- 1스마트폰? 컴퓨터? 뭔지 하나도 모르겠어!
- 2디지털 기기 사용법을 하나씩 배워보자
- 3정보를 찾고, 판단하고, 활용하는 나!
- 4디지털 세상, 이제 나도 척척 살아간다!
정의와 배경
데이터 리터러시(Data Literacy)란 데이터를 단순히 수집하거나 열람하는 수준을 넘어, 그 의미를 정확히 읽고 맥락에 맞게 해석하며 의사결정에 활용하는 종합적 역량을 가리킨다. '리터러시(Literacy)'가 원래 문자를 읽고 쓰는 능력을 뜻하듯, 데이터 리터러시는 현대 사회에서 데이터라는 새로운 언어를 다루는 기초 소양으로 자리 잡았다.
이 개념은 디지털 리터러시의 파생 용어로, 디지털 기기와 정보를 이해·활용하는 기초 능력에서 한 단계 나아가 데이터 자체의 생산·가공·분석·판단에 초점을 맞춘다. AI와 빅데이터가 행정·산업 전반에 확산되면서, 데이터를 정확히 다루는 능력이 모든 직군의 필수 역량으로 부상하고 있다.
구성 요소와 수준
데이터 리터러시는 크게 세 가지 층위로 구분할 수 있다. 첫째, 기초 이해 수준으로 표·그래프·통계 수치를 올바르게 읽고 평균·비율 등 기본 개념을 이해하는 능력이다. 둘째, 해석·활용 수준으로 데이터의 출처·수집 방법·표본 크기 등을 고려하여 데이터의 신뢰성과 한계를 평가하고, 이를 업무 판단에 적용하는 능력이다. 셋째, 비판적 수준으로 데이터가 특정 목적에 맞게 가공·왜곡될 수 있음을 인식하고, 알고리즘 편향이나 통계 오용 사례를 식별하는 능력이다.
공무원·정책 실무자에게는 특히 두 번째와 세 번째 수준이 중요하다. 정책 근거 자료로 제시되는 통계나 AI 분석 결과가 어떤 조건 하에서 생산되었는지를 판단할 수 있어야 하기 때문이다.
AI 리터러시 계열과의 관계
데이터 리터러시는 AI 리터러시를 갖추기 위한 선행 역량으로 기능한다. AI 모델은 학습 데이터의 질과 구성에 따라 결과가 달라지므로, 데이터의 편향성과 대표성을 이해하지 못하면 AI 출력물을 올바르게 평가하기 어렵다. 예를 들어 할루시네이션이나 알고리즘 편향 문제를 식별하려면 AI가 사용한 데이터가 어떤 속성을 가지는지 파악하는 데이터 리터러시가 뒷받침되어야 한다.
또한 프롬프트 엔지니어링을 통해 AI에 질의할 때도, 원하는 답을 얻기 위해 데이터 맥락을 구체적으로 제시할 수 있는 능력이 필요하며, AI 윤리 관점에서 개인정보·통계 오용을 방지하기 위해서도 데이터 리터러시가 기본 토대가 된다.
왜 중요한가
공공 부문에서 데이터 기반 행정(Data-Driven Administration)이 확산되면서, 정책 입안·예산 편성·성과 평가 등 주요 의사결정 단계에서 데이터를 직접 다루는 공무원의 역량이 행정 품질을 좌우하게 되었다. 데이터 리터러시가 낮을 경우 잘못된 통계 해석이나 편향된 AI 분석 결과를 그대로 정책에 반영하는 위험이 발생한다.
이에 따라 국내외 정부기관과 국제기구들은 공공 인력의 데이터 리터러시 교육을 디지털 전환 핵심 과제로 포함시키고 있다. 단순한 IT 교육을 넘어, 데이터를 비판적으로 읽고 윤리적으로 활용하는 역량을 조직 문화로 내재화하는 것이 장기적 목표로 제시된다.
※ 본 상세 설명은 용어집 데이터를 토대로 AI가 생성했습니다. 정확한 내용은 원문 출처를 우선하세요.