사회서비스의 디지털 전환 007. 데이터(Data)

복지데이터는 복지 행정과 서비스 제공의 전 과정에서 생성·수집·활용되는 정보로서, 개인의 삶의 질 향상과 사회적 형평성 및 포용성 실현을 위한 핵심적인 정책 자원이다. 이러한 복지데이터는 단일한 성격의 자료로 구성되는 것이 아니라, 생성 주체와 활용 목적, 관리 체계에 따라 다양한 유형으로 구분되며, 각 유형은 복지정책의 설계·집행·평가 과정에서 상호 보완적으로 기능한다. 특히 복지데이터는 개인의 인구통계적 특성, 가족 구성, 소득과 돌봄 욕구 등 복지수급 자격 판단에 필요한 기초 정보와 함께, 건강상태와 진료·장기요양 이력 등 의료·돌봄 관련 정보, 현금·현물 급여의 지급 및 이용 과정에서 생성되는 행정자료를 포괄한다.

더 나아가 지역사회 차원에서는 복지관과 돌봄기관의 서비스 제공 및 참여 기록이 축적되며, 정책 운영 차원에서는 복지제도의 재정 집행, 인력 배치, 성과 관리와 관련된 정보가 함께 관리됨으로써, 복지데이터는 개인–지역사회–정책 수준을 포괄하는 통합적 정보 체계를 형성한다. 이러한 다층적 데이터 구조는 복지서비스 전달체계의 정합성과 정책 효과성을 점검·개선하는 데 중요한 기반으로 작용한다. 이에 따라 기존 연구와 정책 실무에서는 복지데이터를 개인복지 데이터, 건강·의료 데이터, 사회보장급여 데이터, 지역사회 복지 데이터, 복지행정·정책 데이터의 다섯 가지 핵심 영역으로 구분하고 있다. 주요 복지데이터의 유형은 다음과 같다.

복지데이터는 다섯 가지 핵심 유형으로 구분할 수 있다. 첫째, 개인복지 데이터는 개인의 인구통계, 가족, 장애, 소득, 돌봄 욕구 등 복지수급 자격 판단에 필요한 정보로, 행정안전부와 지자체 복지 부서가 관리하며 주민등록정보, 소득인정액 산정표, 사회보장번호 등이 이에 해당한다. 둘째, 건강·의료 데이터는 건강상태, 진료기록, 장기요양, 정신건강 등 의료·돌봄 관련 정보로, 보건복지부와 국민건강보험공단이 관리하며 전자의무기록(EMR), 장기요양급여 이력 등이 포함된다. 셋째, 사회보장급여 데이터는 현금·현물급여의 지급 및 이용에 관한 행정 데이터로, 보건복지부와 사회보장정보원이 관리하며 기초생활보장, 아동수당, 돌봄바우처 등이 대표적인 예이다. 넷째, 지역사회 복지 데이터는 복지관·돌봄센터 등 지역사회 기관의 서비스 제공 및 참여 정보로, 사회복지관, 지자체, 민간기관이 관리하며 프로그램 참여일지, 상담기록, 자원봉사 이력 등이 포함된다. 다섯째, 복지행정·정책 데이터는 복지행정 제도, 인력, 재정, 성과 등 복지정책 운영 관련 관리 정보로, 중앙정부, 지자체, 국책연구기관이 관리하며 예산집행현황, 복지인력 배치, 성과지표 등이 이에 해당한다(한국보건사회연구원, 2023; 2024).

복지데이터는 국민의 삶의 질 향상과 사회적 형평성, 포용을 실현하기 위한 핵심 공공자산으로서, 복지정책의 설계·집행·평가 전 과정을 뒷받침하는 근거 기반 인프라로 기능한다. 이러한 데이터는 복지서비스 제공 과정에서 생성되는 행정정보를 비롯하여 건강·의료정보, 지역사회 활동정보 등 다양한 형태의 정보를 포괄하며, 개인의 생애주기 전반에 걸쳐 축적된다는 특징을 지닌다. 특히 복지데이터는 다차원성, 통합성, 공공성을 주요 특성으로 하여, 행정·의료·사회서비스 영역의 데이터를 연계할 경우 복지 사각지대를 조기에 파악하고 정책 효과를 보다 정밀하게 평가할 수 있는 기반을 제공한다는 점에서 그 중요성이 강조된다.

이러한 특성은 실제 정책 현장에서 복지데이터의 활용 가능성을 확장시키고 있다. 해외 사례를 살펴보면, 호주 정부는 myGov 플랫폼을 통해 복지급여, 의료보험, 아동수당 등 주요 사회서비스를 통합 관리하고 있다. 해당 시스템은 2023년 7월부터 2024년 6월까지 약 4억 6,850만 건의 디지털 복지 서비스를 처리하였으며, 재난지원금과 긴급복지 급여의 자동화를 통해 행정비용을 절감하는 동시에 국민의 서비스 접근성과 제도에 대한 신뢰를 함께 제고한 것으로 평가된다(Services Australia, 2024a). 미국 사회보장국은 대규모 행정·급여 데이터를 기반으로 한 성과관리 체계인 SecurityStat을 운영하며, 복지 데이터의 분석 결과를 정책 집행과 연계하는 체계를 구축하고 있다. SecurityStat은 고객 서비스 지표, 급여 정확도, 장애 판정 처리 속도 등 핵심 성과지표를 정기적으로 점검·공유하는 데이터 기반 관리 시스템으로, 기관 전반의 의사결정 과정에 활용되고 있다.(Social Security Administration, 2025).

한편 공공부문이 보유한 복지데이터를 인공지능 기술 발전의 기반으로 활용할 경우, 사회혁신과 맞춤형 복지의 동시적 촉진이 가능해진다. 복지데이터는 건강·복지·돌봄을 위한 공공의 사회적 자산으로서, 정책 대상자의 특성과 잠재적 위험 요인을 보다 정교하게 분석하고 선제적 개입을 가능하게 한다는 점에서 그 가치가 크다. 국내에서도 복지행정데이터를 연계·분석하여 돌봄 사각지대를 조기에 탐지하고 고위험군을 선제적으로 발굴함으로써, 복지정책의 대응력과 행정 효율성을 제고한 사례가 보고되고 있다.

이처럼 복지데이터는 단순한 행정 기록의 축적을 넘어, 복지정책의 과학화와 합리적 의사결정을 가능하게 하는 지식 기반 인프라로 발전하고 있다. 이는 데이터가 정보 관리의 수단을 넘어 국가 복지체계 전반의 혁신과 제도적 신뢰 형성을 이끄는 핵심 동력으로 기능하고 있음을 보여준다.

복지데이터의 활용이 확대될 수록 데이터 품질관리와 보안 확보는 복지정책의 신뢰성과 지속가능성을 좌우하는 핵심 요소로 부상하고 있다. 데이터 품질은 일반적으로 정확성, 완전성, 시의성, 일관성, 접근의 투명성 이라는 기준을 통해 설명되며, 이는 복지·보건 분야에서 데이터 기반 정책 판단의 신뢰성을 확보하기 위한 필수 요건으로 제시되고 있다. 특히 데이터 품질이 충분히 확보되지 않을 경우 정책 대상의 오판, 자원 배분의 왜곡, 서비스 제공의 불형평으로 이어질 수 있다는 점에서 그 중요성이 강조된다.

이와 함께 복지데이터의 적극적인 활용과 개인정보 보호 간의 균형을 달성하기 위해서는 체계적인 기술적 보호 장치의 도입이 필수적이다. 가명처리, 차등정보보호, 재현데이터와 같은 기술은 데이터의 재식별 위험을 최소화하면서도 분석 가능성을 유지하도록 설계된 방식으로, 공공데이터를 안전하고 책임 있게 활용하기 위한 기반을 제공한다. 이러한 기술적 접근은 데이터 활용의 범위를 확대하는 동시에 개인정보 침해 가능성을 구조적으로 통제하는 역할을 수행한다.

개인정보 보호의 관점에서도 복지데이터 관리의 중요성은 더욱 부각되고 있다. 개인정보 처리 과정에서는 정보주체의 자기결정권 보장과 목적 외 이용 제한이 기본 원칙으로 적용되며, 복지 행정기관은 업무 수행에 필요한 최소한의 정보만을 수집·처리해야 한다. 또한 가명화 및 비식별화 조치, 제3자 제공이나 위탁 과정에서도 동일한 수준의 보호조치를 유지할 것이 요구된다(개인정보보호위원회, 2025). 공익 목적의 데이터 활용이라 하더라도 명확한 법적 근거와 기술적·관리적 보안 조치가 병행되어야 하며, 정보주체의 권리 보호가 전제되어야 한다.

이처럼 복지데이터의 품질관리와 보안은 단순한 기술적 관리 차원을 넘어, 국민의 권리 보호와 복지정책에 대한 사회적 신뢰를 뒷받침하는 핵심 기반으로 기능한다. 데이터의 정확성과 투명성, 안전성이 확보될 때 복지정책은 보다 일관되고 책임성 있게 운영될 수 있으며, 이를 토대로 지속가능한 복지체계의 구축 또한 가능해진다.