 검사를 통과한 것과 다름 |
| 적시성 | 사용 시점에 충분히 최신인가 | 모든 업무의 갱신 주기가 같지는 않음 |
직접 만든 연습 문제
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
필수 값 완전성이100%라는 사실은 주소의 정확성과 적시성을 입증하지 않는다. 발송·분석 등 사용 목적과 필요한 최신성 경계를 먼저 정한다.
주소의 검증 기준·갱신 일자·미확인 상태·분모를 정의하고 오류를 측정한다. 소유자와 현장 관리 담당의 역할·수정 권한·예외 처리를 연결한다.
수집 원천과 변환·소비 경로를 추적해 원인과 영향을 확인한다. 품질 점수를 하나로 합칠 때는 가중치와 빠진 위험을 드러내고 모든 용도에 통하는 절대 점수로 해석하지 않는다.
이 연습 문제의 학습용 참고 답안입니다. 공식 기출 해설이나 채점 기준은 아닙니다.
확인 2026-10-27 · 2016 Working Group Note의 품질 기술 관점. 완전한 품질 정의나 강제 표준이 아니며 예시와 책임 구성은 자체 설명.
각 기록은 실제 기출의 위치입니다. 140회 31문항은 확인된 이용 조건에 따라 원문을 제공하며, 이전 회차는 기술명 색인과 공식 원문 링크를 제공합니다. ‘원문 대조’는 문항의 요구를 읽고 편집 분류했다는 뜻이며 공식 분류나 정답 감수가 아닙니다. 나머지 ‘자동 후보’는 배경 용어를 잡거나 놓칠 수 있습니다.
54개 기록 · 1–20 표시
핵심 출제 주제: AI 학습 데이터 품질관리 · 데이터 생애주기
배경·적용 맥락: 인공지능 학습
분류 근거: 학습 데이터의 특성·생애주기와 품질 원칙·관리 활동이 요구된다. AI라는 단어보다 데이터 품질관리라는 출제 대상을 우선한다.
인공지능(AI, Artificial Intelligence) 학습용 데이터 품질관리에 대하여 다음을 설명하시오. 가. 인공지능 학습용 데이터 특성 및 생애주기 나. 인공지능 학습용 데이터 품질관리 원칙 다. 인공지능 학습용 데이터 품질관리 범위 및 활동
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
핵심 출제 주제: 합성데이터 · 데이터 생성 기법 · 합성데이터 품질 평가
배경·적용 맥락: 학습 데이터 부족 · 개인정보 보호
분류 근거: 생성 개념·기법과 품질 지표가 직접 요구된다. 개인정보 보호는 문제를 여는 배경이며 법령 준수 답안 자체를 요구하지 않는다. 데이터 품질·개인정보 수업은 보충 연결로 둔다.
AI 모델 학습에 필요한 대규모 데이터 확보가 개인정보 보호 규제 및 데이터 부족으로 어려워짐에 따라, 실데이터의 통계적 특성을 모사한 합성데이터(Synthetic Data)의 활용이 확대되고 있다. 다음을 설명하시오. 가. 합성데이터의 개념과 생성 기법 나. 합성데이터의 품질 평가 지표
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
기술명 색인: AI · 데이터 품질 · 인공지능 · 품질 · 품질관리
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
기술명 색인: 빅데이터
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
기술명 색인: AI · Governance · 거버넌스
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
기술명 색인: 데이터 모델링 · 정규화
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
기술명 색인: 빅데이터
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
기술명 색인: ESG · Governance · IT
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
기술명 색인: CRUD · 데이터모델 · 매트릭스
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
기술명 색인: RDBMS · 데이터 모델링
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
기술명 색인: 데이터 품질 · 품질 · 품질관리
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
기술명 색인: 거버넌스 · 데이터 거버넌스
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
기술명 색인: 빅데이터 · 인공지능
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
기술명 색인: 데이터 품질 · 품질 · 품질관리
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
기술명 색인: ESG · Governance · 개인정보 · 정보보호
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
기술명 색인: 빅데이터
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
기술명 색인: AI · 데이터 품질 · 인공지능 · 품질 · 품질관리
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
기술명 색인: Governance · 거버넌스 · 데이터 거버넌스 · 빅데이터
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
기술명 색인: 빅데이터
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.
기술명 색인: ESG · Governance · IT
답안을 쓴 뒤 아래 항목으로 점검하세요. 입력한 답안은 자동 채점되지 않습니다.