No.83 - 디지털 뉴딜의 핵심, 데이터 댐 이슈과 과제 진행 시 고려사항

안녕하세요 소프트웨어 엔지니어링 다이제스트 88번째 시간입니다

Hello, this is the 88th edition of Software Engineering Digest.

네 오랜만이죠 요즘에 연말인데 다들 이제 바쁘시겠죠

Yes, it's been a while. It's the end of the year, so everyone must be busy now.

어 저도 이제 연말 과제 평가 때문에 정신이 없는데요

Oh, I'm also quite frantic due to year-end project evaluations.

그래도 요즘에 이제 좀 이슈가 되고 있는 소프트웨어 쪽에 어떤 내용들을 공유를 하는 게 그래도 좋은 것 같아서 일단 진행을 하려고 합니다

I think it would be good to share some content related to software, which is becoming an issue these days, so I plan to proceed with that.

오늘의 이슈는 데이터템 입니다 데이터템은 이미 언론에서 많이 언급이 됐고요

Today's issue is Datatem. Datatem has already been mentioned a lot in the media.

이번 정부에서 아주 일자리 창출 플러스 이제 미래에 대한 어떤 국가발전 전략

This government is focused on job creation and now has a national development strategy for the future.

아 그래도 요즘에 좀 이슈가 되고 있는 소프트웨어 쪽에 어떤 내용들을 공유를 하는 게 그래도 좋은 것 같아서 일단 진행을 하려고 합니다

Oh, I think it’s good to share some topics in the software area that are currently trending, so I'm going to go ahead and proceed with that.

음 이런 어떤 관점에서 상급한 요리로 진행이 되고 있습니다

Well, it is being conducted as a superior dish from this perspective.

데이터템 같은 경우에는 데이터 활용에 대한 어떤 그 목적 하에 데이터는 일단 뭐

In the case of data items, data is first and foremost under the purpose of data utilization.

이제 비즈니스에 대한 가장 중요한 핵심 자산이다 뭐 이런 관점에서

Now it is the most important key asset for business, from this perspective.

다양한 산업 분야에 대한 데이터를 개발을 하고 이걸 서비스로 연결을 하기 위한 그런 어떤

Developing data for various industrial sectors and connecting it as a service.

밑바탕이 되는 작업을 하는 겁니다 이걸 데이터템 이라고 하는데요

We are doing the foundational work, which is called a data template.

미국의 이제 호흡된 어떤 비율을 자주 하더라구요

They often talk about some ratio that is now prevalent in the United States.

그러니까 이제 거기서도 이제 뉴딜 이라는 정책이 들어와서 일자리 창출하고 경제에 대한 어떤 여러가지 좋은 효과를 얻었죠

So now, the New Deal policy has come in there, creating jobs and bringing various positive effects on the economy.

똑같이 지금은 이제 디지털 시대니까 데이터를 모아서 이걸 땜으로 만든 다음에

"Now that we are in the digital age, we can gather data and then turn this into a patch."

필요한 곳에 이제 그 서비스로 제공을 해주겠다 그래서 일자리를 창출하겠다

I will now provide that service where it is needed, and thus create jobs.

좋은 발상이죠 근데 저는 사실 데이터템 얘기 했었을때부터 좀 약간 걱정이 되더라구요

It's a good idea, but I've been a bit worried since the first time I talked about data items.

어 일단 첫번째 걱정은 뭐였냐면

Well, the first concern was what?

불분명한 어떤 그 목적에서 만들어지는 데이터가 과연 의미가 있을 것인가

Is there really any meaning in the data being created for some unclear purpose?

어

Uh

그 일단 걱정이 있었고요 당연히 이 데이터라는 부분들은 옛날부터 데이터 구축을 많이 했었잖아요

Well, there was certainly some concern about that, and of course, we've been building up data extensively since the old days.

사실 데이터 마이닝 할 때 옛날에 비즈니스 이린텔리전트 할 때 데이터 베이스 만들 때

In fact, when doing data mining, back in the days of business intelligence, when creating databases.

데이터 구축 했죠 그때가 없었나 있었잖아요 근데 요구사항이 정해지지 않은 상태에서 데이터만 부어 놓으면 어떤 상황이 되었었나요

We built the data, right? Wasn't it there back then? But what happened when we just dumped the data without having the requirements defined?

쓰레기 데이터도 했잖아요 그리고 그 안에 있는 데이터에서 필요한 데이터를 공급이 된 상태였거든요, 사실은 다 정해져있었고 지난 3주 내로 더하기도 했죠.

We also worked with junk data, and the necessary data was supplied from the data within it. In fact, everything was already determined, and we even added more within the last three weeks.

골라내기 위한 작업이 훨씬 더 많기 때문에

Because there is much more work to be done for selection.

일종의 노이즈가 섞였다든지 에러가 섞였다든지 그런 거죠

It's like there's some kind of noise mixed in or some errors mixed in, something like that.

조금이라도 이렇게 오염이 되어 있는 데이터 같은 경우에는

In the case of data that is even slightly contaminated like this,

쓰기가 어려워서 폐기 처분되는 그런 어떤 과정을

A process that is discarded because it is difficult to write.

이미 경험을 했어요 소프트웨어 쪽에서는

I have already experienced it in the software field.

근데 이거하고 거의 맥락이 비슷한 것처럼 저는 보였거든요

But this seemed to me almost similar in context.

특히 인공지능으로 데이터를 활용하기 위해서

Especially to utilize data through artificial intelligence.

나블링 데이터를 구축을 한다고 하는데

They say they are building Nabling data.

이게 너무 짧은 시간 내에서 요구사항이 만들어지다 보니까

Since the requirements are created in such a short period of time...

요구사항 자체도 허술하지 않을까 라는 생각을 많이 했었단 말이에요

I often thought that the requirements themselves might be flimsy.

요구사항이 허술하면 데이터에 대한 구축된 결과 자체가

If the requirements are vague, the constructed result concerning the data itself will be

많이 corruption 되어 있기 때문에 활용을 하기가 어렵겠죠

It would be difficult to utilize it because it is highly corrupt.

그 corruption 된 데이터를 오염된 데이터를

The corrupted data is contaminated data.

학습을 한들 무슨 의미가 있겠습니까

What is the meaning of learning, then?

그래서 이제 그런 생각을

So now I'm thinking that way.

했었는데 일단 1차적으로 데이터댐 사업이 딱 터지면서

It happened, but first the data dam project just took off.

이제 패턴이 상당히 많은 과제들이 거의 rfp가 비슷한

Now, there are quite a few tasks where the patterns are almost similar to the RFP.

마치 이거를 어디에서 이제 레퍼런스에서 가져온 듯한

It's as if this is taken from somewhere as a reference.

rfp가 쭈루룩 나오더니 그걸 이제 상당히 많이

The RFPs started coming out one after another, and now there are quite a lot of them.

사업이 진행이 됐었죠 그리고 나서

The business was progressing, and then...

이제 뉴스에 들리는 얘기가 어떤 업체가 이제 몇백억에

Now, the news is saying that some company is now worth several hundred billion.

수술을 했다 이런 얘기가 들리더라고요

I heard that you had surgery.

ai 나벨링 관련된 산업으로 거기에 대한 어떤 내용들도 상당히 다양해요

The industry related to AI labeling has quite a variety of content associated with it.

한국어에 대한 나벨링 사업

Nabelling business for the Korean language

그 다음에 이미지 무인 자료차

Then the image unmanned data vehicle.

iot 에노멀 디텍션 이상신호 디텍션 관련된 내용들 센서와

Contents related to IoT anomaly detection and abnormal signal detection with sensors.

등등해서 분야도 거의 뭐 가리지 않아요

And so on, I don't really discriminate by field.

뭐 예를 들면 소프트웨어뿐만 아니라

For example, not just software.

뭐 전기, 전자,건설,화학,에너지,의료 등등 다

Well, everything like electricity, electronics, construction, chemistry, energy, medicine, etc.

그리고 지역별로도 이게 발생이 돼서

And this happens by region as well.

진행이 되고 있죠

It's progressing.

전체카육 국가사업이 있고

There is a national project for the whole carcass.

지자체 사업이 또

Local government projects again.

dejta-tem시 사업이 줄게 만들어져서

The business is being created to reduce the workload.

지역 고유의 또 특색있는 데이터를 구축하는 사업이

A project to establish unique and characteristic data specific to the region.

구축하는 사업이 또 만들어져서 발주가 되고 있습니다 이게 이제 내년 내후년 까지 이제 진행이 되서

A project is being developed and orders are being placed for it. This will continue into next year and the year after.

꽤 오랫동안 이제 로드맵이 잡혀져 있는 걸로 알고 있습니다

I understand that the roadmap has been established for quite a while now.

전체적으로 예산이 18조 1,000억원이라고 되어있는데 엄청난 예산이죠 그리고 2021년부터 1년까지 14만 2천개의 공공 데이터가 만들어서 개방이 된다고

Overall, the budget is stated to be 18.1 trillion won, which is an enormous budget. And from 2021, 142,000 public data sets will be created and made available over the course of one year.

합니다 기존에 있는 데이터까지 다 이제 아울러서 뭔가 이제 그 인공지능 쪽으로

We will now integrate all the existing data into something related to artificial intelligence.

처리를 한 다음에 그걸 이제 서비스를 할 수 있는 기반을 만들겠다 이런 느낌이에요

After processing it, I feel like I will create a foundation that can now provide the service.

근데 이게 역시나 최근에 이제 그 여기저기 들리는 얘기로는

But it seems that recently I've been hearing stories here and there about this.

좀 이제 걱정스러운 상황이 조금 조금씩 이제 나타나고 있는데

I'm starting to see some concerning situations gradually emerging.

첫 번째로 이제 얘기했던 본명확한 요구사항과의 유저 게이스 시나리오에 근거한 데이터 라벨링 사업에

First, based on the user case scenario discussed earlier and the specific requirements, the data labeling project will be conducted.

문제점이 이제 조금씩 나오고 있는 듯 한 느낌이 듭니다 요구사항이 이제 클�ja 하지 않으니까 아직까지 데이터를 구축하지 않은 그런

It feels like the problems are starting to come out little by little. Since the requirements are not that high yet, there is still data that has not been built.

어떤 관련 그 사업에 관련된 어떤 기관들이 꽤 많이 있는것 같아요 벌써 이제 10일 오지 않아요 12월까지 마무리 해야 되는 산업이 되게 많거든요

It seems that there are quite a few organizations related to that business. It’s already the 10th, and there are many industries that need to be completed by December.

말까지

Until the word.

계약기간이 그때까지니까

The contract period is until then.

근데 요구사항이 불분명하고

But the requirements are unclear, and

어떤 건 너무 오버스펙

Some things are over-specified.

어떤 건 너무 언더스펙으로 돼 있고

Some are just too under-specced.

그다음에 거기에 대한 어떤 시나리오가

Then there is some scenario related to that.

너무 한 곳에서 레퍼런스된 듯한 요구사항이 있다 보니까

It seems that there are requirements that are referenced too heavily from a single source.

각각에 대해서 이제 좀 개별적인 산업군이라든지

Regarding each individual industry, or something like that.

개별적인 유지 케이스에서 이게 딱 들어맞지가 않는 거예요

This doesn't quite fit in individual maintenance cases.

옷이 안 맞는 거죠

The clothes don't fit.

이 상황에서 데이터를 라벨링을 하고

Labeling the data in this situation and

뭐 데이터를 구축을 하라고 하니까

They're telling me to build the data.

아마도 그거를 이제 실행하는 쪽

Maybe it's about putting that into action now.

정말 실행하는 쪽이죠

It's really about taking action.

중간에서 이제 예를 들면

For example, in the middle.

이제 그 어떤 과제라는 게 발주를 받으면

Now, when I receive an order for any task,

그걸 이제 계획하는 파트가 있고

Now there's a part where we're planning that.

관리하는 파트가 있고

There is a part that is managed.

그다음에 그걸 실무적으로 구현하는 파트가 있는데

Then there is the part that practically implements that.

지금 아마 제일 주구를 맞서

Right now, I'm probably facing the biggest challenge.

실무적으로 구현하는 파트일 거예요

It will be the part that is implemented practically.

계획하고 관리 같은 경우에는

In the case of planning and management,

그나마 그냥 계획관리야

At least it's just plan management.

사실은 문서만 만들면 끝나는 거기 때문에

The truth is that it ends once the document is created.

사실은 이제 책임은 많지만 실제로 일은 안 하거든요

The truth is, I have a lot of responsibilities, but I don't actually do much work.

근데 실무에서는 실제로 데이터를 구축하거나

But in practice, actually building the data or

아니면 개발을 해야 되는 상황이 되잖아요

Otherwise, it becomes a situation where development has to be done.

근데 아까 같이 그런 상황이 되어 버리니까

But then, when we ended up in a situation like that...

아마 그 언컬리한 요구사항이라는 시나리오를 가지고

Perhaps with that uncarly requirement scenario.

진행이 된 그리고 이제 맞지 않는

It has progressed and is now not fitting.

그냥 아주 일반적인 요구사항을 레퍼런스해서 발주가 나왔는데

The order was placed just by referencing very general requirements.

특정 부분에 대해서 데이터를 구축을 해야 될 때

When we need to build data for a specific part.

이럴 때는 아마 지금 상당히

In times like this, you might be quite...

죽을 맛이 아닐까 하는 생각이 듭니다

I can't help but think it might be the taste of death.

그리고 그 당시에 이제 생각했던 게

And what I was thinking at that time was...

아니 데이터가 무조건 많아지면

No, just having a lot of data doesn't necessarily mean it will be better.

이게 비즈니스가 저절로 이루어지나

Does this business happen on its own?

그 생각도 들었어요

I thought that too.

그리고 일자리가 저절로 창출될까

And will jobs be created naturally?

이미 이거는 소프트웨어 분야에서 경험을 했던 거죠

I have already experienced this in the software field.

소프트웨어 공학을 했거나

Have you studied software engineering?

아니면 그쪽에서 업계에서 일하고 계시는 분

Or someone who is working in the industry over there.

실무자분이라고 하면 상당히 이건 회의적인 그 어떤...

If you say you're a practitioner, that's quite a skeptical thing...

전략이지 않을까라는 생각이 저절로 들었을 겁니다

I can't help but think it might be a strategy.

물론 이제 잘 되는 사업도 있을 수 있어요

Of course, there may be businesses that are doing well now.

잘 되는 사업도 있을 수 있는데

There could be successful businesses.

이게 문제는 너무 짧은 기간 내에 일방적으로 진행이 되다 보니까

The problem is that it is progressing unilaterally in a very short period of time.

컨트롤하기가 어렵다는 그런 어떤 문제가 나타나는 거죠

A problem arises that it is difficult to control.

목적과 대상이 불분명한 곳에 총알을 마구 쏘아대는 느낌

It feels like shooting bullets indiscriminately in a place where the purpose and target are unclear.

대상이 불분명하고 기간이 너무 짧고

The target is unclear, and the duration is too short.

그다음에 시나리오가 이제 언컬리어해서

Then the scenario becomes unclear.

이제 거기에서 들어가는 어떤 데이터라든지

Now, any data that goes in there

이런 것들에 대한 포맷이라든지

Formats regarding such things.

형태라든지 어떤 대상이라든지

Whether it's a form or some kind of object

항목이라든지 이런 게 명확하지 않고

The items or such are not clear.

그거를 이제 무조건 이제 나벨링을 하거나

You have to definitely label that now.

아니면 데이터를 이제 구축하거나 센싱을 하거나

Otherwise, you can either build data now or do sensing.

이런 식으로 진행이 되다 보니까 혼선이 상당히 많고

As it proceeds this way, there is a lot of confusion.

목적지가 사실은 이제 바라보이는 어떤 그 목적지가 불분명하다 보니까

The destination is actually becoming unclear because it now seems like a destination that's just in sight.

이쪽으로 가야 되는지 저쪽에 가야 되는지 북으로 가야 되는지

Should I go this way or that way, or should I go north?

남으로 가야 되는지 이런 거에 대한 감능을 막으로

I need to figure out whether I should go south or not.

기간이 많이 가고 이런 상황이 발생을 하게 되는 거죠

A long period of time passes, and this kind of situation arises.

실은 RFP에서 많이 레퍼런스하고 있는

In fact, it is referenced a lot in the RFP.

해외 쪽에 있는 데이터셋 구축했던 사례들은

Examples of dataset construction done overseas are

상당히 많은 노력과 기간이 들고

It requires quite a lot of effort and time.

그걸 가지고 진행을 했던 거예요

We proceeded with that.

이게 짧은 시간 내에 진행이 된 상황이 아니죠

This is not a situation that has developed in a short period of time.

저희 나라가 항상 이제 보면

Our country always seems to…

해외 쪽에 있는 선진국에 있는 사례를 레퍼런스해서

Referencing examples from advanced countries overseas.

쉽게 그거를 카페를 한 다음에

After easily doing that, I opened a café.

그걸 이제 쌍값에 내놓고

Now put that out at the double price.

가성비가 좋은 거죠

It's cost-effective.

가성비가 좋은 그런 어떤 제품이나 서비스를 내놓고

Releasing a product or service that offers great value for money.

계속 이제 그거를 가지고

Now, keep using that.

저희가 이제 거의 선진국에 근접하는 수준까지 왔단 말이에요

We have now reached a level that is almost comparable to developed countries.

근데 소프트웨어 쪽 같은 경우에는

But in the case of software...

그 전략이 통하기가 되게 어려워요

That strategy is really hard to make work.

그냥 그렇게 해봤자 짝퉁이거든요

It's still just a knockoff if you do it that way.

짝퉁은 사실은 막 팔리지가 않아요

Counterfeits don't actually sell well.

그러면 우리나라 고유에 있는 시장에 대한

Then, regarding the market unique to our country

어떤 데이터 라벨링을 통해서

Through some data labeling

우리나라 내수시장으로 처리를 하겠다

I will handle it through our domestic market.

그런 생각이 들 수도 있겠죠

You might think that way.

해외 쪽은 어차피 다 무인 자율차도

Overseas, it's all going to be unmanned autonomous vehicles anyway.

그 다음에 관련된 어떤 애노멀 디텍션에 관련된

Then, related to any anomaly detection.

IoT 센서들 뭐 텍스트 다 라벨링 다 되어 있잖아요

The IoT sensors are all labeled with text.

이미 오픈소스도 다 깔려 있는데

The open source is already all set up.

그러면 이제 바꿔 얘기하면

Then if we put it differently,

그럼 국내로도 해보자

Then let's try it domestically as well.

그래서 이제 데이터 때문에 하겠다

So now I will do it because of the data.

이런 의미로 진행을 한다는 거

It means that we proceed in this way.

얼떻게 이제 이해가 되지만

How come I understand it now?

사실은 국내에는 내수시장이 상당히 없잖아요

The truth is that there isn't much of a domestic market in the country.

지금 이것도 공공발주로 공공에 대한 시장이 만들어진 거지

This is also creating a market for the public through public procurement right now.

강제로 실제로 민간시장이 만들어진 게 아니란 말이에요

It means that a real private market was not forcibly created.

기존에 그러면 데이터가 없어서 문제가 됐나

So did the lack of existing data cause a problem?

예를 들면 비즈니스가 안 이루어졌나

For example, did the business not take place?

사실 그것도 아니거든요

Actually, that's not it either.

그 이와 관련해서 이제 상당히 괜찮은 아티클이

There is now quite a good article related to that.

지금 뉴스로 나온 게 있어요

There is something that just came out in the news.

시사인에서 2020년 10월 27일에

On October 27, 2020, at SisaIN

기사로 나온 건데

It was reported in an article.

여기에 이제 이 기사의 핵심적인 내용이 그 내용이에요

Here is the key content of the article.

제도라든지 이런 부분이 아니면 이제 뭐 예를 들면

If it's not about systems or anything like that, then for example...

규제라든지 이런 부분이 완화되지도 않고

Regulations and such aspects are not being eased.

제도가 이제 개선되지 않았는데

The system has not improved yet.

데이터를 이제 많이 이제 수집을 해 봤자

Now that we have collected a lot of data, it is just a trial.

이게 무슨 의미가 있냐 이런 내용이 나와요

What does this even mean? This kind of content comes up.

그리고 기존에는 그런 데이터가 없었냐

So, was there no such data before?

여기에 대한 어떤 답에

To any answer regarding this.

답은 상당히 불명확하지 않냐 이런 얘기도 나오고요

Isn't the answer quite unclear? This kind of discussion is also coming up.

그리고 일자리 창출 같은 경우도

And in the case of job creation

AI 쪽 일자리는 사실은 고급 인력이 되겠죠

Jobs in the AI field will actually require highly skilled personnel.

데이터 나벨링은 그거는 이제 제외하고요

Data labeling is excluded from that now.

데이터 나벨링은 사실 누구나 할 수 있어요

Data labeling is something anyone can do.

조금만 연습을 하다 보면 누구나 할 수 있는 겁니다

With just a little practice, anyone can do it.

근데 딥러닝 모델을

But deep learning models

딥러닝 모델을 다른 선진국에서 개발되지 않은

Deep learning models that have not been developed in other advanced countries.

딥러닝 모델을 개발을 하거나

Whether developing a deep learning model or

그 가치가 있는 딥러닝 모델이죠 그것도

It's a deep learning model that has value, too.

그리고 뭐 예를 들면 이제 딥러닝 대가들 있잖아요

And for example, there are now the masters of deep learning, right?

힌튼 교수 같은 그런 분들

People like Professor Hinton.

그분들 이상의 어떤 모델을

Any model beyond those individuals.

accuracy가 높은 모델을 만든다든지 이런 것들은

Creating a model with high accuracy, for example,

사실 이거는 돈을 많이 투자하고

In fact, this requires a lot of money to invest.

그 다음에 짧은 시간 내에 많은 사람들이 달라붙고

Then, many people cling closely in a short time.

그렇게 한다고 해서 만들어지는 게 아니거든요

Just because you do it that way doesn't mean it will be created.

소프트웨어 특성은 양하고는 관계가 없어요

The characteristics of software are unrelated to quantity.

이게 그 질적으로 깊이 들어가 있는 전문가들이 모여서

This is where experts who are deeply engaged in quality come together.

만들어지는 것들이 상당히 많아요 소프트웨어적은

There are quite a lot of things being created, especially in terms of software.

이거를 너무 하드웨어적으로 찍어내려고 하는 듯한 모습이 또 보인단 말이에요

It seems like they're trying to produce this too mechanically.

이게 산업화 시대 때 우리나라가 성공했던 패턴이죠

This is the pattern our country succeeded in during the era of industrialization.

근데 이렇게 찍어내는 대량 생산 모델은 소프트웨어 쪽에서는 통하지가 않죠

However, mass production models like this don't work in the software field.

소프트웨어 쪽에 아마 경험이 있으신 분들은 그거 다 느끼고 계실 거예요

People with experience in software probably feel that way.

사실 이 데이터 디지털템은 공공에서 세금으로 만들어진 일자리일 뿐이라는 생각이 들어요

In fact, I feel that this digital item is just a job created with taxes in the public sector.

이게 이제 몇몇 예를 들면 만 개 정도의 프로젝트가 나왔다고 치면

Let's say, for example, that about ten thousand projects have come out.

그 중에 이제 일부는 좋은 어떤 이 펀드를 잘 활용해서 잘 진행이 되는 어떤 그런 어떤

Some of them are now being well managed using a good fund.

과제를 만들고 비즈니스를 만들고 할 수는 있을 것 같아요

I think I can create a project and start a business.

근데 아마 많은 과제들은 좀 쉽지 않지 않을까라는 생각이 좀 듭니다

But I think many assignments might not be that easy.

그 데이터템 사업에서 제가 말씀드리고 싶은 거는 어쨌든 간에 제일 중요한 거는

What I want to say about the data item business is that, in any case, the most important thing is...

소프트웨어 쪽에서는 일단 제일 원칙이 요구사항을 잘 정의를 해야 된다

In software, the most fundamental principle is that requirements must be well defined.

이겁니다

This is it.

요구사항을 정의를 잘 하려면 일단 요구사항을 정의하는 사람이 실제로 이 실물을 알고 있어야 돼요

To define requirements well, the person defining the requirements must actually be familiar with the real object.

인공지능 쪽 딥러닝 쪽 라벨링 한다고 이제 그걸 발주를 낸 발주처가 AI 라벨링을 해 본 적이 없어요

The client that placed the order for AI labeling has never done AI labeling before.

그리고 그 담당자가 AI 라벨링을 해 본 적도 없을 뿐만 아니라

And not only has that person never done AI labeling,

그 다음에 딥러닝 모델에 대한 어떤 기본적인 어떤 그 코딩이라든지

Next, some basic coding related to deep learning models.

아니면 이제 관련된 어떤 툴을 접해 본 적이 없어요

Or I haven't come across any related tools at all.

그러면 감이 전혀 없죠

Then you have no sense of it at all.

그러면 일반적인 레퍼런스 RFP를 가지고 발주를 낼 거란 말이야

So, you're saying that you will place an order with a general reference RFP.

근데 당연히 본인이 생각하고 있는 도메인에 있는 지식하고

But of course, the knowledge you think you have in your domain and...

그 다음에 그 레퍼런스 된 그 RFP라고 다르겠죠

Then that referenced RFP would be different, right?

그러면 이제 그 밑에서는 불협화음이 이제 발생을 하는 거죠

Then, disharmony starts to occur beneath that.

이게 이제 나비효과처럼 문제가 이제 커지게 되어 있단 말이야

This is going to lead to a situation that will grow larger, like the butterfly effect.

그래서 제일 중요한 제1의 원칙은 무조건 이 데이터가 사용되어야 할 요구사항 목적을 명확하게 정의를 하고

So the most important principle is to clearly define the purpose of the requirements for which this data must be used without exception.

그리고 그 요구사항을 정의하는 사람은 그 비즈니스를 실무를 접한 사람

And the person defining those requirements is someone who has practical experience in that business.

특히 이제 그 비즈니스 가치가 무엇인지를 아는 사람이 실무를 해서 요구사항을 정의하는 게 정말 중요하다

It is especially important for someone who knows what the business value is to be involved in the practical work of defining the requirements.

그런 생각을 합니다

I think like that.

네 오늘은 데이터템에 대한 얘기를 좀 나눠보았습니다

Yes, today we talked a bit about data themes.

네 상당히 짧은 시간 내에 이제 진행이 되고 있는데 아마 내년에도 또 나오겠죠

Yes, it is progressing in a fairly short amount of time, and it will probably come out again next year.

근데 내년에 진행될 때는 그래도 올해보다는 좀 낫지 않을까라는 생각은 해봅니다

But I think it will be a bit better than this year when it takes place next year.

아무래도 우리나라의 또 장점이기도 하죠 빨리빨리라는 문화가

It is also an advantage of our country that we have a culture of doing things quickly.

근데 이제 소프트웨어 쪽 같은 경우에는 이런 빨리빨리 문화가 반드시 좋은 거 많은데요

However, in the case of software, this fast-paced culture can definitely have many advantages.

그런 건 아닙니다

That's not it.

그 과정을 절차를 잘 지켜서 진행을 해야지 이게 축적이 되고 발전이 되는 대표적인 분야가 소프트웨어 쪽 분야고

The process needs to be followed properly in order to progress, and this is a representative field where accumulation and development happen, particularly in the software sector.

그리고 데이터는 더 심합니다 그게

And the data is worse than that.

그러니까 그걸 이제 참고하시고 진행하시는 게 차기 이제 프로젝트의 발전을 위해서라도 더 나을 거라고 생각합니다

So I think it would be better to consider that and proceed for the sake of the development of the next project.

그리고 이제 국가에서도 그런 어떤

And now, the country is also doing something like that.

식으로 이제 진행을 하면 사실 원하는 성과를 얻을 수 있겠죠 데이터 때문에

If we proceed in this manner, we can actually achieve the desired results because of the data.

네 오늘은 이 정도까지 하고요 다음에 또 다른 이야기로 찾아뵙도록 하겠습니다 감사합니다

Yes, let's stop here for today, and I will come back with another story next time. Thank you.