1. 데이터 산업의 출발점 – 기록과 정보가 디지털 자원으로 바뀐 과정
오늘날 데이터는 기업의 중요한 자원으로 평가되지만 처음부터 데이터 자체가 하나의 산업으로 인식되었던 것은 아니다. 인간은 오래전부터 수많은 정보를 기록했다. 국가에서는 인구와 토지, 세금과 물자의 양을 기록했고 상인은 상품의 거래와 가격을 장부에 남겼으며 기업은 생산량과 재고, 매출과 고객정보를 관리했다. 그러나 이러한 기록의 상당 부분은 특정한 행정이나 업무를 수행하기 위한 보조수단이었다. 정보를 별도의 경제적 자원으로 활용하기보다는 필요한 사실을 잊지 않고 보관하기 위한 기록의 성격이 강했다. 데이터 산업의 탄생을 이해하려면 바로 이러한 기록이 어떻게 컴퓨터가 처리할 수 있는 디지털 데이터로 변화했는지부터 살펴봐야 한다.
종이 중심의 정보관리에는 물리적인 한계가 있었다. 기록이 많아질수록 보관할 공간이 필요했고 특정한 정보를 찾으려면 사람이 직접 문서를 확인해야 했다. 여러 지역에서 같은 정보를 동시에 이용하기도 쉽지 않았다. 통계자료를 만들려면 수많은 기록을 사람이 다시 분류하고 계산해야 했기 때문에 상당한 시간과 노동이 필요했다. 따라서 많은 정보를 보유하고 있더라도 그것을 자유롭게 결합하고 분석하기는 어려웠다.
컴퓨터의 보급은 이러한 구조를 바꾸는 중요한 계기가 되었다. 문자와 숫자를 컴퓨터가 처리할 수 있는 형태로 저장하면서 대량의 정보를 훨씬 빠르게 계산하고 검색할 수 있게 되었기 때문이다. 기업에서는 회계와 급여, 재고와 고객관리 같은 반복적인 사무업무부터 전산화가 이루어졌다. 처음에는 사람이 장부에서 처리하던 일을 컴퓨터로 옮기는 것이 중요한 목적이었지만 정보가 지속적으로 축적되면서 새로운 가능성이 나타났다.
예를 들어 판매정보를 디지털 형태로 저장하면 단순히 오늘의 매출을 확인하는 데 그치지 않고 기간별 매출을 비교하거나 어떤 상품이 많이 판매되는지 분석할 수 있다. 재고자료와 판매자료를 연결하면 상품별 회전속도를 확인할 수 있고 지역정보를 추가하면 지역에 따른 소비 차이도 살펴볼 수 있다. 각각의 업무를 처리하기 위해 만들어졌던 기록이 서로 결합되면서 새로운 정보를 만들어 내기 시작한 것이다.
이 과정에서 데이터베이스 기술도 중요해졌다. 기업과 기관이 보유한 정보의 양이 늘어나면서 단순히 파일을 저장하는 것만으로는 효율적인 관리가 어려워졌다. 어떤 정보를 어떤 구조로 저장하고 필요한 내용을 빠르게 검색할 것인지가 중요한 기술적 문제가 되었다. 데이터베이스는 많은 정보를 일정한 기준으로 체계화하고 필요한 정보를 검색하고 수정할 수 있도록 하면서 데이터 활용의 기반을 만들었다.
기업 내부의 업무도 변화했다. 과거에는 영업부서와 생산부서, 회계부서가 각자의 문서를 별도로 관리했다면 전산시스템이 발전하면서 여러 부서의 정보를 연결할 가능성이 커졌다. 판매량의 변화가 생산계획에 반영되고 생산량이 다시 재고와 구매계획에 연결되는 방식이다. 정보가 단순한 결과 기록이 아니라 기업을 운영하는 수단으로 이동하기 시작했다.
여기에서 데이터 산업 탄생의 첫 번째 조건이 만들어졌다. 기록이 디지털화되면서 정보는 저장만 하는 대상에서 반복적으로 검색하고 복제하고 분석할 수 있는 자원으로 변화했다. 종이장부에서는 하나의 기록이 특정한 업무에 사용되고 끝나는 경우가 많았지만 디지털 데이터는 다른 정보와 결합해 여러 목적에 다시 활용할 수 있었다.
결국 데이터 산업은 어느 날 갑자기 등장한 새로운 사업이 아니었다. 행정과 상업, 생산과 금융에서 오랫동안 만들어 온 기록이 컴퓨터 기술과 결합하면서 데이터라는 새로운 형태의 자원으로 변한 것이 출발점이었다. 산업의 디지털화는 인간이 기록하는 행위 자체보다 기록을 저장하고 검색하고 결합하는 비용을 크게 낮췄고, 이 변화가 훗날 데이터를 전문적으로 수집하고 처리하며 분석하는 산업이 성장할 수 있는 첫 번째 토대가 되었다.
2. 인터넷과 빅데이터 – 데이터의 양과 종류가 폭발적으로 증가한 이유
데이터 산업의 성장에 두 번째 전환점이 된 것은 인터넷과 디지털 서비스의 확산이었다. 초기의 기업 데이터가 회계와 재고, 생산량처럼 조직 내부에서 만들어지는 정형화된 정보에 집중되어 있었다면 인터넷 시대에는 개인과 기업의 활동 자체가 끊임없이 새로운 데이터를 생성하기 시작했다. 데이터의 양뿐 아니라 형태와 발생속도까지 달라지면서 데이터를 전문적으로 처리해야 할 필요성이 커졌다.
인터넷 이전의 소비활동에서는 많은 행동이 기록되지 않았다. 소비자가 매장을 방문해 상품을 살펴본 뒤 아무것도 구매하지 않고 돌아간다면 기업이 그 행동을 구체적으로 파악하기 어려웠다. 그러나 온라인 환경에서는 어떤 페이지가 열렸는지, 어떤 상품이 검색되었는지, 구매과정의 어느 단계에서 이용자가 이탈했는지 등 다양한 활동이 시스템에 기록될 수 있다.
스마트폰의 보급은 이러한 데이터 생산을 더욱 확대했다. 사람들은 컴퓨터 앞에 있을 때만 인터넷을 사용하는 것이 아니라 이동과 쇼핑, 금융과 커뮤니케이션, 콘텐츠 소비 등 일상의 여러 영역에서 디지털 서비스를 이용하게 되었다. 사용자의 활동이 디지털 환경을 통과하는 시간이 늘어나면서 산업이 활용할 수 있는 데이터의 종류도 다양해졌다.
소셜미디어와 온라인 콘텐츠 역시 데이터 증가에 영향을 주었다. 과거 기업이 주로 다루던 데이터가 숫자와 코드 중심이었다면 인터넷에서는 글과 사진, 영상과 음성처럼 구조가 복잡한 정보가 대량으로 생성된다. 데이터를 처리한다는 의미가 단순한 숫자의 계산을 넘어 다양한 형태의 정보를 분류하고 해석하는 문제로 확대된 것이다.
기업과 소비자뿐 아니라 기계도 데이터를 생산하기 시작했다. 공장의 센서는 온도와 압력, 진동과 생산속도를 기록하고 자동차와 각종 연결기기는 작동상태와 환경정보를 생성할 수 있다. 물리적인 산업현상까지 디지털 데이터로 표현되는 영역이 넓어진 것이다.
이처럼 데이터의 양과 종류, 생성속도가 빠르게 증가하면서 기존의 정보관리 방식만으로 처리하기 어려운 문제가 등장했다. 방대한 데이터를 어떻게 저장하고 필요한 정보를 빠르게 찾아낼 것인지, 서로 다른 형식의 정보를 어떻게 연결할 것인지가 중요한 산업적 과제가 되었다.
이러한 환경에서 흔히 ‘빅데이터’라고 부르는 개념이 주목받았다. 중요한 것은 단순히 데이터 파일이 커졌다는 사실만이 아니다. 데이터가 지속적으로 생성되고 여러 형태로 존재하며 그 안에서 의미 있는 관계를 찾아야 한다는 새로운 문제가 등장했다는 점이다.
데이터가 많아지자 데이터 자체를 처리하기 위한 새로운 시장도 성장했다. 저장공간과 서버, 데이터 관리 소프트웨어와 분석도구가 필요해졌고 기업이 직접 모든 기술을 구축하기보다 전문기업의 서비스를 이용하는 방식도 확대되었다.
결국 인터넷 시대가 데이터 산업을 성장시킨 핵심적인 이유는 인간과 기업, 기계의 활동이 점점 디지털 환경을 통과하면서 현실세계의 행동이 데이터로 변환되는 범위가 크게 확대되었기 때문이다. 데이터 산업은 정보를 의도적으로 입력하는 시대를 넘어 사람들이 서비스를 이용하는 과정 자체에서 데이터가 만들어지는 시대에 본격적으로 성장하기 시작했다.
3. 클라우드와 데이터 처리 기술 – 방대한 정보를 저장하고 분석하는 산업 기반의 탄생
데이터가 아무리 많이 생성되어도 저장하고 처리할 방법이 없다면 경제적인 가치를 만들어 내기 어렵다. 따라서 데이터 산업의 성장에는 데이터 생산뿐 아니라 대규모 정보를 안정적으로 저장하고 계산할 수 있는 기술의 발전이 필수적이었다. 컴퓨팅 성능의 향상과 저장장치의 발전, 네트워크와 클라우드 기술의 확산은 데이터가 독립적인 산업으로 성장하는 핵심적인 기반이 되었다.
초기의 기업 전산환경에서는 기업이 직접 서버와 저장장치를 구축하고 관리하는 방식이 일반적이었다. 데이터를 더 많이 저장하거나 처리하려면 새로운 장비를 구입하고 설치해야 했다. 대규모 전산시설을 운영하기 위해서는 공간과 전문인력, 유지관리 비용도 필요했다. 따라서 방대한 데이터를 활용할 수 있는 능력은 주로 자본과 기술력을 갖춘 조직에 집중되기 쉬웠다.
클라우드 컴퓨팅의 확산은 이러한 진입장벽을 낮추는 데 영향을 주었다. 기업이 필요한 컴퓨팅 자원과 저장공간을 외부의 대규모 인프라를 통해 이용할 수 있게 되면서 처음부터 거대한 전산시설을 직접 구축하지 않아도 데이터 서비스를 개발할 수 있는 환경이 확대되었다.
이는 특히 새로운 기업과 서비스에 중요한 변화였다. 이용자가 얼마나 증가할지 알 수 없는 사업에서 처음부터 최대 규모의 서버를 구입하는 것은 큰 부담이다. 필요한 만큼 컴퓨팅 자원을 늘리거나 줄일 수 있다면 사업의 성장속도에 맞추어 기술 인프라를 조정할 수 있다.
데이터 처리 기술도 발전했다. 하나의 컴퓨터에서 모든 계산을 수행하는 데 한계가 있다면 여러 컴퓨터에 작업을 나누어 처리하는 방식을 활용할 수 있다. 방대한 데이터를 여러 장비에 분산하여 저장하고 동시에 처리하는 기술이 발전하면서 과거에는 시간이 지나치게 오래 걸렸던 분석도 현실적인 업무에 활용할 가능성이 높아졌다.
데이터를 실제 분석에 사용할 수 있도록 정리하는 기술도 하나의 전문영역이 되었다. 현실의 데이터에는 오류와 중복, 누락이 존재할 수 있고 서로 다른 시스템에서 만들어진 정보는 형식이 다를 수 있다. 따라서 데이터를 수집했다고 바로 분석할 수 있는 것이 아니다. 필요한 정보를 정리하고 통합하며 품질을 관리하는 과정이 필요하다.
이 때문에 데이터 엔지니어링과 데이터 관리 같은 영역이 중요해졌다. 분석결과만큼 그 분석에 사용되는 데이터가 어떤 과정을 통해 만들어졌는지가 중요해진 것이다. 잘못 정리된 데이터를 사용하면 아무리 뛰어난 분석기술을 사용하더라도 잘못된 결과가 나올 수 있다.
보안기술도 데이터 산업의 핵심적인 기반이 되었다. 데이터가 기업의 중요한 자산으로 평가되고 개인정보를 포함하는 경우가 많아지면서 누가 어떤 정보에 접근할 수 있는지 관리해야 했다. 데이터의 복사와 이동이 쉬워졌다는 디지털 기술의 장점이 동시에 정보유출의 위험을 확대했기 때문이다.
결국 데이터 산업이 성장할 수 있었던 세 번째 조건은 대규모 데이터를 경제적으로 저장하고 필요한 순간에 처리할 수 있는 기술적 인프라가 형성되었다는 것이다. 데이터 산업은 정보만으로 이루어진 추상적인 산업이 아니다. 그 뒤에는 데이터센터와 네트워크, 저장장치와 소프트웨어, 보안과 관리기술로 구성된 거대한 물리적·디지털 기반이 존재한다.
4. 데이터 경제와 기업 경쟁 – 기록이 경제적 가치를 가진 자산으로 변한 과정
데이터 산업이 본격적인 산업으로 성장하기 위해서는 기술적인 발전만으로 충분하지 않았다. 기업이 데이터를 이용해 비용을 줄이거나 새로운 수익을 창출할 수 있다는 사실이 중요해졌다. 데이터가 단순히 보관해야 할 기록에서 의사결정과 서비스 개선에 활용할 수 있는 경제적인 자원으로 인식되기 시작하면서 데이터 산업의 시장이 확대되었다.
기업이 데이터를 활용하는 가장 기본적인 방법은 현재 상황을 더 정확하게 이해하는 것이다. 판매자료를 분석하면 어떤 상품이 잘 팔리는지 확인할 수 있고 생산데이터를 살펴보면 어느 공정에서 문제가 반복되는지 파악할 수 있다. 고객문의 자료를 분석하면 소비자가 어떤 부분에서 불편을 느끼는지도 확인할 수 있다.
여러 종류의 데이터를 결합하면 더 복잡한 분석도 가능해진다. 판매량과 계절, 지역과 가격 같은 조건을 함께 살펴보면 단순한 매출표에서는 발견하기 어려웠던 관계를 찾을 수 있다. 기업은 이러한 정보를 상품기획과 재고관리, 마케팅과 생산계획에 활용할 수 있다.
데이터는 서비스의 개인화에도 활용될 수 있다. 모든 고객에게 동일한 정보를 제공하는 대신 이용자의 선택과 관심에 따라 다른 상품이나 콘텐츠를 제시할 수 있다. 디지털 환경에서는 이러한 개인화가 대규모 사용자에게 동시에 적용될 수 있다는 특징이 있다.
데이터 활용이 기업 경쟁력과 연결되면서 새로운 순환구조도 나타났다. 이용자가 많은 서비스는 더 많은 데이터를 생성할 수 있고 축적된 데이터를 서비스 개선에 활용하면 다시 이용자가 증가할 가능성이 있다. 물론 데이터의 양이 많다고 반드시 좋은 서비스가 되는 것은 아니지만 데이터의 품질과 활용능력이 시장 경쟁의 중요한 요소가 될 수 있게 되었다.
데이터를 활용해 위험을 관리하는 분야도 성장했다. 금융과 보험, 제조와 물류 등에서는 과거의 패턴을 분석해 위험을 평가하거나 이상징후를 발견하는 데 데이터를 사용할 수 있다. 데이터의 역할이 과거의 결과를 설명하는 것에서 미래의 가능성을 판단하는 영역으로 확대된 것이다.
하지만 데이터의 경제적 가치가 커질수록 새로운 문제가 발생한다. 개인정보를 어디까지 수집할 수 있는지, 이용자가 제공한 정보를 기업이 어떤 목적으로 활용할 수 있는지에 대한 사회적 기준이 필요해진다. 데이터의 소유와 접근권한, 보안과 책임에 대한 논의도 중요해졌다.
특히 개인정보와 관련된 데이터는 기업의 경제적 가치만으로 판단할 수 없다. 개인의 권리와 프라이버시가 함께 고려되어야 한다. 따라서 데이터 산업은 다른 자원산업과 달리 수집과 활용 단계에서 법률과 윤리, 보안과 신뢰가 매우 중요한 산업이라는 특징을 가진다.
결국 데이터가 하나의 산업적 자원으로 자리 잡은 것은 정보를 보유하고 있다는 사실 자체가 아니라 데이터를 이용해 더 나은 판단과 서비스, 효율적인 운영을 만들어 낼 수 있게 되었기 때문이다. 기록의 경제적 가치가 발견되면서 데이터를 전문적으로 수집하고 관리하고 분석하는 시장이 성장할 조건이 완성되었다.
5. 데이터 전문 산업과 새로운 직업 – 분석가·엔지니어·보안 전문가가 등장한 이유
데이터 활용이 기업의 핵심 업무로 들어오면서 모든 기업이 필요한 기술을 자체적으로 개발하기 어려워졌다. 데이터를 수집하는 시스템과 저장공간, 분석 소프트웨어와 보안기술을 구축하려면 여러 분야의 전문성이 필요했기 때문이다. 이러한 수요는 데이터와 관련된 전문기업과 새로운 직업의 성장을 촉진했다.
초기 전산업무에서는 프로그램을 개발하고 시스템을 관리하는 인력의 역할이 중요했다. 이후 데이터의 규모가 커지고 활용목적이 다양해지면서 업무가 세분화되기 시작했다. 데이터를 분석해 의미 있는 결과를 찾는 업무와 분석 가능한 형태로 데이터를 정리하고 이동시키는 업무, 데이터베이스를 관리하고 보안을 담당하는 업무 등이 서로 다른 전문영역으로 발전했다.
데이터 분석가는 기업이 가진 자료에서 사업과 관련된 의미를 찾는 역할을 수행한다. 중요한 것은 숫자를 계산하는 능력만이 아니다. 어떤 질문을 해야 하는지 결정하고 분석결과가 실제 사업에서 어떤 의미를 갖는지 설명할 수 있어야 한다.
데이터 엔지니어의 역할도 중요해졌다. 여러 시스템에서 만들어지는 데이터를 안정적으로 수집하고 저장하며 필요한 사람이 사용할 수 있도록 데이터의 흐름을 구축해야 하기 때문이다. 화려한 분석결과가 나오기 전 단계에서 신뢰할 수 있는 데이터 기반을 만드는 역할이라고 볼 수 있다.
정보보안과 개인정보 보호를 담당하는 전문성 역시 확대되었다. 기업이 더 많은 정보를 보유할수록 사고가 발생했을 때 피해의 규모도 커질 수 있다. 데이터를 잘 활용하는 능력과 데이터를 안전하게 보호하는 능력이 동시에 기업 경쟁력의 일부가 된 것이다.
데이터 관련 전문기업도 다양해졌다. 데이터 저장과 처리 인프라를 제공하는 기업, 분석도구를 개발하는 기업, 시장정보를 제공하는 기업, 데이터 품질을 관리하거나 보안을 지원하는 기업 등 데이터의 생성부터 활용까지 여러 단계에 전문적인 서비스가 형성되었다.
이 과정은 데이터 산업이 독립적인 산업 생태계로 발전했다는 것을 의미한다. 과거에는 기업 내부의 전산부서가 처리하던 정보업무가 이제는 수많은 전문기업과 직업으로 분화되었다. 데이터가 다른 산업을 지원하는 도구인 동시에 자체적으로 고용과 매출을 만들어 내는 산업이 된 것이다.
동시에 데이터 활용능력은 데이터 전문직만의 능력으로 남지 않았다. 마케팅과 금융, 제조와 물류, 의료와 행정 등 다양한 분야에서 자신의 전문지식과 데이터를 함께 이해할 수 있는 능력이 중요해졌다. 데이터 산업이 성장하면서 다른 직업의 업무방식까지 변화시킨 것이다.
결국 데이터 산업의 탄생은 새로운 기술 하나가 만들어 낸 결과라기보다 데이터를 중심으로 새로운 직업과 기업, 서비스와 전문성이 분화된 과정이었다. 정보가 기업의 핵심적인 자원으로 이동하면서 그것을 관리하고 해석하고 보호하는 노동 자체가 새로운 산업의 기반이 되었다.
6. 인공지능과 데이터 생태계 – 데이터 산업이 미래 산업의 기반으로 확장되는 이유
데이터 산업의 발전에서 최근 특히 중요한 변화는 인공지능과 데이터의 결합이다. 인공지능 기술의 발전에는 알고리즘과 컴퓨팅 성능 등 여러 요소가 필요하지만 많은 시스템에서 데이터를 이용해 패턴을 학습하고 결과를 개선하는 과정이 중요한 역할을 한다. 이에 따라 데이터의 양뿐 아니라 품질과 구조, 관리방법의 중요성이 더욱 커졌다.
과거의 데이터 분석에서는 사람이 질문을 정하고 필요한 자료를 선택해 통계적인 관계를 확인하는 방식이 중심이었다. 머신러닝을 비롯한 기술의 활용이 확대되면서 대량의 데이터에서 복잡한 패턴을 찾고 이를 분류와 예측 등에 활용하는 방식이 다양한 분야에서 연구되고 사용되고 있다.
이러한 변화는 데이터의 품질이라는 문제를 더욱 중요하게 만들었다. 데이터에 오류가 많거나 특정한 상황의 정보가 지나치게 부족하다면 분석이나 학습의 결과에도 영향을 줄 수 있다. 단순히 데이터를 많이 모으는 것보다 어떤 방식으로 수집되었고 얼마나 정확하며 특정한 목적에 적절한지를 관리하는 것이 중요하다.
데이터를 설명하는 정보 역시 필요하다. 자료가 언제 만들어졌는지, 어떤 기준으로 수집되었는지, 어떤 의미를 가진 항목인지 알 수 없다면 시간이 지나면서 활용하기 어려워질 수 있다. 따라서 데이터를 장기간 관리하고 추적할 수 있도록 체계를 구축하는 작업의 중요성도 높아지고 있다.
인공지능의 확대는 산업마다 축적된 전문 데이터의 가치에도 영향을 준다. 제조현장의 설비정보와 물류의 이동기록, 과학연구의 관측자료처럼 특정 분야에서 오랫동안 축적된 데이터는 해당 영역의 전문지식과 결합할 때 더 큰 활용가치를 가질 수 있다. 데이터 산업과 전통 산업의 경계가 더욱 가까워지는 것이다.
동시에 데이터 활용에 대한 사회적인 책임도 커지고 있다. 자동화된 분석이나 인공지능의 결과가 사람에게 영향을 주는 분야에서는 어떤 데이터가 사용되었는지, 결과가 적절한지 검토할 필요가 있다. 개인정보 보호와 보안뿐 아니라 데이터의 편향과 정확성, 결과에 대한 책임 같은 문제도 중요한 산업적 과제가 된다.
이러한 변화는 데이터 산업의 미래가 단순히 더 많은 정보를 수집하는 경쟁에 있지 않다는 점을 보여준다. 데이터의 출처와 품질을 관리하고 필요한 목적에 맞게 활용하며 동시에 개인의 권리와 보안을 보호하는 능력이 더욱 중요해질 가능성이 크다.
데이터를 보유한 기업과 그렇지 않은 기업의 차이만큼이나 데이터를 실제 업무에 활용할 수 있는 조직과 그렇지 못한 조직의 차이도 중요하다. 아무리 방대한 자료를 축적해도 업무와 연결되지 않는다면 보관비용만 발생할 수 있다. 반대로 규모가 작은 데이터라도 정확하고 목적에 적합하게 관리된다면 중요한 의사결정에 활용될 수 있다.
결국 데이터 산업은 기록의 디지털화에서 출발해 인터넷과 스마트기기의 확산으로 성장하고, 클라우드와 데이터 처리기술을 통해 산업적 기반을 확보했으며, 데이터의 경제적 가치가 발견되면서 독립적인 시장과 직업을 형성한 결과라고 정리할 수 있다. 그리고 인공지능의 발전은 데이터 산업을 다시 한 단계 변화시키고 있다.
데이터 산업의 역사가 보여주는 가장 중요한 특징은 데이터가 처음부터 새로운 자원이었던 것이 아니라는 사실이다. 인간은 오래전부터 정보를 기록했지만 기록을 빠르게 복제하고 연결하고 분석할 수 있는 기술이 부족했다. 컴퓨터와 인터넷, 저장기술과 클라우드가 그 한계를 낮추면서 평범했던 기록이 새로운 경제적 자원으로 변화했다. 다시 말해 데이터 산업은 단순히 ‘정보가 많아져서’ 탄생한 것이 아니라 정보를 수집하는 비용, 저장하는 비용, 전달하는 비용과 분석하는 비용이 낮아지면서 이전에는 불가능했던 활용방식이 가능해졌기 때문에 성장한 산업이라고 볼 수 있다.
앞으로 데이터 산업의 핵심 경쟁력 역시 얼마나 많은 데이터를 무조건 수집하는가보다 필요한 데이터를 얼마나 신뢰할 수 있는 형태로 확보하고, 안전하게 관리하며, 실제 문제를 해결하는 지식으로 전환할 수 있는가에 달려 있을 가능성이 크다. 산업혁명이 기계와 에너지의 활용방식을 바꾸었다면 디지털 시대의 데이터 산업은 인간과 기업이 정보를 활용하는 방식을 바꾸고 있다. 데이터가 생산과 유통, 금융과 서비스, 연구와 인공지능을 연결하는 기반으로 자리 잡았다는 점에서 데이터 산업의 탄생은 하나의 새로운 업종이 등장한 사건을 넘어 현대 산업구조 전체가 정보 중심으로 재편되는 중요한 전환점이라고 할 수 있다.