1. 서 론

1970년대 이후 해양사고 통계가 집계된 이래로 정부는 통 계 자료를 활용한 분석을 통해 반복 사고를 예방하고, 발생 시 피해 최소화를 위한 방법을 강구하고 있다(Lee et al., 2020).

통계는 사회 전반의 현상을 수치로 제공함으로써 직관적 으로 어떤 현상을 설명할 수 있도록 하며, 합리적인 의사결 정을 위한 공공자원으로 설명된다. 이러한 특성으로 통계는 정부 정책 결정 및 각종 현상의 연구·분석 등에 기초자료이 자 근거자료로 널리 활용된다.

하지만 이러한 중요성에 비해 여러 분야에서 통계 활용의 역할은 미미한 수준이다. 이는 정책이나 연구 분야에 사용 되는 통계가 ‘단순 집계’ 수준의 자료로 매년 동일(유사)항 목으로 제공되고 있기 때문이며, 현재 제공되는 통계 항목 이 매우 제한적이고 다양성 또한 부족함을 보여주는 대목이 기도 하다.

물론 통계 항목이 과거보다 다양화되었지만 연구나 정책 에서 제언하는 사고 예방책 등 개선점은 단순히 수치상 부 각되는 것을 포괄적인 방향으로 제시하는 경향을 보인다. 대부분의 해상안전 정책수립, 연구에서 해양경찰청이나 해 양안전심판원의 통계 및 사례집을 활용하고 있지만 현재의 제공 자료만으로는 구체적인 정책 제안에 한계가 있다.

결국 자료의 실효성을 위해서는 사고 분석 과정에서 데이 터 특성을 파악하여 어떤 정보를 활용해 결과를 얻을 것인 지 구체적인 요구사항을 정의할 필요가 있다. 즉, 현행 통계 가 제한적 정보 수준이 아닌 다양성을 가진 자료로 개선되 는 것이 필요한 시점이다(Lee et al., 2020).

정책, 연구, 그 밖의 의사결정에 있어 통계는 단순 요약 자료 그 이상의 의미를 가진다. 각종 업무에 필요한 정보와 증거를 모두 제공하고, 정책 평가에 있어 하나의 측정 수단 이 되기도 한다. 따라서 이러한 통계의 역할을 강화시키기 위해 기존 공급자 위주의 통계 생산이 아닌, 수요자 가치창 출 수단으로 통계의 중요성을 부각시킬 필요가 있다.

따라서 본 연구에서는 해양경찰청에서 발간하는 ^「해상 조난사고_」의 통계 항목(속성) 외에 정책 및 연구 분야에 폭 깊게 활용할 수 있는 해상안전(선박사고) 관련 속성들을 추 가로 발굴하고자 한다.

본 연구에서는 선행연구(Lee et al., 2019)에서 제시한 선박 사고 상황보고서 용어 분석결과 자료를 활용하여 추가 속 성에 대한 데이터를 수집하고, 탐색적 데이터 분석(EDA : Exploratory Data Analysis, 이하 EDA)을 실시했다. 또한 EDA 결과로 도출된 상관성 있는 데이터 조합을 실제 정책 과정 에서 활용하기 위한 정책 전략별 키워드 분석과 EDA 도출 속성 간 매칭 작업을 제시했다.

2. 문헌연구

2.1 통계 생산·활용 패러다임 변화와 빅데이터

사회 환경 변화에 따른 불확실성과 정책에 대한 신뢰성 및 수용성을 높이기 위해 정책 과정에서 ‘과학적 증거’ 활용 이 강조되고 있다. 이는 데이터를 정책 결정 근거로 활용하 고자 하는 것으로 ‘증거 기반(evidence-based), 데이터 기반, 통 계 기반’등의 용어가 통용되고 있다. 명확하고 객관적인 증 거에 기초해 정책을 수립하고, 그 효과가 달성되었는지 평 가하면 정책 실패를 방지, 최소화 시킬 수 있다는 관점이다 (Howlett, 2009).

우리나라의 경우 박근혜 정부의 공공 데이터 개방, 문재 인 정부의 데이터 근거 과학적 행정 구현이 강조되면서 증 거기반정책 및 데이터 주도 행정이 자리 잡고 있다(Oh et al., 2017). 특히 정책과정에서 국가통계를 근거자료로 활용하도 록 하는 ‘승인통계제도’의 운영과, 정책 도입부터 평가에 있 어 통계지표를 개발·적용하도록 하는 ‘통계기반 정책제도’만 보아도 통계가 정책 결정에 있어 가장 직접적인 과학적 유 형으로 인식되고 있음을 알 수 있다.

또한 통계 생산에 있어 우리나라는 각 기관에서 고유 업무 수행을 위해 필요한 통계를 개별적으로 작성하는 ‘분산형 통 계제도’를 채택하고 있어 각 기관에서 생산되는 ‘행정 자료’ 를 기반으로 통계를 작성하면 분야별 전문지식을 효율적으로 반영할 수 있다는 장점이 있다(National Statistical Office, 2020).

각종 제도뿐만 아니라 IT의 발전도 통계 생산 방식을 변 화시켰다. 이제는 방대한 데이터 수집은 물론, 정형 데이터 뿐만 아니라 텍스트, 사진, 영상, 위치정보 등 다양한 형태의 비정형 데이터까지도 취급 가능해졌으며, 저장, 분석 기술의 발달로 기존에 수집할 수 없었던 자료, 수집 대상이 아니었 던 자료, 혹은 수집했더라도 분석이 어려워 버려졌던 자료 까지도 업무에 활용할 수 있게 되었다.

즉, 데이터 수집, 저장, 가공, 분석의 발전은 조직이 데이 터를 활용해 업무를 효율적으로 수행할 수 있는 기반을 만 들었고, ‘국가통계’ 영역에 있어서도 데이터 탐색을 통해 유 용한 인사이트를 얻고자 하는 노력이 증대되고 있다.

이처럼 과학적 행정을 위한 증거 기반 정책 수립과 평가 에 대한 요구로 (통계)데이터 활용 중요성이 날로 강조되고 있으며, 특히 통계 생산에 있어 빅데이터 환경은 방대하고 다양한 형태의 데이터 탐색을 통해 유의미한 속성(변수)과 패턴을 도출할 수 있는 기반을 제공하고 있다

2.2 탐색적 데이터 분석(EDA)

탐색적 데이터 분석(EDA : Exploratory Data Analysis)은 데 이터를 다각도로 관찰하여 이해하고자 하는 방법론이다. 데 이터의 특징과 구조에서 인사이트를 발견하는 귀납적 분석 기법이며, 선입견 없이 데이터를 유연하게 탐색할 수 있다.

EDA는 확증적 데이터 분석1)전에 가설 생성단계에서 증 거를 수집하는 관점으로 주로 가설 형성의 장려와 관련이 있다. 주로 기술통계법을 사용하여 데이터를 요약, 가공해 유용한 정보를 얻으며, 이 과정에서 데이터의 오류 확인 및 변수 간의 대략적인 관계나 크기 확인, 새로운 가설 등을 모 색하게 된다.

즉, 데이터에 대한 이해를 바탕으로 서로 다른 질문, 가설 등을 찾아내 결론의 특이성을 도출하는 것이 EDA라고 할 수 있다(Behrens, 1997). 단, EDA에서는 공식적인 통계 모델 링이나 추론은 포함되지 않으며, EDA를 통해 얻은 새로운 정보나 지식을 추후 확증적 데이터 분석에 활용하여 추론이 나 예측모델을 테스트하기도 한다(Good, 1983).

EDA는 변량분석 수준과 그래픽화 여부의 교차에 따라 단변 량 비그래픽(univariate non-graphical), 단변량 그래픽(univariate graphical), 다변량 비그래픽(multivariate non-graphical), 다변량 그래픽(multivariate graphical) 4개 유형으로 분류할 수 있다 (Seltman, 2018).

단변량 분석은 한 번에 하나의 변수(데이터 열)를 확인하 는 것이고, 다변량 분석은 변수 간 ‘관계’를 탐색하기 위해 한 번에 두 개 이상의 변수를 확인하는 것을 말한다. 그래픽 방법은 데이터를 도표나 그래프 등으로 시각화하여 표현하 는 것으로 전체적인 그림을 볼 수 있다는 장점을 가진다

통상 EDA의 절차는 문제를 정의한 뒤 데이터를 탐색하기 위한 데이터 관찰(파악), 개별 속성 분석, 속성 간 관계분석, 가설모색 과정으로 구성되며, 앞의 EDA 유형에 따라 분석 과정은 다소 차이를 보일 수 있다.

데이터 관찰은 전체 데이터를 살펴 데이터의 오류나 누락 등을 파악하고, 데이터의 형태(범주형, 수치형)와 척도(명목, 서열, 등간, 비율)를 확인하여 데이터 분석 방법이나 수단을 확인하는 단계이다.

다음으로 데이터의 개별 속성을 확인하여 속성 값이 예측 한 범위와 분포를 가지는지, 이상치(outlier)가 존재하는지를 찾아낸다. 개별 데이터를 살펴보면서 전반적인 추세와 특이 사항을 관찰할 수 있다. 데이터의 중심 파악을 위해 평균 (mean), 중앙값(median), 최빈값(mode)을 활용할 수 있고, 분산 도 파악을 위해 범위(range)와 분산(variance) 등의 요약통계량 을 사용할 수 있다. 이 때 시각화를 이용하면 요약통계량에 서 드러나지 않는 패턴을 한 눈에 볼 수 있는 장점이 있다 (Fig. 1. 참조).

속성 간 관계 분석은 의미 있는 상관관계를 가지는 속성 조합을 찾아내는 것으로 도출한 속성이 많을수록 여러 조합 에 대해 다양한 분석을 수행할 수 있다. 이 과정부터 본격적 으로 ‘탐색적’ 분석이 수행된다고 할 수 있다. 이 때 조합한 속성 특성에 따라 관계 분석 시 적용할 분석 및 시각화 방법 은 Table 1과 같다.

마지막으로 EDA 결과에서 발견된 내용을 바탕으로 새로 운 연구 질문과 가설을 모색하게 된다. 추후 EDA에서 발견 된 패턴과 새로 만든 가설을 테스트하기 위해 확증적 데이 터 분석을 수행할 수 있다.

2.3. 국가통계 활용현황과 한계

2.3.1 정책 분야에서의 국가통계 활용 현황

‘통계기반 정책평가제도’의 존재만 보아도 정책 분야에서 통계가 얼마나 큰 역할을 하는지 알 수 있다. 국가통계는 정 책 수립과 평가에 있어 주요 지표가 된다.

‘선박사고’ 안전과 관련한 주요 정책은 해양경찰청의 ‘수 난대비기본계획’에서 찾아볼 수 있다. 이 계획은 ^「수상에서 의 수색ㆍ구조 등에 관한 법률_」에 따라 5년 단위로 수립되 며, 해상에서 자연·인위적 원인으로 발생하는 조난사고로부 터 사람과 재산을 보호하기 위한 정책 사업들로 구성된다.

현재 2차 계획(‘18 ~ ‘22)이 시행되고 있으며, 수난구호 협 력체계 구축, 협력기관 간 장비 및 인력 지원, 수난구호에 관한 정보 수집 및 교환, 교육/훈련, 수산/수난 구호 장비 및 시설 확충·관리, 응급의료 및 수색/수조 체계화, 연안사고 대 응체계에 대한 세부 계획을 담고 있다.

이 계획에서 사용되는 주요 국가통계는 사고 관련 항목이 며, 성과지표로는 ‘사고발생 현황(선박/인명)’, ‘구조현황(선 박/인명)’, ‘구조불능 현황(선박/사망/실종)’ 등 사고 결과와 관련된 속성을 사용한다. 즉 사고 결과에 대한 (발생)빈도가 전년도 대비 얼마나 증감되었는지를 토대로 다음 정책 목표 를 설정하고 계획을 수립하고 있다.

문제는 이러한 정책 및 여러 의사결정에서 사용되는 현행 통계항목이 어떤 현상을 설명하기에 완전한 지표가 되지는 못한다는 점이다. 앞서 성과지표로 사용한 통계항목은 사고 ‘결과’를 나타내는 가장 뚜렷한 지표이지만, 실제로 선박사 고를 줄이기 위해 시행한 세부 과제의 효과인지를 측정하기 위한 적정지표인지는 알 수 없다.

해양경찰청 수난구호 관련 세부 과제는 위에서 언급한 내 용을 토대로 총 7개 추진전략에 대해 18개의 추진과제로 나 뉘며, 18개 과제는 다시 44개의 세부과제로 계획되어있다. 전략별 과제는 과거부터 같은 맥락으로 수행되었던 부분도 있지만, 시대적 변화에 따라 더욱 세분화되고 맞춤화된 상 세 대책들이 수립되고 있다. 또한 기술 발전에 따라 능동적 사고 예방과 대응을 위한 첨단 기술 활용 전략 및 사고 관리 를 위한 각종 협업 전략들이 강구되고 있다.

이처럼 정책은 과거보다 구체적여지고, 새로워지고 있기 때문에 이러한 변화를 반영할 수 있는 통계항목(지표) 또한 함께 개발되어야 한다. 또한 과거부터 생산된 통계가 현실 을 반영하기 어렵다면 이 또한 개선되어야 정책 분야에 있 어 통계가 제대로 된 역할을 할 수 있다(Kwon, 2017).

2.3.2 연구 분야에서의 국가통계 활용 현황

통계는 정책 과정에서 뿐만 아니라 연구 분야에 있어서도 중요한 역할을 한다. 통계법에서의 통계 목적만 보아도 정 부 정책 수립이나 평가 이외에 ‘경제·사회현상의 연구, 분석’ 등에 활용할 목적으로 수집한 수량적 정보라고 명시되어 있 다. 이러한 연구 결과물은 결국 정책 수립 과정에 활용되기 때문에 정책과 긴밀하게 연결된다고 할 수 있다.

선행연구에서 선박(해상) 안전과 관련해 사고 분석 및 개 선 방안 모색 과정에서 국가통계가 어떻게 활용되었는지 살 펴보면 20여 년 전과 현대의 연구 결과가 유사한 측면을 보 임을 알 수 있다(Fig. 2 참조). 이는 현재의 통계가 과거보다 다양화되고는 있으나 여전히 개선방안 모색 과정에서 통계 정보가 가지는 한계가 있음을 보여주는 대목이기도 하다.

이러한 한계로 최근에는 단순 통계 자료에서 찾기 어려운 다양한 정보를 탐색하기 위해 정부의 사고보고서나 재결서 등의 행정자료를 분석하기도 하며, 현장조사나 그 외 관련 통계들을 접목하여 분석의 범위를 넓혀가고 있는 추세이다.

2.3.3 통계(속성) 다양화를 위한 개선 연구

통계의 활용 범위를 넓히기 위해 기존 대비 다양한 속성 을 발굴하고자 하는 시도가 계속되고 있다. 특히 이러한 개 선 작업에 있어 빅데이터와 행정 자료를 활용한 연구가 활 발히 진행되고 있다.

통계 개선을 위한 시도는 분야를 막론하고 진행되고 있 다. 몇몇 선행연구들의 특징을 요약해보면 크게 3가지 관점 으로 구분할 수 있다. 첫 번째는 ‘조사통계’에 대한 비용, 응 답자 부담을 줄이기 위해 행정 자료에서 ‘대체 가능한’ 조 사항목을 발굴하는 연구(Ahn, 2015;Lee, 2017)가 진행되었고 두 번째는 기존의 국가통계에는 없던 항목을 관련 행정 자 료에서 찾아내려는 연구들이다(Choi, 2016;Lee et al., 2012). 마지막으로 기존 통계와 행정 자료에서 관련성 높은 변수 들을 결합하여 새로운 변수(파생변수)를 만드는 연구가 있 다(Hong, 2015;Park, 2018).

유의미한 (통계) 속성 발굴을 위한 연구는 해상안전 분야 에서도 지속적으로 수행되고 있다. Chae et al.(2019)은 선박 에서의 비상대응능력 향상 방안 제언을 위해 해양안전심판 원 재결서와 선사 비상대응 매뉴얼을 검토하였으며, 사고 대응과정에서의 문제점 발견을 위해 분석 문서에서 대응 관 련 속성을 사고 종류별로 제시했다.

Lee et al.(2019;2020)은 해상안전(선박)과 관련한 통계 자 료 한계점 개선을 위해 해양경찰청 사고보고서를 분석하여 선박사고 관련 정보 분류체계를 수정·보완하였으며, 개선된 분류체계 속성 간 상호연관성이 있음을 언급했다. 또한 도 출된 속성들을 바탕으로 기존 통계만을 활용했던 연구에서 는 볼 수 없던 선박사고 ‘초동대응’에 대한 분석을 수행했 다. 사고 발생부터 신고접수, 상황전파, 현장출동에 대한 속 성들을 바탕으로 선박사고 유형별 특성 및 초동대응 관련 속성에 따른 인명피해 양상을 제시했다.

빅데이터 시대에 생성되는 수많은 정형, 비정형 데이터로 부터 유의미한 속성을 발굴하고자 하는 노력이 계속되고 있 다. 기술 발전으로 다양한 자료로부터 인사이트를 도출하는 것이 가능해졌고, 복잡해지는 사회 현상을 설명하기 위해 새로운 설명변수(속성)들이 필요해지고 있다. 이제는 전통적 으로 인과관계를 검정하고자 하는 연역적 방법이 아닌 데이 터로부터 새로운 현상들을 발견하고자 하는 귀납적 방법으 로의 전환이 필요한 시점이다(Anderson, 2008).

3. 연구 설계

3.1 연구 프레임워크

본 연구는 크게 3개 부문으로 구성된다. 가장 먼저 문헌연 구를 통한 현황분석 부문으로, 해상안전(선박사고) 관련 자 료에서 현행 통계(속성) 활용 문제점을 도출하고 다양화 가 능성을 모색한다.

다음으로 탐색적 데이터 분석(EDA)을 실시한다. 해양경찰 서에서 작성하는 행정자료인 선박사고 상황보고서에서 사 용하는 용어들을 분석하여(텍스트 마이닝) 특성에 따라 범 주화 하고(분류체계 정립), 해당 용어(속성)에 대한 데이터들 을 수집, 전처리한다. 데이터가 정리되면 속성 별 특성(데이 터 형태 등)을 확인하여 속성 간 관계분석을 실시한다.

마지막으로 정책 분야에 활용하기 위해 정책 전략 별 키 워드를 분석하고, EDA 도출 속성과 매칭 한다. 매칭작업에 는 행정 자료 분석을 통해 추가로 도출한 속성(개별 속성)과 관계 분석을 통해 도출한 유의미한 속성 조합을 모두 사용 할 수 있다.

다음 Fig 3은 본 연구의 프레임워크로, EDA에 대해서는 ‘다변량 비그래픽’ 유형을 중점으로 제시한다.

3.2 문제 및 데이터 정의

앞서 문헌연구 고찰을 통해 통계의 중요성 및 활용한계를 알아보았다. 선박사고(안전) 관련 정책이나 선행연구에서 주 요하게 사용되는 항목은 사고발생과 관련한 결과변수들이 며, 수난대비기본계획에서도 목표나 전략수립, 평가에 있어 사고 발생건수와 인명피해자 수 등을 사용한다.

하지만 위의 결과변수로만 어떤 현상을 설명하기는 충분 하지 않다. 위 변수들은 목표 달성 여부를 판단할 수 있는 뚜렷한 결과 지표이기는 하지만, 실제로 그 목표를 달성하 기 위한 전략별 세부과제의 효과인지를 파악하기 위한 적정 지표인지는 알 수 없다. 사고와 인명피해 감소를 위해 수행 하는 전략 과제들은 무수히 많고 세부 내용 또한 그 특징이 다르다.

연구 분야에 사용되는 항목도 극히 제한적인 정보를 담는 통계항목을 활용하기 때문에 새로운 패턴이나 구체적인 개 선방안을 모색하는데 한계가 있다.

따라서 이러한 통계 정보의 한계를 개선하기 위해 정책 및 연구 분야에 사용하는 기존 개방 통계(속성) 외에 세부 정책별 성과지표로 활용 가능하며, 연구 과정의 각종 분석 에도 적용 가능한 새로운 속성들을 탐색해보고자 한다.

연구 전반에 사용한 데이터의 특성 및 수집, 전처리, 분석 방법 및 수단은 다음과 같다.

[데이터 속성] - 수집 한계 항목은 제외

[데이터 수집]

[데이터 처리, 분석 방법 및 도구]

4. 탐색적 데이터 분석

4.1 텍스트 마이닝 기반 추가 속성 도출 및 데이터 수집

해상조난사고 통계는 해양경찰서에서 작성하는 사고 상 황보고서로부터 집계된다. 상황보고서는 사고 발생부터 종 료까지의 모든 대응사항을 담고 있는 행정 자료로, 내용을 직접 서술하는 비구조적인 서식이다.

비구조적인 서식은 구조화된(정형화된) 서식에 비해 정보 오류나 누락 등의 문제가 발생할 수 있지만, 정해진 틀의 정 보 외에도 다양한 정보를 담을 수 있다는 장점이 있다. 따라 서 해상조난사고와 관련한 추가 속성(통계) 발굴을 위해 상 황보고서에서 표현되는 텍스트(용어)를 분석하면 기존 통계 에서 수집되지 않는 속성을 발견할 수 있다.

본 연구에서는 선행연구(Lee et al., 2019)에서 상황보고서 텍스트 분석을 통해 도출한 분류체계를 차용해서 상관성이 있는 속성 조합을 발굴해보고자 한다. 선행연구에서 제시한 상황보고서 속성은 Table 2와 같이 10개 범주로 요약된다.

각 속성에 대한 EDA를 위해서는 데이터를 수집해야한다. 데이터 수집은 텍스트 분석을 통해 도출된 속성에 대해 진 행하며, 상황보고서에서 각 속성에 해당하는 값들을 추출해 엑셀(excel)로 DB화 한다. 이때 DB의 열(column)은 정의된 속 성들이 되고, 행(row)은 개개의 사고 사례(case)가 된다.

4.2 데이터 파악

상황보고서로부터 수집한 사례(case) 수는 1,319개이며, 도 출된 속성 중에서 결측치가 많아 수집에서 제외된 속성들을 제외하고 총 56개 속성 값을 추출해 분석에 활용했다. 수집 한 속성별 데이터 수는 상황보고서에서 기록되지 않은 경우 가 있어 개별 속성마다 결측치를 제외한 수집 case에는 차이 가 있다.

수집된 데이터 중에는 분포나 결측치 등을 확인하여 변수 조작(Feature Engineering) 과정을 거친 속성도 있다. 이는 범 주형 구간을 재조정 하거나(예를 들어 1월 ~ 12월까지 月을 봄, 여름, 가을, 겨울의 계절적 특성 혹은 분기로 구분), 상위 척도를 낮은 수준의 척도로 변환(비율척도인 부상자 수를 명목척도인 부상자 유무로 변경), 서로 다른 속성끼리 결합 하여 새로운 변수를 만드는(신고 접수시간부터 현장 도착시 간까지 시간 계산을 통해 골든타임 내 초기대응시간 여부 확인 등) 작업들이 포함된다.

EDA에 사용한 속성은 그 유사성을 고려하여 범주를 구분 하였으며 속성 데이터별 타입(형태)과 척도, 수집된 사례 수 (case)를 다음 Table 3과 같이 정리했다.

4.3 속성 간 관계분석

앞서 정의한 속성 별 척도를 고려하여 상관계수를 도출해 상관성이 있는 조합들을 추려냈다. 상관계수는 상관성 정도 를 나타내는 지표로 -1 ~ 1 사이의 값을 가지며, 통상 0.4 이 상일 때 중간 정도의 상관관계, 0.7 이상일 때 강한 상관관계 를 가지는 것으로 해석한다.

상관분석에서 속성 별 척도 조합이 명목-명목, 명목-연속 인 경우 cramer’s V, 서열-서열인 경우 spearman, 서열-비율, 비율-비율인 경우 pearson 상관계수를 사용했다.

분석 결과 0.4 이상의 상관성을 보이는 속성 조합을 다음 Table 4와 같이 정리하였으며, 관계에 대한 유의성 검증을 위해 유의확률(p-value < .05)을 함께 확인했다.

0.7 이상의 강한 상관관계를 가지는 속성 조합은 18개이 며, 모두 p-value < 0.05로 유의한 것으로 나타났고, 그 외 중 간 정도의 상관관계(0.4 이상 ~ 0.7 미만)를 가지는 속성 조합 은 81개 중 70개가 유의한 것으로 나타났다. 따라서 99개의 속성 조합 중 11개를 제외한 88개의 속성이 서로 연관성이 있는 것으로 결론지을 수 있다.

5. 정책적 활용 방안

EDA를 통해 선박사고 관련 기존 통계 항목 대비 다양한 속성들이 존재함을 확인했다. 추가적으로 발굴된 속성들을 실제 정책(업무)에 활용하기 위해 전략별 키워드 분석과 EDA 도출 속성 간 매칭 작업이 필요하다.

5.1 수난대비기본계획 세부 전략 키워드 분석

먼저 조직에서 수립한 계획(문서)의 콘텐츠를 분석하여 전략별 과제의 측정 가능한 핵심어(keyword)를 추출해야 한 다. 여기서 측정 가능한 핵심어란 EDA를 통해 발견된 속성 과 매칭할 수 있는 내용을 의미한다.

Table 5는 해양경찰청에서 작성한 2차 수난대비기본계획 에서 ‘목표 지향적 수색구조 활동 및 맞춤형 해양사고 대비’ 전략 중 ‘목표 지향적 수색구조 활동’ 추진과제 상세 내용에 대한 키워드 분석을 보여준다.

대부분 정부에서 작성하는 기본계획은 1개의 추진전략 아 래 여러 추진과제로 구성되며, 추진과제 아래에도 여러 세 부과제들이 포함되기 때문에 키워드 분석 시 상위 전략이나 과제가 아닌 하위의 세부 과제별로 내용을 분석해야 개별 특성을 반영한 키워드 도출이 가능하다.

5.2 전략별 키워드와 EDA 도출 속성 간 매칭

다음으로 EDA을 통해 도출된 속성과 전략별 핵심어 비교 를 통해 서로 매칭 가능한 부분을 확인하는 것이다.

세부과제 중 ‘출동시간 목표제 및 도착시간 관리제’에 대 한 세부 키워드를 살펴보면 ‘구조세력, 접수시간, 출동시간, 최단시간, 소요시간, 출발시간, 도착시간, 출동거리’로 요약 된다. 이는 구조세력별로 출동지령 접수시간부터 출동까지 최단시간을 정하고 현장까지의 도착시간을 관리하여 신속 하게 대응하기 위함으로 볼 수 있다.

세부 과제 키워드와 관련하여 ‘시간’과 ‘출동거리’를 중점 으로 매칭할 수 있는 유의미한(p-value < .05) 속성조합을 정 리해보면 Table 6과 같다.

해당 전략에 활용할 수 있는 유의미한 속성 조합을 살펴 보면 주로 시간, 공간, 기상(취약성), 사고결과(사고종류 및 피해유형) 등과 관련한 변수 조합으로 구성된 것을 알 수 있 다. 즉, 해당 속성(조합)들이 (초기)대응시간을 관리하기 위 해 고려해야할 요소들로 해석해 볼 수 있다(단, 상관관계가 있다고 해서 인과관계가 있다고 해석할 수는 없다).

6. 연구결론 및 향후 연구 과제

통계는 각종 의사결정을 뒷받침할 수 있는 강력한 증거 중 하나로 정책과정이나 각종 연구에 활용할 목적으로 생산 된다. 특히 분석 및 설득을 위한 기초자료가 된다는 점에서 통계의 역할은 매우 크지만 실제로 이러한 통계의 중요성에 비해 활용도는 제한적인 수준이다. 현재 개방된 통계는 단 순 결과 요약 자료 수준이며 공급자 위주로 생산되어 수요 자 관점에서 가치 창출을 위한 수단으로는 부족한 측면이 있다.

따라서 이러한 문제를 보완하기 위해 현재 제공되는 통계 항목 외에 정책이나 연구에 다양하게 활용할 수 있는 추가 속성을 탐색했다. 본 연구에서는 해양경찰청에서 발간하는 해상조난사고 통계 항목을 보완하기 위한 추가 속성을 도출 하였으며, 해양경찰서에서 작성하는 선박사고 상황보고서 텍스트 분석을 통해 추가할 수 있는 속성들을 수집했다.

EDA 결과, 유의확률(p-value < .05)을 만족하는 상관계수 0.7 이상의 강한 상관관계가 있는 속성 조합 18개와 중간 정도 의 상관관계(0.4 이상 0.7 미만)를 가지는 속성조합 70개, 총 88개의 조합을 발굴했다.

이 속성들을 실제 정책에 적용할 수 있는지를 검토하기 위해 수난대비기본계획 세부 전략 키워드 분석을 실시하고, EDA를 통해 도출한 속성들과의 매칭을 통해 전략에 활용할 수 있는 속성들을 찾아보았다.

행정 자료로부터 다양한 속성을 탐색하고 의미 있는 정보 를 발견하는 과정을 통해 조직은 크게 4가지 효과를 기대할 수 있다. 첫 번째, 기존 승인통계 항목을 구체화하거나 보완 할 수 있고 두 번째, 전략 과제들을 평가하기 위한 적합한 속성이 있다면 지표로 활용할 수 있다. 세 번째로 승인통계 로 활용하지 않더라도 내부 업무 수행에 있어 더욱 구체적 이고 깊은 분석 자료로서 가치가 있으며, 마지막으로 발견 한 속성이 현재 수집되지 않고 있는 속성이더라도 정보로서 활용 가치가 있다면 해당 속성을 지속적으로 수집하기 위한 시초가 될 수 있다.

본 연구는 해양경찰청 상황보고서에서 발견할 수 있는 새 로운 속성들로부터 의미 있는 정보를 발굴하기 위한 탐색적 성격을 지니고 있다. 이 연구는 기존에 개방된 해상조난사 고 통계 정보 외에 새로운 속성들과 유의미한 조합들을 제 시하여 정책 및 연구 분야에서 활용성을 높이기 위한 기반 을 제시했다는데 가장 큰 의미가 있다.

하지만 비구조적인 상황보고서로부터 데이터를 수집하고 EDA를 수행함에 있어 다음과 같은 몇 가지 한계점을 가진 다. 가장먼저 분석에 사용한 사례(case) 수가 제한적이다. 분 석을 위해서는 1개의 case에 모든 속성 값이 누락되지 않고 채워져 있어야 하지만 상황보고서는 비구조적 서식이기 때 문에 작성자마다 작성 내용이 달라 수집 불가능한 속성 값 이 생긴다. 이러한 문제로 전체 속성 값이 모두 수집된 사 례 수가 적다는 문제가 있고, 실제 속성 간 분석 시 그 속성 값이 모두 갖춰진 사고 case만을 대상으로 분석을 진행해야 했다.

때문에 더 많은 case로 EDA를 수행할 경우 또 다른 상관 성을 발견할 수도 있다. 물론 분석결과 해석에 있어 발견된 상관관계가 실제 상황의 이해에 도움이 되지 않을 수 있다. 자료 규모가 커지게 될 경우 통계적으로 유의한 상관관계를 찾을 가능성이 높아지기 때문이다. 따라서 자료의 속성과 분석 방법 선택, 분석 틀에 대한 많은 질문이 필요하다.

또한 비구조적인 상황보고서로부터의 데이터 활용은 데 이터 수집(결측치) 뿐만 아니라 정체(전처리) 및 분석기법 결정에도 영향을 미친다. 보고서가 서술형으로 작성되기 때 문에 작성자마다 동일한 의미에 대해 다양한 단어, 기호, 약 어, 단위를 사용하고 있다. 따라서 수집한 데이터를 활용하 기 위해서는 분석에 적합한 형태로 데이터를 정제(전처리) 하는 과정이 반드시 필요하다.

빅데이터 시대, 데이터의 중요성이 커짐에 따라 데이터 기반 접근 방식은 수많은 분야에서 의사결정 과정을 지원해 왔다. IT의 발전으로 이제는 방대한 규모의 데이터 처리가 가능해지고, 다양한 유형의 데이터를 분석할 수 있게 되면 서 기존보다 다양한 속성들을 정책 결정에 활용할 수 있게 되었다.

문제는 여전히 많은 조직이 데이터에 대한 가치를 인지하 지 못하고 있다는 것이며, 이로 인해 데이터를 활용하기 위 한 체계도 마련되지 않은 것이 현 실정이다. 조직에서 생산 된 데이터는 그 조직 활동 결과에 대한 사실(fact)을 담고 있 기 때문에 생산 시점부터 수집, 가공, 분석만 잘하면 의미 있 는 정보와 지식을 창출해 각종 의사결정에 활용할 수 있다.

이제는 어떤 조직이든 생산된 데이터를 무의미하게 버리 지 않고 활용할 수 있도록 데이터를 탐색하고자 하는 노력 이 필요한 시점이다. 또한 향후에는 데이터로부터 발견된 새로운 정보를 바탕으로 가설을 세우고 테스트하기 위한 확 증적 데이터 분석을 통해, 도출 속성에 대한 신뢰성을 증대 시킬 수 있어야 할 것이다.