데이터와 정보의 차이, 숫자 30에 맥락 붙이기

숫자만으로는 답할 수 없는 질문

표에 30이라고 적혀 있습니다. 책이 30권 있다는 뜻일까요, 평균 대여 기간이 30일이라는 뜻일까요? 값을 읽었다고 내용을 이해한 것은 아닙니다. 어떤 대상을 언제 어떤 방법으로 기록했는지 알아야 숫자를 판단에 사용할 수 있습니다.

입문 학습에서는 관찰하거나 기록한 값을 데이터로, 그 값을 목적에 맞게 해석한 내용을 정보로 구분하면 도움이 됩니다. 다만 분야마다 용어 정의가 다릅니다. NIST 정보 용어 설명도 맥락 안에서 의미를 갖는 데이터라는 정의와 여러 분야의 정의를 함께 제시합니다. 데이터는 언제나 무의미하고 정보만 의미 있다는 식으로 절대적인 경계를 만들 필요는 없습니다.

중요한 질문은 지금 가진 값에 어떤 설명을 더해야 다른 사람이 같은 뜻으로 읽을 수 있는가입니다. 분석 전에 이 질문을 놓치면 계산이 정확해도 전혀 다른 대상을 비교하게 됩니다.

작은 대여 기록을 정보로 바꿔 봅니다

아래 표는 설명을 위해 만든 가상의 도서관 기록입니다. 실제 도서관의 이용 실적이 아닙니다. 각 행은 하루 동안 특정 장르에서 발생한 대여 건수를 나타냅니다.

첫날 총대여는 30건, 둘째 날은 40건입니다. 이제 둘째 날의 총대여가 첫날보다 10건 많다는 정보를 만들 수 있습니다. 하지만 소설 선호가 커졌다는 결론은 별도입니다. 소설의 비중은 첫날 18 ÷ 30 = 60%, 둘째 날 24 ÷ 40 = 60%로 같습니다. 전체 이용량이 늘어난 것과 장르 구성비가 바뀐 것은 다른 현상입니다.

어떤 정보를 만들지는 질문에 달려 있습니다. 직원의 처리 업무량을 보려면 건수에 관심이 갈 수 있고, 장르별 책 구성을 조정하려면 비중과 보유량이 함께 필요합니다. 같은 표로도 서로 다른 정보를 만들 수 있지만 표에 없는 원인까지 만들어 낼 수는 없습니다.

비가 와서 대여가 늘었다고 설명하려면 날씨 자료뿐 아니라 다른 가능성도 검토해야 합니다. 이 표만으로는 원인을 알 수 없다고 남기는 것도 분석 결과입니다. 모르는 부분을 지우지 않아야 다음에 어떤 데이터를 확인할지 정할 수 있습니다.

정형 여부와 숫자 여부는 다른 분류입니다

정형 데이터는 미리 정한 필드와 구조에 맞추어 다루는 자료입니다. 행과 열이 고정된 대여 기록을 떠올리면 쉽습니다. 장르처럼 문자로 저장한 범주도 정형 표의 한 열이 될 수 있으므로 정형 데이터가 모두 수치 자료라는 뜻은 아닙니다.

반정형 데이터는 JSON이나 XML처럼 키 또는 태그가 구조를 설명하지만 자료마다 구성이나 반복이 유연할 수 있는 형태를 예로 듭니다. 비정형 데이터는 자유 서술형 후기 본문, 음성, 이미지처럼 고정된 분석용 표로 바로 읽기 어려운 자료를 생각할 수 있습니다. 구분 기준은 숫자가 보이느냐가 아니라 어떻게 구조화되어 있느냐입니다. IBM의 구조별 데이터 설명에서 이 구분을 확인할 수 있습니다.

한 서비스 안에 여러 형태가 함께 있을 수 있습니다. 후기의 작성일과 별점은 정해진 열에 저장하고, 후기 본문은 자유로운 문장으로 저장할 수 있습니다. 파일 확장자만 보고 안의 모든 내용을 같은 유형이라고 판단하지 마세요. 무엇을 분석 단위로 삼는지도 함께 봐야 합니다.

정량과 정성은 다시 다른 관점입니다. 대여 건수처럼 양을 나타내는 값과 장르처럼 범주를 나타내는 값이 같은 표에 놓일 수 있습니다. 숫자 코드 1이 소설을 뜻한다면 코드 자체를 더하거나 평균 내는 것은 장르를 이해하는 데 도움이 되지 않습니다.

값을 설명하는 표를 먼저 만듭니다

데이터 사전은 각 열의 의미와 규칙을 적어 두는 문서입니다. 거창한 시스템이 없어도 열 이름, 정의, 단위, 허용 값, 비어 있을 때의 의미를 적은 표부터 만들 수 있습니다. 이런 설명은 데이터를 설명하는 데이터인 메타데이터의 한 예가 됩니다. NIST 메타데이터 정의도 데이터의 구조와 내용 특성을 설명하는 정보를 포함합니다.

대여 건수 열에는 취소한 대여를 포함하는지, 같은 이용자가 여러 권을 빌리면 어떻게 세는지 적습니다. 날짜 열에는 대여가 발생한 날짜인지 파일을 만든 날짜인지 기록합니다. 장르가 비어 있다면 아직 분류하지 않은 것인지, 분류 대상이 아닌 것인지 구분합니다. 단위가 없는 값보다 이런 설명이 붙은 작은 자료가 분석에 더 유용할 수 있습니다.

자료가 얼마나 자주 기록되는지도 적어야 합니다. 하루 총계와 대여 사건별 원자료를 한 열처럼 섞으면 같은 대여를 여러 번 셀 수 있습니다. 합계와 원자료 중 어느 쪽을 사용했는지 남기고, 집계가 끝난 표를 다시 합산할 때에는 중복된 범위가 없는지 점검하세요. 표의 행 수가 늘었다는 사실만으로 새로운 관측이 추가됐다고 판단할 수는 없습니다.

자료를 합칠 때는 열 이름이 같다고 뜻도 같다고 가정하지 않습니다. A 파일의 이용자는 방문자 수이고 B 파일의 이용자는 대여자 수라면 단순히 이어 붙일 수 없습니다. 계산 전에 정의가 같은지 확인하는 과정이 필요합니다.

정보로 말할 수 있는 범위를 남깁니다

표를 설명하는 문장을 쓸 때는 관찰, 계산, 해석을 나누어 보세요. 24건이 기록되었다는 관찰이고, 전날보다 6건 늘었다는 계산이며, 특정 행사가 영향을 주었을 것이라는 말은 추가 검증이 필요한 해석입니다. 이 셋을 한 문장에 섞으면 독자는 추정을 확인된 사실로 읽기 쉽습니다.

공부할 때도 숫자와 개념 이름만 옮기기보다 단위와 전제를 함께 적으세요. 자료를 더 많이 모으기 전에 필요한 의미가 빠져 있는지 점검하는 습관이 이후의 통계 계산과 분석 기획을 연결합니다.

이 글은 입문자 기준으로 정리했습니다. 계산이나 설명의 오류를 발견하면 이 글의 오류 제보를 보내주세요. 내용을 보완할 때 수정일도 함께 갱신합니다.