품질관리(QC) 실무를 하다 보면 시험 데이터 하나가 생성된 순간부터 폐기될 때까지 얼마나 많은 손을 거치는지 새삼 놀라게 되는데요. 데이터 라이프사이클(Data Lifecycle)은 바로 이 흐름 전체를 신뢰할 수 있게 관리하자는 개념입니다. 식약처 공식 안내서는 이를 ‘데이터 전주기’로 표기하지만, 현장에서는 데이터 라이프사이클이라는 표현이 더 익숙하시죠. 실사(Inspection) 준비를 하다 보면 조사관이 특정 결과값 하나만 보는 게 아니라 “이 데이터가 어디서 만들어져 어떻게 저장·백업되고 누가 검토했는가”를 처음부터 끝까지 따라간다는 사실을 알게 됩니다. 본 포스팅에서는 데이터 라이프사이클의 정의, 단계별 통제 포인트, 백업·마이그레이션 실무, 그리고 QC/QA 취업·직무에서 이 개념이 어떻게 쓰이는지 순서대로 알아보겠습니다.
데이터 라이프사이클이란 무엇인가
데이터 라이프사이클은 데이터가 생성 → 처리 → 검토 → 보고 → 보관 → 폐기에 이르는 전 과정에서 신뢰성을 잃지 않도록 하는 관리 체계를 말합니다. 데이터 완전성(Data Integrity)을 지키려면 최종 결과값 한 줄만 관리해서는 부족합니다. 그 값이 만들어진 원본 기록과 메타데이터(Metadata), 즉 누가·언제·어떤 조건에서 데이터를 다뤘는지가 함께 보존되어야 하기 때문입니다.
그래서 데이터 라이프사이클은 ALCOA++ 원칙과 짝을 이룹니다. 귀속성(Attributable)·가독성(Legible)·동시성(Contemporaneous)·원본성(Original)·정확성(Accurate)에 완전성·일관성·지속성·가용성·추적성(Traceable)이 더해진 이 기준은, 결국 “데이터가 태어나서 사라질 때까지 그 값이 진짜임을 증명할 수 있는가”를 묻는 것입니다. 라이프사이클 관점이 없으면 지속성과 가용성, 추적성은 지켜지기 어렵습니다.
단계별 통제 포인트
각 단계에서 무엇을 통제해야 하는지 실무 언어로 풀어보겠습니다.
생성·처리 단계에서는 데이터가 만들어지는 순간부터 점검 기록(Audit Trail)이 자동으로 남도록 시스템을 설정합니다. 수기 기록이라면 동시성 원칙에 따라 시험과 동시에 기록하고, 전자 데이터라면 시간·사용자 정보가 자동 부여되도록 합니다. 공유계정을 쓰면 귀속성이 무너지므로 개인별 계정과 권한 분리가 전제되어야 하죠.
검토·보고 단계에서는 점검 기록 검토가 핵심입니다. 결과값만 승인하는 것이 아니라, 재적분·재시험·값 삭제 같은 변경 흔적이 점검 기록에 남아 있는지를 함께 확인해야 합니다. 최근 규제기관의 지적이 결과 자체보다 ‘점검 기록을 검토하지 않았다’는 절차 미비로 옮겨가고 있다는 점도 기억하시기 바랍니다.
보관·폐기 단계에서는 보존(Archiving) 기간 동안 데이터를 읽을 수 있는 상태로 유지하는 것이 관건입니다. 10년 뒤에도 열람 가능한 형식인지, 폐기는 승인된 절차와 보존기간에 따라 이뤄지는지가 확인 대상입니다.
백업·복원과 데이터 마이그레이션
▶ 백업만 걸어두면 데이터 라이프사이클 관리가 끝난 걸까요? 아닙니다. 백업(Back-up)은 ‘복원이 실제로 되는지’까지 주기적으로 테스트해야 의미가 있습니다. 백업 파일이 손상돼 복원이 안 되는 사례가 실사에서 종종 드러나기 때문입니다. 예를 들어 HPLC 원본 데이터를 매일 서버에 백업한다면, 분기 1회 정도는 임의의 배치(Batch) 데이터를 실제로 복원해 원본과 일치하는지 확인하고 그 기록을 남기는 식으로 운영합니다.
데이터 교환(Data Migration)은 특히 위험도가 높은 구간입니다. 구형 시스템(Legacy System)에서 새 시스템으로 데이터를 옮길 때 점검 기록과 메타데이터가 누락되면, 겉보기 값은 같아도 완전성이 깨집니다. 그래서 마이그레이션 전에는 이관 계획서를 만들고, 이관 후에는 원본과 대상 데이터가 동일한지(값·메타데이터·점검 기록 포함) 대조하는 절차를 밸리데이션(Validation) 활동으로 문서화합니다.
이 모든 활동은 개별 담당자의 습관이 아니라 표준작업지침서(SOP)와 밸리데이션 문서로 규정되어야 합니다. 즉 데이터 라이프사이클은 컴퓨터화 시스템 밸리데이션, 변경관리(Change Control)와 톱니처럼 맞물려 돌아갑니다.
QC/QA 실무와 취업에서의 활용
취업을 준비하시는 분이라면 이 개념이 면접에서 어떻게 쓰이는지 궁금하실 텐데요. “데이터 완전성을 어떻게 확보하시겠습니까?”라는 질문에 “ALCOA를 지키겠습니다”라고만 답하면 평범합니다. 대신 “데이터 라이프사이클 관점에서 생성 단계의 점검 기록 자동화, 검토 단계의 점검 기록 검토, 보관 단계의 백업 복원 테스트로 나눠 관리하겠습니다”라고 단계별로 답하면 실무 이해도가 드러납니다.
▶ 신입인데 라이프사이클 전 단계를 다 경험해봐야 하나요? 그렇지 않습니다. 실제 현장에서도 QC는 주로 생성·검토 단계를, QA와 전산 담당은 보관·마이그레이션 단계를 나눠 맡습니다. 다만 내가 만드는 데이터가 전체 흐름의 어디에 위치하는지 이해하고 있으면, 일탈(Deviation)이 생겼을 때 어느 단계에서 통제가 뚫렸는지 빠르게 짚어낼 수 있습니다. 이것이 주니어와 시니어를 가르는 지점입니다.
정리하면, 데이터 라이프사이클은 데이터 완전성을 ‘결과값 관리’에서 ‘흐름 관리’로 끌어올리는 사고방식입니다. 생성부터 폐기까지 각 단계의 통제 포인트와 백업·마이그레이션 실무를 함께 이해하시면, 실사 대응은 물론 면접에서도 한 발 앞선 답을 준비하실 수 있습니다. 데이터 완전성의 기본 개념이 궁금하시면 DI 데이터완전성이 중요한 이유 글을, 점검 기록의 세부 개념은 Audit trail(점검 기록) 개념 이해 글을 참고하시면 됩니다. 규제 원문 기준은 FDA Data Integrity and Compliance With Drug CGMP 가이던스에서 직접 확인하실 수 있습니다.