Executive Summary

측정 설계는 단순하다. 유럽 데이터 포털은 회원국의 국가 카탈로그를 정기적으로 수확해 한곳에 모아 두고, 공개 질의 창구를 열어 둔다. 저자는 그 창구에서 주제 칸(dcat:theme)에 EU 권위 어휘의 보건 값이 붙은 데이터셋 설명을 전부 끌어내고, 그중 북유럽 5개국의 국가 카탈로그 11곳에서 온 것만 남겼다. 2026년 8월 25일 기준으로 2,811건이었다. 그다음 각 설명에서 HealthDCAT-AP 릴리스 7이 요구하는 여덟 칸을 하나씩 확인했다.

결과를 존재율 순으로 늘어놓으면 계단이 아니라 절벽이 나온다. 위의 네 칸과 아래의 네 칸 사이에 중간 구간이 없다.

맨 위의 100%는 읽지 말아야 한다. 주제 칸에 보건 값이 붙은 것만 골라 왔으니 그 칸이 100% 채워진 것은 정의상 그렇게 될 수밖에 없다. 논문도 이 줄에 별표를 달아 발견이 아니라고 못박는다. 나머지 셋은 실제 측정값이다. 배포 주소는 열에 아홉, 접근 권한은 열에 여덟, 식별자는 셋에 둘 정도가 채워져 있다.

점선 아래가 이 글의 본론이다. 보건 전용 세 칸은 5개국 11개 카탈로그를 통틀어 정확히 0건이다. 보건 전용이 아닌 칸도 같은 자리에 떨어졌다. 데이터셋의 이용 근거가 되는 법령을 적는 적용 법령 칸으로, 2,811건 중 21건이니 0.75%다. 여덟 칸을 모두 채운 설명은 결과적으로 0건이었다.

저자는 이 0을 낮은 비율보다 강한 결과라고 부른다. 비율이 낮게 나오면 어딘가에는 그 칸을 채워낸 발행자가 있다는 뜻이지만, 0이면 그 가능성이 사라진다. 이 지역 어느 카탈로그에도 베껴 갈 본보기가 없다는 말이다. 그래서 고칠 대상도 담당자의 입력 습관이 아니라 수확과 발행 파이프라인 쪽으로 옮겨간다.

2026년 9월 1일 같은 창구에 다시 물어보니 유럽 데이터 포털 전체의 데이터셋 노드는 1,908,766개, 그중 EU 보건 주제가 붙은 것은 33,460개였다. 이 글이 다루는 2,811건은 후자의 8.40%다. 다만 두 수치 모두 하한이라 이 비율을 정밀한 점유율로 읽으면 안 된다.

이 측정은 arXiv에 올라온 미심사 프리프린트이고 단독 저자의 작업이다. 저자는 온톨로지 엔지니어링과 데이터 거버넌스 컨설팅을 파는 회사의 대표이며, 이 논문이 측정한 영역의 공공부문 구매자에게도 판매한다고 이해상충 항목에 스스로 적었다. 측정 코드와 어휘, 검사 규칙은 오픈 라이선스로 공개했고 파생 카탈로그 매핑 산출물은 상용 별도 라이선스로 남겼다. 그래서 우리는 이 글에서 논문 값을 두 갈래로 나눠 다뤘다. 논문이 자체 센서스로 낸 값, 즉 2,811건과 여덟 칸의 존재율은 논문 값을 옮겼다. 반면 포털이 매기는 품질 점수와 어휘 서버의 동작, 포털 전체 규모처럼 우리가 같은 창구에 직접 물어볼 수 있는 값은 2026년 9월 1일 다시 조회해 대조했다. 어느 쪽인지는 본문과 표 캡션에 구분해 적었고, 어긋난 곳은 그 자리에서 밝힌다.

0이 나온 세 칸이 하필 보건 전용이니, 일반 카탈로그 기능은 멀쩡하고 보건 확장만 안 얹혔다고 읽고 싶어진다. 저자도 처음에 그렇게 읽었다고 밝힌다. 그리고 그 독법을 스스로 폐기했다.

폐기의 근거는 채워진 칸들의 정체에 있다. 제목과 설명은 100%, 발행기관은 99.08%다. 이 셋은 여덟 개 필수 목록에 이름이 없다. DCAT-AP 계층에서 이미 요구하는 항목이라 보건 확장이 다시 적지 않았을 뿐이고, 필요 없는 칸이라는 뜻이 아니다. 그리고 이 셋에는 공통점이 있다. 사람이 발행 폼을 열고 손으로 타이핑하는 칸이다. 반대편에 서 있는 칸들도 공통점이 있다. 적용 법령은 법령 식별자를 찾아와야 하고, 보건데이터 접근기구는 기관 등록부의 항목을 가리켜야 하고, 보건 분류는 공표된 통제어휘의 값을 골라야 한다. 채워진 칸과 빈 칸을 가른 것은 일반이냐 보건이냐가 아니라 타이핑하느냐 조회해서 묶느냐였다.

저자는 여기서 자기 초고를 정정한다. 제목과 설명과 발행기관이 100%에 가깝다는 것을 보고 일반 카탈로그 계층은 양호하다고 썼는데, 그 세 칸은 애초에 DCAT-AP 준수를 대표하지 못한다. 포털이 직접 돌리는 검증은 정반대를 말하고 있었다. 저자는 이 실수를 논문 안에 한 줄로 남겼다. 부분집합의 측정은 그 부분집합에 대한 진술만 허가한다.

포털의 판정이 무엇인지 보려면 카탈로그별로 늘어놓아야 한다. 유럽 데이터 포털은 수확한 카탈로그마다 메타데이터 품질 점수를 405점 만점으로 매기고 네 등급으로 나눈다. 아래 표의 오른쪽 두 칸이 포털의 판정이고, 맨 오른쪽이 이 글의 측정이다.

보건 데이터셋 수는 논문 센서스(2026-08-25), 품질 점수와 준수율은 유럽 데이터 포털 품질 지표 스냅샷(논문 2026-08-27). 페블러스가 2026년 9월 1일 같은 창구에 다시 물어 11곳 전부 같은 값을 확인했다. 출처: Rovai, arXiv:2608.27720 Table 1 · data.europa.eu MQA API

최상위 등급인 Excellent는 351점부터다. 북유럽 최고점은 노르웨이 국가 포털의 300점이라 최상위에 오른 곳이 한 곳도 없다. 준수율을 보고한 10곳 중 5곳은 그 값을 0%로 내놓는다. 이것이 저자가 초고의 문장을 지운 이유다. 보건 확장이 얹히지 않은 것은 맞지만, 그 아래 기반이 튼튼한 상태에서 확장만 빈 것이 아니다.

보건 데이터셋 2,811건 중 2,418건이 스웨덴 국가 포털 한 곳에서 나온다. 전체의 86%다. 두 번째로 많은 덴마크 datavejviser가 219건이니 열 배가 넘는 차이다. 그 한 곳의 품질 점수는 405점 중 177점이고 DCAT-AP 준수율은 27%다. 지역 합계라고 부르지만 실은 한 카탈로그의 상태가 합계를 거의 결정한다. 저자가 이 2,418건만 따로 독립 검증 대상으로 삼은 것도 그래서다. 최대 기여자가 흔들리면 그 변화가 지역 합계 안에 숨어 버린다.

덴마크의 datavejviser는 287점으로 이 지역 2위에 등급은 Good인데, 준수율은 0%다. 품질 점수는 선택 항목을 얼마나 썼는지, 적어 둔 주소가 실제로 열리는지, 라이선스가 분명한지에 점수를 준다. 규격 준수를 재는 지표가 아니다. 좋은 등급과 검증된 준수는 사실상 독립이다. 우리 쪽 문장으로 옮기면, 품질 대시보드가 초록불이라는 사실은 규격 준수의 증거가 되지 못한다.

2.10%는 북유럽의 예외가 아니었다

여기까지만 읽으면 북유럽이 유독 부실하다는 인상이 남는다. 그래서 우리는 같은 창구에서 유럽 카탈로그 전량을 내려받아 같은 규칙으로 다시 계산했다. 2026년 9월 1일 기준 209곳이 집계돼 있었다.

페블러스가 유럽 데이터 포털 품질 지표 API 전량(209곳)을 2026년 9월 1일 직접 파싱해 재계산. 준수율 비율의 분모는 양쪽 모두 해당 필드를 보고한 카탈로그만이다(유럽 183곳, 북유럽 10곳). 209곳에는 국가 카탈로그와 지역 카탈로그, EU 기관 카탈로그가 섞여 있어 국가 대 국가 비교로 읽을 수 없다.

준수율 0%는 유럽 카탈로그의 중위값이다. 절반 이상이 그 값을 0으로 내놓고, 북유럽은 같은 분모로 재면 오히려 유럽 평균보다 낫다. 그러니 이 글은 어느 나라의 성적표가 아니다. 저자도 같은 방어선을 세 곳에서 반복한다. 특히 핀란드는 공공과 민간 제공자에게 의무 예치를 부과하는 국가 보건기록 인프라와 작동하는 2차활용 허가 절차를 운영한다. 이 측정이 재는 것은 단 하나, 다른 회원국이 데이터셋의 존재를 기계로 발견할 수 있는 카탈로그다.

앞 섹션의 표에서 한 줄만 다시 보자. 핀란드 국가 오픈데이터 포털 open-data-finland는 데이터셋 2,259건을 유럽 포털에 올렸는데 보건 데이터셋 칸이 0이다. 품질 점수는 218점으로 중간이고 등급도 Sufficient다. 데이터를 안 올린 것도, 주제를 안 단 것도 아니다.

그 포털이 유럽 포털에 올린 설명 중 주제 칸을 채운 것은 1,146건이다. 그 1,146건 전부가 EU 권위 어휘 대신 포털 자체 도메인의 로컬 그룹 식별자를 가리키고 있다. EU 주제 어휘 바인딩률이 0.0%라는 뜻이다. 값은 있다. 다만 유럽 보건 필터가 조회하는 어휘의 구성원이 아니다.

같은 축으로 북유럽 카탈로그를 늘어놓으면 핀란드 포털이 어디에 서 있는지 보인다.

열 곳 중 여섯 곳이 90%를 넘고, 두 곳은 100%다. 핀란드 포털만 바닥에 붙어 있다. 분포에는 중간이 거의 없다. 어휘를 쓰는 카탈로그는 거의 다 쓰고, 안 쓰는 카탈로그는 아예 안 쓴다. 어휘 바인딩은 담당자의 성실함이 아니라 수확 매핑의 설정에서 갈린다.

3.10건이라는 말의 정확한 범위

여기서 진술의 범위를 정확히 잘라 둬야 한다. 논문 초록은 유럽 보건 필터가 핀란드 데이터셋을 하나도 돌려주지 않는다고 쓰지만, 본문은 범위를 좁혀 이 카탈로그에서는 0건이라고 쓴다. 그리고 앞 섹션의 표는 또 다른 핀란드 카탈로그 paikkatietohakemisto가 보건 주제 4건을 싣고 있음을 보여준다. 정확한 진술은 이렇다. 핀란드 국가 오픈데이터 포털 기준으로는 0건이고, 핀란드 전체로는 다른 카탈로그를 통해 4건이 잡힌다.

범위를 좁혀도 대조는 그대로 남는다. 그 포털의 자체 검색창에 health를 넣으면 57건이 나온다. 국내 창구에서는 색인되고 검색되는 보건 데이터가, 유럽 규정이 의존하는 경로에서만 보이지 않는다. 저자는 이 항목을 수확 매핑에서 속성 하나를 고치는 일이라고 부르고, 이 연구가 찾은 것 중 투입 대비 이득이 가장 큰 수정이라고 적는다. 실제로 그렇다. 데이터를 새로 만들 필요도, 담당자를 교육할 필요도 없고, 로컬 그룹 식별자를 EU 어휘 값으로 옮기는 매핑 한 줄이다.

3.2한국에는 나눠 물을 지점이 없다

같은 질문을 한국 공공데이터포털에 던져 보면 답이 나오지 않는다. 2026년 9월 1일 기준 data.go.kr에는 371,201건이 올라와 있고 보건의료 분류에 5,925건이 붙어 있다. 전체의 1.60%다. 그런데 그 보건의료는 담당자가 등록할 때 17개 대분류 중 하나를 고르는 단일 선택 필드다. 값이 통제어휘에 묶여 있느냐를 물을 수 있는 구조가 아니고, 애초에 하나만 고를 수 있어 여러 주제에 걸친 데이터셋을 표현하지 못한다.

더 중요한 것은 없는 칸이다. 유럽에서 0이 나온 세 칸, 즉 보건데이터 접근기구와 보건 분류와 구조화 데이터 여부에 대응하는 필드가 한국 포털에는 아예 없다. 적용 법령도 없다. 그러니 한국에서는 이 글이 던지는 질문을 물을 수조차 없다. 채워졌는가와 묶였는가를 나눠 물으려면 먼저 묶을 칸이 있어야 한다.

앞 섹션까지는 칸이 비어 있거나 값이 어휘 밖에 있는 이야기였다. 이제는 값이 어휘 안에 있는 것처럼 보이는데 실은 아무것도 가리키지 않는 경우다. 범위도 달라진다. 아래 수치는 북유럽이 아니라 유럽 데이터 포털 전체다.

EU 주제 어휘는 하나의 주소 공간이다. 데이터셋 설명은 그 공간 안의 주소 하나를 주제로 가리킨다. 저자가 포털 전체에서 실제로 사용 중인 주소를 세어 보니 36개였고, 그중 어휘가 실제로 정의한 것은 14개였다. 나머지 22개는 그 어휘에 존재하지 않는 주소다. 그 22개를 달고 있는 데이터셋이 1,238건이다.

상위 두 항목이 이 문제의 성격을 말해 준다. 가장 많은 806건은 주소 끝이 undefined다. 프로그램이 값을 못 찾았을 때 내놓는 문자열이 그대로 주소에 박혀 프로덕션까지 나간 직렬화 버그다. 다음 237건은 ENV인데, 권위 어휘의 환경 주제 값은 ENVI다. 글자 하나가 빠졌다.

문제는 이 오타들이 검증을 통과한다는 데 있다. 메타데이터 검증기는 보통 주소를 눌러 보는 방식으로 어휘 소속을 확인한다. 눌러서 정상 응답이 오면 존재하는 개념으로 판정한다. 그런데 EU 권위 어휘 서버는 자기가 정의하지 않은 주소에도 HTTP 200을 돌려준다. 함께 오는 본문은 문법적으로 완벽한 RDF 문서이고, 그 안에 개념이 하나도 없다.

페블러스는 2026년 9월 1일, 논문이 스냅샷을 뜬 날로부터 닷새 뒤에 같은 주소 공간에 직접 요청해 봤다. 정의된 보건 주제는 16,063바이트 문서를 돌려줬고, 다국어 라벨이 81개 들어 있었다. 논문이 보고한 값과 자릿수까지 같았다. 그다음 논문이 지적한 오타 두 개와, 여기서 즉석에서 지어낸 문자열 하나를 같이 요청했다.

페블러스가 2026년 9월 1일 EU 권위 어휘 주제 네임스페이스를 직접 역참조한 결과. 요청 헤더는 RDF/XML을 요구했고 리다이렉트를 따르지 않는 단일 요청으로 측정했다. 출처: publications.europa.eu 권위 테이블

170바이트 응답의 본문은 이것이 전부다. 네임스페이스 선언 두 줄과 빈 루트 요소다.

이 결과가 뜻하는 것은 결함이 아직 고쳐지지 않았다는 사실만이 아니다. 문제는 잘못 등록된 옛 값 몇 개가 남아 있는 상태가 아니라, 네임스페이스가 지금도 아무 문자열이나 받아 준다는 구조다. 상태코드만 읽는 검증기 앞에서는 ZZZQQ도 유효한 주제다.

판정이 갈리는 지점은 응답의 어디를 읽느냐 하나다.

저자도 이 함정을 밟기 직전까지 갔다고 적는다. 상태코드를 어휘 소속의 증거로 쓸 계획이었고, 그대로 갔다면 존재하지 않는 주소를 단 데이터셋을 0건으로 보고했을 것이다. 지금은 응답 본문을 파싱해 개념 수를 세고, 그 판정 방식을 회귀 테스트로 고정해 두었다.

이 미정의 주소들 뒤에 발견되지 못한 보건 데이터가 잔뜩 숨어 있는 것은 아니다. 저자가 그 가능성을 따로 확인했고, 권위 어휘 밖의 보건 용어를 단 데이터셋은 유럽 포털을 통틀어 3건이었다. 주소 오염 문제는 크지만 보건 몫은 무시할 수준이라는 것이 논문의 결론이다.

지금까지 나온 0들은 측정 결과다. 그 결과를 어떤 모양으로 저장했느냐는 아직 다루지 않았다. 품질 성적서를 발급하는 쪽이라면 이 논문에서 가장 먼저 가져다 쓸 것이 그 저장 방식이다. 저자는 준수 여부를 데이터셋에 붙는 속성으로 저장하지 않았다. 대신 누군가가 특정 날짜에 명시된 요구사항에 대해 내린 주장으로 기록했다. 이렇게 하면 값이 없다는 사실도 추론되지 않고 기록된다. 트리플이 없는 상태와 부재가 기록된 상태는 다른 것이고, 뒤의 것만 나중에 다시 물어볼 수 있다.

이 구분이 실무에서 쓸모를 갖는 이유는 실패가 한 종류가 아니라는 데 있다. 불리언 하나로 저장하면 아래 세 줄이 모두 거짓으로 뭉개진다.

논문 §5의 관측 모델이 구별하는 세 실패. 처방이 서로 다르다는 점이 구별의 근거다. 출처: Rovai, arXiv:2608.27720

관측의 종류도 하나가 아니다. 준수 관측 외에 어휘 바인딩 관측을 따로 둔 덕분에 여덟 칸을 다 채우고도 발견되지 않는 상태를 표현할 수 있다. 3번 섹션의 핀란드가 정확히 그 상태다. 언어 커버리지 관측은 국내에서 완결됐지만 단일언어인 카탈로그를 불완전한 카탈로그와 구별한다. 이 구별이 없으면 6번 섹션에 나오는 Findata를 부실하다고 잘못 기록하게 된다.

네 번째 종류인 출처 관측은 설계가 아니라 사고에서 나왔다. 어떤 속성의 존재율을 98.40%로 측정했는데 다시 보니 0.96%였다. 트리플은 분명히 있었지만 포털이 자기 품질 지표를 계산해 담아 두는 별도 그래프 안에 있었다. 포털이 스스로 만든 값을 발행자가 준 값으로 착각한 것이다. 품질 지표를 계산하는 플랫폼이 자기 산출물을 다시 입력으로 먹는 순환이고, 데이터 품질을 진단해 지표를 되돌려주는 서비스는 구조적으로 여기에 노출된다. 저자는 이후 모든 측정에서 그 그래프를 제외하고 값의 출처를 관측으로 남기는 유형을 새로 만들었다.

검증 규율도 이 모델과 짝을 이룬다. 저자는 헤드라인 수치 열여덟 개 전부를 서로 다른 두 경로로 계산하고, 하나라도 어긋나면 실행을 중단하도록 했다. 이번 실행은 열여덟 개가 모두 일치했다. 이 장치가 장식이 아니라는 증거는 4번 섹션의 수치에 남아 있다. 미정의 주제 주소를 교차검증하는 과정에서 한 경로가 Findata의 근거 없는 개념 태그까지 함께 세는 바람에 4,186건을 내놓았는데, 다른 경로가 1,238건을 내놓아 실행이 멈췄다. 앞 섹션에 적힌 1,238이 그렇게 살아남은 값이다.

규칙 검사는 세 계층으로 나뉜다. 자기 기록 규율을 검사하는 첫 계층은 위반이 0이고, 여러 카탈로그가 한 그래프에 함께 있어야 작동하는 세 번째 계층은 11건이다. 발견이 모여 있는 곳은 두 번째 계층으로 21,431건이 나왔다. 그 안에서 필수 속성 부재가 12,975건, 보건 전용 속성 부재가 8,433건인데 이 둘은 더하는 수가 아니다. 보건 전용 부재는 그 자체로 필수 부재이기도 해서 설계상 두 번 세어진다. 대신 각각이 다른 값과 맞물린다. 12,975는 거짓 판정으로 기록된 준수 관측 수와 정확히 같고, 8,433은 세 칸 곱하기 2,811건과 정확히 같다. 앞 섹션들의 0은 이 검산을 통과한 0이다.

저자는 필수 속성 목록을 손으로 옮겨 적지 않고 집행위가 발행한 공식 규칙 파일을 파싱해 생성했다. 커밋된 목록이 생성 결과와 어긋나면 빌드가 깨진다. 이러면 규격 판이 올라갈 때 고쳐야 하는 것이 코드가 아니라 데이터가 된다.

5.1이 규율에는 2016년 표준 선례가 있다

이쯤 되면 관측 모델이 이 논문의 발명처럼 보인다. 그래서 우리는 학술 선례를 찾아봤다. 결론부터 말하면 발상은 십 년 전에 이미 표준 어휘로 나와 있다. W3C가 2016년 12월 15일에 낸 데이터 품질 어휘 문서가 그것이고, 정식 권고안이 아니라 워킹그룹 노트지만 내용은 그대로 쓸 수 있게 정리돼 있다. 대응이 우연이라고 보기 어려울 정도로 정확하다.

페블러스가 W3C 데이터 품질 어휘 원문(Working Group Note, 2016-12-15)을 2026년 9월 1일 직접 조회해 대응 관계를 정리. 관측 규정 문장은 원문의 서술을 그대로 옮겼다.

논문 전문에는 이 어휘의 이름이 한 번도 나오지 않는다. 데이터 품질 어휘와 출처 어휘, 데이터 큐브 모두 언급이 0회다. 선행연구 절은 포털 품질을 측정한 계보를 성실히 다루지만 품질 판정을 표현하는 어휘의 계보는 다루지 않는다. 우리는 이 사실만 진술한다. 저자가 몰랐다고 단정할 근거는 우리에게 없다. 논문 자신이 다른 저자들에 대해 취한 절제를 우리도 같은 자리에서 취하는 편이 맞다.

논문이 인용한 규격 설계 논문과 같은 학회 논문집에는 HealthDCAT-AP 초안으로 카탈로그를 프로토타이핑하고 거기에 품질 평가 파이프라인까지 붙인 연구가 나란히 실려 있는데, 이 논문은 그쪽을 인용하지 않는다. 그렇다고 논문의 자리가 흔들리지는 않는다. 앞의 연구는 새로 만든 프로토타입을 다루고 이 논문은 이미 운영 중인 카탈로그를 센다. 대상이 다르니 라이브 카탈로그 준수 센서스의 선례를 찾지 못했다는 진술은 그대로 유지된다. 다만 이 규격 위에서 품질 평가를 시도한 사람이 없었다고 읽으면 틀린다.

그리고 이 발견은 논문의 값을 깎지 않는다. 논문의 규율은 실제로 작동했다. 자기 오류 다섯 건을 발표 전에 잡아낸 것이 그 증거다. 다만 기여를 좁혀 읽으면, 새 모형을 발명한 것이 아니라 기존 표준 어휘를 프로파일 준수 측정에 실제로 적용해 오류를 잡아냈다는 실증이다. 우리 쪽에는 이 좁힘이 오히려 좋은 소식이다. 품질 판정을 관측으로 기록하려는 조직이 프리프린트의 자체 모형을 베낄 필요가 없다는 뜻이니까. 표준 어휘를 그대로 쓰면 된다.

5.2한국 제도에도 같은 칸이 없다

한국에는 공공데이터 품질을 국가가 채점하는 제도가 이미 있다. 행정안전부의 공공데이터 품질관리 수준평가가 2016년부터 시행돼 2024년 기준 행정기관과 공공기관 679곳을 3개 영역 11개 지표로 채점한다. 유럽의 어느 회원국보다 촘촘한 제도다.

그런데 이 제도의 데이터 값 관리 영역은 오류와 결측 점검에 무게가 실려 있고, 값이 공표된 통제어휘의 구성원인지를 재는 지표는 없다. 4번 섹션에서 본 유럽 공식 품질 지표의 공백과 같은 자리다. 채움률은 양쪽 제도가 모두 재고 바인딩률은 양쪽 제도가 모두 재지 않는다. 그러니 좋은 품질 점수를 받았다는 사실은 그 기관의 주제 값이 어딘가에 묶여 있다는 증거가 되지 못한다. 2번 섹션의 덴마크 사례를 한국어로 옮기면 그런 문장이 된다.

2026년 여름 북유럽에서 보건 AI 인프라 청사진이 두 편 나왔다. 하나는 8월 14일 네이처 메디신에 온라인 공개된 스물두 명 공저 논문이다. 연계 레지스트리와 바이오뱅크 위에 지역 플랫폼을 올리고, OMOP을 기반으로 북유럽 공통 데이터 모델을 만들고, 국가별 신뢰연구환경 사이에 연합학습을 단계적으로 도입하는 그림이다. 유럽 보건데이터공간과의 정합성도 사후 보정이 아니라 처음부터 설계 제약으로 다루라고 요구하며, 스키마 감사와 온톨로지 매핑과 FAIR 메타데이터가 약속 목록에 들어 있다. 다른 하나는 핀란드 혁신기금 시트라의 보고서로, 단일 인프라와 단일 승인기관 위에 핀란드 보건데이터공간을 세우자고 제안한다. 앞의 논문이 이 보고서를 인용한다. 두 문서는 사람으로도 이어져 있다. 시트라 보고서의 제1저자가 네이처 메디신 논문의 저자 명단 마지막에도 이름을 올린다. 서로 모르는 두 팀이 우연히 같은 계층을 빠뜨린 상황이 아니라는 뜻이다.

이 글이 다루는 논문은 두 청사진 어디에도 DCAT 계열 규격이 언급되지 않는다고 보고한다. 두 문서의 표준화 논의는 전부 데이터셋 안쪽에 관한 것이다. 임상 관찰 모델, 질병 분류, 영상, 유전체, 병리가 그 목록이다. 데이터셋 바깥에서 다른 회원국이 그 데이터셋의 존재를 기계로 발견하는 계층은 등장하지 않는다.

저자는 이것을 두 텍스트에 관한 관찰로만 진술하고 저자들이 무엇을 알거나 검토했는지에 대한 주장으로는 진술하지 않는다고 적는다. 콘텐츠 모델을 다루는 논문이 발견 프로파일까지 다룰 의무는 없고 범위 설정은 정당하다고도 적는다. 그런데도 적어 두는 이유는 하나다. 두 문서가 다루지 않은 계층이 바로 이 측정이 0을 돌려준 계층이다. 다른 회원국에서 데이터셋을 찾을 수 없는 연합 플랫폼은 어려운 문제를 풀고 쉬운 문제를 남겨둔 것이 된다.

6.1Findata는 자기가 무엇인지 적을 칸이 없다

핀란드의 2차활용 허가기관 Findata는 이 지역에서 메타데이터가 가장 충실한 카탈로그에 속한다. 데이터셋 설명 2,835건에 인스턴스 변수 설명이 89,368건 붙어 있고 설명이 빠진 변수는 2.01%뿐이다. 빈약한 카탈로그가 아니다. 다만 영어 라벨을 가진 설명이 7.51%이고 변수의 84.74%에는 영어 라벨이 없다. 국내에서 완결된 단일언어 카탈로그이고, 규정의 목적이 국경 간 발견이라는 점에서 이것은 불완전과는 다른 종류의 실패이며 처방도 다르다. 5번 섹션의 언어 커버리지 관측이 존재하는 이유가 여기에 있다.

도달을 막는 두 번째 결함은 이 글의 논지와 같은 모양이다. 이 카탈로그의 개념 태그 2,948건은 하나도 빠짐없이 소속 어휘 칸이 비어 있다. 고유 개념으로 세면 508개이고 그중 477개는 영어 라벨까지 달려 있는데, 어느 공표 어휘에도 묶여 있지 않아 다른 어휘로 옮길 방법이 없다. 값은 있고 뜻도 사람에게는 읽히는데, 기계가 따라갈 실이 없다. 3번 섹션에서 핀란드 국가 포털이 로컬 식별자를 쓰고 있던 것과 같은 실패가 이 지역에서 가장 충실한 카탈로그 안에서 한 번 더 나온다.

Findata는 DCAT을 전혀 발행하지 않아 앞의 센서스에 구조적으로 잡히지 않는다. 저자는 이를 커버리지 누락이 아니라 별도 발견으로 처리하고 카탈로그를 직접 수확했다. 상한을 5,000건으로 걸고 돌렸는데 2,835건이 돌아왔으니 잘린 표본이 아니라 카탈로그 전체다. 노르웨이 보건등록부 카탈로그도 같은 이유로 보이지 않는다. 저자가 시도한 어느 경로에서도 기계가 읽을 창구를 내주지 않아, 노르웨이는 국가 오픈데이터 포털을 통해서만 이 측정에 들어왔다. 두 사례 모두 규정이 접근기구로 지목한 쪽이다.

Findata의 수확 결과를 필수 여덟 칸에 대응시키면 아래와 같다. 이 표는 준수율이 아니라 지금 있는 필드에서 값을 끌어올 수 있는지를 따진 것이다.

Findata 카탈로그의 스키마 수용력. 준수율이 아니라 현재 스키마에서 필수 항목 값을 끌어올 수 있는지를 판정한 것이다. 출처: Rovai, arXiv:2608.27720 Table 3

칸이 없다고 판정된 두 줄은 사정이 다르다. 적용 법령 칸이 없는 이유는 카탈로그가 이용 조건은 적으면서 그 조건이 어느 법령에서 나왔는지는 적지 않기 때문이다. 핀란드 2차활용법이 일부 레코드에 자유 텍스트로 등장하기는 하지만 법적 식별자가 아니라 기계가 해석하지 못한다. 그리고 보건데이터 접근기구 칸이 없다. 이 카탈로그의 접근기구는 Findata 자신이다. 규정이 지목한 바로 그 기관이 자기가 무엇인지를 진술할 칸을 스키마에 갖고 있지 않다.

6.2규격은 규격을 위해 만든 카탈로그 위에서 검증됐다

설치 기반에서 0이 나온 이유를 규격 쪽 문서에서도 찾을 수 있다. HealthDCAT-AP는 집행위의 HealthData@EU 파일럿에서 개발됐고 29개국이 참여한 TEHDAS2 공동행동이 이어받아 다듬었다. 범유럽 공개 의견수렴도 거쳤다. 문제는 검증 방식이다. 규격 설계를 기술한 논문은 검증 샌드박스를 규격을 구현하고 시험하기 위해 마련된 국가 카탈로그들이었다고 적는다.

그러니까 규격은 규격을 구현하려고 따로 세운 카탈로그 위에서 검증됐고, 유럽 데이터 포털이 실제로 수확하는 기존 카탈로그 위에서는 검증된 적이 없다. 설치 기반을 재면 0이 나오는 것이 이상한 일이 아니다. 규격의 결함도 아니고 발행 담당자의 부주의도 아니라 검증 대상이 애초에 다른 모집단이었다. 파일럿에서 통과한 규격이 운영 카탈로그에서도 통과한다는 보장은 없다. 파일럿 카탈로그는 규격을 위해 만들어졌고, 운영 카탈로그는 다른 이유로 이미 존재한다.

6.3공식 문서가 폐기된 판을 정본이라고 안내한다

이 글의 측정 기준은 릴리스 7이다. 발행 시점에도 그 기준이 유효한지 확인하려고 2026년 9월 1일 집행위 공식 저장소를 조회했다. 릴리스 5와 6과 7만 있고 8은 없으며, 릴리스 6을 폐기한 커밋이 2026년 4월 24일자로 남아 있다. 릴리스 7이 현행이 맞다.

같은 조회에서 다른 것도 나왔다. 규격이 원래 있던 깃허브 페이지는 2025년 9월에 폐기됐는데 주소는 아직 살아 있고, 그 페이지가 지금도 릴리스 5를 현행이자 정본이라고 안내한다. 이전한 공식 저장소의 안내 문서마저 실행 예시를 릴리스 5로 든다. 서드파티 구현이 죽은 위치를 계속 가리킨다는 논문의 지적은 정확했고, 그 표류의 상류가 공식 문서 자체였다. 오늘 릴리스 5를 기준으로 계산한 준수율은 엉뚱한 표적을 잰 값이다. 판이 두 번 올라가는 동안 필수 항목 목록도 바뀌었으니 통과와 실패가 뒤집힐 수 있다.

집행위는 공식 HealthDCAT-AP 검증기를 운영하지만 그것은 제출 전 레코드 한 건을 검사하는 발행자용 도구다. 이 논문의 규칙 파일은 정반대 일을 한다. 여러 카탈로그를 덮는 관측 그래프를 읽어 수확 매핑을 바꿀 수 있는 주체에게 보내는 보고서를 만든다. 저자도 자기 작업을 공식 검증기의 대체물로 쓰지 말라고 명시했다.

페블러스는 데이터를 진단하고 품질 성적서를 발급하는 일을 한다. 그래서 이 논문은 남의 나라 카탈로그 이야기로 읽히지 않는다. 여기서 0이 나온 지점들은 우리 제품이 매일 지나가는 지점이기도 하다. 우리 쪽 질문으로 바뀌는 것이 네 가지다.

7.1성적서를 어떤 자료구조로 발급할 것인가

진단 결과를 데이터셋에 붙는 불리언 속성으로 저장하면 값이 없는 경우와 값은 있지만 어휘에 묶이지 않은 경우와 값은 있지만 우리 플랫폼이 계산해 넣은 경우가 한 칸에서 뭉개진다. 셋은 처방이 전부 다르다. 어느 것인지 모르면 고객에게 무엇을 고치라고 말할 수도 없다.

그래서 어떻게 하라는 답은 5번 섹션에 이미 나왔다. 측정 한 건을 관측 한 건으로 두고, 누가 판정했는지와 언제 판정했는지를 붙이고, 성적서 자체를 별도 클래스로 발급한다. 이 세 조각은 W3C가 2016년에 표준화해 둔 어휘에 그대로 있다. 프리프린트의 자체 모형을 베낄 필요가 없다는 뜻이고, 표준 어휘를 쓰면 다른 도구가 우리 성적서를 읽을 수 있다는 뜻이기도 하다.

같은 섹션의 98.40%가 0.96%로 정정된 사고는 더 직접적인 경고다. 품질 지표를 계산하는 플랫폼이 자기가 계산한 값을 다시 입력으로 먹는 순환은 진단 서비스가 구조적으로 노출되는 위험이다. 값의 출처를 관측으로 남기지 않으면 그 순환이 시작된 시점을 나중에 찾을 수 없다.

7.2우리 파이프라인의 통과는 무엇을 뜻하는가

4번 섹션의 결함은 유럽 어휘 서버 한 곳의 사정이 아니다. 주소를 눌러 보고 상태코드만 읽는 검증은 어느 계층에서든 같은 모양의 거짓 통과를 만든다. 학습 데이터의 라벨 어휘가 그렇고, 온톨로지 클래스를 가리키는 주소가 그렇고, 데이터 계보를 잇는 링크가 그렇다. 응답이 200이라는 사실과 그 응답 안에 개념이 있다는 사실은 다른 사실이다.

이것은 오늘 답할 수 있는 질문이다. 우리 파이프라인의 검증 규칙 중 몇 개가 상태코드만 보고 있는지 세어 보면 된다. 유럽 공식 품질 지표도 한국 품질관리 수준평가도 채움률만 재고 바인딩률은 재지 않으니, 외부 지표가 초록불이라는 사실은 이 질문의 답이 되지 않는다.

7.3확장을 얹기 전에 기반을 먼저 잰다

이 측정이 도메인 확장을 준비하는 조직에게 주는 것은 순서에 관한 교정이다. 네 가지가 실무 규칙으로 바로 옮겨진다.

• 도메인 확장을 얹기 전에 기반 프로파일 준수율을 먼저 잰다. 확장이 0인 것보다 기반이 0인 것이 먼저 발견돼야 한다.
• 좋은 품질 등급을 준수의 증거로 읽지 않는다. 287점 Good을 받은 덴마크 카탈로그의 준수율이 0%였다.
• 기준 판이 현행인지 점검한다. 폐기된 판을 정본이라고 안내하는 공식 문서가 실제로 살아 있다.
• 파일럿 통과를 운영 통과로 읽지 않는다. 검증 샌드박스는 규격을 위해 세워진 카탈로그였다.

7.4발견 계층은 아직 비어 있다

6번 섹션의 청사진 두 편은 데이터셋 안쪽을 정교하게 설계하면서 데이터셋을 찾는 계층을 다루지 않았다. 이 공백은 북유럽만의 것이 아니다. AI-Ready Data를 학습 가능한 데이터라고만 정의하면 이 계층은 계속 남의 일로 남는다. 발견 가능하고 통제어휘에 묶여 있으며 판정 이력이 붙어 있는 데이터라고 정의를 넓히면, 메타데이터 거버넌스와 데이터 계보와 품질 진단이 그 정의를 떠받치는 도구가 된다.

집행위는 유럽 보건데이터공간이 향후 십 년간 약 110억 유로의 절감을 낼 것으로 봤다. 2022년 규정 제안 당시의 산정이다. 이만큼이 걸린 제도가 의존하는 발견 경로에서 필수 여덟 칸을 다 채운 설명이 0건이었다는 사실은 나란히 놓고 볼 만하다. 다만 두 문장을 인과로 묶지는 않는다. 발견 실패가 그 편익을 깎았다는 계산은 아직 누구도 하지 않았다.

7.5이 글이 시리즈에서 서는 자리

페블러스 블로그는 같은 문제를 세 번 다룬 적이 있다. 통제어휘와 자유 입력이 구조적으로 어떻게 다른지를 다뤘고, 연구데이터 파이프라인에서 메타데이터 품질을 어떻게 계측할지를 다뤘고, 카탈로그에 관계를 적는 칸이 없을 때 무엇이 사라지는지를 다뤘다. 세 편은 모두 그래야 한다는 이야기였다. 이번 편은 재봤더니 0이었다는 이야기다.

본문의 수치는 아래 1번 논문의 측정값과, 페블러스가 2026년 9월 1일 5번과 8~11번 출처에 직접 조회해 재계산한 값 두 갈래다. 어느 쪽인지는 본문과 표 캡션에서 구분해 적었다.

학술 논문 · 표준

• 1.Fabio Rovai. "Measuring the Installed Base: Nordic Health Dataset Catalogues Against HealthDCAT-AP Release 7." arXiv:2608.27720v1 [cs.DL], 2026-08-27. CC BY 4.0. arXiv: 2608.27720 — 미심사 프리프린트이며 단독 저자다. 저자는 온톨로지 엔지니어링과 데이터 거버넌스 컨설팅을 파는 회사의 대표로, 이 논문이 측정한 도메인의 공공부문 구매자에게도 판매한다고 이해상충 항목에 스스로 밝혔다. 측정 코드와 어휘, 검사 규칙은 오픈 라이선스로 공개돼 있다.
• 2.Pascal Derycke, Beatriz J. Barros, Nienke M. Schutte, Charles-Andrew Vande Catsyne, Martina Bargeman Fonseca (Sciensano). "Designing DCAT-AP Extensions for Common European Data Spaces: The EHDS HealthDCAT-AP Case Study." CEUR-WS Vol-4064 (SEMANTiCS 2025), NXDG25-paper5. ceur-ws.org
• 3.Rob Brennan, Junli Liang, Akila Wickramasekara (ADAPT Centre, University College Dublin). "Prototyping an Health DCAT-AP data catalogue to support population health indicator identification and quality assessment." CEUR-WS Vol-4064 (SEMANTiCS 2025), NXDG25-paper3. ceur-ws.org
• 4.Ole A. Andreassen 외 21인(총 22인 공저, 마지막 저자 O. Kallioniemi — 아래 6번 시트라 보고서의 제1저자와 같은 이름이다). "An AI-health infrastructure for the Nordic region: technical foundations, data assets, and a roadmap for deployment." Nature Medicine, 2026-08-14 온라인. DOI: 10.1038/s41591-026-04575-4 — 서지는 Crossref로 확인했고 본문은 유료 장벽이라 열지 못했다. 본문의 DCAT 계열 부재 진술은 1번 논문의 보고로 귀속한다.
• 5.Riccardo Albertoni, Antoine Isaac (eds.). "Data on the Web Best Practices: Data Quality Vocabulary." W3C Working Group Note, 2016-12-15. w3.org/TR/vocab-dqv
• 6.O. Kallioniemi, K. Porkka. "Terveystiedon tulevaisuus tekoälyn aikakaudella" (AI 시대 보건정보의 미래). Sitra selvityksiä 255, Sitra, 헬싱키, 2026 — 핀란드어 원문은 확인하지 못했다. 내용은 1번 논문의 인용으로 귀속한다.

정책 · 규격 · 통계

• 7.Regulation (EU) 2025/327 (유럽 보건데이터공간). 2025-02-11 채택, 2025-03-05 관보 게재, 2025-03-26 발효. 집행위 EHDS 페이지 — 십 년간 약 110억 유로 절감 추정치도 같은 페이지에서 확인했다(2022년 제안 당시 산정).
• 8.European Commission / HealthData@EU. "HealthDCAT-AP Release 7." code.europa.eu/healthdataeu/healthdcat-ap — 2026년 9월 1일 현행 확인. 릴리스 6 폐기 커밋 2026-04-24, 최신 커밋 2026-05-08.
• 9.data.europa.eu. "Metadata Quality Assurance (MQA)" 방법론 및 카탈로그 캐시 API. data.europa.eu/mqa/methodology — 유럽 카탈로그 209곳 전량을 2026년 9월 1일 페블러스가 직접 파싱해 재계산했다.
• 10.EU Vocabularies. "Data theme authority table." publications.europa.eu — 미정의 문자열에 HTTP 200과 빈 문서를 돌려주는 동작을 2026년 9월 1일 페블러스가 직접 재현했다.
• 11.data.europa.eu 공개 SPARQL 엔드포인트. data.europa.eu/sparql — 데이터셋 총계와 보건 주제 총계를 2026년 9월 1일 재조회했다.
• 12.공공데이터포털. 분류체계별 데이터 현황. data.go.kr — 2026년 9월 1일 조회.
• 13.행정안전부. 공공데이터 품질관리 수준평가 — 2016년 시행, 2024년 기준 행정·공공기관 679곳 대상, 3개 영역 11개 지표.

1번 논문의 참고문헌을 경유한 선행연구

아래 네 건은 본문에서 직접 인용하지 않았고 원문 대조도 하지 않았다. 서지 사항은 1번 논문의 참고문헌 목록에 적힌 그대로 옮긴 것이다.

• 14.S. Neumaier, J. Umbrich, A. Polleres. "Automated quality assessment of metadata across open data portals." Journal of Data and Information Quality 8(1), 2016, pp. 1–29.
• 15.J. Umbrich, S. Neumaier, A. Polleres. "Quality assessment and evolution of open data portals." 2015 3rd International Conference on Future Internet of Things and Cloud, 2015, pp. 404–411.
• 16.B. Wentzel, F. Kirstein, T. Jastrow, R. Sturm, M. Peters, S. Schimmler. "An extensive methodology and framework for quality assessment of DCAT-AP datasets." Electronic Government (EGOV 2023), Lecture Notes in Computer Science, 2023, pp. 262–278.
• 17.A. Devaraju, R. Huber. "An automated solution for measuring the progress toward FAIR research data." Patterns 2(11), 2021, 100370 — 이 연구가 만든 도구 이름이 F-UJI다.