[Data Science] 공공 정책 효과를 지닌 빅데이터 스트리밍

거의 모든 도시가 세금의 형태, 건물과 다리의 센서, 교통 상황 모니터링, 위치 데이터, 범죄 활동 관련 데이터 등의 빅데이터를 사용할 수 있는 역량을 갖추고 있다. 도시를 더욱 안전하게, 보다 효율적으로, 더욱 살기 좋은 곳으로 또는 더욱 일하기 좋은 곳으로 만드는 실행 가능한 정책을 만들기 위해서는 다양한 소스로부터 방대한 양의 데이터를 수집하고 분석해야 한다.

많은 도시 공무원들은 공공 정책 향상에 관한 연구에 수반되는 대부분의 데이터(년도별 인구 데이터, 경찰 기록, 도시 세금 기록 등)를 수집해 오고 있으며, 분석하는 기간은 역사적으로 볼 때 몇달 또는 몇년이 소요되었다. 경찰서와 같은 하나의 특정 공무 기관 내에서 조차 각각의 분할된 지구가 따로따로 데이터를 수집하며 도시 및 주변 커뮤니티가 이를 공유하는 것도 쉽지 않았다.

결과적으로, 도시의 지도자들은 지난 몇년간의 정책들이 사람들에게 어떤 영향을 미쳤는지에 대한 풍부한 정보를 보유하고는 있으나, 도시의 삶을 향상시킬 수 있는 실시간 의사결정을 하기 위한 급변하는 데이터를 공유하고 활용하는 것은 매우 도전적인 과제였다. 이러한 데이터 활용을 더더욱 복잡하게 만드는 것은, 데이터가 이곳저곳의 저장공간에 따로따로 관리되고 저장된다는 것이다.

이는 다양한 도시 운영자 간에 다양한 견해차를 가지고 있는 것에 기인한다. 정책 수립자들은 그들이 현재 활용할 수 있는 데이터와 이들이 처한 환경의 현재 상태를 변화시키기 위한 최적의 실행 방안에 대한 데이터를 찾을 수 있을 경우에만 변화의 움직임을 보이고 있다는 사실을 깨달았다. 도시가 복잡해질수록 삶을 보다 풍요롭게 하기 위한 데이터 활용 요구가 커진다.

"움직이는" 데이터에 기반한 정책들을 시행하기 위해 정책 수립자, 과학자, 기술자를 하나의 팀으로 묶는 것으로 변화가 시작된다. 예를 들어, 교통 체증 완화를 위한 프로그램을 설계하고 실행하기 위해, 인구밀집도, 고용률, 도로 상태, 날씨 등에 관한 데이터를 수집해야 할 수도 있다. 이러한 데이터의 대부분은 과거에도 계속 수집되어 왔으나, 저마다의 저장공간에 저장되어 왔으며 이력에 대한 정보의 정적인 표현만이 가능하였다.

실시간으로 발생하는 스트리밍 정보에 기반하여 제안을 만들려면, 새로운 접근방법이 필요하다. 유럽의 기술 대학의 연구자들은 이동 중인 차량, 도로 상의 레이더 센서, 날씨 데이터로부터 위성 항법 시스템(GPS) 등과 같은 소스로부터 다양한 실시간 교통 데이터를 수집하고 있다. 이들은 교통 체증을 줄이고 교통 흐름을 원활하게 하도록 스트리밍 데이터를 통합하고 분석했다.

이벤트로서의 정형 및 비정형 데이터를 모두 분석함으로써 시스템은 현재의 교통 상황을 평가하고 교통 체증을 줄일 수 있는 대체 경로를 제안할 수 있다. 궁극적으로, 목표는 도시의 교통 흐름에 적지않은 영향을 미치도록 하는 것이다. 지속적으로 변화하는 데이터를 이전의 데이터와 연계하여 평가하여 실질적 상황에서의 추천을 한다는 것이다.

스트리밍 데이터는 도시의 범죄율에 대한 지대한 영향력을 가질 수 있다. 예를 들어, 경찰서는 예측 분석도구를 활용하여 시간대별 및 지역별 범죄의 패턴을 식별할 수 있다. 만약 새로운 지역에 식별된 패턴으로 갑작스러운 변화가 감지된다면, 경찰은 적시에 그리고 적소에 경찰을 급파할 수 있다. 이러한 사실 뿐만아니라, 이제 빅데이터는 범죄 행동 패턴을 보다 면밀하게 분석하는데에도 사용될 수 있다.