R&D 데이터 관리계획은 과제 서류의 부속 칸이 아니라 팀이 나중에 자기 결과를 설명할 수 있는 운영 규칙입니다. 실험은 성공했는데 원자료가 어느 폴더의 어떤 버전인지 모르거나, 참여기관이 만든 데이터의 소유와 공개 범위가 흐리거나, 개인정보가 섞인 데이터의 가명처리 기록이 빠져 있으면 최종보고 직전에 문제가 됩니다. 더 위험한 상황은 결과가 맞는지 다시 확인하려 할 때 실험로그, 처리 코드, 분석 조건, 제외 기준이 분리되어 있어 같은 결론을 재현하지 못하는 경우입니다.
이 글은 R&D 공고를 찾는 법이나 사업화 로드맵을 다시 설명하지 않습니다. 그 주제는 [2026 R&D 정책지원사업 모니터링 워크플로](/guide/2026-rnd-policy-watch), [R&D 결과 사업화 로드맵 체크리스트](/guide/rnd-commercialization-roadmap-checklist)에서 이어서 보면 됩니다. 여기서는 한국 프로젝트팀이 과제 신청 전, 수행 중, 종료 후에 남겨야 할 연구데이터와 연구기록의 증거 단위만 다룹니다. 핵심은 단순합니다. 데이터 파일, 실험로그, 접근권한, 개인정보 처리, 보고서 수치, 재현성 자료를 같은 표에서 연결해야 합니다.
**빠른 결론**
R&D 데이터 관리계획은 “어떤 데이터를 만들 것인가”보다 “나중에 누가 어떤 근거로 다시 확인할 수 있는가”를 먼저 정해야 안전합니다. 착수 전에는 데이터 책임자와 저장 위치를 정하고, 수행 중에는 실험로그와 원자료 변경 이력을 남기며, 종료 전에는 최종보고서의 수치가 원자료·처리본·분석본·해석본 중 어디에서 왔는지 대조해야 합니다.
R&D 데이터 관리계획은 과제 서식보다 먼저 팀 운영 규칙이다
DataON의 연구데이터 관리 계획(DMP) 가이드라인은 국가연구개발사업에서 생산되는 연구데이터에 대한 데이터관리계획 작성과 점검 기준을 마련하는 데 초점을 둡니다[S1]. European Commission도 Horizon Europe 안내에서 연구데이터 DMP를 만들고 업데이트해야 하며, 연구데이터 공개는 가능한 한 열고 필요한 만큼 닫는다는 원칙으로 설명해야 한다고 안내합니다[S7]. 두 자료를 한국 R&D 팀의 실무 언어로 바꾸면 DMP는 “파일 저장 규칙”이 아니라 “데이터 생애주기와 예외 사유를 미리 쓰는 운영표”입니다.
착수 전 DMP에는 최소한 다섯 가지가 들어가야 합니다. 첫째, 어떤 데이터가 새로 생산되고 어떤 데이터가 외부에서 재사용되는지입니다. 둘째, 원자료, 전처리본, 분석본, 보고서 삽입본을 어떻게 구분할지입니다. 셋째, 주관기관, 공동기관, 위탁기관, 외부 분석기관 중 누가 어떤 데이터에 접근할 수 있는지입니다. 넷째, 개인정보·영업비밀·보안 관련 데이터가 있으면 비공개 또는 제한공개 사유를 어떻게 기록할지입니다. 다섯째, 최종보고서와 논문, 특허, 후속 사업화 자료에서 어떤 데이터 버전을 근거로 쓸지입니다.
| DMP 항목 | 착수 전에 정할 질문 | 종료 전에 확인할 증거 |
|---|---|---|
| 데이터 범위 | 새로 만들 데이터와 재사용 데이터가 구분되는가 | 데이터 목록, 원천, 생성일, 책임자 |
| 버전 관리 | 원자료와 처리본을 덮어쓰지 않는가 | 변경 이력, 처리 코드, 분석 조건 |
| 책임과 권한 | 기관별 소유·접근·반출 권한이 정해졌는가 | 권한표, 반출 승인 기록, 보안 등급 |
| 공개와 제한 | 공개 가능, 제한공개, 비공개 사유가 분리되는가 | 공개 예정 데이터, 제한 사유, 비식별·가명처리 기록 |
| 보고 연결 | 최종보고서 수치가 어느 데이터에서 왔는가 | 수치-데이터 매핑표, 그림·표 출처 |
여기서 중요한 것은 모든 데이터를 공개하라는 뜻이 아닙니다. 개인정보, 영업비밀, 특허 출원 전 정보, 보안 관련 데이터는 닫아야 할 수 있습니다. 다만 닫는다면 “왜 닫는지”, “누가 접근할 수 있는지”, “어떤 메타데이터는 남길 수 있는지”를 기록해야 합니다. 공개 여부보다 설명 가능성이 먼저입니다.
실험로그는 결과가 아니라 판단 과정을 복원하는 기록이다
연구기록 체크리스트의 출발점은 실험로그입니다. 많은 팀이 실험로그를 “성공한 실험 결과를 적는 노트”로 생각하지만, 실제로는 실패한 조건, 제외한 데이터, 장비 세팅, 시약·샘플 배치, 분석 코드 변경, 담당자의 판단 이유까지 남기는 복원 장치입니다. 국가연구개발사업 연구노트 지침은 전자연구노트에 전자서명, 기록 시각 자동기록, 기록의 위·변조 확인 기능 같은 신뢰성 장치를 요구합니다[S3]. 종이노트를 쓰든 전자노트를 쓰든 핵심은 나중에 조작 없이 작성 시점과 작성자를 설명할 수 있어야 한다는 점입니다.
실험로그는 짧아도 됩니다. 대신 매번 같은 단위로 적어야 합니다. 실험 목적, 입력 데이터나 샘플, 장비·소프트웨어 버전, 변수, 실패 조건, 제외 기준, 결과 파일명, 다음 조치가 고정 필드가 되면 최종보고 때 훨씬 덜 흔들립니다. 특히 데이터 기반 R&D에서는 “분석 결과가 좋았다”보다 “어떤 원자료에서 어떤 전처리를 거쳐 어떤 조건으로 나온 결과인가”가 중요합니다. 그래야 팀원이 바뀌어도 같은 조건을 다시 실행할 수 있습니다.
**실험로그에서 피해야 할 기록 방식**
- “테스트 완료”, “결과 양호”처럼 조건과 판단 기준이 빠진 문장
- 실패한 실험을 삭제하고 성공 조건만 남기는 방식
- 데이터 파일명은 적었지만 원자료 위치와 처리본 위치를 구분하지 않는 방식
- 분석 코드, 모델 버전, 장비 설정을 담당자 개인 PC에만 남기는 방식
- 최종보고서 그림 번호와 원본 데이터의 연결을 나중에 기억으로 맞추는 방식
실험로그가 제대로 쌓이면 선행조사와도 충돌하지 않습니다. [R&D 제안서 선행조사 체크리스트](/guide/ip-rnd-prior-art-checklist)가 기존 근거와 차별성을 다룬다면, 이 글의 실험로그는 과제 수행 중 만들어진 근거의 진본성과 재현성을 다룹니다. 같은 증거처럼 보이지만 쓰임이 다릅니다. 선행조사는 시작 전 위험을 줄이고, 실험로그는 수행 후 설명 가능성을 남깁니다.
데이터 소유권과 역할표는 컨소시엄 협약 전에 잠가야 한다
공동연구가 들어가는 과제에서는 데이터 소유권과 역할표가 늦게 정리될수록 위험합니다. 연구책임자는 전체 성과를 설명해야 하지만, 실제 데이터는 참여기업, 대학 연구실, 외부 시험기관, 위탁 분석기관에 흩어질 수 있습니다. 이때 “공동으로 쓴다”는 문장은 충분하지 않습니다. 어떤 기관이 원자료를 만들고, 누가 전처리하며, 누가 분석본을 보관하고, 누가 외부 공개나 논문·특허 활용을 승인하는지 나눠야 합니다.
좋은 역할표는 기관명보다 데이터 흐름을 먼저 보여줍니다. 예를 들어 참여기업이 현장 센서 데이터를 만들고 대학이 모델을 학습하며 외부기관이 시험성적서를 발급한다면, 세 기관의 산출물은 같은 연구성과 안에 있어도 관리 책임이 다릅니다. 현장 데이터에는 개인정보나 영업비밀이 섞일 수 있고, 학습 모델에는 코드와 파라미터가 필요하며, 시험성적서에는 시험 조건과 시료 정보가 필요합니다. 이 셋을 “데이터 제공”이라는 말로 묶으면 최종보고서 작성 때 누가 무엇을 확인해야 하는지 흐려집니다.
| 역할 | 정해야 할 데이터 책임 | 남겨야 할 증거 |
|---|---|---|
| 주관기관 | 전체 데이터 목록, 보고서 수치, 접근권한 관리 | 데이터 책임표, 보고서-데이터 매핑표 |
| 공동기관 | 자신이 생산한 원자료와 처리본의 범위 | 생성 기록, 버전, 제공일, 제한 사유 |
| 위탁·시험기관 | 시험 조건과 결과 파일의 진본성 | 시험성적서, 시료 정보, 측정 조건 |
| 외부 분석자 | 코드, 모델, 분석 환경의 재현 가능성 | 코드 저장소, 실행 환경, 파라미터 |
| 연구관리 담당 | 보존 기간, 반출 승인, 개인정보·보안 문서 | 권한 변경 이력, 반출 대장, 보안 점검표 |
이 부분은 [R&D 컨소시엄 파트너 선정 체크리스트](/guide/rnd-consortium-partner-checklist)와 이어집니다. 그 글이 파트너의 역할과 책임을 고르는 기준이라면, 이 글은 선택된 파트너가 만든 데이터를 어떤 증거로 묶을지 다룹니다. 파트너가 좋다는 말보다 중요한 것은 그 파트너가 빠졌을 때도 데이터 설명이 남는 구조입니다.
개인정보와 보안은 비공개 사유가 아니라 관리 증거로 남긴다
연구데이터에 개인정보, 민감정보, 영업비밀, 보안 관련 정보가 섞이면 공개 여부만 고민하기 쉽습니다. 그러나 관리 관점에서는 “공개하지 않는다”가 끝이 아닙니다. 왜 제한해야 하는지, 어떤 처리를 했는지, 누가 접근했는지, 어떤 형태로 반출했는지 남겨야 합니다. 개인정보보호위원회는 2024년 2월 개정 가명정보 처리 가이드라인을 현재 안내서로 제공하고 있습니다[S5]. 연구 목적의 가명정보 활용을 검토하는 팀이라면 원자료, 가명처리본, 추가정보, 결합·반출 기록을 같은 폴더에 섞어 두면 안 됩니다.
DataON의 연구데이터 관리·활용 가이드라인도 연구데이터의 생산과 보존에서 신뢰성, 개인정보보호, 보안 통제, 장기 보존을 함께 고려해야 한다는 방향을 제시합니다[S2]. 실무적으로는 데이터 목록에 “개인정보 포함 여부” 한 칸을 추가하는 것만으로 부족합니다. 식별자 유형, 가명처리 방식, 추가정보 보관 위치, 접근권한자, 반출 가능 형식, 삭제 또는 보존 기준을 따로 적어야 합니다. 그래야 최종보고나 외부 검토 때 “왜 이 데이터는 공개하지 않았는가”와 “그럼에도 결과는 어떻게 검증할 수 있는가”를 동시에 설명할 수 있습니다.
**개인정보·보안 데이터 관리표에 넣을 항목**
- 원자료에 포함된 식별자와 민감 요소
- 가명처리 또는 익명처리 적용 여부와 처리 일자
- 추가정보 보관 위치와 접근권한자
- 분석용 데이터셋의 반출 가능 범위와 승인자
- 논문, 발표, 최종보고서에 표시 가능한 메타데이터 범위
- 과제 종료 후 보존, 폐기, 이관 기준
보안이 강할수록 재현성이 약해진다고 생각할 필요는 없습니다. 원자료를 열 수 없더라도 변수 정의서, 데이터 구조, 전처리 규칙, 통계 요약, 검증용 샘플, 접근 신청 절차를 남기면 재현성 검토에 필요한 일부 증거를 제공할 수 있습니다. 반대로 보안 사유를 적지 않고 단순히 파일을 닫아두면 결과 검증도, 개인정보 보호 설명도 모두 약해집니다.
결과보고 전에는 원자료, 처리본, 해석본을 분리해 대조한다
국가연구개발혁신법 시행규칙은 표준 연구개발계획서, 연차보고서, 단계보고서, 최종보고서 등 국가 R&D 보고 서식의 근거를 둡니다[S4]. 보고서에는 성과와 수치가 들어가지만, 데이터 관리 관점에서 더 중요한 질문은 “그 수치가 어느 파일에서 왔는가”입니다. 최종보고서 표 하나가 원자료, 전처리본, 분석 코드, 시각화 파일, 해석 메모 중 어디와 연결되는지 설명되지 않으면 수정 요청이나 내부 감사 대응 때 시간이 크게 늘어납니다.
종료 전에는 데이터 패키지를 네 층으로 나누면 좋습니다. 첫째, 원자료입니다. 장비에서 나온 파일, 설문 원본, 센서 로그, 이미지 원본, 시험기관 원본 성적서가 여기에 들어갑니다. 둘째, 처리본입니다. 결측값 처리, 형식 변환, 단위 변환, 필터링을 거친 파일입니다. 셋째, 분석본입니다. 통계 분석, 모델 학습, 시각화, 성능평가에 사용한 파일과 코드입니다. 넷째, 해석본입니다. 보고서 문장, 그림, 표, 결론, 한계 설명입니다.
이 네 층이 섞이면 결과가 좋아 보여도 위험합니다. 원자료를 덮어쓴 처리본은 나중에 오류를 되돌리기 어렵습니다. 분석본만 남고 처리 규칙이 없으면 다른 사람이 같은 결과를 만들 수 없습니다. 해석본만 남으면 보고서 수치가 어디서 왔는지 알 수 없습니다. 종료 전 점검은 새 자료를 만드는 작업이 아니라 이미 만든 자료의 연결선을 확인하는 작업입니다.
| 보고서 항목 | 연결할 데이터 증거 | 점검 질문 |
|---|---|---|
| 정량 성과 | 분석본, 처리 코드, 원자료 위치 | 같은 조건으로 다시 계산할 수 있는가 |
| 그림·표 | 시각화 파일, 원본 데이터, 생성일 | 보고서 삽입본과 원본 수치가 같은가 |
| 실패와 한계 | 제외 데이터, 실패 로그, 조건 변경 기록 | 빠진 데이터가 왜 빠졌는지 설명되는가 |
| 개인정보 처리 | 가명처리본, 접근권한표, 반출 승인 | 비공개 사유와 검증 가능 범위가 같이 남았는가 |
| 후속 활용 | 공개 데이터셋, 제한공개 사유, 라이선스 | 논문·특허·사업화 활용 범위가 충돌하지 않는가 |
재현성 증거 패키지는 데이터 파일보다 넓게 잡아야 한다
재현성은 같은 파일을 다시 여는 것으로 끝나지 않습니다. OECD의 연구데이터 접근 툴킷은 연구데이터뿐 아니라 관련 메타데이터, 알고리즘, 워크플로, 모델, 소프트웨어 코드까지 해석에 필요한 산출물로 봅니다[S6]. 이 관점을 과제팀에 적용하면 재현성 패키지는 “데이터 폴더”보다 넓습니다. 실험 조건, 분석 코드, 실행 환경, 버전, 제외 기준, 모델 파라미터, 검증 로그, 보고서 수치 연결표까지 포함해야 합니다.
재현성 패키지를 만들 때 모든 것을 공개 저장소에 올릴 필요는 없습니다. 공개 가능한 데이터와 닫아야 하는 데이터를 나누고, 닫는 데이터는 접근 절차와 제한 사유를 남기면 됩니다. European Commission 안내처럼 DMP에는 데이터 관리 생애주기와 저장소, 공개 제한 사유를 설명하는 것이 중요합니다[S7]. 한국 과제팀도 같은 생각으로 “공개 파일 목록”과 “비공개 근거 목록”을 분리하면 됩니다.
**재현성 패키지의 최소 구성**
- 데이터 목록: 원자료, 처리본, 분석본, 공개본을 구분
- 메타데이터: 생성일, 생성자, 장비·소프트웨어 버전, 변수 정의
- 실험로그: 조건, 실패, 제외, 변경 사유
- 분석 환경: 코드, 패키지 버전, 모델 파라미터, 실행 순서
- 보고 연결표: 최종보고서 그림·표·수치와 데이터 파일의 연결
- 접근 통제: 개인정보·보안·영업비밀 데이터의 접근권한과 제한 사유
이 패키지는 과제 종료 후에도 가치가 있습니다. 후속 과제를 준비할 때 “이전 과제에서 무엇을 검증했는가”를 빠르게 설명할 수 있고, 사업화 검토에서 고객 검증과 기술 검증을 분리할 수 있으며, 논문이나 특허를 준비할 때 공개해도 되는 자료와 아직 닫아야 하는 자료를 구분할 수 있습니다. [R&D 결과 사업화 로드맵 체크리스트](/guide/rnd-commercialization-roadmap-checklist)로 넘어가기 전, 이 재현성 패키지가 있어야 성과가 과장되지 않습니다.
과제 단계별 R&D 연구기록 체크리스트
마지막으로 과제 단계별로 확인할 항목을 정리합니다. 신청 전에는 데이터 생산 계획보다 책임과 제한 조건을 먼저 정합니다. 어떤 기관이 어떤 데이터를 만들고, 개인정보나 영업비밀이 있는지, DMP 제출이나 데이터 공개 요구가 공고에 있는지 확인합니다. 이때 [2026 R&D 예산과 사업일정 읽기](/guide/2026-rnd-budget-timeline)를 함께 보면 준비 시점을 놓치지 않는 데 도움이 됩니다.
수행 중에는 실험로그와 데이터 변경 이력이 중심입니다. 실패한 실험, 제외한 데이터, 장비 설정, 코드 변경, 담당자 변경, 접근권한 변경을 남깁니다. 중간점검 전에는 보고서에 들어갈 수치가 어떤 데이터 버전에서 나왔는지 대조합니다. 종료 전에는 원자료, 처리본, 분석본, 해석본을 나눠 최종보고서의 그림과 표에 연결합니다. 종료 후에는 공개 가능한 데이터, 제한공개 데이터, 비공개 데이터, 보존·폐기 데이터를 분리합니다.
| 단계 | 핵심 질문 | 통과 기준 |
|---|---|---|
| 신청 전 | 데이터 책임자, 소유권, 개인정보·보안 여부가 정해졌는가 | DMP 초안과 기관별 책임표가 있다 |
| 협약 전 | 참여기관별 원자료·처리본·분석본 권한이 분리됐는가 | 역할표와 접근권한표가 있다 |
| 수행 중 | 실험로그와 변경 이력이 반복 가능한 형식으로 쌓이는가 | 작성자, 작성시각, 조건, 파일명이 남는다 |
| 중간점검 전 | 보고 수치와 데이터 버전이 연결되는가 | 수치-데이터 매핑표가 있다 |
| 최종보고 전 | 원자료, 처리본, 분석본, 해석본이 분리되는가 | 재계산 가능한 코드와 조건이 있다 |
| 종료 후 | 공개·제한공개·비공개 사유가 설명되는가 | 보존 위치, 접근절차, 제한 사유가 남는다 |
이 체크리스트의 목적은 문서를 늘리는 것이 아닙니다. 나중에 설명하지 못할 데이터를 미리 줄이는 것입니다. 좋은 R&D 데이터 관리계획은 연구자의 자유를 막는 문서가 아니라, 연구자가 만든 결과를 팀 밖에서도 이해할 수 있게 해주는 안전장치입니다. 과제 선정, 평가, 후속지원, 사업화는 모두 다른 절차지만 한 가지는 같습니다. 숫자와 결론만으로는 부족하고, 그 숫자와 결론이 어떻게 만들어졌는지 보여주는 기록이 필요합니다.
참고 출처
- [S1] [DataON/KISTI 연구데이터 관리 계획(DMP)가이드라인](https://dataon.kisti.re.kr/data_mgnt_guideline_03.do)
- [S2] [DataON/KISTI 연구데이터 관리·활용 가이드라인](https://dataon.kisti.re.kr/data_mgnt_guideline_07.do)
- [S3] [국가연구개발사업 연구노트 지침, 국가법령정보센터](https://www.law.go.kr/LSW//admRulInfoP.do?admRulSeq=2100000196148&chrClsCd=010201)
- [S4] [국가연구개발혁신법 시행규칙, 국가법령정보센터](https://law.go.kr/%EB%B2%95%EB%A0%B9/%EA%B5%AD%EA%B0%80%EC%97%B0%EA%B5%AC%EA%B0%9C%EB%B0%9C%ED%98%81%EC%8B%A0%EB%B2%95%EC%8B%9C%ED%96%89%EA%B7%9C%EC%B9%99/%2800066%2C20210104%29)
- [S5] [개인정보보호위원회 가명정보 처리 가이드라인(2024.2.)](https://www.pipc.go.kr/np/cop/bbs/selectBoardArticle.do?bbsId=BS217&mCode=D010030000&nttId=9900)
- [S6] [OECD Access to research data from public funding toolkit](https://www.oecd.org/en/toolkits/access-to-research-data-from-public-funding-toolkit.html)
- [S7] [European Commission Research Executive Agency Open science](https://rea.ec.europa.eu/open-science_en)