P3-1.3 데이터 질문은 어떻게 써야 모델보다 먼저 문제 구조가 보이는가¶

Section ID: P3-1.3 Version: v2026.09.20

설비가 이상한가?라는 말만으로는 어떤 기록을 찾아야 할지 정하기 어렵습니다. 유량 수준이 낮아졌다는 뜻일 수도 있고, 동작 끝에 유량이 빠르게 내려간다는 뜻일 수도 있습니다. 데이터 질문(data question)을 구체화한다는 것은 이처럼 넓은 관심사를 어떤 대상의 무엇을 언제 확인할 것인지가 드러나는 문장으로 바꾸는 일입니다.

P3-1.2에서는 필요한 구간의 기록이 없으면 계산을 멈추고 앞의 결정을 다시 살폈습니다. 이번에는 질문 자체에 대상·시점·필요한 기록·원하는 결과를 담아, 현재 자료로 답할 수 있는 부분과 없는 부분을 구분해 보겠습니다. 모든 질문에 과거 기준선이 필요한 것은 아닙니다. 평소와의 차이를 물으면 비교 조건이 필요하고, 문서의 종류를 물으면 구분할 범주와 그 기준이 필요합니다.

‘이상하다’를 관찰할 차이로 바꾸기¶

앞 절과 같은 가상 장비에서 동작은 0초에 시작해 2초에 끝난다고 가정합니다. 막연한 질문에 한 번에 모든 조건을 붙이기보다, 빠진 부분을 하나씩 채워 봅시다.

질문을 고쳐 쓰는 단계	드러난 내용	아직 정해야 할 내용
설비가 이상한가?	설비 상태에 관심이 있다.	어느 동작의 어떤 차이를 보는가?
완료된 동작 1회의 끝부분에서 유량이 내려갔는가?	대상은 동작 1회이고, 관찰할 현상은 끝부분 하강이다.	끝부분은 어느 시간 구간인가?
동작 종료 후, 동작 시작 기준 1~2초 구간의 유량 기울기를 확인할 수 있는가?	확인 시점과 계산 구간이 드러난다.	하강 자체를 확인할 것인가, 평소와 다른지를 볼 것인가?
동작 종료 후, 같은 운전 조건의 과거 동작을 기준으로 이번 동작의 1~2초 유량이 더 빠르게 내려갔는지 비교하고 검토 여부를 표시할 수 있는가?	대상·시점·구간·비교 조건·결과 형식이 함께 드러난다.	같은 조건의 과거 기록과 검토 규칙이 실제로 준비되어 있는가?

세 번째 질문에서 동작 종료 후는 질문에 답하는 시점이고, 1~2초는 동작 시작을 기준으로 기록을 읽는 구간입니다. 이 둘을 나눠 적어야 언제 어떤 정보를 사용할지 알 수 있습니다.

P3-1.1의 A-101은 1~2초 기울기가 −1.2 L/min/s였습니다. 가정한 기준선 0.0 L/min/s와 비교하면 더 가파른 하강입니다. 그러나 그 절의 기준선과 검토 임계값은 설명용 가정이었습니다. 실제 자료에 같은 조건의 과거 기록이 없다면 하강은 관찰했지만 평소와 다른지는 아직 확인하지 못했다고 적어야 합니다. 질문이 구체적이라는 사실만으로 답에 필요한 데이터가 생기지는 않습니다.

이 사례에서 더 흔들렸다 대신 정해진 구간에서 더 빠르게 내려갔다라고 쓰는 이유는 관찰할 차이를 분명히 하기 위해서입니다. 평균 주변의 흩어짐을 알고 싶다면 표준편차를 비교하는 별도의 질문이 됩니다. 지표는 그 질문에 맞춰 고릅니다.

현재의 차이를 읽는 질문과 미래를 예측하는 질문¶

같은 동작 기록이라도 현재 상태를 비교하는 일과 이후 고장을 예측하는 일은 필요한 결과 자료가 다릅니다. 다음 두 질문을 나란히 보세요.

확인할 요소	관찰·비교 질문	미래 예측 질문
질문 문장	완료된 동작의 1~2초 유량이 같은 조건의 평소보다 더 빠르게 내려갔는가?	동작 종료 시점까지 확보한 기록으로, 종료 후 7일 안에 해당 장비에서 고장이 발생할지 예측할 수 있는가?
한 사례와 판단 시점	동작 1회, 종료 후 기록을 확인할 때	동작 1회 종료를 기준 시점으로 삼고, 그 시점에 예측
필요한 입력 기록	해당 구간의 시각·유량, 운전 조건, 비교할 과거 기록	종료 시점까지 사용 가능한 센서값·운전 조건 등
결과로 남길 것	기울기 차이, 정한 규칙에 따른 검토 여부 또는 정보 부족	이후 7일의 고장 발생 여부에 대한 예측
답을 확인하기 위해 더 필요한 것	같은 조건의 기준선과 명시한 검토 규칙	고장의 정의, 장비 식별자, 이후 고장 발생 시각과 관측이 완료됐는지에 대한 기록

관찰·비교 질문에서 사람이 먼저 확인할 동작을 모으면 검토 후보 큐(review queue)가 됩니다. 이 목록에 들어갔다는 사실이 미래 고장의 정답은 아닙니다. 예측을 학습하고 평가하려면 이후 실제로 어떤 결과가 발생했는지 연결해야 합니다.

앞 절의 여섯 센서 행만 가지고 있다면 동작의 기울기는 계산할 수 있지만, 이후 7일의 고장 여부는 알 수 없습니다. 종료 후 이틀까지만 기록을 확인했다면 나머지 닷새의 결과도 아직 모릅니다. 이를 고장 없음으로 채우지 않고 관측 미완료로 남깁니다. 세부 라벨·시간 경계는 Chapter 9에서 다루며, 여기서는 질문에 필요한데 없는 기록을 표시합니다.

샘플·비교·출력으로 질문 구체화하기¶

질문을 고치면 뒤에 만들 표의 한 행과 필요한 열도 달라집니다. 다음은 같은 원천 기록에서 서로 다른 결과를 만드는 예입니다.

알고 싶은 것	결과표의 한 행	함께 남겨야 할 정보
이번 동작의 끝부분 하강이 평소와 다른가	동작 1회	동작 식별자, 운전 조건, 구간, 기울기, 기준선 차이
최근 20건과 이전 200건의 끝부분 기울기 평균이 다른가	두 동작 묶음의 비교 1건	각 묶음의 기간·조건, 유효 동작 수, 구간 정의, 평균과 차이
매일 전체 운전 상태를 정한 항목으로 요약할 수 있는가	하루	집계 시작·종료 시각, 동작 건수, 누락 건수, 정한 요약값
동작 종료 후 7일 안의 고장 여부를 학습할 수 있는가	종료된 동작을 기준으로 한 사례 1건	당시 입력, 장비 식별자, 이후 결과, 관측 완료 여부

20건과 200건은 비교 묶음을 설명하기 위한 가상 개수이며, 충분한 자료량을 보장하는 기준이 아닙니다. 같은 동작이 두 묶음에 겹치지 않는지, 운전 조건과 기록 범위가 맞는지도 확인해야 합니다.

아래 도식은 질문과 후속 표의 대응을 압축한 것입니다. 표 형식을 정한 다음에도 필요한 기록이 실제로 있는지는 따로 살펴야 합니다.

flowchart TD
    A[질문: 동작 1회를 기준선과 비교할까?] --> A1[다음 표: 동작 1회 요약 표]
    B[질문: 최근 20건과 이전 200건을 비교할까?] --> B1[다음 표: 집계와 기준선 비교 표]
    C[질문: 어떤 건을 먼저 검토할까?] --> C1[다음 표: 검토 큐와 출력 구조]
    D[질문: 미래 목표를 정의할 수 있을까?] --> D1[다음 표: 목표 후보와 특징 표]

설비가 이상한가?를 동작별 비교 질문으로 고쳐 쓴 뒤, 다시 매일 끝날 때 그날의 전체 운전 상태를 요약한다로 바꿔 보세요. 첫 결과표의 한 행은 동작 1회이고 두 번째 결과표의 한 행은 하루입니다. 하루에 여러 운전 조건이 섞여 있다면 조건별로 나눌지 함께 집계할지도 적어야 합니다. 문구만 고치는 데서 끝내지 말고, 바뀐 질문이 요구하는 행 단위와 열을 직접 적어 보세요.

같은 동작의 요약값과 원시 시계열 중 어느 입력이 적합한지 비교한다면, 동작 식별자·질문·관측 구간은 유지하고 표현 방식을 바꾸는 것입니다. 이것은 동작별 질문을 일별 질문으로 바꾸는 것과 다릅니다.

문서 한 건에도 같은 질문을 적용하기¶

문서를 AI로 분류하자를 다음처럼 바꿀 수 있습니다. 이것도 이 책의 가상 사례입니다.

고객 문의가 접수되는 시점에 문의 문서 한 건의 제목과 본문을 읽고, 주된 요청에 따라 배송, 결제, 기타 중 하나를 붙여 담당 검토 목록으로 보낼 수 있는가?

여기서는 대상이 문서 한 건, 시점이 접수 때, 입력이 제목·본문, 결과가 세 범주 중 하나입니다. 센서 사례의 과거 평균이나 기울기 기준선은 필요하지 않습니다. 대신 배송과 결제 요청이 함께 적힌 문서를 어떤 범주로 볼지 분류 기준을 정해야 합니다. 문서 제목만 저장되어 있다면 위 질문이 요구한 본문이 없는 것이고, 접수 후 상담원이 붙인 답변은 접수 시점의 입력으로 쓸 수 없습니다.

이 문서 사례를 직접 고쳐 써 보세요. 한 문서에 여러 범주를 허용한다로 바꾸면 출력에는 무엇이 달라질까요? 하나의 범주를 넣던 자리에 여러 범주를 담을 수 있어야 하며, 정답을 붙이는 기준도 바뀝니다. 기준선 유무보다 중요한 것은 현재 질문에 필요한 대상·시점·입력·결과가 맞물리는지입니다.

체크리스트¶

이상하다 또는 흔들린다를 측정할 수 있는 차이로 바꾸고 대상·시점·구간·결과 형식을 적었는가?
같은 운전 조건의 과거 자료가 없을 때 말할 수 있는 것과 아직 말할 수 없는 것을 구분했는가?
현재 차이의 비교와 다음 7일 고장 예측에 각각 필요한 기록을 나누고, 현재 없는 정보를 표시했는가?
동작별 질문을 일별 질문으로 바꾸면서 결과표의 행 단위와 필요한 열도 함께 바꿨는가?
문서 분류 질문에서 접수 시점에 사용할 정보와 출력 범주 기준을 적고, 미정인 부분을 표시했는가?

출처와 참고 자료¶

Google for Developers, Machine Learning Glossary의 labeled example, label, label leakage. 입력 사례와 라벨, 입력에 결과 정보가 섞이는 문제를 구분하는 용어 기준으로 참고했습니다. 이 절의 질문 작성 양식은 책의 집필 구성입니다. https://developers.google.com/machine-learning/glossary / 확인일: 2026-07-20
U.S. Bureau of Labor Statistics, Base period. 비교를 위한 기준 기간(reference period)이라는 일반 개념을 제공하므로, 평소와의 차이를 묻는 질문에서 비교 기준을 명시하는 설명을 참고하는 자료입니다. 모든 데이터 질문에 과거 기준선이 필요하다는 뜻은 아닙니다. https://www.bls.gov/bls/glossary.htm / 확인일: 2026-07-20
Usama M. Fayyad, Gregory Piatetsky-Shapiro, Padhraic Smyth, From Data Mining to Knowledge Discovery in Databases. 문제 정의와 데이터 준비를 분리하지 않는 더 넓은 지식 발견 흐름을 설명하므로, 데이터 질문이 바로 뒤의 표 구조와 비교 구조를 여는 출발점이라는 일반 배경이 됩니다. https://www.kdnuggets.com/gpspubs/aimag-kdd-overview-1996-Fayyad.pdf / 확인일: 2026-07-20
Google for Developers, Framing an ML problem. 원하는 결과와 모델 출력을 구분하고, 범주 분류와 대리 라벨을 명시하는 설명을 확인했습니다. 위 센서·문서 질문은 이 책의 가상 사례입니다. Framing an ML problem / 확인일: 2026-09-19