A Study on Expansion Proposal of Data Dividend Qualification Based on the Contribution of Platform Workers

플랫폼 노동자의 기여에 따른 데이터 배당 자격 확대 제안 연구

Abstract

In February 2020, Gyeonggi-do paid the world's first Data Dividend to local residents of Gyeonggi Province who produced data using local currency. Currently, Data Dividend is being paid to consumers who have produced data, but this paper studied the expansion of Data Dividend qualifications according to the contribution to creating added value. First, it raised the question of whether it is right for the recipient of Data Dividend to have only the consumers who produced the data. Second, by analyzing the four elements of data valuation criteria that influenced the creation of added value identified the objects that influence the creation of added value. The 4 factors were divided into productivity, effectiveness, concreteness, and usability, and the objects corresponding to each factor were analyzed. Accordingly, it was determined whether platform workers contributed to the creation of added value. In conclusion, it was confirmed that not only consumers, who were the first data producers, but also platform workers who contributed to the concreteness of data valuation to create added value can qualify for Data Dividend. Since this paper focuses on the necessity of data allocation centered on platform workers among the objects, the validity of objects that influence added value other than platform workers are excluded.

2020년 2월, 경기도는 지역화폐를 이용하여 데이터를 생산한 경기도 지역 주민 사용자에게 데이터 배당을 세계 최초로 지급하였다. 현재, 데이터 배당은 데이터를 생산한 소비자에게 지급이 되고 있으나, 본 논문은 부가가치 창출 기여도에 따른 데이터 배당 자격 확대에 대한 연구를 하였다. 첫째, 데이터 배당 수급 대상자가 데이터를 생산한 소비자만이 가지는 것이 옳은 것인가에 대해 문제 제기를 하였다. 둘째, 부가가치 창출에 영향을 미친 데이터 가치화 기준 4요소를 분석하여 부가가치 창출에 영향을 주는 객체를 파악하였다. 4요소는 생산성, 유효성, 구체성, 활용성으로 구분하였고 각 요소에 해당하는 객체를 분석하였다. 그에 따라, 플랫폼 노동자의 부가가치 창출 기여 여부를 파악하였다. 결론적으로, 데이터 배당의 수급 대상자는 최초 데이터 생산 주체인 소비자뿐만이 아닌, 부가가치 창출을 위한 데이터 가치화의 구체성에 기여를 한 플랫폼 노동자도 자격을 가질 수 있음을 확인하였다. 본 논문은 해당 객체들 중 플랫폼 노동자를 중심으로 한 데이터 배당의 필요성에 대해 연구의 중심을 두었기에, 플랫폼 노동자 이외에 부가가치에 영향을 미친 객체들의 타당성에 대해서는 제외한다.

Ⅰ. 서론

1. 연구 배경

2020년 11월, 중소벤처기업부에서는 프로토콜 경제를 본격적으로 주장하기 시작했다. 프로토콜 경제란 거대 공룡 플랫폼 사업자가 가지고 있는 독점적 파워를 일정한 규칙(프로토콜)에 의해 데이터로 창출된 부가가치에 참여한 모든 참여자에게 공정하게 나눠주자는 것이다. ^[1] 이 개념은 창출된 부가가치에 대해서 대가를 지불한다는 점에서 데이터 배당과 결을 같이 한다. 데이터 배당을 일종의 데이터 기본소득론으로 주장한 호주의 철학가 팀 던럽은 4차 산업혁명 기술로 인해 일자리 자체에 대한 논쟁보다 데이터를 활용해서 발생한 수익에 대해 데이터 배당으로 공정하게 재분배해야 한다고 주장했다. 현재는 데이터 배당의 대상자가 데이터를 생산한 소비자에게만 국한되어 있는바, 데이터 배당 대상자가 과연 소비자에게만 있다고 볼 수 있는지 의문을 제기힌다. 프로토콜 경제의 개념과 같이 창출된 부가가치 창출에 기여한 객체들을 찾고 기여도를 분석하여 데이터 배당 수급자 확대를 제안하는 연구를 진행하였다. 단, 데이터 주권에 대한 법적인 권리에 대한 것은 배제한다.

2. 디지털 시대의 핵심은 데이터

데이터는 21세기의 쌀 혹은 원유로 디지털 트랜스포메이션 (Digital Transformation) 시대의 주요 발전 동력이다 ^[2]. 데이터가 곧 부가되는 데이터 경제 즉, 데이터 자본주의 시대가 된 것이다. 노동집약적인 산업에서 데이터 집약적인 산업으로 변화하면서, 데이터를 활용한 새로운 서비스를 제공하는 빅 테크(Big Tech)기업들이 다양한 산업을 잠식하며 세계시장을 선도하고 있다. 과학기술정보통신부는 ‘데이터·AI 경제 활성화 계획’ 보고서를 통해 양질의 데이터 시장형성과 데이터와 인공지능간의 융합이 곧 4차 산업혁명 성공의 핵심이라며 데이터 경제의 시장의 규모를 30조 원까지 확대하겠다고 발표했다. (그림1)

그림 1. 과학기술정보통신부, 데이터/AI 경제 활성화 계획 (19-23)^[3]

Fig. 1. Ministry of Science and ICT, Data/AI Economicrevitalization plan (19-23)

디지털화는 데이터의 규모를 더욱 크고 다양하게 만들었다. 데이터는 개개인의 기본정보뿐만이 아니라, SNS 동영상, 사진, 그림, 글, 감정 등도 데이터화가 가능하여 인공지능 플랫폼의 성능을 올리는 핵심적인 역할을 하고 있다. 그러한 이유로, 빅데이터 수집, 저장, 가공, 분석, 해석, 적용 등 다양한 형태의 데이터 산업이 발달하게 되었다. 이렇게 디지털화가 이끈 데이터 산업은 플랫폼 기업을 탄생시켰고, 2019년 데이터를 활용한 플랫폼 기업이 2009년과 비교하여 10대 기업 중 7개를 차지하고 있음을 확인할 수 있다. (그림2)

그림 2. KPMG 플랫폼 비즈니스의 성공 전략^[4]

Fig. 2. Success strategy of KPMG platform business

Ⅱ. 데이터의 정의

데이터는 단어, 영상, 그림, 소리, 숫자, 문자 등의 형태로 되어 있는 의미 단위의 자료로, 연구나 조사의 기본이 되며, 이러한 데이터에 의미가 부여되면 정보가 된다고 정의한다.^[5] 정보는 데이터를 특정 목적으로 가공한 형태를 말한다.

1. 질적인 데이터 (Qualitative Data), 정성 데이터: 정성 데이터 혹은 비정형 데이터라고도 하며, 수치화할 수 없는 데이터를 말한다. 예를 들면, 사람의 성격, 성질, 기질, 문화 등이다.^[5]

2. 양적인 데이터 (Quantitative Data), 정량 데이터: 정량 데이터 혹은 정형 데이터라고도 하며, 수치로 측정이 가능한 데이터를 말한다. 예를 들면, 나이, 가격, 매출액, 지능지수 등이다.^[5]

본 논문에서는 데이터를 질적 양적 데이터로 나누거나 빅데이터의 4V에 의거한 규모 (Volume), 속도 (Velocity), 다양성(Variety)과 진실성 (Veracity)의 특성으로 이해하기보다 (그림3), 플랫폼을 통하여 가공 분석된 정보로써, 부가가치 창출의 목적으로 활용될 수 있도록 플랫폼의 가공분석 및 가치화 과정을 거친 모든 원 데이터를 데이터라고 정의하며, 그 과정을 데이터 가치화라고 정의한다.

그림 3 빅데이터의 4V’s^[6]

Fig. 3. The 4V’s of Big Data

Ⅲ. 데이터 배당 (Data dividend)의 정의와 적용사례

1. 데이터 배당의 정의

데이터 배당은 데이터를 생산한 사용자의 데이터를 가공하고 활용하여 발생한 수익에 따라 지급하는 배당금을 말한다. 구글, 페이스북 등 글로벌 플랫폼 기업이 데이터를 활용하여 창출한 수익이 커지면서 데이터 배당에 대한 목소리가 잇따르고 있다. 특히, 미국 캘리포니아 빈뉴섬 (Gavin Newsom) 주에서는 거대 플랫폼 기업들의 소비자 데이터 이용으로 인한 창출된 수익에 대해 데이터 배당제가 이루어져야 한다고 주장한 바도 있다.^[7][8] 이러한 논의는 데이터를 활용하여 기업의 부가가치를 창출하는 플랫폼 기업이 독점적 형태의 거대 기업으로 의성장이 거듭되고 있기 때문이다. 거대 플랫폼 기업들의 데이터 활용도를 보면, 구글의 경우 글로벌 검색 엔진 점유율 88.2%에 달하는 데이터를 기반으로 이윤을 창출하고 있으며, 아마존은 미국 이커머스 (e-commerce) 시장의 49.1% 차지해 소비자들의 데이터를 활용하여 이윤을 창출하고 있다. (그림 4)

그림 4. 아마존, 구글의 데이터 활용 현황^[9]

Fig. 4. Data utilization status of Amazon, and Google

2. 데이터 배당 적용사례:ㅤ경기도 배당

경기도는 지난 2020년 2월에 데이터를 생산한 사용자에게 세계 최초로 데이터 배당을 120원씩 지급하였다. 그림 5와 같이 데이터 배당으로 지급된 경기도 배당은 도민이 지역화폐를 사용하여 생산된 데이터를 플랫폼에 의해 비식별 정보로 가공 분석했다. 가공 분석된 데이터를 연구소, 학교, 기업 등에 판매 등의 거래를 통해 발생한 수익금을 다시 경기도민에게 돌려준 구조이다. 여기서 비식별 정보란 개인정보가 확연히 드러나지 않도록 가공하는 과정을 말하며 배당금 지급은 개인정보에 동의를 한 사용자들만을 대상으로 하였다.

그림 5. 경기도 배당 서비스 사이클^[10]

Fig. 5. Gyeonggi-do dividend service cycle

3. 데이터 배당의 재해석

경기도 배당의 순환구조에서도 볼 수 있듯이, 수집된 원 데이터 자체만으로는, 데이터를 판매할 수 있는 유효한 데이터 (데이터 가치화된 데이터) 즉, 부가가치화에 영향을 줄 데이터로 이루어지지 못한 상태이다. 즉, 가공분석을 거치지 않고서는 부가가치 창출에 직접적 영향을 주지 못한다. 현재, 한국 데이터 거래소(KDX)에서 거래되고 있는 가공 분석된 데이터 중 화재 동영상의 판매가로 책정된 데이터 값은 2,000만 원이다. (그림 6, 그림 7)

그림 6. 화재 동영상 데이터의 가격, 출처: KDX

Fig. 6. The price of fire video data, source:KDX

그림 7. 화재 동영상 데이터 가공 내역, 출처:KDX

Fig. 7. The processing details of Fire video data, source:KDX

신승증(2012)은 Big Data를 수집, 저장을 기반으로, 새로운 정보를 찾아내고 경제성장을 도모하여 가치 창출효과가 있는 빅데이터 비즈니스 생태계가 만들어진다고 했다.^[11] 빅데이터는 테라바이트 이상인 대용량으로^[12] 다양한 데이터가 많으면 많을수록 데이터 가치화는 더욱 정교해지고 또, 데이터 가치화가 높으면 높을수록 기업부가 가치 창출에 대한 기여도는 높아진다. 결국, 소비자들의 데이터뿐만이 아니라, 더 많은 곳에서 수집되고 모아지는 데이터들이 빅데이터로서의 가치를 가지게 되며, 기업의 부가가치 창출에 더 큰 영향을 줄 수 있는 구조이다. 데이터 배당은 부가가치가 창출되지 않으면 배당이 일어날 수 없는 구조이다. 현재까지는, 최초 데이터 생산자자 소유권을 가진 소비자에게 데이터 배당을 지불하자 논의되지만, 본 논문에서는 부가가치 창출을 위한 데이터 가치화에 기여한 모든 객체들에게 지불되어져야 하는 배당이라고 주장한다.

Ⅳ. 데이터 가치화 분석

1. 데이터 배당을 위한 데이터 가치화 순환구조

공공기관에서는 지역화폐를 사용한 소비자의 데이터가 생산-수집/저장-가공분석 후 데이터 판매를 통해 수익 창출이 되었고 (그림 5), 그 판매를 통해 발생한 수익에 대한 데이터 배당을 한 경우가 경기도 배당의 경우이다.

그림 8. 경기도 배당의 데이터 가치화 사이클

Fig. 8. Data Valuation Cycle of Gyeonggi-do Dividend

경기도 배당과는 달리, 일반기업에서도 데이터 배당을 지급한다는 가설을 두고 데이터 가치 순환구조를 살펴보면, 수집 저장된 데이터를 가공 분석하여 판매가 아닌 데이터를 활용하여 부가가치 창출로 이어진다. 그 창출된 부가가치에 따라 데이터 배당을 지급할수 있다.

이렇게 공공기관과 일반기업 두 가지 형태의 데이터 가치 순환구조를 통합하면 그림 9과 같은 구조가 만들어진다. 여기서 데이터 가치화의 핵심은 데이터 수집저장, 가공분석 등 데이터 가치화를 통해 판매 혹은 활용 등을 통해 부가가치가 창출되는 순환구조를 확인할 수 있다.

그림 9. 일반 기업의 데이터 가치화 사이클

Fig. 9. Data Valuation Cycle of Corporates

그림 10. 통합적 데이터 가치화 사이클

Fig. 10. Integrated Data Valuation Cycle

부가가치 창출에 영향을 미치는 데이터 가치화 4요소를 생산성, 유용성, 구체성, 활용성으로 나눈다. 생산성은 데이터 최초로 생산 유무, 유효성은 데이터 가공분석 유무, 구체성은 세부 정보와 다양성으로 추가된 데이터 유무, 활용성은 판대 혹은 활용 등 부가가치 창출 연계성 유무로 부가가치 창출에 기여한 데이터 가치화를 분석할 수 있다 (표 1)

표 1. 부가가치 창출에 영향을 미치는 데이터 가치화 4요소

Table 1. Four elements of Data Valuation that influence the creation of added value

2. 경기도 배당의 데이터 가치화 흐름도

부가가치 창출의 목적으로 활용될 수 있도록 플랫폼의 가공분석 과정을 거친 원 데이터가 아닌, 부가가치 창출에 기여를 할 수 있는 경기도 배당의 데이터 가치화 흐름도는 간단하다. 데이터 생산-데이터 수집 저장- 데이터 가공분석 –데이터 판대 – 수익발생 – 데이터 배당의 순환구조로, 소비자가 지역화폐를 사용하면, 그 수집된 데이터는 플랫폼 데이터 저장 장소에 저장이 되고, 비식별정보로 가공분석이 되며 경기도에서는 가공 분석된 데이터 (데이터 가치화)를 기업 연구소 학교 등에 판매하여 얻은 수익에 대해서 소비자에게 일정 배당을 지급했다. 경기도 배당과는 달리 기업의 경우는 데이터 가공 분석하여 데이터 가치화를 만든 후 데이터를 판매하는 것이 아니라, 데이터를 활용하여 비즈니스에 적용, 부가가치 창출에 기여한다.(그림11)

그림 11. 데이터 가치화 흐름도 - 경기도 배당

Fig. 11. Data valuation flow chart-Gyeonggi-do Dividend

경기도 배당의 경우, 소비자의 데이터는 지역 화폐를 사용함으로써 생산성에 기여를 하였고 플랫폼을 통하여 비식별 정보로 가공 분석되는 플랫폼이 기여를 하였으며, 구체성은 더 추가 된 데이터가 없으므로 제외하고 활동성 또한 경기도가 판대를 하고 수익 활동을 한 주체이니 제외한다. 이로써, 소비자 및 플랫폼이 데이터 배당의 수급 자격이 주어질 수 있다.

표 2. 부가가치 창출에 기여한 객체 분석 (경기도 배당)

Table 2. Object analysis that contributed to the creation of added value (Gyeonggi-do Dividend)

Ⅴ. 데이터 가치화 – 플랫폼 노동자

플랫폼 노동자란 디지털 앱(app)이라는 플랫폼을 통해서 노동력이 제공되는 근로 형태에 종사하는 자를 말하며, 한국의 대표적 기업으로 배달의 민족, 쿠팡 이츠, 요기요, 글로벌 기업의 우버 등이 있다. 플랫폼 기업들의 수익 모델은 방대한 양의 고객 데이터를 가공하여 기업이 지속적으로 제품이나 서비스를 개선할 수 있도록 한다. 플랫폼 노동자 집약 산업이라고 할 수 있는 음식 배달 산업의 변화를 예를 들어 설명하고자 한다.

그림 12. 음식 배달 주문 구조^[13]

Fig. 12. Food delivery order structure

기존의 배달은 소비자가 음식점에 직접 전화를 걸어 음식을 주문하고 음식점에서 고용한 직원이 배달을 했던 방식이었다. 그러나 배달앱이라는 플랫폼이 등장하면서 소비자와 음식점 사이에 배달 대행업이 생기게 되고 그 대행업체와 소비자 사이에서 플랫폼 노동자가 존재하게 된다 (그림 11). 플랫폼 기업의 데이터 가치화 구조는 플랫폼 노동자가 발생시킨 데이터가 추가로 수집 저장된다는 것이 특징이다.(그림 13)

그림 13. 데이터 가치화 흐름도 – 플랫폼 노동자

Fig. 13. Data Valuation Flow Chart-Platform Workers

소비자가 생산한 데이터가 수집 저장되고, 플랫폼 노동자가 발생시킨 데이터를 추가 수집 저장하여 플랫폼이 가공 분석을 하게 되면, 데이터 가치화된 이루어진 데이터를 활용하여 기업은 부가가치 창출할 수 있도록 활용을 하게 된다.

표 3. 부가가치 창출에 기여한 객체 분석 (플랫폼 기업)

Table 3. Object analysis that contributed to the creation of added value (platform company)

데이터 가치화에 영향을 미친 4개의 요소를 비교해 보면 소비자는 데이터 생산성에 기여했고, 플랫폼을 통한 데이터의 가공분석이 이루어졌고, 플랫폼 노동자는 소비자의 주문에 의해 발생한 소비자의 기본 데이터 외에 배달 완료에서 이어지는 데이터들 (배달 경로, 소요 시간, 도착 여부, 고객 만족 리뷰 등)이 발생하는데 기여하였다. 또 다른 글로벌 플랫폼 기업인 우버 또한 마찬가지이다. 고객의 콜로 고객의 기본 정보와 위치, 목적지 등이 수집된다. 우버 택시 기사가 고객을 픽업 후 고객의 목적지까지 도착한 후 우버는 고객들의 리뷰와 팁이라는 카테고리를 통해 고객들이 플랫폼 노동자들을 평가하며 만족도에 대한 정보를 수집할 수 있도록 했다.(그림 14) 즉, 운행 경로, 소요 시간, 도착 여부 등과 더불어 고객의 리뷰와 팁이라는 카테고리를 통해 고객의 기본정보보다 더 깊은 구체성과 다양성을 가진다. 고객의 인적 정보는 기본정보로 정적인 데이터이며, 승차 후부터 목적지 도착, 리뷰까지 그 과정에 대한 모든 데이터는 기업의 부가가치에 더 크게 영향을 미칠 가치가 생성된다. 그러한 구체적이고 다양한 데이터를 생성하게 한 것은 우버 택시의 운전자이다. 이에, 플랫폼 노동자가 소비자가 생산한 데이터에 구체성과 다양성을 더하여 기업의 부가가치 창출에 기여를 했다 볼 수 있다.

그림 14. 우버 리뷰 출처: 우버 홈페이지

Fig. 14. UBER Review, source: Uber Homepage

Ⅵ. 결론

데이터는 기업의 부가가치를 만들어내는 21세기 가장 역동적인 자원이다. 그러나, 데이터는 생산되는 그 자체로는 부가가치 창출에 직접적 영향을 주기는 어렵고, 반드시 가공 분석이라는 과정을 거치는 데이터 가치화가 이루어져야만 부가가치 창출에 기여를 한다는 것을 알게 되었다. 또한, 데이터는 질적/양적으로 많고 다양한 데이터 즉, 빅데이터가 수집됨으로써 더욱 그 가치를 높일 수 있음을 확인했다. 앞으로의 데이터 경제 시대에 새로운 부의 개념으로 부상될 데이터 배당은 데이터 주권이라는 개념을 넘어 부가가치 창출을 위한 데이터 가치화 기여도에 따라 그 이익을 공유 (Sharing) 해 나가는 것이 소비자, 기업, 국가가 공생할 수 있는 원동력이 될 것이다. 데이터가 수집 저장되고, 가공 분석되어 활용하고 이용하는 모든 객체들이 부가가치의 기여도에 따라 이익을 재분배하는데 그 의의가 있다. 데이터 배당은 미래의 새로운 부의 개념으로 데이터 경제를 이끌어갈 척도가 될 것이며, 앞으로 발생되어질 수많은 데이터 거래에서 발생하는 이익을 서로 나누는 신개념으로 확대될 것이다. 앞으로 부가가치 창출에 기여한 각 객체 분류, 기여도 분석, 그 기여도에 따른 배당률 등을 위한 데이터 가치화 및 할당률에 대한 연구가 더욱 활발히 이루어져야 하겠다.