데이터 가치평가

데이터 가치평가(Data Valuation)는 데이터가 거래·활용될 때 갖는 경제적 가치를 원가·시장·수익 등의 접근법과 품질·활용성 같은 평가 요인을 써서 금액이나 등급으로 산정하는 일이다.

개요

데이터가 상품으로 거래되고 기업의 핵심 자산으로 쓰이면서, 얼마에 사고팔지, 담보나 투자의 근거로 삼을 수 있는지를 판단할 객관적인 값이 필요해졌다. 그러나 데이터는 공장 설비나 특허와 달리 복제해도 줄지 않고, 누가 어떤 목적으로 쓰느냐에 따라 가치가 크게 달라져서 기존 자산 평가 방법을 그대로 쓰기 어렵다.

국내에서는 2022년 4월 시행된 「데이터 산업진흥 및 이용촉진에 관한 기본법」(데이터산업법) 제14조가 과학기술정보통신부장관이 데이터 가치의 평가 기법과 평가 체계를 수립·공표하고, 전문 평가기관을 지정할 수 있게 했다. 2023년 기술보증기금, 신용보증기금, 나이스디앤비, 한국과학기술정보연구원이 데이터가치평가기관으로 처음 지정되었다.

데이터 재화와 데이터 가치의 특징

재화로서의 특징

특징	내용	가치평가에 주는 영향
비경합성	여러 사람이 동시에 써도 줄지 않는다	같은 데이터를 여러 번 팔 수 있어 거래 단위(이용권 범위)를 정해야 한다
낮은 복제 비용	처음 만드는 데는 비용이 크지만 복제 비용은 거의 0이다	원가로 평가하면 실제 시장 가치와 크게 다를 수 있다
경험재	써 보기 전에는 쓸모를 알기 어렵다	구매자가 가치를 미리 판단하기 어려워 표본·메타데이터 공개가 필요하다
결합 가치	다른 데이터와 결합하면 가치가 커진다	단독 가치와 결합 가치를 구분해야 한다
비마모성과 시의성	써도 닳지 않지만 시간이 지나면 정보 가치가 떨어진다	경제적 수명과 갱신 주기를 평가에 반영한다
배제의 어려움	한 번 유출되면 통제가 어렵다	권리 보호 수단과 계약 조건이 가치에 영향을 준다

가치의 특징

맥락 의존성 : 같은 데이터라도 이용자, 목적, 산업에 따라 가치가 다르다.
활용 기반 가치 : 데이터 자체보다 분석·서비스에 쓰여 만들어 낸 결과에서 가치가 생긴다.
품질 의존성 : 정확성·완전성·최신성이 떨어지면 가치가 급격히 낮아진다.
법적 제약 : 개인정보, 저작권, 영업비밀 같은 권리관계가 거래 가능성과 가치를 좌우한다.

평가 요인

범주	평가 요인
데이터 품질	정확성, 완전성, 일관성, 최신성, 정형화 수준(데이터 품질 관리 참고)
희소성·독점성	다른 곳에서 얻기 어려운가, 대체 데이터가 있는가
활용성	활용 가능한 분야의 폭, 분석·AI 학습 적합성, 결합 가능성
규모와 범위	데이터 양, 기간, 지역·대상의 포괄성
적시성·수명	갱신 주기, 가치가 유지되는 기간
시장성	수요자 규모, 비슷한 데이터의 거래 가격
법적 안정성	수집·이용 적법성, 개인정보 처리(가명·익명화), 저작권과 이용 조건
관리 체계	메타데이터, 보안, 제공 방식(API·파일), 데이터 거버넌스

평가 방법론

데이터 가치평가는 무형자산·기술 가치평가의 세 가지 접근법을 기본으로 하고, 데이터 특성을 반영한 정성 평가를 더한다.

접근법	원리	세부 방법	장점	한계
원가 접근법	그 데이터를 다시 만들거나 대체하는 데 드는 비용	재생산 원가법, 대체 원가법(수집·가공·저장·관리 비용 합산 후 진부화 차감)	자료를 구하기 쉽고 객관적	데이터가 만들어 낼 미래 가치를 반영하지 못한다
시장 접근법	비슷한 데이터가 실제로 거래된 가격	거래 사례 비교법(특성 차이를 보정)	시장 가격을 반영해 설득력이 높다	거래 사례가 적고 데이터마다 이질적이다
수익 접근법	데이터가 앞으로 만들어 낼 경제적 이익의 현재가치	현금흐름할인법(DCF), 로열티 공제법, 초과이익법(데이터 기여분 배분)	활용 가치를 직접 반영	미래 수익·기여도·할인율 추정에 주관이 개입한다

현금흐름할인법은 데이터 활용으로 늘어나는 매출이나 줄어드는 비용을 추정하고, 그중 데이터 기여도만큼을 할인율로 현재가치화한다.
로열티 공제법은 그 데이터를 남에게서 빌려 쓴다면 내야 할 이용료(로열티)를 아낀 금액으로 가치를 본다.
정성 평가(점수 모형)는 품질·희소성·활용성 같은 요인을 점수화해 등급을 매기거나, 정량 평가 결과에 가산·감산 요인으로 반영한다.
실무에서는 한 방법만 쓰지 않고 둘 이상의 접근법으로 산정한 뒤 가중 평균하거나 범위로 제시한다.

평가 절차

데이터산업법 시행령 제15조에 따라 가치평가를 받으려는 자는 신청서와 데이터 관련 자료를 평가기관에 내고, 평가기관은 필요하면 현장조사나 추가 서류를 요청한 뒤 데이터 가치평가 모델과 기법에 따라 평가한다. 일반적인 흐름은 다음과 같다.

평가 신청과 목적 확인 : 거래 가격 산정, 담보·보증, 투자, 회계 등 평가 목적과 기준 시점을 정한다.
사전 검토 : 데이터의 권리관계, 개인정보·저작권 적법성, 평가 가능 여부를 확인한다.
데이터 실사 : 데이터 구조·규모·품질을 진단하고 메타데이터와 수집·관리 체계를 확인한다.
평가 방법 선정 : 목적과 자료 여건에 맞는 접근법을 고른다.
가치 산정 : 원가·시장·수익 접근법으로 계산하고 정성 요인을 반영한다.
검토와 보고 : 가정과 변수를 검증하고 평가 보고서를 작성해 신청인에게 통보한다.

객관성과 신뢰성 확보

같은 데이터라도 평가자와 가정에 따라 값이 크게 달라지므로, 다음 변수를 어떻게 정하느냐가 신뢰성을 좌우한다.

핵심 변수	신뢰성 확보 방안
데이터 기여도	전체 수익 중 데이터가 기여한 비율을 업종별 기준값과 근거 자료로 산정
할인율	위험을 반영한 자본비용 기준을 일관되게 적용
경제적 수명	갱신 주기와 가치 감소 속도를 데이터 유형별로 근거화
품질 지수	표준화된 품질 진단 결과를 가치에 반영
비교 거래 사례	데이터 거래소·유통 플랫폼의 거래 정보를 축적해 활용
법적 위험	권리관계 확인 결과를 할인·배제 요인으로 반영

이와 함께 평가 기준과 모델의 공개, 평가자의 전문성과 독립성, 평가 결과의 사후 검증과 축적이 필요하다.

데이터 자산화

데이터 자산화는 데이터를 조직이 관리·활용하고 재무적으로 인정받는 자산으로 만드는 과정이다. 데이터 가치평가는 자산화의 전제가 된다.

핵심 요소

식별과 목록화 : 어떤 데이터가 어디 있는지 데이터 카탈로그와 메타데이터로 정리한다.
품질 확보 : 활용할 수 있는 품질로 정제·표준화한다.
거버넌스 : 책임자, 관리 정책, 보안, 접근 통제를 갖춘다.
가치 측정 : 가치평가로 금액이나 등급을 부여한다.
회계 인식 : 무형자산 인식 요건(식별 가능성, 통제, 미래 경제적 효익)을 갖추면 재무제표에 자산으로 반영할 수 있다. 다만 내부에서 만든 데이터는 회계상 자산 인식이 까다로워 각국이 기준을 논의 중이다.
상품화 : 데이터 상품으로 만들어 거래소와 API로 유통한다.

활용

데이터 거래 가격 산정 : 데이터 거래소·유통 플랫폼에서 판매 가격과 이용료의 근거로 쓴다.
금융 지원 : 데이터를 담보나 보증 심사 근거로 삼아 데이터 기업이 자금을 조달한다. 지정 평가기관에 기술보증기금·신용보증기금 같은 보증기관이 들어 있는 것도 평가 결과를 보증·금융 심사에 잇기 위해서다.
투자와 인수합병 : 기업 가치에서 데이터 자산의 몫을 산정한다.
회계와 공시 : 데이터 자산의 가치를 재무 정보로 드러낸다.
내부 의사결정 : 데이터 수집·구축 투자의 우선순위를 정하고 데이터 관리 비용의 타당성을 판단한다.
공공 데이터 정책 : 개방할 데이터의 우선순위, 데이터 결합·제공의 대가 산정에 쓴다.

같이 보기