데이터가 없으면 시작도 없다
무엇을, 어디서 구할까

지난 시간 팀마다 카드 한 장에 주제를 적었습니다. “급식 잔반을 줄이자”, “분리수거장의 페트병을 가려내자”, “우리 학교 등굣길 미세먼지를 알려 주자”. 좋은 주제들입니다. 그런데 프로젝트가 실제로 무너지는 자리는 주제가 아닙니다.

이 단원을 설계하면서 일어날 수 있는 위험을 아홉 가지 적어 두었습니다. 그중 네 가지는 오늘 이 차시 안에서 이미 눈에 보입니다. 나머지 다섯은 6차시 이후에나 드러나고, 그때는 되돌리는 값이 훨씬 비쌉니다.

위험 아홉 가운데 오늘 보이는 넷. 이 넷을 오늘 못 보면 6차시에 가서 코드를 앞에 두고 알게 됩니다.

위험	무엇이 보이면 아나	플랜 B	그 대가
데이터를 못 구한다	판정에 ‘간다’가 하나도 없다	견본 데이터로 간다	우리 학교 이야기가 아니게 된다
데이터가 모자란다	규격 점검에서 70행을 못 넘는다	기간을 늘리거나 사람을 늘린다	6차시까지 못 끝낸다
이름표를 못 붙인다	한 차시에 붙일 수 있는 것이 165장뿐	장 수를 줄인다	적어지면 성능이 흔들린다
개인정보가 걸린다	신호등이 빨강	다른 후보로 간다	주제를 처음부터 다시 좁혀야 한다

가장 흔한 실패는 이것입니다. 주제는 멋진데 데이터가 없다. “인터넷에 있겠지”라고 넘어간 팀이 6차시에 컴퓨터실에 앉아 빈 DATA 를 내려다보게 됩니다. 그때 남은 시간은 다섯 차시뿐입니다.

그래서 오늘은 순서를 뒤집습니다. 계획서를 쓰기 전에 자료부터 손에 넣을 수 있는지 봅니다. 계획서는 다음 시간(5차시)에 씁니다. 오늘 판정한 결과가 그 계획서의 세 번째 칸이 됩니다.

오늘 40분은 이렇게 씁니다. 개념은 8분, 나머지 22분은 여러분 팀의 자료를 다루는 시간입니다. 1차시부터 3차시까지가 ‘생각하는 시간’이었다면, 오늘부터는 ‘손이 움직이는 시간’입니다.

자료를 얻는 길은 크게 셋입니다. 셋 다 공짜가 아니고, 무엇을 치르느냐가 서로 다릅니다. 먼저 예측해 봅시다 — 우리 문제에 가장 잘 맞는 자료는 어느 길에서 나올까요?

한 줄로 줄이면 이렇습니다. 우리 문제에 맞을수록 손이 많이 갑니다. 공짜인 것은 남의 문제에 맞춰져 있습니다. 셋 중에 정답은 없고, 우리 팀이 가진 시간과 맞바꾸는 선택만 있습니다.

여기서 자주 놓치는 대가가 하나 더 있습니다. 이름표입니다. 사진 3,000장을 찍어 오는 것은 하루면 됩니다. 그런데 그 3,000장에 ‘가능/불가’를 붙이는 일은 누가 합니까? 우리입니다. 그 시간이 얼마인지는 오늘 손으로 재 볼 것입니다. 먼저 짐작해 보세요 — 네 명이 나눠서 붙이면 몇 분쯤 걸릴까요?

후보가 하나 떠오르면 우리는 보통 “쓸 만한가?” 하고 한 번에 판단합니다. 그런데 그 한 번의 판단 안에는 서로 다른 물음 넷이 뒤엉켜 있습니다. 따로 떼어 놓으면 팀원끼리 다투지 않고 결정할 수 있습니다.

①②③ 를 더하면 0~9점이 나옵니다. 7점 이상이면 ‘간다’, 4~6점이면 ‘보류’, 3점 이하면 ‘안 된다’.

잣대	0점	1점	2점	3점
① 공개돼 있나	비공개	요청하고 허락받아야	회원가입 / 승인	바로 받는다
② 형식이 맞나	형식이 없다(말 · 기억)	사진 · PDF뿐	표이지만 손질 필요	CSV / 엑셀
③ 양이 되나	70행 미만	70~200행	200~1,000행	1,000행 이상
④ 개인정보	점수가 아니라 신호등입니다. 초록 · 노랑 · 빨강 셋 중 하나만 고릅니다.

여기서 오늘의 핵심이 나옵니다. ④번은 왜 점수가 아닐까요? 점수로 만들면 다른 점수로 덮을 수 있기 때문입니다. 개인정보에 −3점을 주었다고 합시다. 공개 3점 · 형식 3점 · 양 3점짜리 자료라면 9 − 3 = 6점, 여전히 ‘보류’쯤에 남습니다. 그리고 ‘보류’는 언젠가 ‘간다’가 됩니다.

그래서 ④번을 관문으로 둡니다. 빨강이 하나 뜨면 합계를 보지도 않고 거기서 멈춥니다.

“공개 데이터를 찾아보세요”라는 말은 도움이 되지 않습니다. 어디를 열어야 하는지가 문제니까요. 아래 목록은 2026년 9월 1일에 실제로 한 번씩 열어 보고 적은 것입니다. 맨 오른쪽 칸을 유심히 보세요 — 확인한 정도가 서로 다릅니다.

⚠ 가 붙은 셋은 이름과 운영기관까지만 확인했습니다. 무엇을 어떤 형식으로 받을 수 있는지는 직접 열어 봐야 압니다.

창구	주소	누가 운영하나	무엇이 있나	확인
공공데이터포털	www.data.go.kr	대한민국 정부	파일데이터 · 오픈API 를 한곳에	✅ 열림
KOSIS 국가통계포털	kosis.kr	국가데이터처	국가승인통계 표	✅ 열림
기상자료개방포털	data.kma.go.kr	기상청 국가기후데이터센터	지상 · 해양 · 고층 관측 · 기후통계	✅ 열림
서울 열린데이터광장	data.seoul.go.kr	서울특별시	서울시 자료	✅ 열림
AI 허브	aihub.or.kr	한국지능정보사회진흥원	AI 학습용 데이터 · 회원가입 필요	✅ 열림
에어코리아	airkorea.or.kr	한국환경공단	대기질 최종확정 측정자료	✅ 열림
국가법령정보센터	law.go.kr	법제처	법령 원문(개인정보 보호법 등)	✅ 열림
교육통계서비스	kess.kedi.re.kr	한국교육개발원	— 열어 보지 못해 못 적는다	⚠ 이름만 확인
학교알리미	schoolinfo.go.kr	교육부 · 한국교육학술정보원	— 열어 보지 못해 못 적는다	⚠ 못 열었다
LOCALDATA	localdata.go.kr	행정안전부	— 열어 보지 못해 못 적는다	⚠ 못 열었다

이 표에서 배울 것은 목록 자체가 아닙니다. “확인했다”에도 등급이 있다는 사실입니다. ‘열린다’와 ‘쓸 수 있다’는 다릅니다. 우리 팀 계획서에 창구를 적을 때도 내가 어디까지 확인했는지를 함께 적으세요. “검색해 보니 있는 것 같다”와 “내려받아서 열어 봤다” 사이에는 프로젝트 하나가 들어갑니다.

아래 판정기에는 두 개의 칸이 있습니다. [판정] 칸에서는 후보 하나를 네 잣대로 재고, [직접 만들기] 칸에서는 공개 데이터가 없을 때 우리가 만들면 몇 행이 되는지를 셉니다. 두 칸 다 여러분이 밀어 놓은 값에서 그 자리에서 계산합니다 — 미리 적어 둔 답이 열리는 것이 아닙니다.

과제 ① — 우리 팀 후보 셋을 재어 적는다

3차시에서 좁힌 주제에 필요한 자료를 세 개 떠올려 보세요. 하나는 공개 데이터, 하나는 우리가 만드는 것, 하나는 아무거나 좋습니다. 셋을 판정기에 넣고 아래 표를 채웁니다. 판정이 ‘중단’인 것도 반드시 한 줄 적으세요 — 왜 안 되는지를 적어 두는 것이 5차시 계획서의 ‘위험’ 칸이 됩니다.

후보 이름	①	②	③	합계	④ 신호등	판정

과제 ② — 반례를 만든다

판정기로 합계 9점인데 판정이 ‘중단’인 후보를 하나 만들어 보세요. 만들고 나서 스스로 물어보세요 — 9점이라는 것은 바로 받을 수 있고, CSV이고, 1,000행이 넘는다는 뜻입니다. 그렇게 좋은 자료를 왜 못 쓸까요? 그 답을 한 문장으로 공책에 적으세요.

견본 후보 열 개를 넣어 보면 실제로 그런 줄이 나옵니다. ‘인스타그램 해시태그 게시물’은 합계 7점입니다 — ‘간다’ 줄에 설 뻔했지요. 그런데 판정은 ‘중단’입니다. 빨강 하나가 7점을 멈춰 세웠습니다. 만약 ④번을 점수로 만들었다면 이 후보는 그대로 나갔을 것입니다.

과제 ③ — 문턱을 찾는다

[직접 만들기] 칸으로 옮겨 갑니다. 설문을 고르고 사람 수를 30명, 응답률을 100%로 둡니다. 이제 ‘걷는 날 수’를 1부터 하나씩 올리면서, 규격 70행을 처음 넘는 날을 찾으세요. 그다음 응답률을 60%로 낮추고 다시 찾으세요. 두 날짜를 공책에 적습니다.

그리고 마지막으로 문항 수 슬라이더를 3에서 12까지 끝까지 밀어 보세요. 행 수가 얼마나 늘어납니까? 이것이 오늘 가장 많이 틀리는 자리입니다.

왜 70행일까요? 6차시부터 우리는 자료의 30%를 떼어 테스트 데이터로 씁니다. 훈련과 테스트를 가르는 일은 Ⅱ-11 ‘외운 것인가 이해한 것인가’에서 배웠지요. 거기서 관례가 훈련 60~80%라고 했고(그 차시 실습은 75% / 25%였습니다), 4단원은 그 안에서 70%로 못 박았습니다. 70행이면 테스트가 21개가 됩니다. 같은 Ⅱ-11 에서 훈련을 90%까지 올려 테스트를 6명으로 줄였더니 한 명이 16.7%p가 되어 점수가 실력이 아니라 눈금의 거칠기를 보여 주었습니다. 테스트가 스무 개도 안 되면 정확도가 너무 크게 튀어서 읽을 수가 없습니다. 테스트가 4개면 나올 수 있는 정확도가 0 · 25 · 50 · 75 · 100% 다섯 개뿐입니다. 그런 숫자로는 “k를 키우니 좋아졌다” 같은 말을 할 수 없습니다.

판정에서 ‘간다’가 나왔다고 끝이 아닙니다. 파일을 받으면 가장 먼저 할 일은 세어 보는 것입니다. 몇 행인가, 몇 열인가, 빈칸은 몇 칸인가, 각 열의 최소와 최대는 얼마인가. 여기서 이상하면 뒤의 모든 단계가 이상해집니다.

아래 코드는 CSV 를 붙여 넣으면 그것을 표로 세우고 열마다 통계를 찍습니다. 표를 다루는 도구(pandas)의 info() · describe() 두 줄이 하는 일을 손으로 적은 것입니다. 두 줄로 넘어가면 편하지만, 손으로 세어 보면 빈칸을 어떻게 할지가 남의 결정이 아니라 우리 팀의 결정이 됩니다.

가운데의 summary() 는 6차시부터 열 차시까지 계속 쓰게 될 골격의 일부입니다. 6차시에서 같은 표를 다시 만나게 되니, 오늘 눈에 익혀 두세요. 그 위의 mean · median · stdev 셋은 Ⅱ-4 에서 만들어 둔 것을 한 글자도 안 고치고 옮겨 온 것입니다.

실행하면 아래와 같은 표가 나옵니다. 견본은 급식 4주치(20일)를 손으로 옮겨 적은 표인데, 지어낸 자료이고 흠을 네 개 일부러 심어 두었습니다. 찾아보세요.

행 20개 · 열 6개 · 빈칸 합계 2칸. 이 표는 지어낸 급식 자료에서 나온 값이며, 어느 학교의 실제 기록도 아닙니다. 화면 출력에서 ‘날짜’ 줄이 유난히 긴 것도 그대로 두었습니다 — 그 길이 자체가 식별자 열이라는 신호이기 때문입니다.

열 이름	종류	빈칸	최소 / 가짓수	중앙값	평균	최대	표준편차
날짜	범주	0	20가지 — 값이 전부 하나씩	—
요일	범주	0	5가지	월 · 화 · 수 · 목 · 금 각 4
메뉴	범주	0	5가지	한식 8 · 양식 4 · 중식 4 · 일식 3 · ‘한식 ’ 1
배식인원	수치	0	388	402.5	587.75	4120	810.38
잔반kg	수치	1	8.8	18.6	17.69	27.3	5.93
기온	수치	1	7.2	13.8	13.45	18.1	2.98

심어 둔 흠 넷은 이렇습니다.

• 빈칸 2칸 — 잔반kg 하나, 기온 하나. 표에서 ‘빈칸’ 칸에 1이 찍힙니다. 이 칸을 0으로 채우면 안 됩니다. 0은 ‘0이라고 적혀 있다’이고, 빈칸은 ‘아무것도 안 적혀 있다’입니다. 실제로 0으로 채워 보면 잔반 평균이 17.69 → 16.80으로 내려갑니다 — 한 톨도 안 남은 날이 하루 생긴 셈이 되지요. Ⅱ-4 에서 세운 규칙이 여기서 값으로 확인됩니다.
• 자릿수 오타 1개 — 배식인원 최대가 4120입니다. 전교생이 420명인 학교에서 4,120명에게 배식했을 리 없습니다. 412를 치다가 0을 하나 더 친 것이지요.
• 표기 흔들림 1개 — 메뉴 가짓수가 5가지로 나옵니다. 한식 · 양식 · 중식 · 일식, 우리가 아는 것은 넷인데 하나가 더 있습니다. '한식 ' — 뒤에 공백이 하나 붙은 값입니다. 눈으로는 똑같아 보이지만 컴퓨터에게는 다른 값입니다.
• 식별자 열 1개 — ‘날짜’ 열은 20개 값이 전부 서로 다릅니다(100%). 이런 열을 모델에 넣으면 모든 행이 자기 자신과만 닮게 되어 이웃이 사라집니다. 그리고 그것이 사람에 관한 것이라면(이름 · 학번) 그 자리가 바로 개인정보입니다.

여기서 꼭 짚을 것이 있습니다. 코드는 4120이 이상한 줄 모릅니다. 우리 학교 전교생이 몇 명인지 아는 사람만 압니다. 6차시에서 z 라는 잣대로 이런 값을 자동으로 표시하게 만들지만, 표시된 것을 버릴지 고칠지는 끝까지 사람이 정합니다. 1750cm는 오타지만 205cm는 진짜 있을 수 있는 키니까요.

그래서 이 자료로 모델을 만들 수 있나 — 규격 점검

첫인상이 잘 읽힌다고 쓸 수 있는 것은 아닙니다. 마지막 칸이 그것을 판정합니다.

표가 예뻐 보이는 것과 쓸 수 있는 것은 다릅니다. 읽히는데 모자란다 — 이것이 오늘 배우는 것입니다.

규격	최소	견본	판정
행 수	70	20	✘ 50행이 모자란다
특성(수치 열)	3	3	✔
이름표 후보(범주 열)	1	3	✔

4주치가 20행이니, 한 학기(약 95일)치를 받아 오면 넘습니다. “자료가 없다”가 아니라 “기간이 모자란다”는 진단이 나온 것이지요. 진단이 이렇게 구체적이면 다음에 할 일도 구체적입니다 — 영양 선생님께 4주치가 아니라 한 학기치를 부탁드리면 됩니다.

위 판정기가 화면에서 하던 일을 이번에는 코드로 적습니다. 직접 적어 보면 규칙이 어디에 들어 있는지가 보입니다 — 특히 빈칸 ④ 한 줄이 이 차시의 윤리를 통째로 담고 있습니다.

실행하면 후보 열 개의 판정이 나옵니다. 간다 4개 · 조건부 1개 · 보류 2개 · 중단 3개입니다. 중단 셋을 보세요. 하나는 합계가 7점이고, 하나는 6점입니다. 점수만 보면 ‘보류’ 이상인데도 전부 멈춰 섰습니다. 빨강 때문입니다.

그다음 두 표가 ‘공개 데이터가 없으면 우리가 만든다’는 길입니다. 아래는 그 표에서 꼭 기억할 세 줄입니다.

‘한 해 190일’은 초 · 중등교육법 시행령 제45조가 정한 최소 수업일수에서 왔습니다. 다만 그 조항은 하한을 정한 것이지 고정값이 아니어서, 사정에 따라 줄어들 수 있습니다.

방식	설정	행	규격 70행	배울 것
설문	우리 반 30명에게 한 번	30	✘	한 번 걷어서는 못 넘는다
설문	우리 반 30명에게 열흘	300	✔	행을 늘리는 것은 날짜와 사람이다
설문	우리 반 30명에게 열흘 (응답률 60%)	180	✔	응답률은 정직하게 넣는다
측정	한 지점 하루 한 번 열흘	10	✘
측정	세 지점 하루 네 번 열흘	120	✔	지점을 늘리는 것이 가장 빠르다
기록	급식 일지 4주	20	✘
기록	급식 일지 한 학기	95	✔	가장 싸다 — 이미 누가 적어 뒀다
기록	급식 일지 한 해	190	✔	대신 허락과 형식이 관문이다

여기서 가장 자주 틀리는 자리를 다시 짚습니다. “문항 3개짜리 설문을 열흘 걷으면 300행”은 맞습니다. 하지만 그 300행은 문항 때문이 아닙니다. 30명 × 10일 = 300, 문항 수는 이 식에 들어오지도 않습니다. 문항은 행이 아니라 열입니다. 문항을 늘리면 특성이 늘고, 행은 그대로입니다. 이 함정을 5차시에서 숫자로 다시 잽니다 — 문항이 몇 개여야 하는지가 거기서 나옵니다.

이름표 값 — 프로젝트 시간의 절반이 여기로 간다

마지막 표가 오늘 가장 쓸모 있는 한 줄을 줍니다. 사진 한 장을 눈으로 보고 ‘가능/불가’를 정하는 데 8초가 걸린다고 가정하면, 네 명이 나눠서 붙일 때 이렇게 됩니다.

8초는 우리가 정한 가정이지 조사된 값이 아닙니다. 그래서 아래에 직접 재 보는 활동을 둡니다.

장 수	혼자	4명이 나누면	차시(22분) 몇 개분
100	13.3분	3.3분	0.15
160	21.3분	5.3분	0.24
300	40.0분	10.0분	0.45
500	66.7분	16.7분	0.76
1000	133.3분	33.3분	1.52
3000	400.0분	100.0분	4.55

읽는 법은 이렇습니다. 한 사람이 한 차시(22분)에 붙일 수 있는 이름표는 165장입니다. 네 명이면 660장이지요. 6~10차시에 우리가 쓸 견본 데이터가 160장인 것도 여기서 나왔습니다 — 네 명이 나누면 5.3분, 한 차시의 4분의 1도 안 됩니다.

반대쪽을 보세요. 3,000장을 찍어 오면 네 명이 붙여도 100분입니다. 4.5차시가 이름표에만 사라집니다. 우리에게 남은 차시는 전부 합쳐 다섯인데요. “그럼 더 빨리 붙이면 되지” 하고 8초를 3초로 줄여도 3,000장은 여전히 37.5분입니다. 초가 아니라 장 수를 줄여야 하는 문제입니다.

오늘 산출물은 표 한 장과 숫자 두 개입니다. 다음 시간에 계획서를 쓸 때 그대로 옮겨 적게 되니, 공책에 남겨 두세요.

• 후보 셋을 네 잣대로 재어 표에 적는다. 빨강이 하나면 거기서 멈춥니다. 합계 점수를 아무리 더해도 넘을 수 없습니다.
• ‘간다’가 하나도 없으면 우리가 만든다. 사람 수 · 걷는 날 수 · 응답률을 정해서 몇 행이 되는지 계산해 적으세요. 70행을 못 넘으면 날짜를 늘리거나 사람을 늘립니다.
• 이름표가 없는 자료를 골랐으면 시간을 재 본다. 20장을 재어 우리 팀의 초를 구하고, 우리가 모으려는 양에 곱해 보세요. 22분 안에 못 끝나면 양을 줄입니다.
• ⚠ 집단 열을 하나 정한다. 요일 · 학년 · 촬영 조건 · 수집한 사람 — 집단 열은 모델에 넣지 않고 9차시에서 성능을 쪼개어 볼 때 씁니다. 값이 2~3가지인 것이 좋고, 테스트에서 한 집단에 15개 이상이 있어야 합니다. 이것을 안 정하면 9차시가 통째로 안 돌아갑니다.
• 못 구한 팀도 괜찮습니다. 아래 견본 데이터로 6~10차시를 끝까지 갈 수 있습니다.

견본 데이터로 가는 길

자기 데이터가 없는 팀을 위해 한 벌이 준비돼 있습니다. 6차시부터 10차시까지 다섯 차시가 모두 이 한 벌을 쓰므로, 중간에 갈아탈 필요가 없습니다.

⚠ 이 데이터는 지어낸 것입니다. 어느 학교의 실제 기록도, 어느 기관의 공개 자료도 아닙니다. 여기서 나오는 성능 숫자는 “견본 데이터로 해 보면 이렇게 된다”로만 말할 수 있습니다.

무엇	견본 데이터
이야기	학교 분리수거장에서 찍은 페트병 사진 160장을 사람이 눈으로 재어 적은 표
열	7개 — 반사도 · 밝기 · 투명도 · 이물질 · 찌그러짐 · 촬영조건 · 재활용
특성	앞의 다섯 (모델에 넣는 열)
이름표	재활용 — 가능 / 불가
집단 열	촬영조건 — 밝음 / 어두움 (9차시에서 쪼개어 봅니다)
심어 둔 흠	빈칸 3칸 · 자릿수 오타 2개 — 6차시에서 찾아내는 것이 실습입니다

견본을 쓰기로 했다면 5차시 계획서의 ‘데이터 출처와 수집’ 칸에 “견본 데이터(페트병 사진 160장)”라고 적고, ‘위험과 플랜 B’ 칸에 “우리 학교 이야기가 아니게 된다”는 대가를 함께 적으세요. 그 대가를 적어 두는 것과 모른 채 가는 것은 11차시 발표에서 크게 갈립니다.

✍️ 문제마다 답을 쓰고 제출하기를 누르세요. 제출하면 모범 답안이 열리고, 제출한 답은 선생님께 전달됩니다.