점점 더 상호 연결되는 글로벌 경제에서 조직이 데이터를 신뢰하고 효과적으로 사용할 수 있는 능력은 혁신, 성장 및 경쟁력의 토대입니다.
고품질 데이터 생태계는 조직이 새로운 기회를 식별하고 포착할 수 있도록 하는 변화와 혁신의 원동력인 반면, 낮은 데이터 품질은 비효율성과 규제 및 평판 위험에 노출될 수 있습니다.
GLEIF는 LEI 데이터의 품질, 신뢰성 및 사용 편의성을 최적화하기 위해 최선을 다하고 있습니다. 2017년부터 글로벌 LEI 시스템에서 달성한 전반적인 데이터 품질 수준을 투명하게 보여주기 위해 매월 전용 보고서를 발행하고 있습니다.
이 새로운 블로그 시리즈에서는 GLEIF의 데이터 품질 이니셔티브에 대한 업계의 폭넓은 이해와 인식을 돕기 위해 보고서에 포함된 주요 메트릭을 살펴봅니다.
이번 달 블로그에서는 데이터 품질 기준에 대해 계속 살펴봅니다.
오늘날의 데이터 중심 경제에서 고품질 법인 데이터의 사용은 혁신을 주도하고 컴플라이언스를 보장하며 글로벌 시장에서 신뢰를 구축하는 데 매우 중요합니다. GLEIF는 12개의 측정 가능한 데이터 품질 기준을 정의하는 구조화된 데이터 품질 관리 프레임워크를 통해 가능한 최고의 표준을 보장하며, 이는 법인식별기호(LEI) 기록을 객관적으로 평가합니다.
지난달 데이터 품질 블로그에서 '유효성', '무결성', '일관성' 기준을 살펴보았다면, 이번 달에는 '정확성', '포괄성', '대표성'이라는 세 가지 필수 기준을 추가로 강조하고, LEI 데이터의 무결성과 글로벌 유용성을 유지하기 위해 구조적이고 측정 가능한 점검을 통해 각 기준이 어떻게 평가되는지 살펴보고자 합니다.
정확성, 포괄성 및 대표성에 대한 집중 조명
정확성, 포괄성 및 대표성은 규제 요구사항과 원활한 글로벌 상호 운용성을 모두 지원하는 탄력적인 LEI 데이터 프레임워크의 중요한 구성 요소입니다. 이 세 가지 요소는 LEI 데이터가 기술적으로 정확하고 완전할 뿐만 아니라 구조적이고 일관된 방식으로 제공되도록 보장합니다.
정확한 데이터는 LEI 시스템에 대한 신뢰를 강화하고 규제 컴플라이언스를 개선하며 조직 간의 투명한 거래를 지원합니다.
정확도는 LEI 법인참조정보가 권위 있는 출처의 법인 정보와 얼마나 일치하는지를 평가하여 데이터에 식별 가능한 오류가 없는 정도를 추정합니다. 이 기준은 종종 외부 기준데이터에 의존하기 때문에 평가하기 더 복잡한 기준 중 하나이며, 점검에 복잡성을 더합니다. 그러나 절대적인 정확도는 보장하기 어려울 수 있지만, GLEIF는 지속적인 개선을 통해 가능한 최고의 정확도 표준을 달성하기 위해 최선을 다하고 있습니다.
정확도는 현재 14개의 개별 점검을 통해 평가되며, 6월에 평균 데이터 품질 점수 99.99점을 달성했습니다. 점검 항목에는 펀드의 법적 형태가 올바르게 분류되었는지, 상위 예외에 대한 합리적인 조합이 있는지, 우편번호가 국가의 규정된 형식과 일치하는지 여부 등이 포함됩니다.
포괄적인 LEI 기록은 정확한 위험 분석을 가능하게 하고 충분한 정보를 바탕으로 한 규제 및 상업적 의사 결정을 지원합니다.
포괄성이란 LEI 기준기록의 완전성을 의미하며, 필수 필드가 누락되지 않았는지 확인하는 것입니다. 이러한 점검은 기록이 공용 데이터 파일(CDF) 및 XML 스키마 정의(XSD) 규칙에 따라 기술적으로 유효한지 확인하는 것 외에도 한 단계 더 나아가 각 기록에 법인 이름, 주소, 등록 세부 사항 및 해당되는 경우 관계 기록을 포함한 모든 필수적이고 의미 있는 데이터가 포함되어 있는지 확인합니다.
14개의 집중 점검을 통해 종합성은 지속적으로 높은 표준을 유지하여 6월에 평균 데이터 품질 점수 99.99점을 달성했습니다. 이러한 점검의 예로는 법인의 법인명이 그럴듯하고 중복되지 않았는지 검증하고, 폐기된 기록이 해당 법인 이벤트에 제대로 연결되어 있는지 확인하고, 등록 당국 또는 법인 서식 코드가 아직 공식 코드 목록에 없는 경우 추가 정보가 제공되는지 확인하는 것 등이 있습니다.
LEI 기록 전반에 걸쳐 일관된 표현은 시스템 상호 운용성을 개선하고 가독성을 향상하며 규제 시스템, 위험 모델 및 자동화된 워크플로우에 대한 원활한 통합을 보장합니다.
표현은 LEI 데이터 요소가 일관되고 표준화된 방식으로 표시되는지 여부를 평가합니다. 주요 측면에는 패턴 준수, 적절한 문자 인코딩, 형식, 언어 태깅, 법인 서식(ELF) 코드를 정의하는 ISO 20275와 같은 코드 표준 준수 등이 포함됩니다.
14가지 점검을 통해 평가한 결과, 6월에 99.99점을 받아 완벽에 가까운 품질 성능을 유지했습니다. 이러한 점검의 예로는 법인명이나 주소에 적절한 언어 태그가 포함되어 있는지, 후속 정보에 유효한 항목이 포함되어 있는지 등 문자 집합의 일관된 적용 여부를 평가하는 것이 포함됩니다.
데이터를 기회로 전환
정확성, 포괄성 및 표현은 LEI 데이터가 정확하고 완전할 뿐만 아니라 전 세계적으로 원활하게 사용될 수 있도록 일관되게 구조화되는 데 중요한 역할을 합니다. 이러한 기준은 다른 데이터 품질 기준과 함께 작동하여 글로벌 LEI 시스템을 뒷받침하는 데이터 신뢰성을 위한 강력한 기반을 구축함으로써 자신 있는 의사 결정, 간소화된 컴플라이언스, 신뢰할 수 있는 디지털 상호 작용을 가능하게 합니다.
데이터 품질 관리 프레임워크를 개선하고 추가적인 품질 기준을 모색하기 위한 GLEIF의 노력은 총 데이터 품질에 대한 우리의 확고한 의지를 반영합니다. 이는 데이터 사용자를 모든 품질 노력의 중심에 두고 있으며, 글로벌 시장에서 LEI 기준데이터의 사용성, 투명성 및 신뢰성을 더욱 향상시키기 위한 지속적인 노력의 증거입니다.
블로그 게시물에 댓글을 추가하려면 영어 GLEIF 웹사이트 블로그 기능을 이용하여 댓글을 추가해주십시오. 이름과 성을 써서 자신이 누구인지 밝혀주십시오. 이름은 댓글 옆에 표시됩니다. 이메일 주소는 공개되지 않습니다. 토론 게시판을 이용하거나 게시물을 등록하는 것은 GLEIF 블로그 정책 약관을 준수하는 것에 동의하는 행위이므로, 해당 약관을 주의 깊게 읽어주십시오.
조니차 마놀로바는 Global Legal Entity Identifier Foundation(GLEIF) 데이터 품질 관리 및 데이터 과학 팀을 이끌고 있습니다. 2018년 4월부터 혁신적인 데이터 분석 접근 방식을 도입하여 확립된 데이터 품질 및 데이터 거버넌스 프레임워크를 향상하고 개선하는 일을 맡고 있습니다. 과거에는 PwC Forensics의 국제 금융 조사에서 포렌식 데이터 분석 프로젝트를 관리했습니다. 독일 마르부르크 필리프 대학교에서 기계 학습에 중점을 둔 컴퓨터 공학 학위를 이수했습니다.
