데이터 문화를 만드는 원칙과 도구

김민지 주무관과 박팀장의 실전 도구 모음

2부 관리자를 위한 데이터·AI 리더십 노하우

2장 김민지 주무관과 박팀장의 실전 도구

민지와 박 팀장이 90일간 실제로 사용하며 다듬은 원칙과 도구들입니다.

1. 데이터 문화의 5C 원칙

박 팀장이 초기에 공유한 원칙. 민지는 90일이 지나서야 이 5개가 톱니바퀴처럼 맞물려 돌아간다는 것을 깨달았다.

Clarity (명확성): 목표와 지표가 명확하다. (예: 우리 팀의 북극성 지표는 '일자리 매칭률'이다.)
Collection (수집): 필요한 데이터를 적시에, 표준으로 모은다. (예: A/B 테스트 데이터 수집)
Conversation (대화): 회의와 문서가 데이터 중심으로 구성된다. (예: 월요일 스탠드업)
Capability (역량): 전 직원이 기본 데이터 역량을 갖춘다. (예: 민지의 챔피언 교육)
Compliance (준수): 보안·윤리·프라이버시를 지킨다. (예: AI/데이터 사용 가이드)

1) 명확성: "우리가 무엇을 잘하고 싶은가?"

"명확성부터가 어려운 거 아닌가요?"

민지는 옆자리 선배에게 물었다.

선배가 웃으며 고개를 끄덕였다.

"그래서 우리 팀은 '북극성 지표'를 정했잖아.

팀이 존재하는 이유를 한 줄로 표현한 숫자 말이야.

예를 들어, 환경과는 '악취민원 해결률', 복지과는 '복지사각지대 발굴 건수'

그거 하나만 보면 이 팀이 잘 가고 있는지 아닌지 바로 알 수 있잖아."

민지는 그 말을 듣고 고개를 끄덕였다.

"그러니까 목표가 여러 개면 오히려 방향성을 잃는다는 거네요."

"맞아. 명확성은 선택이야. 수많은 지표 중 단 하나를 '우리의 나침반'으로 정하는 거지.

2) 수집: "필요할 때, 정확하게, 표준으로"

민지는 다음 문장을 읽었다.

필요한 데이터를 적시에, 표준으로 모은다.

"이건 데이터팀 이야기 같은데요?"

"아니야, 전 직원 이야기야."

선배가 모니터를 가리켰다.

"보고서를 만들 때, 각자 엑셀에 손으로 숫자를 입력하잖아. 그런데 표준 양식 없이 모으면 나중에 다 다시 맞춰야 해."

"'Collection'은 그냥 데이터 수집이 아니라, 공통된 언어로 데이터를 모으는 과정이야."

민지는 문득 기억났다.

지난달 보고서 작업 때, 부서마다 항목 이름이 달라서 세 시간 넘게 정리하던 일.

그때의 혼란이 떠올랐다.

3) Conversation: "모든 회의는 데이터로 시작한다."

"그럼 Conversation은 뭐예요? 우리가 이미 하고 있는 게 대화 아닌가요?"

약간은 엉뚱한 표정을 지으며 민지 주무관이 묻는다.

"그건 일상언 어지. 여기서 말하는 Conversation은 우리가 매주 하는 '스탠드업 미팅'이야."

선배는 웃으며 말을 이었다.

"회의 시작하자마자 '이번 주 우리 지표 어때?' 그거 묻잖아. 그게 바로 데이터 중심 대화야. 회의가 감정이나 추측으로 흐르지 않게 항상 숫자로 말하는 거지."

민지는 문득 깨달았다.

그동안 '회의가 왜 길어질까' 싶었는데

대부분은 '느낌'으로 이야기했기 때문이었다.

"이건 데이터 문화의 핵심이겠네요."

"그렇지, 대화의 중심에 데이터가 있으면 회의는 짧고 명확해져."

4) Capability: "데이터는 모든 직원의 언어다."

네 번째 항목을 보며 민지가 중얼거린다.

"전 직원이 데이터 역량을 갖춘다... 이건 교육 얘기네요?"

"교육도 맞고 습관의 문제이기도 해."

선배가 말했다.

"예전에 '데이터는 데이터팀 일'이라고 생각했잖아. 이젠 아니야. 기획도, 민원도, 회계도 모두 데이터를 다뤄. 그래서 '데이터 리터러시'가 모든 공무원의 기본 소양이 된 거지. "

데이터 리터러시?
데이터 리터러시는 언어를 사용하듯 데이터를 읽고, 이해하고, 분석하며, 그 결과를 바탕으로 의사결정에 활용할 수 있는 능력을 의미합니다. 핵심 역량으로 데이터 이해, 데이터 분석, 데이터 활용 등이 있습니다.

5) Compliance: "데이터는 신뢰 위에 서 있다."

마지막 항목을 읽던 민지의 표정이 사뭇 진지해졌다.

보안, 윤리, 프라이버시를 지킨다

"요즘 AI도 그렇고 개인정보 이슈가 많잖아요."

"그래서 이 항목이 제일 중요하지."

선배는 단호하게 말했다.

"데이터를 잘 쓰는 것도 중요하지만, 안전하게 쓰는 게 먼저야. 시민이 신뢰하지 않으면 아무리 좋은 데이터도 쓸 수 없어."

민지는 고개를 숙이며 마음속으로 적었다.

데이터 문화는 기술이 아니라 태도에서 시작된다.

2. 리더의 4대 역할 (Vision, People, System, Guard)

박 팀장은 지난 90일 동안 마치 장인이 도구를 다듬듯, 리더로서의 4가지 역할을 차근차근 다듬어왔다.

그의 다이어리에는 네 단어가 큼지막하게 적혀 있었다.

Vision, People, System, Guard

1) Vision: "조직은 말의 힘으로 움직인다."

박 팀장은 첫날부터 선언했다.

우리는 모든 결정을 지표와 가설로 설계하고, 전후 비교로 학습한다.

그 한 문장은 마치 팀의 헌법처럼 작동했다.

보고서의 첫 장부터 달라졌다. 이제는 모두가 같은 순서로 쓴다.

문제 → 지표 → 근거 → 가설 → 다음 행동

이 구조 덕분에 회의 시간은 줄고, 설득력은 커졌다.
누가 말하든 논리가 같다.
팀원들은 이렇게 말했다.

“보고서 쓰는 게 아니라, 생각을 설계하는 법을 배운 것 같아요.”

2) People: "모두가 데이터로 말하는 팀."

박 팀장은 ‘데이터 역량’을 일부 직원의 기술이 아니라,

모든 직원의 기본기로 만들기로 결심했다.

그래서 만든 게 3단계 교육 체계였다.

기초(전원): 엑셀 피벗, 시각화, ChatGPT 요약 – 6시간 완성 코스

중급(챔피언): 노코드 대시보드, 공공데이터 결합 – 12시간 집중 실습

고급(전문가): Python, A/B 테스트 설계 – 24시간 프로젝트 기반 학습

교육이 끝난 뒤 박 팀장은 웃으며 말했다.
“이제 우리 팀은 데이터팀이 아니라, 데이터로 생각하는 팀이야.”

3) System: "좋은 팀은 정리부터 다르다."

박 팀장은 데이터를 흩어지게 두는 걸 가장 싫어했다.

그래서 규칙을 하나 정했다.

모든 파일명은 ‘YYYYMMDD_부서명_지표명’으로 통일.

‘20251020_스마트도시과_교통혼잡지수’ 같은 식이다.
처음엔 다들 귀찮아했지만,
이제는 누가 어떤 파일을 올려도 한눈에 정리된다.

그는 서울시의 Open Data Plaza 사례를 벤치마킹했다.

“우리도 시민에게 공개할 수 있는 수준으로 관리하자.”
.

정리된 시스템은 신뢰를 낳았고 신뢰는 조직을 움직이는 연료가 되었다.

4) Guard: "데이터를 지키는 자만이 데이터를 쓸 자격이 있다."

박 팀장은 마지막으로 ‘보호막’을 만들었다.

데이터를 아무리 잘 써도, 신뢰를 잃으면 모든 게 무너진다는 걸 알았기 때문이다.

그가 참고한 기준은 명확했다.

NIST AI Risk Management Framework

ISO 27701 개인정보 보호 표준

OECD AI 원칙

이 세 가지를 토대로
화성시형 데이터 윤리 가이드를 만들었다.

모든 직원이 ‘데이터를 다룬다’는 건,
곧 ‘시민의 신뢰를 다룬다’는 뜻이라는 걸 잊지 않게 하기 위해서였다.

그렇게 90일이 지나고,
박 팀장은 팀원들과 함께 첫 번째 ‘데이터 문화 워크숍’을 열었다.
그는 화이트보드에 네 단어를 적었다.

Vision – 방향을 세운다
People – 함께 성장한다
System – 질서를 만든다
Guard – 신뢰를 지킨다

그리고 조용히 말했다.
“이 네 가지는 내가 아니라, 우리 모두의 역할이에요.
데이터 시대의 리더는 관리자가 아니라 설계자니까요.”

팀원들의 눈빛이 반짝였다.
그날 이후, 팀의 공기는 분명히 달라졌다.

수치가 아니라 사람과 원칙이 움직이는 데이터 조직,
그게 박 팀장이 만든 90일의 변화였다.

3. 회의 시작 스크립트 (15분 스탠드업)

월요일 아침 9시.
박 팀장이 커피잔을 내려놓으며 말했다.

1) “좋은 아침입니다. 우리 팀 북극성 지표부터 볼까요?” (3분)

화면에 대시보드가 떴다.

악취 민원 해결률: 82% → 86%.
“좋아요. 동탄 시범사업이 효과 있었네요.”

민수 주무관이 덧붙였다.
“현장 출동시간이 평균 12분 단축됐습니다.”

박 팀장은 고개를 끄덕였다.
“이게 우리가 말하는 데이터 기반 학습이에요.”

2) “이상치나 특이사항 있나요?” (5분)

“토요일 오전 민원 건수가 3배로 늘었습니다.”
지연 주무관이 말했다.

“날씨나 행사 영향인 듯합니다.”

“좋아요. 원인 분석 맡아서 내일까지 결과 주세요.”
회의록 담당 유리가 빠르게 기록했다.

3) “이번 주 작은 실험은?” (7분)

박 팀장이 말했다.
“이번 주 실험, 한 줄로 공유해 볼까요?”

민정: “AI 상담봇 응답속도가 빠를수록 만족도 높다. → 설문으로 측정.”
주호: “기온·습도 예측값 조합 시 악취 경보 정확도 향상. → 정확도 비교.”

“좋아요. 결과는 금요일 스탠드업에서 봅시다.”

4) “회의록 완료. 시작합시다!”

유리가 녹음한 자료를 회의록으로 정리해서 링크를 공유했다.

북극성 지표 +4% p / 토요일 이상치 분석 중 / 실험 2건 진행

박 팀장이 말했다.
“좋아요, 오늘도 데이터로 시작합시다!”
회의는 정확히 15분 만에 끝났다.

4. 분기 사례 발표회 가이드 (성공 1 + 실패 1)

분기마다 열리는 사례 발표회는 단순한 성과 보고가 아니다.

'데이터로 배운 조직'임을 증명하는 시간이다.

박팀장은 항상 말한다.

"성공보다 중요한 건 실패를 분석한 용기입니다."

분기마다 열리는 사례 발표는 단순하게 구조화한다.

발표 구조 (7분)

문제 정의 (1분) 무엇이 문제였나? 현재 지표는 어떤 상태였나? 예: “악취 민원 해결률이 70%에 머물러 있었습니다.”

가설과 실험 (2분) 왜 이 해결책을 시도했는가? 어떤 방식으로 측정했는가? “현장 대응 자동화가 민원 해결 시간을 줄일 것이라 가정했습니다.”

결과 (2분) 전후 비교 그래프 제시 예상과 실제의 차이 명확히 설명 “예상보다 개선폭은 작았지만, 패턴을 확인할 수 있었습니다.”

배운 점 (1분) 성공 요인 또는 실패 원인을 구체적으로 분석 “문제는 시스템이 아니라 알림 주기였습니다.”

다음 단계 (1분) 실험 확장 또는 개선 계획 “다음 분기엔 예보형 모델로 전환하겠습니다.”

규칙

성공 + 실패 사례 모두 필수.
실패를 솔직히 분석한 발표가 더 높은 점수를 받는다.

‘느낌’ 발표 금지.
“재밌었다”, “보람 있었다” 대신
데이터로 설명하고, 배움으로 마무리할 것.

5. 피해야 할 함정들 (Red Flags)

민지는 타 부서 회의에 참석했다가,
데이터 문화를 망치는 전형적인 말들을 들었다.
그녀는 속으로 ‘이건 꼭 기록해 둬야겠다’고 생각했다.

“데이터 분석은 IT과 일이니까 요청서 넣어두세요.”
→ ❌ 데이터는 IT의 일이 아니라, 현업의 일이다.
모든 부서가 데이터를 직접 다루고, 이해하고, 개선해야 한다.

“완벽한 데이터가 모이면 그때 시작합시다.”
→ ❌ 작게 시작하고, 빨리 교정하라.
완벽은 시작을 미루는 핑계일 뿐이다.

“이번 분기 보고용 숫자만 채워서 올려주세요.”
→ ❌ ‘보고용’이 아닌 ‘결정용’ 지표가 필요하다.
데이터는 장식이 아니라, 방향을 바꾸는 나침반이다.

“파일럿 이것저것 해봅시다.”
→ ❌ 평가(전후 비교) 없는 파일럿은 낭비다.
측정 없는 실험은 경험이 아니라 소음에 가깝다.

✅ 3개월 후, 민지의 체크리스트

> 데이터 문화 만들기 체크리스트 (90일 전 / 90일 후)

□ 리더가 "근거는요?"를 습관적으로 묻는다

□ 팀별 북극성 지표 1개가 명확하다

□ 주간 15분 스탠드업이 정착됐다

□ 작은 실험을 매주 1개씩 돌린다

□ 실패 사례를 공유하고 인정한다

□ 데이터 사용 가이드가 있다

□ 전후 비교 데이터를 의사결정에 쓴다

□ 분기 발표회가 정례화됐다

기억하세요.

데이터 문화는 복잡한 시스템이 아닙니다.

리더의 한 문장, 팀원의 작은 실험, 그리고 안전한 환경.

시작은 간단합니다. 다음 회의에서 물어보세요.

근거는요?