인사이트

인사이트리포트

디지털프렌스포메이션 최신 정보 및 트렌드를 제공합니다.

데이터 관리

비즈니스 성과 향상을 위한 기준정보관리 : MDM 개념과 제조업 적용 사례

2018.11.12이무선
다운로드

1. 4차 산업혁명의 변화 모습

지금은 인공지능(AI), 사물인터넷(IoT), 빅데이터(Big Data) 등 첨단 정보통신 기술이 경제, 사회 전반에 융합되어 혁신적인 변화가 나타나는 4차 산업혁명 시대이다. 이는 기업 경영 환경의 디지털 변혁을 촉진하면서 새로운 비즈니스 모델을 파생시키고 있다. 그 변화를 관통하는 핵심 키워드는 다음과 같이 요약할 수 있다.

1) 개방 플랫폼

재화의 거래 방식이 오프라인과 판매자∙유통업자 중심의 일방적 공급 모델에서 온라인 중개 플랫폼 기반의 참여자 거래 모델로 변하고 있다. 일례로 인터넷 오픈 마켓을 통해 다수의 판매자가 상품을 공급하게 되면서 소비자는 보다 양질의 제품을 값싸게 구매할 수 있게 되었다. 어플리케이션 유통 기능을 하는 앱스토어도 같은 맥락으로 볼 수 있다.

2) 공유

플랫폼을 기반으로 개방된 공유 경제 모델은 과거에 볼 수 없었던 새로운 가치를 창출하고 있다. 스마트폰 앱을 통해 운전 기사와 승객을 이어주는 차량 호출 서비스나 개인의 집을 빌려주는 숙박 공유 서비스 등이 이에 해당한다.

3) 협업

기업의 내부 자원과 역량에 의존하는 대신 외부 네트워크를 적극적으로 활용하는 방식으로 비즈니스가 변모하고 있다. 많은 기업들이 구매∙디자인∙상품개발∙생산∙판매∙서비스 등의 전 영역에서 외부 네트워크를 활용하는 Outreach 개념을 도입하고 있다.

4) 서비스화

이제 기업은 제품에 IT를 접목하여 ‘서비스’라는 새로운 부가가치를 더하고 있다. IoT 기술은 스마트 도어록의 내장 카메라로 촬영한 방문객 사진을 집주인의 스마트폰으로 전송해 신원 확인을 돕는다. 인공지능은 사용자에 최적화 된 실내 온도 데이터를 축적하여 시간대별로 적정 온도가 자동으로 맞춰지는 스마트 온도 조절기를 탄생시켰다.

이 같은 비즈니스 모델의 변화를 견인하는 동력이자 핵심 가치는 ‘데이터’이다. 오프라인 중심의 전통적인 경제/사회 구조가 온라인과 디지털 기반으로 전환되면서 방대한 양의 데이터가 생성되었고 이를 유의미하게 분석해 기업 경영에 활용하는 것이 전략적으로 중요해졌기 때문이다. 특히 데이터를 기반으로 하는 사물인터넷(IoT), 인공지능(AI) 등이 4차 산업혁명의 핵심 기술로 급부상 하면서 데이터의 가치는 나날이 높아지고 있다.

글로벌 IT벤더들의 발빠른 행보가 이를 방증한다. 2014년 구글이 32억달러를 들여 스마트홈 기기 제조사 네스트(Nest)를 인수하고, 2016년 IBM이 미국의 기상정보업체 웨더컴퍼니의 날씨데이터 등 디지털 자산을 20억 달러에 인수한 사례는 데이터의 가치를 단적으로 보여준다. 현재 구글은 네스트의 스마트홈 기기로부터 수집되는 각종 생활 데이터를 활용한 IoT 기반의 인공지능 서비스 사업을 추진하고 있고, IBM은 웨더컴퍼니의 정교한 기후 데이터를 토대로 자사의 인공지능 시스템인 왓슨 비즈니스를 강화하고 있다.

반면 데이터를 기반으로 하는 신기술 비즈니스에서 교훈을 주는 사례도 있다. 2016년 IBM 왓슨이 암 진단 등을 목적으로 국내 의학계에 진출했으나 아직 의미 있는 활용 사례가 나오지 않고 있다. 왓슨이 미국과 유럽 지역 환자와 논문 데이터로 학습을 한 반면 한국인의 유전적 특성 등이 반영되지 않다 보니 암 진단 정확도가 기대에 못 미치는 것이 주요 이유로 꼽힌다. 왓슨의 활용도를 높이기 위해서는 국내 환자들의 의료 데이터를 추가해 학습시켜야 하는데 이는 인공지능 비즈니스의 동력이 목적과 상황에 부합하는 정밀한 데이터임을 여실히 보여주고 있다.

산업혁명 시대의 에너지원이 석유, 전기 등이었다면 지금은 데이터가 새로운 에너지원 역할을 하고 있다. 디지털 비즈니스를 위해 운용하는 하드웨어 및 소프트웨어는 도구일 뿐, 이를 통해 얻어지는 데이터의 가치에 기업들이 주목해야 하는 이유다.

 

 

2. 빅데이터 시대의 기준정보

기업 IT 환경에서 생성되는 데이터는 날로 증가하고 있다. 데이터 저장 및 활용 방법도 클라우드로 전환되고 있으며 비즈니스 데이터 사용자도 지속적으로 늘어나고 있다. 데이터 규모(Volume), 속도(Velocity), 다양성(Variety) 측면에서 진정한 빅데이터의 시대가 도래한 것이다.

빅데이터 시대를 맞아 기업들은 가치 있는 정보와 통찰을 얻기 위해 사내/외에서 발생하는 각종 데이터를 수집하여 분석하는 데 역량을 집중하고 있다.

온라인 버즈와 소셜 미디어를 활용해 마케팅 전략을 도출하는 디지털 마케팅도 데이터 분석을 근간으로 한다. 제조업의 경우 생산 공정을 모니터링하고 이상 정보를 조기에 감지하여 실시간 피드백 체계를 구현하는 오퍼레이셔널 인텔리전스(OI, Operational Intelligence) 영역에서 데이터 분석이 활용된다. 금융업에서는 시장 변화를 감지하고 자산과 포트폴리오에 미치는 영향을 실시간으로 예측해 포트폴리오 리밸런싱을 하는 등 고객 리스크를 최소화하는 Market Climate Watcher를 위해 데이터 분석이 필요하다.

이와 같이 다양하고 방대한 양의 데이터를 분석∙활용하기 위해 반드시 선행되어야 할 사항은 △기업 내/외부의 ‘핵심정보’를 구분하여 △이를 표준화하고 △업무에 정확하게 활용될 수 있도록 기본 체계를 갖추는 것이다. 이 ‘핵심정보’를 ‘기준정보(Master Data)’라고 한다. 즉, 기준정보는 기업의 업무 프로세스와 정보 시스템에서 동일한 기준으로 사용되는 정보를 의미한다. 트랜잭션 데이터나 리포트 데이터를 비롯해 기업 내/외부에서 발생하는 빅데이터의 품질 고도화 및 동질성 유지 등을 위한 기본이 되는 데이터이다. 이러한 기준정보의 품질과 일관성을 유지하고 업무 변화에 대응할 수 있도록 표준 관리 방식과 거버넌스를 수립하고 정비하는 체계를 MDM(Master Data Management)이라고 한다.

MDM은 2000년대 들어 이미 제조업을 중심으로 전사 데이터 관리 차원에서 관심을 받았던 분야이다. 당시에는 ERP와 경영정보시스템 간의 기준정보 관리 필요성이 대두되면서 대기업을 중심으로 적용되었다. 그러나 기업들이 데이터에 대한 지식과 관리 역량을 제대로 갖추지 못한 상태에서 중앙집중적 방식으로 신규 데이터의 통제에 집중하다 보니 이전의 정보가 쌓이면서 현재 시점에서 긴급히 처리해야 할 업무를 제대로 지원하지 못하는 상황이 빈번하게 발생했다. 결국 MDM의 활용도는 낮아졌고 시장의 관심도 사그라드는 듯했다.

그러나 빅데이터 시대가 도래하면서 MDM은 다시 한 번 주목 받고 있다. 4차 산업혁명에 따른 디지털 변혁을 겪으며 데이터 기반의 비즈니스에 나선 기업들이 내부 데이터 뿐 아니라 온라인, 소셜, IoT 단말 등에서 발생하는 외부 데이터까지 수집해 빅데이터 플랫폼으로 이를 분석하기 시작하면서 데이터 품질의 중요성, 그리고 잘 갖추어진 데이터 관리 체계의 필요성을 깨닫게 된 것이다.

빅데이터 시대를 맞아 데이터의 가치가 높아지는 것만큼이나 데이터의 형태와 구조가 복잡다단 해지면서 이의 관리 능력이 기업 경쟁력의 중요한 축으로 부상하고 있다. 그 근간이 기준정보와 MDM이다.

그림 1 - 기준정보 기반의 빅데이터 관리_기준정보는 기업의 업무 프로세스와 정보 시스템에서 동일한 기준으로 사용되는 정보를 의미한다. 트랜잭션 데이터나 리포트 데이터를 비롯해 기업 내/외부에서 발생하는 빅데이터의 품질 고도화 및 동질성 유지 등을 위한 기본이 되는 데이터로 SNS, call center(통화기록), Appl처리로그, Machine Data 로 부터 수집관리 되는 그림.

 

 

3. 기준정보 관리 중요성 및 효과

기업의 다양한 업무 프로세스에 포괄적으로 적용되는 기준정보는 ‘프로세스 수행’과 ‘분석’의 근간이 되기 때문에 항상 ‘동일한 의미’로 인지될 수 있도록 꾸준히 관리되어야 한다.

P&G의 아기 기저귀 물류 담당 임원은 수요를 분석하다가 흥미로운 사실을 발견했다. 제품 특성상 시장 수요가 일정함에도 불구하고 도매점 및 소매점의 주문량은 변동폭이 컸던 것이다. 게다가 ‘고객-소매점-도매점-제조기업-원자재 공급기업’으로 구성된 공급사슬에서 고객으로부터 멀어질수록 주문 변동폭이 더 커졌다. P&G에서는 이를 ‘채찍 효과(Bullwhip Effect)1)’라 불렀다. 기업의 정보관리 체계에서도 채찍 효과와 같이 정보의 왜곡 현상이 발생할 수 있다. 잘못된 기준정보가 업무 프로세스를 거치면서 오류가 점점 커져 잘못된 분석 결과를 도출하게 되고 결국에는 잘못된 의사결정에까지 이르게 되는 것이다. 이를 방지하기 위해서는 기준정보의 표준 체계를 정립해야 하며 데이터 품질도 지속적으로 관리해야 한다.

그림 2 - 기준정보 채찍 효과(Bullwhip Effect)_ 프로세스/트랜젝션과 분석데이터에서 잘못된 기준정보가 업무 프로세스를 거치면서 오류가 점점 커져 잘못된 분석 결과를 도출하게 되고 결국에는 잘못된 의사결정에까지 이르게 되는 개요도, 영향도는 트랜젝션 데이터 왜곡으로 경영정보의 일관된 분류/집계가 불가하고 올바른 의사결정 및 업무 적용이 불가하며, 업무처리 혼선초래로 업무처리 L/T 증대, 업무처리Cost증대하는 결과 초래를 도식화 한 그림

아울러 오류가 발생했을 때에는 표면적으로 보이는 이상 데이터를 단순 조치하는 것에 그치는 것이 아니라 숨어있는 근본 원인을 찾아내 제거함으로써 동일한 오류가 더 이상 발생하지 않도록 개선해 나가는 활동도 요구된다.

많은 기업들이 기준정보 관리의 중요성을 인지하고 있으나 이를 제대로 실행하는 것은 결코 쉬운 일이 아니다.

기준정보 관리가 IT 담당자의 전담 업무라는 인식이 팽배하거나 현업 부서가 기준정보에 꾸준한 관심을 가지지 않을 경우, 결국에는 데이터의 관리 주체가 불명확해져 시스템 별로 각기 다른 기준정보를 쌓게 되거나 특정 시스템에 한정된 관리로 치닫게 된다. 그 결과 활용도가 떨어지는 저품질 데이터가 양산되는 등 본연의 기준정보 관리 목적을 무색하게 만드는 상황이 발생하게 된다. 따라서 기준정보를 제대로 관리하기 위해서는 무엇보다도 현업과 IT 부서 간 긴밀한 협업을 바탕으로 전담 조직을 갖추는 것이 필요하다. 아울러 데이터 중복을 방지하면서 다양한 업무 관점을 수용할 수 있는 표준화된 관리 체계를 구비하고 기준정보의 품질을 지속적으로 향상시켜 나갈 수 있는 견고한 운영 정책을 마련하여 실행해 나가야 한다.

기준정보를 잘 관리하면 업무 프로세스 운영이 최적화 되어 업무 속도가 향상될 뿐 아니라 비용 절감 효과도 볼 수 있다. 연구, 제조, 마케팅, 영업 및 재무 업무 간 중복되거나 이원화 된 제품 코드를 통합하여 코드 수량 감소나 재고 관리 비용의 감축 효과 뿐 아니라 부서 간 의사소통이 원활해져 업무 속도 향상을 기대할 수 있다. 아울러 수작업 등의 비효율 업무를 제거하여 업무 프로세스가 개선되고 운영 정보를 최적의 값으로 관리하게 되면서 무투자 Capacity 증대라는 재무 성과를 얻을 수도 있다.

또한 경영진 관점에서는 정확도가 높은 고품질 데이터를 토대로 Global Single View 체계를 갖출 수 있다. 이를 통해 의사 결정의 수준이 향상됨과 더불어 실시간 경영 기반이 갖추어져 비즈니스 환경 변화에 기민하게 대응할 수 있게 된다.

 

 

4. 기준정보 이슈 및 개선 사례

기준정보 관리가 미흡할 경우 부정확한 데이터로 인해 업무 혼선뿐 아니라 재무적 손실까지 초래될 수 있다.

전자 제품을 생산하는 글로벌 기업 A사는 국내외에 다수의 생산법인(공장)과 판매법인을 운영하고 있으며 한국 본사가 전세계 각지의 생산과 판매 현황을 모니터링 하고 분석해 의사결정을 내리는 글로벌 오퍼레이션 체제가 정착되어 있었다.

이 회사는 생산 지역별로 제품을 추적 관리 하기 위해 동일한 사양의 제품에 생산 법인별로 구분되는 생산 제품 코드를 부여하였다. 그 결과 생산지별 실적 집계는 용이해진 반면, 동일한 제품임에도 생산 지역마다 코드가 다르다 보니 글로벌 입출고 집계 및 분석 과정에서 수작업으로 코드를 조합해 처리해야 하는 불편함이 발생하게 되었다.

반면 물류에서는 제품 식별을 용이하게 하기 위해 동일한 사양의 제품에 부여하는 판매 제품 코드를 고객사별로 구분하였다. 이로 인해 고객사별 판매실적 집계는 수월해졌으나 제품 모델별 실적 집계가 더뎌지면서 제품의 실물 재고가 증가해 장기 재고2)가 발생할 가능성이 높아졌다.

이와 같이 동일한 제품에 대해 생산 코드와 판매 코드를 따로 관리하다 보니 생산법인과 판매법인 간 구매 오더와 판매 오더의 자동 연계가 어려워졌다. 아울러 연결 결산 시 코드 체계를 맞추는 등의 비효율적인 수작업이 증가했을 뿐 아니라 데이터 불일치에 따른 글로벌 오퍼레이션이 원활치 않은 상황에까지 이르렀다. 이 모든 혼선이 일원화 되지 않은 제품 코드 관리로 인한 것이었다.

문제 해결을 위해 A사는 기준정보 관리 개선 활동에 착수했다. 기준정보 전담 조직의 주도 하에 개발, 생산, 영업 등 현업이 참여하여 사내 모든 부서가 동일한 제품 코드로 업무를 수행할 수 있도록 전사 제품 코드 체계를 표준화 하면서 기준정보 관리 프로세스도 재정립 하였다. 제품 코드 체계는 생산과 판매 코드를 통합해 제품군과 모델별로 구분이 될 수 있도록 하였고 제품 코드별 관리 속성과 네이밍 규칙을 재정의 하였다. 아울러 과거에 사용했던 제품 코드로 발생한 실적, 재고 등의 데이터를 신규 코드로 이관하는 마이그레이션 작업까지 수행하였다. 이와 더불어 새롭게 정비된 제품 코드의 관리 프로세스도 개선하였다. 코드의 생성, 변경, 폐기 절차 별로 처리 주체와 시점, 대상 시스템, 입력 정보 등을 정의하였고 유관부서의 검토와 승인을 거쳐 코드가 생성되도록 절차를 바꾸었다. 또한 기준정보 전담 조직에서 이 같은 운영 절차가 잘 지켜지고 있는지 모니터링 할 수 있는 체계를 정하였으며, 신규 입사자나 기준정보 업무 담당자를 대상으로 하는 교육 체계도 마련하였다.

그 결과 A사는 실적 집계, 분석 등의 업무에서 항상 뒤따랐던 제품 코드 조합 등의 수작업이 제거되어 업무 효율을 높일 수 있었다. 아울러 제품의 생산, 판매 정보가 동일한 분류 체계를 기반으로 자동으로 연계되어 글로벌 오퍼레이션도 원활하게 전개할 수 있게 되었다.

 

전자 재료를 생산하는 글로벌 기업 B사는 부진 재고3)가 증가하면서 고민에 빠졌다. 부진재고를 줄이기 위해 적정 생산량 분석에 나선 B사는 생산관리 부서에서 수기로 생산 데이터를 분석하여 수요 예측도를 높이는 조치를 취했다. 그럼에도 불구하고 재고율은 여전히 개선되지 않았다. 결국 경영진은 외부 전문가를 투입해 원인을 분석했는데 의외로 제조 리드 타임4)이 잘못 설정되어 발생한 문제로 드러났다. 생산관리 부서에서 설정한 계획 리드 타임이 실제 리드 타임보다 짧았고 이로 인해 납기를 못 맞추는 경우가 빈번히 발생하면서 생산품이 제때 판매되지 못하고 재고로 쌓인 것이다. 리드 타임과 같은 제조 현장의 운영을 위한 핵심 기준정보가 잘못 설정되어 생산 실행의 정확도를 저하시켰을 뿐 아니라 재고 증가라는 재무적 손실까지 초래한 경우다.

B사는 문제 해결을 위해 생산 실적 데이터의 분석에 나섰다. 생산 계획과 실행의 차이를 최소화 하면서 계획과 실적 간 변화 추세 및 차이 원인을 집중적으로 분석하였다. 이를 바탕으로 최적의 리드 타임을 유지할 수 있도록 운영 기준정보 관리 체계를 재 수립하여 현장에 적용하였다. 실제 생산 현황과 현장 데이터 품질을 고려하여 최적화 된 제조 운영 데이터를 얻을 수 있도록 하였고 이를 근간으로 기존의 수작업을 탈피해 시스템에서 리드 타임을 산정하도록 했다. 모든 과정은 현장을 가장 잘 알면서 기준정보를 직접 관리해야 할 생산관리 부서가 주도하였다. 그 결과 최적화된 제조 리드 타임 산정 및 관리 프로세스를 정립할 수 있게 되었고 자연스럽게 부진 재고가 감소되는 효과가 나타났다.

그림 3 - 업무 프로세스별 기준정보 이슈 사례_ 기준정보 이슈발생: 기준정보 중복발생(1코드와 1실물이 일치하지않음), 생성/변경/폐기 기준 미준수, 기준정보 관리조직의 부재, 시스템간 데이터 불일치, 데이터 적시제공미흡, 필수 데이터값 누락, 표기표준 미준수, 전사 분류체계 미흡, 프로세스 문제점 : 수요예측 및 생산계획 정확도 저하, 단종/불필요 자재 구매, MRP 자동발주 누락, 미승인 제품생산, 법인간 거래 지연발생, 과잉 재고 발생, 의사결정 자료 왜곡, 경영정보 분석 정확도 저하. 를 Value Chain 내(공급망 관리/구매/생산/판매/물류/경영관리)에서 발생되는 현상을 나타낸 도표

 

앞서 소개한 A사의 이슈는 글로벌 오퍼레이션 체제 하에서 생산품에 부여하는 관리 코드 체계를 최적화 하는 것이었다. 이 경우 제품 코드뿐 아니라 설비자재 코드, 고객 코드, 업체 코드 등이 기준정보가 될 수 있는데 이를 통칭하여 전사 기준정보라고 한다. 전사 기준정보는 업무에 미치는 직접적인 영향도는 낮으나 회사 전체에서 생성되고 관리되는 데이터의 근간이 되기에 중요하게 다루어 져야 한다.

B사의 경우 제조 현장의 운영, 즉 생산 실행에 있어 리드 타임과 같은 현장 운영 정보의 중요성을 엿볼 수 있는 사례다. 제조 리드 타임을 비롯해 구매 리드 타임, 수율 리드 타임 등이 기준정보가 되는데 이를 통칭하여 운영 기준정보라고 한다. 운영 기준정보는 현장 프로세스와 밀접하게 연계되어 있기 때문에 업무에 미치는 영향이 전사 기준정보보다 더 크다. 최근 들어서는 업무 효율 증진 효과가 직접적으로 나타나는 운영 기준정보 관리 체계의 정립과 개선에 많은 기업들이 관심을 보이고 있다.

A사와 B사가 기준정보 관리 체계를 성공적으로 개선할 수 있었던 공통된 요인은 바로 경영진의 높은 관심과 전폭적인 지원이 뒷받침 되었다는 점이다. 기준정보 관리는 전사 부서와 여러 현업 부서들의 참여와 협업이 필요한 일이기 때문에 이를 중재하고 이끌어주는 경영진의 역할이 절대적으로 중요하다. 두 회사의 경영진은 이를 잘 해냈을 뿐 아니라 프로젝트 종료 후에는 부문별로 기준정보 담당 조직을 배치하여 데이터 품질 관리에 만전을 기했다. A사와 B사의 경영진은 데이터가 비즈니스 경쟁력이 될 것이라는 사실을 간파하였기 때문에 회사를 고도화된 기준정보 관리 체계를 갖춘 기업으로 변모시킬 수 있었다.

 

 

5. 결론

기준정보 및 빅데이터를 통해 업무 프로세스 상에서 발생하는 위험 요소를 사전에 정의하고 이를 실시간으로 감지하여 문제 발생을 미연에 방지하거나 문제 상황에 대한 발 빠른 대응책을 수립할 수 있다. 이 같은 일련의 업무 운영 최적화를 실현하기 위해서는 조직, 관리 프로세스, 표준 체계, 데이터 품질관리 및 관련 정보 시스템이 동시에 유기적으로 작동되어야 한다.

올바른 기준정보 관리 체계를 갖추기 위해서는 검증된 프레임웍을 적용하여 거버넌스(원칙, 프로세스, 조직), 운영 표준(표준 체계, 품질 체계) 및 IT 인프라 영역별로 적합한 기준을 정립한 다음, 이를 구현하고 지속적으로 유지관리 해나가는 전 방위적인 노력이 요구된다.

그림 4 - MDM 구성 요소_ 마스터 데이터 관리(MDM)는 거버넌스, 운영표준, IT 인프라고 구성되어 있으며, MDM은 거버넌스, 운영표준, IT 인프라를 포괄하는 정보 관리체계, MDM 시스템은 IT 인프라를 구성하는 시스템 요수 중 하나.

특히 기준정보 관리 프레임웍의 적용과 개선 방안 수립은 외부 전문가의 도움을 받는 것이 효과적이다. 산업군별 비즈니스 특성과 업무 데이터에 대한 이해도가 높은 전문가가 객관적인 시각으로 기준정보 관리의 문제점과 원인을 파악하고 개선 방향을 도출하여 해당 기업에 적합한 기준정보 관리체계를 마련할 수 있을 것이기 때문이다.

기업 내/외부에서 발생하는 각종 데이터가 다양한 형태로 분기하고 빠르게 대형화 되어 가는 4차 산업혁명 시대, 탄탄한 기준정보 관리 체계를 갖춘 기업은 보다 더 똑똑한 판단을 하고 경쟁 우위를 점하게 될 것이다.

이무선 이사

에스코어 컨설팅사업부 데이터컨설팅팀

- 기준정보 관리체계 설계 및 구현 - 전자/제조/화학/중공업 업종 기준정보 관리 체계 설계 - Global ERP 기준정보 체계 정립 프로젝트 - 회사 합병(M&A)에 따른 기준정보 통합 프로젝트 - S/4 HANA 기반 MDM 구축 프로젝트

연관 아티클

  • 데이터 관리2022.09.05

    DT 기반 EPC Project 일정 관리를 위한 필수 고려사항

    자세히 보기
  • 데이터 관리2022.05.27

    마이데이터 2.0으로의 진화

    자세히 보기
  • 데이터 관리2022.05.18

    EHS 분야의 디지털 트랜스포메이션 추진을 위한 기준정보 혁신

    자세히 보기