주제 46 / 64· 디지털 정부에서의 공공 가치

오픈 데이터의 가치

오픈 데이터의 가치는 정부와 공공 데이터가 가격이 없을 때 그것이 무엇의 가치가 있는지를 추정하는 문제다: 그것은 판매되지 않으므로 수익 항목이 없지만, 그것을 공개하는 것(기상 기록, 교통 시간표, 우편번호 경계, 회사 등기부)은 하류에서 명백히 경제적, 사회적 활동을 생성한다. 이를 잘 평가하는 것이 중요한 이유는 "공개는 무료다"와 "그것은 무가치하다" 둘 다 틀렸기 때문이며, API나 데이터셋을 개방할지 결정하는 소프트웨어 엔지니어는 그 둘 중 어느 쪽보다 더 나은 논거가 필요하다.

중요한 이유

가장 많이 인용되는 하향식 추정치는 McKinsey Global Institute의 2013년 보고서 "Open data: Unlocking innovation and performance with liquid information"에서 나온 것으로, 투명성 증대, 공급과 수요의 더 효율적인 매칭, 그리고 그 데이터에 기반한 새로운 제품과 서비스 가능화를 포함한 메커니즘을 통해, 교육, 교통, 소비재, 전력, 석유 및 가스, 헬스케어, 소비자 금융이라는 7개 분야에 걸친 오픈 데이터의 잠재적 연간 가치를 전 세계적으로 연간 3조에서 5조 달러로 추산했다. 그 수치는 측정된 실제 결과가 아니라 시나리오 추정치이며, 가치가 대부분 정부가 아니라 그 데이터를 사용하는 제3자——기업, 연구자, 시민——에게 발생한다는 사실에도 불구하고 마치 정부가 직접 획득할 수 있는 수익인 것처럼 일상적으로 잘못 인용되는데, 이는 정확히 그것을 파는 대신 공개하는 것의 요점이다. 팀 버너스리 경과 나이젤 샤드볼트 경이 2012년에 공동 창립한 영국의 Open Data Institute는 그 이후로 섹터별로, 데이터셋별로 더 세밀한 상향식 사례 연구의 집합을 구축해왔으며, 이는 McKinsey의 헤드라인 숫자보다 실제 비즈니스 케이스에 훨씬 더 유용하다. 왜냐하면 그것들은 집계된 규모뿐만 아니라 가치 창출의 메커니즘을 보여주기 때문이다.

계산식

오픈 데이터에는 시장 가격이 없으므로, 평가 방법이 그것을 대체한다. 세 가지 접근법이 반복적으로 나타나며, 어느 것도 단독으로는 충분하지 않다.

1. 비용 회피/대체 비용 방법:
   가치 ≈ 이용자가 동등한 데이터를 스스로 생산하거나
   라이선스 받기 위해 지불했을 것——하한선이며, 원래
   생산자가 전혀 예상하지 못한 사용에 의해 창출된 가치를
   무시함

2. 시장 유사물/하류 활동 방법:
   가치 ≈ 그 데이터에 기반해 구축된 기업/서비스가 생성한
   수익이나 절감(예: 오픈 지도와 교통 데이터에 기반해
   구축된 내비게이션 앱)——실제 경제 활동을 포착하지만
   그 데이터 공개 자체에 깔끔하게 귀속시키기 어려움
   (additionality-and-deadweight 참조)

3. 조건부/표명 선호 방법:
   가치 ≈ 이용자가 지불하겠다고 말하는 것, 또는 그들이
   절약된다고 말하는 시간——일반적인 방법과 그 편향에
   대해서는 stated-preference-valuation 참조

이들 중 어느 것도 시장 가격만큼 깨끗한 수치를 생산하지
않는다. 신뢰할 수 있는 오픈 데이터 비즈니스 케이스는 둘
이상에 걸쳐 삼각측량하며, 어느 메커니즘이 작업을 하고
있는지에 대해 명시적이다.

계산 예시

예시적인 전국 지도/주소 데이터 공개(ODI 방식 사례 연구에 따른 방법론, 그러한 연구가 전형적으로 발견하는 규모를 예시하는 수치):

비용 회피 추정치:
  그렇지 않으면 동등한 주소 매칭 데이터를 상업적으로
  라이선스했을 기업들, 추정 평균 라이선스 비용 £4,000/년,
  현재 무료 오픈 데이터셋을 사용하는 추정 15,000개의
  중소기업에 걸쳐
  = 15,000 × £4,000 = £60,000,000/년, 회피된 라이선스
  비용만으로도

하류 활동 추정치(더 추측적이며, 반사실이 필요함):
  그것 없이는 존재하지 않거나 실질적으로 더 나빴을,
  오픈 데이터에 기반해 구축된 새로운 배송 라우팅과
  물류 제품——데이터가 닫혀 있거나 상업적으로
  라이선스된 채로 남아있는 반사실과의 비교가 필요하다
  (counterfactual-analysis). 왜냐하면 그 활동의 일부는
  더 높은 가격의 유료 데이터로 어쨌든 일어났을 것이며,
  이는 "공개함으로써 창출된 가치"라는 의미에서 사중손실이기
  때문이다

옹호 가능한 비즈니스 케이스는 비용 회피 수치를 확고한
하한선으로 보고하고, 하류 활동 수치를 사실이 아니라 상한
시나리오로 취급한다.

소프트웨어 개발과의 연관성

엔지니어에게, 실무적인 오픈 데이터 가치 질문은 보통 전국적인 헤드라인 수치보다 더 좁다. 이 특정 API나 데이터셋을(파트너 계약 뒤에 유지하는 대신) 개방하는 것이 그것을 공공 인터페이스로 문서화하고, 버전 관리하고, 지원하는 지속적인 비용을 정당화할 만큼 재사용을 충분히 증가시키는가? 그 유지보수 비용은 실제이며, Government as a Platform의 "한 번 구축하고 자주 재사용" 경제학의 대응물이다——이 두 주제는 가까운 사촌이며, 하나는 공유 코드와 인프라에 관한 것이고, 다른 하나는 공유 데이터에 관한 것이다. 오픈 데이터 가치 주장은 비즈니스 케이스에 들어가기 전에 추가성과 사중손실에 비추어 확인되어야 한다: 상업적으로 라이선스된 데이터로 어쨌든 일어났을 활동은 그 공개가 창출한 가치가 아니다.

함정

  • McKinsey의 3~5조 달러 수치를 영국 고유의 것이거나 이 데이터셋의 몫인 것처럼 인용하는 것: 이는 2013년의, 전 세계적이고 7개 부문의 시나리오 추정치다. 그것을 단일한 전국 데이터셋에 대한 정확한 승수로 사용하는 것은 그 숫자가 무엇인지를 잘못 표현하는 것이다.
  • 반사실이 없는 것: 더 높은 가격의 유료 또는 라이선스된 데이터로 어쨌든 일어났을 것이 얼마나 되는지 묻지 않고 오픈 데이터에 기반해 구축된 하류의 경제 활동 전체의 공을 주장하는 것(추가성과 사중손실과 반사실 분석 참조).
  • 생산 비용과 창출된 가치를 혼동하는 것: 수집에 비쌌던 데이터셋이 자동으로 공개할 가치가 있는 것은 아니며, 저렴한 것이 자동으로 저가치인 것도 아니다——가치는 상류의 비용이 아니라 하류의 사용을 추적한다.
  • "오픈"의 지속적인 유지보수 비용을 무시하는 것: 일회성 CSV 추출을 발표하는 것은 문서화되고, 버전 관리되고, 지원되는 오픈 API를 운영하는 것과 같은 약속이 아니다——출시 발표 후 후자에 자금을 충분히 지원하지 않는 것은 흔한 실패 모드다.

출처