논문 리뷰 : 데이터 거버넌스 문헌 종합 검토
Data Governance, Literature Review
"A Comprehensive Review of Data Governance Literature"
저자: Olivia Benfeldt Nielsen, Aalborg University, obn@dps.aau.dk
https://aisel.aisnet.org/iris2017/3/
초록 Abstracts
Organizations have found that seemingly tedious data problems are fundamentally business problems, and cannot be solved by the IT group alone.
조직들은 겉보기에는 지루한 데이터 문제들이 근본적으로 비즈니스 문제이며 IT 그룹만으로는 해결할 수 없다는 것을 발견했다.
Public organizations routinely store large volumes of data about their citizens, and while analysis of this data can improve decision-making and better address individual needs, this fails due to a lack of data governance.
공공 조직은 시민들에 대한 대규모 데이터를 일상적으로 저장하며, 이러한 데이터 분석이 의사 결정을 개선하고 개별 요구를 더 잘 충족시킬 수 있음에도 불구하고 데이터 거버넌스 부족으로 인해 실패한다.
This paper presents a review of data governance literature, classifying authors, research disciplines, methods, and related theoretical fields, providing researchers with an overview of this emerging field.
이 논문은 데이터 거버넌스 문헌에 대한 리뷰를 제시하며, 저자, 연구 분야, 방법론 및 관련 이론적 분야를 분류하여 연구자들에게 이 신흥 분야에 대한 개요를 제공한다.
Keywords: Data Governance, Literature Review, E-government, Public sector
키워드: 데이터 거버넌스, 문헌 리뷰, 전자정부, 공공 부문
인트로 Introduction
비록 데이터가 오랫동안 "새로운 석유"로 환영받아왔지만 [1], 조직들은 여전히 비즈니스 가치를 창출하는 데 어려움을 겪고 있다.
Although data has long been heralded as “the new oil” [1], organizations still struggle to generate business value.
특히 공공 조직들은 시민들에 대한 대규모 데이터를 일상적으로 저장하며 [2], 새로운 기회를 모색하는 데 열중하고 있다.
Especially public organizations, which routinely store large volumes of data about their citizens [2], are keen to pursue new opportunities.
그러나 이들은 종종 겉보기에는 지루한 데이터 문제들로 인해 제약을 받는다 [3].
Yet they are often restrained by seemingly tedious data problems [3].
데이터 품질, 가용성 또는 정확성 문제는 데이터 작업을 복잡하게 만들지만, 이를 개별적으로 해결하는 것은 단기적인 해결책에 불과하다 [4].
Issues of quality, availability, or accuracy complicate data efforts, but solving these in isolation constitutes short-term solutions [4].
데이터에서 가치를 수확하려면 조직 전반에 걸친 접근이 필요하며, 이는 IT 그룹만으로는 해결할 수 없다 [5].
Harvesting value from data requires an organization-wide approach and as such cannot be solved by the IT group alone [5].
이 논문의 목적은 현재 데이터 거버넌스 분야의 상태를 개관하고, 이를 바탕으로 공공 부문의 데이터 거버넌스에 대한 향후 연구 가능성을 식별하는 것이다.
The objective of this paper is to present an overview of the current state of the data governance field and, based on this, identify potential for future research on the governance of data in the public sector.
많은 학자들은 Weill과 Ross의 [8] IT 거버넌스 정의를 따르며, 데이터 거버넌스를 데이터 사용에서 바람직한 행동을 장려하기 위한 의사 결정 권리와 책임의 틀을 지정하는 것으로 정의한다 [4], [6], [7], [9].
Many scholars follow Weill and Ross’s [8] definition of IT governance and define data governance as specifying a framework for decision rights and accountabilities to encourage desirable behavior in the use of data [4], [6], [7], [9].
따라서 연구자들은 데이터 거버넌스 설계를 위한 초기 프레임워크를 제안하고 [7], [10], 영향을 미치는 요인을 분석하며 [9], [10], 중소기업에서 데이터 거버넌스의 적용을 관찰하고 [11], [12], 데이터 거버넌스 원칙 및 활동을 정의했다 [4], [13].
As such, researchers have proposed initial frameworks for designing data governance [7], [10], analysed influencing factors [9], [10], observed the application of data governance in small-medium enterprises [11], [12], and defined data governance principles and activities [4], [13].
데이터 거버넌스 문헌은 귀중한 기여를 제공하지만, 이러한 접근 방식은 모두 개별 측면에 집중되어 있으며 데이터 거버넌스 문헌에 대한 체계적인 리뷰는 존재하지 않는다.
While the data governance literature offers valuable contributions, these approaches all focus on isolated aspects and no systematic review of the data governance literature exists.
일부 문헌 리뷰가 존재하지만, 이들은 데이터 거버넌스의 기본 원칙을 정의하거나 [4], 선택된 의사 결정 도메인과 관련된 데이터 거버넌스 활동을 매핑하는 데 중점을 둔다 [13].
While some literature reviews exist, these are focused either on defining the underlying principles of data governance [4] or mapping the data governance activities related to selected decision domains [13].
데이터 거버넌스가 신흥 학문 분야인 만큼, 이 분야의 현재 상태를 이해하는 것이 그 지식 기반을 발전시키는 데 필수적이다 [15].
As data governance is an emerging academic area, understanding the current state of the field is imperative for advancing its knowledge base [15].
이 리뷰는 데이터 자산을 관리하는 메커니즘을 연구하는 62편의 동료 검토 저널 논문 및 회의 논문을 고려한다.
This review considers 62 peer-reviewed journal publications and conference proceedings which study the mechanisms involved in governing data as an asset.
이 논문은 Schlichter와 Kraemmergaard의 [16] 종합 문헌 리뷰를 수행하기 위한 방법론적 프레임워크와 Templier와 Paré의 [15] 누적 문헌 리뷰 접근 방식을 바탕으로 한다.
The paper draws on Schlichter & Kraemmergaard’s [16] methodological framework for conducting comprehensive literature reviews and Templier & Paré’s [15] approach to cumulative literature reviews.
목적은 두 가지이다. 첫 번째 목표는 저자, 연구 분야, 방법론, 분석 단위 및 관련 이론적 관심 영역을 분류하여 데이터 거버넌스 분야의 현재 상태를 개관하는 것이다.
The purpose is twofold. The first objective is to gain an overview of the current state of the data governance field by classifying authors, research disciplines, methods, units of analysis, and related theoretical areas of concern.
두 번째 목표는 이 개요를 바탕으로 공공 부문 데이터 거버넌스 내에서 추가 개발이 가능한 유망한 영역을 식별하는 것이다.
The second objective is then, based on the overview, to identify potent areas within the governance of data in the public sector that could benefit from further development.
데이터 거버넌스 (Data Governance)
데이터가 "원료"로 정의될 수 있는 반면, 정보는 맥락 속의 데이터이다 [17].
Where data may be defined as “raw material,” information is data in context [17].
실무자 커뮤니티에서는 두 용어가 종종 혼용되며, 데이터 거버넌스와 정보 거버넌스 간의 구분이 없다 [18].
In the practitioners’ community, the two are often used interchangeably, and no distinction is made between data governance and information governance [18].
실무자와 연구자 모두 데이터 거버넌스를 데이터 품질의 맥락에서 자주 논의하며, 데이터 거버넌스의 주요 목표로 데이터 품질 향상에 큰 비중을 둔다 [9], [10], [20].
Both practitioners and researchers frequently discuss data governance in the context of data quality [9], [10], [20] and place great emphasis on improving data quality as the main goal of data governance [20], [21].
데이터 품질이 중요하지만, 효과적인 데이터 거버넌스는 비즈니스 목표에 의해 주도되고 이에 맞추어져야 한다 [5], [17].
While data quality is important, effective data governance must be driven by and aligned with business goals [5], [17].
이를 반영하기 위해 일부 학자들은 Weill & Ross의 [8] IT 거버넌스 정의를 채택하여, 데이터 관련 결정과 행동이 조직의 성과 목표와 일치해야 한다고 제시한다.
여기서 데이터 거버넌스는 데이터 사용에서 바람직한 행동을 장려하기 위해 의사 결정 권리와 관련된 책임을 할당하는 것을 의미한다 [7], [13], [20].
To account for this, some scholars adapt Weill & Ross’ [8] definition of IT governance, indicating data-related decisions and behaviors must be aligned with organizational performance goals.
Here, data governance refers to the allocation of decision-making rights and related responsibilities to encourage desirable behavior in the use of data [7], [13], [20].
Pierce et al. [22]는 조직 간 데이터 거버넌스의 여러 정의가 존재한다고 지적하지만, 이에 대한 추가 설명은 제공하지 않는다.
대신 데이터 거버넌스를 "조직의 데이터 자산의 사용 및 가치 극대화를 위한 집합적 의사 결정 과정"으로 정의하며, 데이터가 기업 자산이라는 개념을 추가한다 [22].
Pierce et al. [22] indicate several definitions of data governance exist among organizations, but provide no further elaboration of these.
Instead, they adopt a definition of data governance as “the collective set of decision-making processes for the use and value-maximization of an organization’s data assets” [22], adding the notion that data is an enterprise asset, the value of which organizations must work to increase.
Otto [20]는 데이터 거버넌스를 "데이터를 기업 자산으로 적절히 다룰 수 있도록 의사 결정 관련 권리와 의무를 할당하는 회사 전체의 프레임워크"로 정의한다.
이 논문은 데이터 거버넌스를 조직의 목표에 맞춘 의사 결정 권리와 책임을 지정하여 데이터를 조직 자산으로 처리하는 바람직한 행동을 장려하는 회사 전체의 과정으로 이해한다.
Otto [20] then defines data governance as “a companywide framework for assigning decision-related rights and duties in order to be able to adequately handle data as a company asset”.
This paper adopts an understanding of data governance as companywide processes that specify decision-making rights and responsibilities aligned with organizational goals to encourage desirable behavior in the treatment of data as an organizational asset.
Alhassan et al. [13]은 31편의 논문을 리뷰하며 데이터 거버넌스 활동을 분류하고, 거버넌스 영역을 정의하는 활동은 많지만 구현 및 모니터링 활동은 부족하다고 지적하며, 향후 연구가 후자에 집중해야 한다고 제안한다.
In their review of 31 papers, Alhassan et al. [13] code the literature to categorize a series of data governance activities. They find a high volume of data governance activities are associated with ‘defining’ areas of governance, but lacking when it comes to ‘implementing’ and ‘monitoring,’ and suggest future research focus on examining the latter.
Brous et al. [4]는 35편의 저널 기사, 회의 자료 및 책을 검토하여 데이터 거버넌스 원칙을 식별하고, 조직, 정렬, 준수 및 공통 이해의 네 가지 원칙을 제안하며, 연구자들이 중요한 데이터 거버넌스 문제에 집중하고 실무자들이 효과적인 데이터 거버넌스 전략을 개발하는 데 사용할 수 있다고 제안한다.
Brous et al. [4] consider 35 journal articles, conference proceedings, and books to identify data governance principles. They identify four principles: organization, alignment, compliance, and common understanding, and suggest they can be used by researchers to focus on important data governance issues, and by practitioners to develop effective data governance strategy.
이 두 논문은 데이터 거버넌스 분야의 지식 기반을 확장하는 것을 목표로 하지만, 개념의 좁게 정의된 측면에만 초점을 맞추고 있어 데이터 거버넌스 문헌의 체계적인 개요는 존재하지 않는다.
These papers both aim to advance the knowledge base of the field of data governance through their reviews. Yet they do so only on narrowly defined aspects of the concept, leaving a gap about the state of the research field and little direction for academic professionals and practitioners alike about where future research should concentrate its efforts.
이 갭을 메우기 위해, 이 리뷰는 연구 질문을 다음과 같이 다룬다: 데이터 거버넌스 분야의 현재 상태는 무엇이며, 추가 개발이 가능한 영역은 어디인가?
It is to close this gap that this review addresses the research questions: what is the current state of the data governance field and what areas could benefit from further development?
연구 방법 (Research Method)
이 연구 질문을 해결하기 위해, 본 리뷰는 Templier & Paré의 [15] 누적 문헌 리뷰 절차에서 채택된 구조화된 방법론을 사용한다.
To address the questions, this review uses a structured methodology adopted from Templier & Paré’s [15] procedure for conducting a cumulative literature review.
누적 리뷰는 문헌 본문을 매핑하고, 전반적인 결론을 도출하며, 독자에게 해당 분야의 현재 지식 상태를 종합적으로 설명하기 위해 증거를 수집한다.
The cumulative review compiles evidence to map bodies of literature, draw overall conclusions, and work to provide readers with a comprehensive description of the current state of knowledge in the area.
첫 번째 단계는 연구할 개념을 명확히 정의하고 리뷰의 경계를 설정하는 것이다.
The first step includes clearly defining the concepts to be studied and establishing the boundaries of the review.
일부 문헌 리뷰는 넓게 시작하여 과정을 통해 좁혀가는 반면, 누적 리뷰는 미리 정의된 개념을 사용한다.
Where some literature reviews often start wide and narrow down throughout the process, cumulative reviews use predefined concepts.
따라서 데이터 거버넌스는 2장에서 정의되었으며, 개념의 경계가 설정되었다.
As such, data governance was defined in section 2, and boundaries of the concept were established.
논문은 2장에서 정의된 개념화에 따라 데이터 거버넌스 정의를 따르는 경우에만 선택되었으며, 데이터 거버넌스가 단순히 언급된 경우는 제외되었다.
Papers were only selected if they followed a definition of data governance according to the conceptualization defined in section 2, and excluded if data governance was only mentioned in passing, as one of many other disciplines.
최종적으로 62편의 논문이 선택되었다.
62 papers were included in the final pool of papers.
네 번째 단계는 연구 논문의 풀에서 추출할 데이터 유형을 식별하고, 구조화된 접근 방식을 사용하는 것이다.
The fourth step involves identifying the type of data to be extracted from the pool of studies and using a structured approach to do so.
데이터를 추출하기 위해, 이 논문은 Schlichter와 Kraemmergaard [16]가 개발한 종합 문헌 리뷰 수행 프레임워크를 사용하여 방대한 양의 학술 출판물을 분석하였다.
To extract data, this paper drew on a framework for conducting comprehensive literature reviews that was developed by Schlichter and Kraemmergaard [16] to analyze a vast amount of academic publications.
이 프레임워크는 데이터를 추출하기 위한 두 가지 전략, 즉 수와 분류를 사용한다.
The framework specifies two strategies for extracting data, using headcounts and classifications.
수는 매년 얼마나 많은 논문이 출판되었는지, 그리고 어떤 저자가 가장 많이 기여했는지에 대해 다룬다.
Headcounts were used to address how many papers were published each year, and which authors contributed the most.
이것은 매년 출판된 논문의 수를 세고 각 저자가 출판한 논문의 수를 세는 방식으로 이루어졌다.
This was done by simply counting the number of articles published per year and counting how many articles each author had published.
분류는 데이터 거버넌스를 연구하는 데 사용된 연구 분야, 방법론, 분석 단위 및 기타 이론적 또는 개념적 관심 영역을 다룬다.
Classifications were used to address what research disciplines, methods, units of analysis, and other theoretical or conceptual areas of concern were used to study data governance.
연구 분야에 따라 논문을 분류하기 위해 Schlichter와 Kraemmergaard의 정보 시스템, 컴퓨터 과학, 조직 및 관리 범주를 사용하였으며, 62편의 논문 초록을 읽은 후 보건 정보학, 전자정부, 교육 및 기타를 추가하였다 (표 1 참조).
To classify papers according to research disciplines, Schlichter and Kraemmergaard’s categories on information systems, computer science, organization, and management were used, and health informatics, e-government, education, and others were added after reading the abstracts of the 62 papers (see Table 1).
연구 방법에 따라 논문을 분류하기 위해 Schlichter와 Kraemmergaard의 사례 연구, 이론적 연구, 설문 조사, 실험 결합 및 디자인 과학 범주를 사용하였다 (표 2 참조).
For classifying papers according to research methods, Schlichter and Kraemmergaard’s categories on case study, theoretical, survey, experiment combined, and design science were used (see Table 2).
추가적으로, 데이터 거버넌스를 연구하는 데 사용된 기타 이론적 관심 영역과 분석 단위를 분류하기 위해 초록의 주제 분석도 수행하였다.
Additionally, some thematic analysis of the abstracts was undertaken to classify papers according to what other theoretical areas of concern are used to study data governance, as well as units of analysis.
오픈 코딩 기법이 사용되었으며, 논문의 초록을 읽으면서 카테고리가 수집되었다.
An open coding technique was used, where categories were collected as the papers’ abstracts were read.
연구 결과 (Findings)
먼저, 저자와 연도에 관련된 질문에 답하겠다. 즉, 매년 몇 편의 논문이 출판되었고 어떤 저자들이 가장 많이 기여했는가?
First, the questions related to authors and years will be answered, namely: how many articles have been published each year and which authors have contributed the most?
그런 다음, 어떤 연구 분야가 기여했으며, 어떤 방법이 사용되고 그 방법들이 각 분야에 어떻게 분포되어 있는지에 대한 질문을 다룰 것이다.
Then the questions of what research disciplines contribute, what methods are used and how methods are distributed across disciplines will be addressed.
마지막으로, 어떤 이론적 관심 영역과 분석 단위가 사용되었는지에 대한 질문을 확인된 개념의 발표를 통해 다룰 것이다.
Finally, the question of which theoretical areas of concern and units of analysis are drawn upon will be addressed through a presentation of the identified concepts.
출판물, 저자 및 시간 프레임 (Publications, authors, and time frame)
총 62편의 논문이 2007년부터 2017년까지 10년에 걸쳐 출판되었다 (그림 2 참조).
A total number of 62 papers are included in the pool of papers, published between 2007 and 2017, spanning ten years (see Figure 2).
출판 수는 2008년부터 2013년까지 꾸준히 증가하다가 2014년에 연간 12편에서 5편으로 감소했다.
The number of publications rises steadily from 2008 to 2013, where it drops from 12 papers annually to 5 in 2014.
그 이후로 출판 수는 회복되어 2016년에 11편의 논문이 출판되었다.
After that, the curve recovers, reaching 11 published papers in 2016.
2017년에 7편의 논문이 출판되었는데, 이는 2017년 초 봄에 이 리뷰가 수행되었기 때문이다.
7 papers are published in 2017, but this can be attributed to the fact this review was conducted in the early spring of 2017.
연구 분야 (Research Disciplines)
논문의 대부분은 컴퓨터 과학 분야에서 34%, 정보 시스템 분야에서 32%가 출판되었다 (그림 3 참조).
Of the papers, a majority were published either in computer science with 34% of the articles, or information systems with 32% (see Figure 3).
이는 전체 논문의 2/3를 구성하며, 데이터 거버넌스에 관한 출판물에서 이 두 분야가 가장 생산적임을 나타낸다.
This constitutes 2/3 of the total pool of papers, indicating these two are the most prolific disciplines when it comes to publishing on data governance.
추가적으로, E-헬스는 11%, 경영 및 조직은 10%를 기여하며 전체 논문의 20%를 차지한다.
Additionally, E-health contributes 11% and Management and Organization 10%, contributing 20% of the overall papers.
교육 및 기타는 각각 5%를 기여하며, 전자 정부는 3%만 차지한다.
Education and Other contribute 5% each, with E-government only making out 3%.
연구 방법 (Research Methods)
식별된 연구 방법으로는 이론적 연구가 39%로 가장 우세하였고, 그 다음으로 사례 연구가 27%를 차지했다 (그림 4 참조).
As for the research methods identified, theoretical was the most prevalent at 39%, followed by the case study with 27% (see Figure 4).
논문의 13%는 이론적 연구와 다른 방법을 결합한 혼합 방법을 사용했으며, 13%는 디자인 과학을 사용하고, 3%는 설문 조사와 행동 연구, 2%는 실험을 사용했다.
13% of the articles used a combination of methods, most often theoretical combined with another method, only 13% used design science, with 3% using survey and action research, and 2% experiments.
다양한 연구 분야에서의 방법 분포를 보면, 대부분의 이론적 출판물은 컴퓨터 과학 또는 정보 시스템 분야에 분포되어 있으며, 이는 해당 연구 분야의 총 출판물의 거의 절반을 차지한다 (그림 5 참조).
The distribution of methods across the different research disciplines indicates most of the theoretical publications are distributed within computer science or information systems, constituting nearly half of the total publications in this research discipline (see Figure 5).
더 나아가, 사례 연구의 대다수는 정보 시스템 분야에서 사용되며, 이는 해당 분야의 연구 방법의 1/3을 차지하고 사례 연구 방법을 사용하는 논문의 거의 절반을 구성한다.
Furthermore, the majority of case studies are employed in information systems, comprising one third of the discipline’s employed methods and nearly half the papers using the case study method.
컴퓨터 과학은 설문 조사를 제외한 모든 방법을 포함한 가장 다양한 분야이다.
Computer science is the most diverse discipline, incorporating at least one study employing each method, except for the survey.
혼합 방법은 주로 컴퓨터 과학과 정보 시스템 분야에서 사용된다.
Combined methods are used mainly in computer science and information systems.
관련 관심 영역 (Related Areas of Concern)
초록을 읽는 동안 데이터 거버넌스와 관련된 10개의 다른 이론적 관심 영역이 언급되었다 (표 6 참조).
During the reading of the abstracts, 10 different theoretical areas of concern were mentioned in relation to data governance (see Table 6).
이들은 Gregor의 [23] 다양한 이론 유형에 따라 분류될 수 있다.
These may be categorized following Gregor’s [23] different theory types.
10개 영역 중 3개, 즉 비즈니스 프로세스 관리, 데이터 품질 관리, 마스터 데이터 관리는 “어떻게 해야 하는가”에 관한 설계 및 실행 이론으로 간주될 수 있으며, 총 5개의 논문에서 다루어졌다.
Three out of the 10 areas, business process management, data quality management, and master data management, may be considered Theory for Design and Action, which according to Gregor is about “how to do something” [23], and account for five articles in total.
컨틴전시 이론, 조직 설계, 자원 기반 관점은 조직의 전반적인 관리와 관련이 있다. 이는 “이해와 예측”에 관한 이론으로, 이론적 구성 요소와 그들 간의 관계를 설명하고 예측하는 것에 관한 것으로, 총 4개의 논문에서 다루어졌다.
Contingency theory, organizational design, and resource-based view relate to the overall management of an organization. This may be considered Theory for Explaining and Predicting, which is about “understanding of underlying causes and prediction, as well as description of theoretical constructs and the relationships among them” [23], accounting for four of the articles.
파놉티시즘, 역설 이론, 시스템 오브 시스템은 주로 세계관과 관련된 더 큰 이론을 구성한다. 이들은 “현상을 이해하는 것”에 관한 설명 이론으로 간주될 수 있으며, 총 3개의 논문에서 다루어졌다.
Panopticism, theory of paradoxes, and system of systems constitute grander theories mostly concerned with world views. They may be considered Theory for Explaining, which Gregor deems less concerned with developing testable hypotheses and more about “understanding phenomena” [23], accounting for three articles.
IT 거버넌스는 가장 두드러진 이론으로, 데이터 거버넌스 분야가 주로 동일한 기초 위에 구축되었음을 뒷받침한다.
IT governance is by far the most prominent theory used, supporting the notion that the data governance field is in large part built on the same foundation.
분석 단위 (Unit of Analysis)
초록을 읽는 동안 개념 중심의 분석이 수행되었고, 패턴이 나타났다. 논문의 85%는 조직 수준에서 데이터 거버넌스를 다루었으며, 이는 데이터 거버넌스의 정의가 종종 기업 전체의 책임 프레임워크 개념을 포함하기 때문에 합리적이다.
During the reading of the abstracts, a concept-centric analysis was undertaken and a pattern emerged. 85% of the papers examined data governance at the organizational level, which makes sense considering the definition of data governance often includes a conceptualization of enterprise-wide frameworks for accountability.
그러나 데이터 거버넌스가 개별 조직 간의 데이터 관리 방법으로도 검토된다는 점은 흥미롭다. 두 편의 논문은 데이터 거버넌스가 민간 및 공공 부문 간 데이터 공유를 촉진할 수 있는 방법을 고려했다.
It is interesting to note, however, that data governance is also examined as a way to manage data between discrete organizations. Two papers even consider how data governance can facilitate data sharing across the private and public sectors.
논의 (Discussion)
이와 같이, 데이터 거버넌스 분야의 상태는 4장에서 도출된 결과를 통해 잠정적으로 평가될 수 있다.
As such, the state of the data governance field can be tentatively evaluated from the findings in section 4.
상대적으로 적은 수의 출판물이 다수의 저자 사이에 분포되어 있다는 것은 이 분야가 아직 연구자들이 여러 논문을 출판할 정도로 성숙하지 않았음을 시사한다.
The distribution of relatively few publications amongst a plethora of authors suggests the field has not matured enough for researchers to publish several articles within the domain.
추가적으로, 최고 출판 저자들은 실무자와 학자 모두를 포함하고 있어 이 분야가 두 커뮤니티 모두의 관심을 끌고 있음을 시사한다.
Additionally, the top publishing authors count both practitioners and academics, which suggests it is a field attracting the attention of both communities.
데이터 거버넌스 분야는 주로 이론적 방법과 사례 연구에 의해 지배되고 있으며, 디자인 과학, 행동 연구, 실험과 같은 더 실무 지향적인 방법을 사용하는 연구는 거의 없다.
The data governance field is dominated largely by theoretical methods and case studies, with few studies using more practice-oriented methods, like design science, action research, or experiments.
연구 분야에 실무자들이 존재하고 데이터 거버넌스를 실제로 구현하는 데서 얻을 수 있는 잠재적 이익을 고려할 때, 이러한 종류의 연구가 더 장려되어야 한다.
Considering the presence of practitioners in the research field and the potential benefits to be derived from implementing data governance in practice, more studies of this kind should be encouraged.
동일한 맥락에서, 대부분의 출판물은 정보 시스템과 컴퓨터 과학 분야에 속해 있어, 이 분야가 여전히 IT 지향 연구자들에 의해 주도되고 있음을 시사할 수 있다.
In the same vein, most of the publications are within the fields of information systems and computer science, which could suggest the field is still largely driven by IT-oriented researchers.
이는 데이터 거버넌스와 관련된 담론이 형성되는 방식에도 영향을 미칠 수 있다.
This could also have implications for how the discourses surrounding data governance are shaped.
전자정부 및 조직 및 관리 분야에서는 연구가 거의 이루어지지 않아 데이터 거버넌스가 여전히 IT에 뿌리를 두고 있으며, 아직 일반 관리 분야로 자리 잡지 못했음을 시사한다.
Few studies are conducted within E-government and Organization and Management, which suggests data governance is still anchored in IT, and has yet to become a general management discipline.
또한, 대부분의 논문은 데이터 거버넌스를 개념화하기 위해 IT 거버넌스에 의존하고 있어, 데이터가 IT와 본질적으로 연결되어 있다는 생각을 강화하는 데 기여한다.
Additionally, a majority of papers also draw on IT governance to conceptualize data governance, which only works to strengthen the idea of data as something inherently connected to IT.
관련된 이론적 영역 중 다수가 주로 처방적인 성격을 띄고 있어, 데이터 거버넌스는 대부분 실체가 없는 것으로 나타난다.
In addition, many of the related theoretical areas are predominantly prescriptive, rendering data governance largely intangible.
여러 관리 및 디자인 분야에서 주로 프레임워크나 차트를 통해 제시되며, 구현될 맥락에 대한 고려는 거의 없다.
Presented mainly through frameworks or charts, in the various management and design disciplines, data governance is dealt with on a formal basis, with little attention paid to the context it will be implemented in.
일부 연구는 파놉티시즘과 역설 이론과 같은 더 설명적인 접근 방식을 채택하지만, 이러한 공식적 프레임워크의 변화와 구현 과정에 대한 관심은 거의 없다.
Some studies do adapt more explanatory approaches, such as the theories of panopticism and paradoxes, but there is little to no attention paid to the processes of change and implementation of these formal frameworks, which could be relevant for practice.
이는 대부분의 연구가 데이터 거버넌스를 조직 수준에서 고려하고, 서로 다른 구성원 그룹이나 기능 간의 조직 내 수준보다는 조직 간 수준에서 검토하는 것에 의해 뒷받침된다.
This is further supported by the majority of studies considering data governance at the organizational level, rather than the intra-organizational level between different member groups or functions.
마지막으로, 전자정부 분야의 연구 수가 상대적으로 적고 공공 행정에서의 연구가 부족하다는 것은 이 분야에서 추가 연구의 가능성이 있음을 시사한다.
Lastly, the relatively low number of studies within E-government and the lack of studies in public administration suggest there is potential for further research here.
두 편의 논문은 데이터 거버넌스가 민간 및 공공 부문 간의 데이터 공유를 어떻게 촉진할 수 있는지에 초점을 맞추고 있지만, 이는 소수에 불과하다.
While two publications actually focus on the dynamics between public and private sector organizations in the use of data as an organizational resource, these are in the minority.
이러한 고려사항으로부터, 공공 조직의 맥락에서 데이터 거버넌스 분야의 향후 발전 가능 영역을 확인할 수 있다 (표 8 참조).
From these considerations, some areas for future development of the field of data governance in the context of public organizations may be identified (see Table 8).
이 논문은 현재 데이터 거버넌스 분야의 상태를 평가하여 공공 조직의 맥락에서 데이터 거버넌스를 연구하려는 연구자들에게 네 가지 발전 가능 영역을 제시한다.
From the state of the current field, these four areas for further development can be used by researchers who wish to engage data governance in the context of public organizations.
이러한 제안에 집중하는 것은 학자들에게 데이터 거버넌스의 잠재력을 가진 실무와 교류할 수 있는 풍부한 기회를 제공할 것이다.
Focusing on these suggestions will provide a rich opportunity for scholars to engage with practice, where data governance has potential.
결론 (Conclusion)
이 논문은 문헌의 체계적인 검토를 통해 데이터 거버넌스 분야의 상태를 개관하는 것을 목표로 했다.
This paper aimed to provide an overview of the state of the data governance field by considering a systematic treatment of the literature.
62편의 논문을 수와 분류를 사용하여 검토하였고, 공공 부문 맥락에서 데이터 거버넌스의 향후 발전을 위한 네 가지 관심 영역을 목록화하였다.
62 papers were considered using headcounts and classifications, and four areas of concern for future development of data governance in the context of the public sector were listed.
제한 사항으로는 논문의 초록만을 읽어 평가하였으며, 개별 논문에 대한 심층 분석은 이루어지지 않았다는 점이 있다.
Limitations include that only the abstracts were read to evaluate the papers and that no deeper analysis of the individual papers was undertaken.
학자들과 실무자들은 이러한 결과를 바탕으로 데이터 거버넌스 분야에서 향후 작업을 위치시킬 수 있다.
Scholars and practitioners may use these findings to position their future work in the field of data governance.
데이터의 사용이 공공 부문에서 더 나은 의사 결정과 서비스 제공 개선을 촉진할 잠재력이 있는 만큼, 이 논문의 결과는 실무 지향 학자들에게 귀중한 자원을 제공한다.
As the use of data has the potential to facilitate better decision-making and improve service delivery in the public sector, the findings of this paper provide a valuable resource for practice-oriented scholars who wish to develop the field.
