정책현안 He alt h I ns ura nc e R evi ew & A ss es sm ent S ervi ce 안창원 한국전자통신연구원 전문위원
1. 들어가며
우리사회는 저출산 고령화 문제 해소를 주요한 국정 과제로 삼고 있다. 한 국가사 회의 인구문제는 거의 모든 국가 정책의 기반이 되며, 인구의 변화 변동은 정치, 경 제, 사회 전반의 영역에 크고 작은 영항을 미치게 된다. 2013년 초에 발표된 자료에 의하면 국내 고혈압, 당뇨 유병자 규모가 현재 천만 명을 넘어섰다고 한다. 고령화로 인한 질병구조가 변화되고 있어, 보다 능동적이고 선제적인 의료정책의 대응과 건강보험정책의 변화가 요구된다. 의료비 부담은 상 당수 가구가 빈곤으로 추락하거나 빈곤에 머물게 하는 원인이 되고 있다. 2010년 의 경우 재난적 의료비1) 발생비율이 저소득층 가구(1-3분위)의 30.6%, 전체 가구의 16.3%에 달하는 것으로 보고되었다. 그간 의료정책은 인구구조 변화에 대비한 장기적 시각의 정책을 도모하지 못했다. 이는 의료정책 뿐만이 아니라 거의 모든 분야에서 정부정책이 미래 우리사회 변화 에 대한 적확한 탐색없이 수립되었고, 집행과정에서 뒤늦은 수정/변경으로 당초 정 책 목표와는 동떨어진 결과를 낳는 악순환을 반복하고 있다. “인간은 미래를 생각하는 유일한 동물”이라고 한 대니얼 길버트의 말처럼, 인간 은 늘 미래를 생각해왔다. 과거에 대한 기록인 역사가 미래를 비추는 거울이라고 하는 역설이 우리에게 당연하게 받아들여지는 것은 우리의 모든 행동이 궁극적으 로는 다가오는 미래를 알고자 함이라는 것을 반증하는 것이다. 최근 빅데이터에 대 한 관심이 증폭되는 것도 마치 빅데이터가 미래를 알려주는 마법 구슬처럼 묘사되 고 있기 때문이다. 범죄 발생을 사전에 알 수 있다면, 주가 변동을 1초라도 빨리 알 수 있다면, 골치 아픈 치안을 완벽하게 구축하고, 손쉽게 거부가 되는 것은 자명한 일이다. 보건의료정책을 비롯하여 보다 적확한 정부정책을 수립하고 집행하기 위해 필요 1) 재난적 의료비는 소득 대비 의료비 비중이 가구의 생활수준을 위협할 정도를 의미, 여기서는 소득 대비 10% 기준을 사용했다.ICT 기반 정보화체계 구축 방향
를 탐색하기 위한 것이라 해도 틀리지 않다. 빅데이터의 규모와 환상에 함몰되지 않고, 미래를 실험하고 탐색하는 환경을 구축해 나가는 것이 무엇보다 중요한 시점 이다. 본고에서는 다양한 사회 현상의 본질을 파악하고 여러 가지 정책적 대안을 실험해 볼 수 있는 마이크로 모델링 & 시뮬레이션 기술을 소개하고, 저출산, 고령 화 등 사회 변화에 대응하는 정책적 대안을 실험할 수 있는 시뮬레이션 환경의 필 요성을 제기하고자 한다.
2. 모델링 & 시뮬레이션 기술
가. 빅데이터 기술의 발전 및 확산
하버드 비즈니스 리뷰는 9월호 전체를 빅데이터에 할애하였으며, 그 가운데서도 정확히 하둡(Hadoop)에 집중했다. 데이터 과학자들은 미래의 직업으로 부각되었 고, 전문가들은 어떻게 빅데이터 기술을 기업에 도입할 수 있을 지에 대한 조언을 쏟아냈다. 지난 몇 년간 페이스북(Facebook), 야후(Yahoo), 트위터(Twitter), 링크 드인(LinkedIn)과 같은 거대 업체들은 예측하지 못했던 데이터 규모와 사용량 폭 증으로 자사 비즈니스 ‘필요’에 의해 기술을 개발하고 시스템을 구축하는 모습을 보 여주고 있다. 데이터는 그 특성상 모두 과거에 대한 기록이며, 우리가 살아온 삶에 대한 흔적 이다. 데이터가 많을수록 비어 있는 퍼즐조각이 채워져 우리가 알고 싶은 현실과 현황에 대해 보다 완성된 그림이 만들어진다. 과거와 현재를 보다 정확히 파악하고 가까운 미래의 변화를 재빨리 알아채기 위 해 빅데이터에 대한 필요성은 강조되었고 지금까지 현상에 대한 우리의 가시권을 확대해 주었다. 미래 현상이 과거와 현재의 선형적인 연속선 상에 있다면, 지난 과 거데이터와 현재의 실시간 데이터를 수집하고 처리하여 분석하는 것만으로도 충 분하겠지만, 현실은 그렇지 않으며 20세기 복잡계 과학의 출현으로 새롭게 도전하 고 있다.정책현안 He alt h I ns ura nc e R evi ew & A ss es sm ent S ervi ce
나. 모델링 & 시뮬레이션 기술
모델링은 실세계에서 일어나는 문제를 해결하는 한 방법이다. 실세계를 대상으 로 원형을 만들고 실험을 하는 것은 비용이 매우 클 뿐만 아니라 실험 자체가 불가 능한 경우가 대부분이다. 그림 1. 데이터의 규모와 데이터 분석 특성 자료: Forrester, 2011 그림 2. 모델링&시뮬레이션 개념도 자료: Borshchev, A. et al., 2004 Data volume (bytes) PAST FUTURE NOW Zetta Exa Real time Unstructured external data Real-time reporting Process auto-mation Ad hoc decisionsupport Strategicplanning Operational
planning Unstructured Internal data
Traditional reporting
Big data
Predictive
Peta Tera
적인 인과·상관 관계를 파악하는 것에 그치는 것이 아니라, 시간에 따른 동적인 변화를 파악할 수 있어 우리가 살아가고 있는 실세계를 이해하는 데 필수적인 도 구가 된다. 사회경제 현상의 변화를 동적·미시적으로 파악하기 위해서는 시스템 다이내믹 스와 행위자 기반 마이크로 시뮬레이션을 적용이 필요하다. 시스템 다이내믹스는 기업이나 사회 시스템 등과 같은 복잡한 피드백 시스템을 연구하고 관리하는 방법 론으로, 실제 모든 종류의 피드백 시스템을 다루기 위해 활용되고 있다. 특히 피드 백은 시스템 다이내믹스를 다른 것과 구별 짓는 대표적인 요소로 작용한다. 피드백 이란 보통 원인-결과 연쇄를 통하여 Y에 영향을 미치는 X의 상황과 다음으로 X에 영향을 미치는 Y의 상황을 의미한다. X와 Y간의 연계 및 Y와 X간의 연계를 각각 독 립적으로 살펴보면, 시스템이 얼마나 잘 작동할 것인지를 예측할 수 없다. 전체 시 스템을 하나의 피드백 시스템으로 살펴볼 때에만 시스템을 올바르게 이해하고 정 확한 결론에 도달할 수 있다. 시스템 다이내믹스는 ‘각 부분들이 보이는 형태의 단순한 집합으로는 설명될 수 없는 전체로서 보이는 형태를 찾아내는’ 장점을 가지고 있다. 시스템 다이내믹스 (system dynamics)에서는 대상 전체를 하나의 시스템으로 모델링하고, 더 이상 나 눌 수 없는 최소의 단위로 취급한다. 그림 3. 시스템 다이내믹스 세계관 자료: 시스템 다이내믹스 워크숍, 2011
정책현안 He alt h I ns ura nc e R evi ew & A ss es sm ent S ervi ce 따라서 대상이 미시적 주체들의 상호작용의 결과물이라는 사실은 무시되고, 논 의는 거시적인 수준으로 제한된다. 이러한 한계를 극복하기 위해 미·거시적 논의 를 포괄하는 모형을 개발한 것이 마이크로시뮬레이션(micro simulation)이다. 1957년 Guy Orcutt이 발표한 논문에서 마이크로시뮬레이션 모델은 개별적인 입 력과 출력을 가지고 서로 상호작용하는 다양한 유닛으로 구성되어 있어, 주어진 외 부 조건과 정부 정책으로 인한 변화를 탐색하는 데 사용될 수 있다고 주장하였다. 그러나 이와 같은 새로운 접근 방법은 제한된 컴퓨팅 능력과 부족한 데이터의 제 약으로 활용되지 못하였으나, 컴퓨팅 기술의 발전과 데이터의 축적으로 마이크로 시뮬레이션의 활용이 점증하고 있다. 정보의 공유와 더불어 컴퓨팅 기술 분야에서 괄목할만한 진보가 마이크로 시뮬레이션 모델의 활용도를 높여, 2005년도에 국제 마이크로시뮬레이션협회(International Microsimulation Association, IMA)를 설립 하기에 이르렀다. 오늘날 비약적인 기술 발전과 데이터 가용성에도 불구하고 마이크로 시뮬레이 션 프로젝트는 많은 시간과 대규모 자원의 투자를 요구하여 아직 활성화되지 못하 고 있다. 마이크로 시뮬레이션은 사람 또는 차량과 같은 개별 행위자(agent)를 기반으로 시스템을 구성하고 행위자 단위의 상호 작용을 관찰하여 전체 시스템을 이해하며, 행위자는 개별적이고 자율적이며, 행위자 간의 상호작용은 확률 모형에 의해 행태 가 결정된다. 즉, 마이크로 시뮬레이션은 사람, 가족, 차량, 기업 등과 같은 개별 행 위자 수준으로 동작하는 모델링 기법이며, 개별 행위자는 일련의 속성(개인의 경 우, 성별, 나이, 결혼 여부, 임금 등)을 가진 독립적은 개체로 일부 속성 값은 확률 적인 규칙에 따라 시간이 지남에 따라 상태가 변이한다. 이러한 마이크로 시뮬레이 션의 특성은 시스템 다이내믹스와 대조되어, 전자를 ‘확률적 미시 모형’, 후자를 ‘결 정적 거시 모형’이라고 부르기도 한다. 시스템 다이내믹스와 에이전트기반 모델링 의 차이는 다음 표와 같다. 표 1. 마이크로 시뮬레이션과 시스템 다이내믹스 비교
Agent-Based Modeling System Dynamics Modeling
Perspective Bottom-Up Top-Down Main Building Block Individual Agent Feedback Loop
Unit of Analysis Agent's Rule Structure of System Level of Modeling Individual Aggregate Structure of System Not Fixed Fixed
요하며, 유닛 수에 따라 필요한 저장 공간의 크기, 데이터 분석을 통한 모델 개발, 그리고 시뮬레이션 수행 시간도 급격히 증가한다.
다. 인구 마이크로 시뮬레이터
인구 시뮬레이터는 인구학에 관한 전문적인 지식이 없는 일반인이 인구현황과 변 화를 파악하고 다양한 정책과 조치가 인구 변화에 어떤 영향을 주는 지를 평가하여 적확한 의사결정을 내릴 수 있는 환경을 제공한다. 미시 인구 시뮬레이션은 2가지 관점에서 기존의 전통적인 거시 인구 시뮬레이션과 구별된다. 대상 인구에 대한 합 산된 데이터가 아니라 개인 단위 수준으로 처리되며, 평균 예측치가 아니라 반복적 인 무작위 실험을 기반으로 결과를 산출한다. 1990년대 OECD 국가를 중심으로 정책이 유발하는 인구 변화 및 경제적인 변화 를 연구하기 위해 다양한 마이크로 인구 시뮬레이션 모델이 개발되었으며, 국가별 시뮬레이션 모델은 다음과 같다. 표 2. 주요 국가별 (인구) 마이크로 시뮬레이터 개발 현황 국가 주요 마이크로 시뮬레이터미국 DYNASIM I/II/III, CORSIM, CBOLT, FEM, MINT, PENSIM, POLISIM, PRISM, PSG 캐나다 MODGEN, DYNACAN, LifePaths, POHEM, XEon
영국 IFS Model, INFORM, LIFEMOD, Long Term Care Model, PENSIM, PENSIM2, SAGE, SimBritain 아일랜드 Dynamic Model, LIAM, SMILE
프랑스 / 독일 DESTINE I/II, GAMEO (프) / MicMac, Sfb3 (독)
이태리 ANAC, CAPP_DYN, DYNAMIC TUSCAN, DYNAMITE, LABORsim, MIND, Tdymm 네덜란드 / 벨기에 MEDYMAS, SADNAP (네) / MIDAS, Pensions Model (벨)
스위스 / 오스트리아 UrbanSimE(스: FP7 SustainCity) / FAMSIM (오)
스웨덴 / 노르웨이 IFSIM, MICROHUS, SESIM, SVERIGE (스) / MOSART1/2/3 (노) 호주 / 뉴질랜드 APPSIM, DYNAMOD I/II, HARDING, HouseMod (호) / MIDAS (뉴)
일본 / 브라질 INAHSIM, PENMOD (일) / BRALAMMO (브)
정책현안 He alt h I ns ura nc e R evi ew & A ss es sm ent S ervi ce 마이크로 시뮬레이션의 결과는 첫째, 인구센서스와 동일하게 매년 전반적인 인 구를 예측할 뿐만 아니라 인구 예측으로부터 개인 또는 가구 단위의 정보를 추출할 수 있게 해준다. 둘째, 주어진 인구 정보와 전이 확률을 기반으로 과거에 대한 동적 변화를 확인하고, 이벤트 모델을 기반으로 미래의 변화에 대한 다양한 실험을 진행 하여 동적 인구 변화를 추적할 수 있게 해 준다.
3. 맺으며
2000년대 후반에 들어서, 경제·사회 현상을 분석, 예측하기 위한 에이전트 기반마이크로 시뮬레이션(agent based modeling/simulation, ABMS) 기술이 미래 핵 심 기술로 등장하고 있다.
최근 기획된 유럽의 ‘FuturICT’ 프로젝트는 초대규모 모델링/시뮬레이션 기술 개 발이 주요 목적으로 국가적 현안을 해결하기 위한 시도로 우리에게 좋은 참조 모 델이 된다. FuturICT 프로젝트는 EU의 FET(future and emerging technologies) 플 래그쉽 후보 과제 중 하나로 지속 가능한 미래 사회를 견지하기 위한 대규모 데이 터 분석 및 예측 기술 개발을 목표로 한다. 마이크로 시뮬레이션을 적용하면 각 분 야별 쟁점과제에 대한 다차원 정책 실험을 수행할 수 있으며, 이를 통하여 중장기 적인 전략 설정과 더불어 단기적인 정책의 수립에 관현 의사결정이 가능해진다. 특히 대규모 예산이 소요되는 보건의료 정책의 경우, 임신, 출산, 양육, 소득, 고 용, 교육 등 국민 개개인의 특성을 반영한 정확한 인구 현황 및 전망을 통하여 단 기, 중기, 장기 의료 수요를 예측하고 관련 정책을 추진하여 예산의 낭비를 막고 정 책의 효과를 높여야 한다. 또한, 근래 디지털화의 가속화로 데이터는 기하급수적으로 증가하고 있으며, 데 이터의 활용이 정부 3.0을 구현하기 위한 핵심 이슈로 부각하고 있다. 대용량의 데 이터를 저장하고, 처리 분석하는 가장 주된 목적은 의사결정자에게 정확한 정보를 제공하여 정책 수립과 실행 조치의 적확성을 향상시키는 것이다. 활용할 수 있는 데 이터로부터 예측 모델을 찾아내고, 모델을 활용한 시뮬레이션을 기반으로 의사결 정 분석 및 탐색을 수행하는 일련의 연계 활동이 지속적으로 반복되어야 한다.
eling: reasons, techniques, tools, 2004
El isabeth Morand, et al., “Demographic modelling: the state of the art”, Working Paper 2.1a, SustainCity Working Paper (FP7-244557, www.sustaincity.org), 2010
