해양수산 공공데이터 플랫폼 활용 제고 방안 연구

국문 초록 (Abstract)

1. 연구 배경 및 목적
1) 연구 배경 및 목적
■ 해양수산 공공데이터는 정책 수립, 산업 경쟁력 강화, 연구 활성화, 국민 서비스 제고 등 다양한 분야에서 활용될 수 있는 핵심 자원임. 그러나 현행 해양수산 공공데이터 플랫폼은 공급자 중심의 구조에 머물러 있으며, 기관별 데이터가 분절적으로 관리되고, 품질관리 체계가 충분히 정착되지 못하였음. 또한 사용자 맞춤형 서비스 제공이 미흡하여 실제 현장에서의 활용도는 제한적임
- 2025년 기준, 약 65개 내외의 해양수산 공공데이터 플랫폼이 운영 중이나, 다수의 플랫폼은 데이터 제공 자체에 초점이 맞춰진 공급자 중심 구조로 실제 사용자 요구에 부응하는 운영체계는 부족한 상황임
- 해양수산 공공데이터 플랫폼은 양적 확대를 달성했음에도 불구하고, 실제 사용자 활용도가 제한적임. 이로 인해 데이터 기반 의사결정, 산업 활용, 연구 활성화, 신산업, 부가가치 창출 등에 제약이 발생하고 있음
■ 본 연구는 실제 사용자 관점에서 해양수산 공공데이터 플랫폼의 핵심 차원을 도출하고, 문제점을 진단하여 플랫폼 활용도를 높일 수 있는 실질적 제고 방안 도출에 목적을 둠
■ 해양수산 공공데이터 플랫폼을 단순히 데이터 제공을 위한 창구가 아닌 정책, 산업, 연구 전반을 뒷받침할 수 있는 사용자 중심 데이터 허브로 전환할 수 있는 방향성을 제시하고자 함

2. 연구 방법 및 특징
■ 해양수산 공공데이터 플랫폼 활용 제고 방안 도출을 위해서 ① SERVQUAL 모형 5개 차원 기반 사용자 인식 조사 ② 중요도-성과 분석인 IPA 분석 ③ 산·학·연 전문가 FGI 순서로 진행함
- ① 실제 사용자 인식 조사(150명)를 통해 SERVQUAL 모형 5개 차원인 신뢰성, 확신성, 대응성, 유형성, 공감성에 대한 사용자의 중요도를 파악함
- ② 2차 설문조사(194명)를 실시하여 SERVQUAL 5개 차원의 33개 세부 항목을 대상으로 중요도-성과(만족도) 분석인 IPA 분석을 수행함. 이를 통해 각 항목의 중요도와 만족도를 교차 검증하고, IPA 매트릭스를 활용하여 개선 우선순위를 도출함
- ③ 산·학·연 전문가 FGI(그룹별 5명, 총 3회, 15명)를 실시하여 정량 분석 결과에 대한 실제 현장 의견을 청취함. 이를 통해 정책 수요와 연결하여 문제점을 심층 분석하고, 현실성 높은 정책 제언을 도출함
■ 본 연구는 사용자 대상 인식 조사, IPA 분석이라는 정량적 접근과 전문가 FGI라는 질적연구방법을 병행하여 문제를 다층적으로 진단함
- (정량 분석과 정성 분석을 결합한 혼합 연구 설계) 본 연구는 사용자 대상 인식 조사, IPA 분석이라는 정량적 접근과 전문가 FGI라는 질적연구방법을 병행하여 문제를 다층적으로 진단함
- (사용자 관점에서 접근) 다수의 플랫폼 선행연구가 플랫폼의 기술 설계, 공급자 중심 성과 진단에 집중한 반면, 본 연구는 다양한 사용자군의 경험과 요구를 바탕으로 플랫폼 활용 제고 방안을 도출함
- (정책 방향과 목적 지향형 플랫폼 연계 서비스 구체적 제시) 본 연구는 해양수산 공공데이터 플랫폼의 종합적 활용 제고 방안과 정책 방향을 제시하는 동시에, 플랫폼이 연결 중심의 서비스를 구현할 수 있도록 목적 지향형 연계 서비스 다섯 가지를 구체적으로 제시함

3. 연구 결과
1) 연구 결과 요약
■ 1차 인식 조사 결과, SERVQUAL 5개 차원 중 해양수산 공공데이터 플랫폼의 가장 중요한 요소는 신뢰성(평균 4.93점/5.0점)으로 분석됨
- 신뢰성 가운데 가장 중요한 요소는 데이터 오류 발생 빈도(평균 4.68점)임. 이는 공공데이터 플랫폼의 핵심 역할이 정확하고 품질 높은 데이터 제공하는 데 있으며, 신뢰성 확보가 플랫폼 활용도를 좌우할 수 있음을 시사함
■ 신뢰성 다음으로는 확신성(평균 3.31점), 대응성(평균 3.04점), 유형성(평균 1.96점), 공감성(평균 1.81점) 순으로 중요도가 나타남
- 확신성은 수산, 해운, 조선·기자재 분야 사용자에게 특히 중요하게 인식됨
- 일반 사용자와 해양레저관광 분야 사용자에게는 유형성과 공감성 차원에 대한 중요도가 비교적 높게 나타남
■ 중요도-성과(만족도) 분석인 IPA 분석 결과, Ⅲ. 중점 관리 영역에 총 14개 항목이 도출되었으며, 단기적으로 집중 개선이 필요한 핵심 영역으로 볼 수 있음
■ 산·학·연 전문가 FGI 결과 ① 여러 플랫폼에 분산되어 있는 데이터 분절성과 연계성 저하 ② 예측 데이터의 오차와 수기 입력 데이터의 오류 및 누락 등 품질 신뢰성 저하 ③ 단위·코드·해역 구분 불일치로 인한 데이터 표준화 및 분류체계 문제 ④ 사용자를 구분하지 않은 서비스 설계와 사용자 중심 서비스 부족이 핵심 문제로 제기됨
■ 해양수산 공공데이터 플랫폼 활용 제고를 위한 개선 사항은 ① 데이터 거버넌스 확립과 표준화·연계 법제화 필요 ② 데이터 품질관리 체계 강화와 수기 입력 데이터 검증 절차 도입 ③ 공공과 민간의 역할 분리 구조로 전환 ④ 사용자군별 맞춤 서비스 제공과 교육·지원 확대 등으로 요약할 수 있음

2) 정책화 방안
■ 첫째, AI 및 해양수산 데이터 정책·표준·운영체계 전반을 총괄 관리할 수 있는 데이터 거버넌스를 구축하여 해양수산 공공데이터 플랫폼 활용 선순환 생태계를 정착시킬 필요 있음
- (단기) 해수부 장관 직속 “해양수산 AI 데이터 거버넌스 추진위원회”를 설치하여 AI 및 해양수산 데이터 정책·표준·운영체계 전반을 총괄 관리할 필요 있음. 추진위원회 산하에는 분과위원회(분야별 각 10명 내외)를 구성하고, 부처 내부에 관련 조직을 신설하거나 기존 조직을 강화할 필요 있음. 또한 관련 부처 국장급, 산하기관 임직원, 해양수산 데이터 산업계 대표, 외부 전문가 등이 참여하는 민·관 협력형 거버넌스 체계 구축이 필요함. 또한 제3차 해양수산과학기술육성 기본계획(2028~2032) 및 제4차 해양수산발전기본계획(2031~2040)에 해양수산 데이터 거버넌스 체계 및 세부 추진 과제를 반영하여 중장기 정책 연계성 확보가 필요함
- (중기) 범부처·범기관 협의체를 운영하여 해양수산 공공데이터 관련 정보를 정기적으로 공유하고, 활용성 강화 지원 체계를 확보할 필요 있음
- (장기) 해양수산 데이터 거버넌스 체계하에서 해수부, 데이터 생산 기관, 해양수산 데이터 산업계가 유기적으로 협력·운영하는 해양수산 공공데이터 플랫폼 활용 선순환 생태계를 정착함
■ 둘째, 데이터 전주기 품질관리 체계 고도화가 필요함
- (단기) 데이터 오류 점검 및 개선 등 사후 조치 중심으로 운영되던 「해양수산 데이터관리 체계 정립 사업」에 데이터 품질 사전 진단 프로세스를 도입하고, 세부 과업 내용 및 예산 확보가 필요함. 해양수산분야 주요 데이터 생산기관이 참여하는 ‘사전 품질 점검 협의체’를 구성하여 데이터 품질과 신뢰성 사전 확보 필요함
- (중기) 해양수산 특화 표준을 포함한 세부 분야별 데이터 표준 관리 매뉴얼을 개발하고, 표준화된 품질관리 기준을 정립할 필요 있음. 품질관리 성과와 오류 이력을 축적하여 지속적인 품질관리 체계 마련 필요함
- (장기) 해양수산 공공데이터 품질 진단 결과를 차기 품질 진단 프로세스에 반영할 수 있는 연속적인 피드백 체계 구축이 필요함. AI를 활용한 고급 품질관리 체계 도입이 필요함
■ 셋째, 공공-민간 역할 분리·협업을 통한 해양수산 데이터 플랫폼 산업 전환이 이루어져야 함
- 공공은 민간이 생산하기 어려운 원자료 생산과 공유에 집중, 민간은 이를 활용한 시각화·분석·서비스 등 부가가치를 창출하는 구조로 전환 필요함
- (단기) 공공은 데이터 거버넌스 구축과 연계하여 법·제도 기반을 정비하고, 신뢰도 높은 원데이터 생산에 집중하여야 함
- (중기) 민간은 공공데이터를 활용하여 AI 기반 산업 서비스(데이터 공유, 가공, 시각화 서비스 등)를 개발하여 공공데이터 활용 서비스 상용화를 주도하여야 함
- (장기) 공공과 민간의 역할 분리 및 협력체계를 정착시키고, 공공데이터를 활용한 다양한 서비스 확산을 통해 플랫폼 사용자의 경험과 편의성을 극대화함
■ 넷째, 플랫폼 연결 중심 전략 및 목적 지향형 서비스 설계가 필요함
- 다수의 플랫폼을 물리적으로 통합하는 것은 현실성이 낮아 통합보다는 API 연계, 공동 프로젝트를 통한 연결 전략을 추진하는 것이 효과적임
- (단기) 해황, 환경, 항로, 사고, 항만 입출항 데이터를 연계한 해양 재난 예측·대응 연계 서비스를 구축하고, 실시간 위험 지도, 경보·통제 권고, 계절별·지형별·위치별 취약 지수 등을 제공하는 서비스를 제안함
- (중기) 선박, 항만 운영, 통관, 운항 안전, 터미널 운영, 육상운송 데이터를 연계한 수출입 물류 전주기 원스톱 뷰 서비스 구축을 제안함. 또한 어장, 해양환경, 양식장 자체 관측 데이터를 연계한 양식장 환경, 피해 예측 지원 서비스 구축을 제안함. 수산 분야에서는 수산물 이력, 관세, 거래, 가격 데이터를 연계한 수산 공급망·이력 투명화 서비스 구축을 제안함
- (장기) 기상, 안전 이력, 관광 통계, 민간 수요 데이터(결제, 모빌리티, 숙박 등)를 연계한 해양관광·레저 수요·안전 통합 서비스 구축을 제안함. 궁극적으로는 다양한 해양수산 공공데이터 플랫폼을 연결하여 활용할 수 있는 사용자 목적 중심의 데이터 플랫폼 활용 생태계를 조성해야 함
■ 다섯째, 지능형 데이터 활용 서비스 및 AI 탐색 체계 전환이 필요함
- (중기) 본 연구에서 제시한 다섯 가지 목적 지향형 서비스의 데이터를 대상으로 PoC(Proof of Concept) 방식의 AI 기반 탐색 및 지식그래프 구축을 시범 적용하고, 성능을 검증하여 기술적 실현 가능성을 확보할 필요 있음
- (장기) PoC 검증 결과를 바탕으로 해양수산 전 분야 데이터로 확대하여 AI 기반 지능형 탐색·추천 체계 및 통합 지식체계 구현이 필요함. 이를 위해서는 해양수산 데이터를 벡터화하고, 의미 기반으로 구조화하여 거대 언어모델과 연계한 검색-증강-생성(RAG) 기반 서비스 구현이 필요함. 따라서 해양수산 데이터의 의미·맥락·인과관계를 자동으로 학습하고 연계하는 온톨로지 기반 지식그래프(AI-MCKG) 구축이 중요함
■ 다섯 가지 정책화 방안은 단기(2026~2027년), 중기(2028~2029년), 장기(2030년 이후)로 추진할 수 있으며, 아래와 같은 추진 로드맵을 제시함
4. 기대효과
1) 정책적 기대효과
■ 본 연구 정책 제언과 단계별 로드맵은 해양수산 공공데이터 플랫폼 활용 제고를 넘어 국정 목표 ② 세계를 이끄는 혁신 경제의 ‘전략 1 AI 3대 강국 도약’ 국정과제 이행을 뒷받침할 것으로 기대함
■ 본 연구에서 제시한 ‘① 데이터 거버넌스 구축’, ‘④ 플랫폼 연결 중심 전략 및 다섯 가지 목적 지향형 서비스 설계’, ‘⑤ 지능형 데이터 활용 서비스 및 AI 탐색 체계 전환’은 국정과제 20 ‘AI 3대 강국 도약’ 및 21 ‘세계에서 AI를 가장 잘 쓰는 나라 구현을 지원할 수 있음
- [국정 20] ‘AI 3대 강국 도약’에는 국가 전체 공공·민간 데이터 통합 플랫폼, 분야별 데이터 스페이스 구축, 『데이터산업법』 정비 등이 포함됨
- ① 데이터 거버넌스 구축 방안으로 제시한 ‘해양수산 AI 데이터 거버넌스 추진위원회’, ‘분과위원회’, ‘민·관 협력 거버넌스’는 [국정 20] ‘AI 3대 강국 도약’ 세부 내용인 공공·민간 데이터 통합 플랫폼과 분야별 데이터 스페이스 구축을 해양수산분야에서 구체화할 수 있는 실행 체계임
- 본 연구에서 제시한 향후 제정될 ‘제3차 해양수산과학기술육성 기본계획’ 및 ‘제4차 해양수산발전기본계획’ 내 데이터 거버넌스 체계 반영 필요성은 [국정 20] ‘AI 3대 강국 도약’ 내용인 『데이터산업법』 정비 및 정책 방향에 부합함
- ④ 플랫폼 연결 중심 전략 및 다섯 가지 목적 지향형 서비스 설계 제안은 [국정 20] ‘AI 3대 강국 도약’이 지향하는 데이터 연계·활용 기반 구축의 실질적 구현 방안이 될 수 있음
- ⑤ 지능형 데이터 활용 서비스 및 AI 탐색 체계 전환 제안은 국민-정부-기업 모두가 데이터 플랫폼, 데이터가 연계된 AI를 잘 활용할 수 있게 지원하고, [국정 21] ‘세계에서 AI를 가장 잘 쓰는 나라 구현’에 기여함
■ ② 데이터 전주기 품질관리 체계 고도화 방안은 데이터 신뢰성과 정확성을 높여 [국정 20] ‘AI 3대 강국 도약’의 핵심 내용인 공공·민간 데이터 통합 플랫폼과 분야별 데이터 스페이스 구축을 뒷받침함
- 아울러 품질 높은 AI 학습용 공공데이터 제공에 기여하여 AI 안정성·신뢰성 확보 및 [국정 23] ‘안전과 책임 기반 AI 기본사회 실현’에도 기여함
■ [국정 23] ‘안전과 책임 기반의 AI 기본사회 실현’에 기여함
- 이를 통해 국정과제인 ‘세계에서 AI를 가장 잘 쓰는 나라 구현’의 실천 과제를 해양수산분야에서 구현할 수 있으며, 해양 재난 예측 서비스, 수산물 공급망 추적 서비스 등 민간 참여형 AI 응용 사례 창출로 이어질 수 있음
■ ③ 공공-민간 역할 분리 및 협력체계 전환 제안은 [국정 21] ‘세계에서 AI를 가장 잘 쓰는 나라 구현’과 연계, 공공데이터 개방과 민간 AI 서비스 개발이 선순환하는 산업·사회 전반의 AI 활용 확산 구조를 뒷받침함
- [국정 21] ‘세계에서 AI를 가장 잘 쓰는 나라 구현’에는 산업 AI 전환 촉진, 지역 AI 전환 촉진, 혁신 AI 스타트업 육성이 주요 내용으로 포함됨

2) 정량적 기대효과
■ ① 데이터 거버넌스 구축, ④ 플랫폼 연결 중심 전략 및 목적 지향형 서비스 설계, ⑤ 지능형 데이터 활용 서비스 및 AI 탐색 체계 전환을 통해 해양수산 공공데이터 플랫폼 사용자 만족도 조사 종합 점수 90점 이상으로 향상시킬 것으로 기대함
- 해양수산분야 공공데이터 플랫폼별 실시하는 사용자 만족도 조사 결과 기준으로 데이터 접근성·플랫폼 연계성·활용성 항목에서 개선을 기대할 수 있음
■ ② 데이터 전주기 품질관리 체계 고도화를 통해 데이터 품질 진단 결과 우수기관 중 최상위(Top 2) 수준을 지속 유지
- 2024년 통계청 자체통계품질진단 결과, 해양수산부는 우수 등급 통계 20종으로 진단받았으며, 본 연구에서 제시한 데이터 품질 사전 진단 프로세스 및 데이터 설명서 품질 진단 프로세스를 도입함으로써 향후에도 Top 2 수준의 데이터 품질 성과를 유지할 것으로 기대함
■ ③ 공공-민간 역할 분리 및 협력체계 전환을 통해 국내 산업의 AI 활용률을 2030년 60.6%까지 향상시키는데 기여할 것으로 기대함
- ’23년 국내 산업의 AI 활용률은 30.3% 수준이며, 공공은 신뢰도 높은 데이터 생산·개방에 집중하고, 민간은 이를 가공·시각화한 AI 기반 신규 서비스를 창출하여 ’30년까지 산업 전반의 AI 활용률을 2배 이상 제고할 것으로 기대함

다국어 초록 (Multilingual Abstract)

1. Background and Purpose
■ Ocean and fisheries public data is a core resource that can be utilized across various areas such as policy-making, strengthening industrial competitiveness, research and enhancing public services. However, current Ocean and fisheries public data platforms remain largely supply-driven in structure, with data managed in a fragmented manner across institutions and lacking adequate quality assurance systems. Moreover, the provision of user-centered services remains insufficient, thereby constraining the platforms’ practical applicability.
- As of 2025, approximately 65 ocean and fisheries public data platforms are in operation. Yet many of these platforms focus primarily on the provision of data itself and lack operational systems that adequately respond to user needs.
- Despite quantitative expansion, ocean and fisheries public data platforms remain underutilized, thereby limiting data-driven decision-making, industrial applications, research advancement, emerging industry development, and value creation.
■ This study aims to identify the core dimensions of ocean and fisheries public data platforms a user-centric perspective, assess constraints, and propose actionable strategies for enhancing platform utility.
■ Furthermore, the study seeks to present a direction for transforming ocean and fisheries public data platforms from being mere data-providing channels into user-centered data hubs capable of supporting holistic development across policy, industry, and research domains.

2. Methodology and Features
■ To derive strategies for enhancing the utilization of ocean and fisheries public data platforms, the study proceeded in the following order: ① A user perception survey based on the five SERVQUAL dimensions, ② An Importance-Performance Analysis (IPA) and ③ Focus Group Interviews (FGI) with experts from industry, universities, and research institutes.
- ① A user perception survey (N=150) was conducted to identify the perceived importance of the five SERVQUAL dimensions- reliability, assurance, responsiveness, tangibles, and empathy.
- ② A second survey (N=194) evaluated 33 specific items aligned to these dimensions. IPA was applied to cross-check importance and satisfaction levels, and to derive improvement priorities using the IPA matrix.
- ③ Expert FGIs (three sessions with five participants each, total N=15) were conducted to collect practical field opinions on the quantitative results. This enabled in-depth analysis of key issues in connection with policy needs and the formulation of realistic policy recommendations.
■ This study applied a mixed research design by combining quantitative approaches (user perception survey and IPA analysis) with qualitative approaches (expert FGI), thereby diagnosing issues from multiple perspectives.
- (Mixed-method design combining quantitative and qualitative approaches) This study employed both user perception surveys and IPA analysis as quantitative methods, and FGI as qualitative methods, to provide a multi-layered diagnosis of the issues.
- (User-centered approach) Departing from prior studies emphasizing technical design or supply-side assessments, this study derived practical strategies for enhancing utilization based on the experiences and needs of diverse user groups.
- (Policy direction and purpose-oriented platform-linked services) In addition to presenting comprehensive strategies and policy directions for enhancing the utilization of ocean and fisheries public data platforms, this study specifically proposed purpose- specific, platform-linked service strategies to actualize a connection-driven service model.

3. Result
1) Summary
■ The results of the first perception survey indicated that among the five SERVQUAL dimensions, the most important factor for ocean and fisheries public data platforms was reliability (average score: 4.93/5.0).
- Within the reliability dimension, the most critical item was the frequency of data errors (average score 4.68). This suggests that the core role of public data platforms lies in providing accurate and high-quality data, and that ensuring reliability is a decisive factor in promoting platform utilization.
■ Following reliability, the relative importance of other dimensions was identified in the order of assurance (average score 3.31), responsiveness (average score 3.04), tangibles (average score 1.96), and empathy (average score 1.81).
- Assurance was notably emphasized by users in the fisheries, shipping, and shipbuilding & equipment sectors.
- General users, along with those in the marine leisure and tourism domain, attached greater value to tangibles and empathy dimensions.
■ As a result of the IPA, a total of 14 items were identified in Quadrant Ⅲ (Concentrated Management Area), which can be regarded as key areas requiring short-term intensive improvement.

■ The results of the FGI with experts from industry, academia, and research institutions highlighted the following key issues:
- ① Fragmentation of data across multiple platforms and reduced data linkage.
- ② Decline in quality reliability due to errors and omissions in predictive data and manually entered data.
- ③ Problems with data standardization and classification systems caused by inconsistencies in units, codes, and regional divisions.
- ④ Lack of user-centered services resulting from undifferentiated service design.
■ The suggested improvements for enhancing the utilization of ocean and fisheries public data platforms can be summarized as follows:
- ①Establishment of data governance and legal institutionalization of standardization and data linkage.
- ②Strengthening of data quality management systems and introduction of verification procedures for manually entered data.
- ③Transition to a structure that separates the roles of the public and private sectors.
- ④Provision of customized services by user groups and expansion of education and support programs.

2) Policy Recommendations
■ First, it is necessary to establish a data governance system capable of comprehensively managing AI and ocean and fisheries data policies, standards, and operational systems, thereby fostering a sustainable and virtuous ecosystem for the utilization of public data platforms.
- (Short-term) The “Ocean and Fisheries AI Data Governance Committee” should be established under the direct supervision of the Minister of Oceans and Fisheries to comprehensively manage AI and marine data policies, standards, and operational systems. Subcommittees (each consisting of approximately 10 members by sector) should be organized under the main committee, and related organizational units within the Ministry should be newly established or strengthened. A public–private cooperative governance structure is also required, involving director-level officials from relevant ministries, executives of affiliated institutions, representatives from the marine data industry, and external experts. Furthermore, the marine data governance framework and its detailed implementation tasks should be incorporated into the 3rd Marine Science and Technology Development Basic Plan (2028–2032) and the 4th Marine and Fisheries Development Basic Plan (2031–2040) to ensure mid-to long-term policy coherence and continuity.
- (Mid-term) It is necessary to operate an inter-ministerial and inter-agency consultative body to regularly share information related to ocean and fisheries public data and to establish a support system that enhances data utilization.
- (Long-term) Under the established ocean and fisheries data governance framework, the Ministry of Oceans and Fisheries, data-producing institutions, and the data industry should collaborate organically to establish a sustainable, virtuous ecosystem for the utilization of public data platforms.
■ Second, the end-to-end quality assurance mechanism must be strengthened to ensure consistency and reliability of ocean and fisheries public data.
- (Short-term) It is necessary to introduce a pre-assessment process for data quality into the existing “Ocean and Fisheries Data Management System Establishment Project,” which has so far focused mainly on post-correction measures such as error inspection and improvement.
- (Mid-term) Data standard management manuals must be developed for each sub-sector, including marine and fisheries- specific standards, and standardized quality management criteria must be established.The accumulation of quality management outcomes and error records will enable the creation of a sustainable quality management system.
- (Long-term) A continuous feedback system should be established so that the results of ocean and fisheries public data quality assessments can be reflected in subsequent evaluation processes. In addition, it is necessary to introduce an AI-driven advanced quality management system to enhance accuracy and efficiency.
■ Third, a strategic division of roles and collaborative model between public and private sectors is required to enable ocean and fisheries platform-led industrial transformation.
- The public sector should focus on producing and sharing data that are difficult for the private sector to generate, while the private sector should create value-added services through visualization, analysis, and service development based on such data.
- (Short-term) The public sector should align with the establishment of the data governance system to improve legal and institutional frameworks and concentrate on the production of highly reliable raw data.
- (Mid-term) The private sector should lead the commercialization of public data–based services by developing AI-driven industrial services such as data sharing, processing, and visualization.
- (Long-term) A sustainable public–private collaboration system should be established, enabling the expansion of various services utilizing public data to maximize user experience and convenience on the platform.
■ Fourth, it is necessary to establish a platform interconnection strategy and design goal-oriented services.
- Since physically integrating multiple platforms is impractical, it is more effective to pursue interconnection strategies through API integration and joint projects.
- (Short-term) It is proposed to establish a marine disaster prediction and response linkage service by connecting oceanographic, environmental, route, accident, and port entry–exit data. This service could include real-time risk maps, alerts and control recommendations, and vulnerability indices by season, terrain, and location.
- (Mid-term) It is necessary to develop a one-stop view service for the entire export–import logistics process by linking vessel, port operation, customs, navigation safety, terminal operation, and land transportation data. Additionally, services for aquaculture environment monitoring and damage prediction should be developed by integrating fishing ground, marine environment, and aquaculture observation data. In the fisheries sector, traceability and transparency services for the seafood supply chain can be built by linking fisheries traceability, tariff, transaction, and price data.
- (Long-term) A comprehensive marine tourism, leisure demand, and safety service should be established by linking weather, safety records, tourism statistics, and private-sector demand data (e.g., payment, mobility, accommodation). Ultimately, a user-oriented data platform ecosystem should be created that enables the interconnected utilization of diverse marine and fisheries public data platforms.
■ Fifth, intelligent data utilization services and the transition to AI-based exploration systems should be accelerated.
- (Mid-term) A PoC(Proof of Concept) for AI-based data exploration and knowledge graph construction should be applied to the five goal-oriented services proposed in this study. Through this pilot, the technical feasibility of AI-driven ocean and fisheries data applications can be verified.
- (Long-term) Based on the PoC results, the initiative should be expanded to encompass all ocean and fisheries data, implementing an AI-driven intelligent search and recommendation system as well as an integrated knowledge framework. To achieve this, marine and fisheries data should be vectorized and semantically structured, enabling Retrieval- Augmented Generation (RAG) services linked with large language models (LLMs). Consequently, the establishment of an ontology-based Ocean and Fisheries Contextual Knowledge Graph (AI-MCKG)- which automatically learns and connects the meaning, context, and causal relationships of ocean and fisheries data-is essential.
■ The five policy implementation measures can be promoted in the short-term (2026–2027), mid-term (2028–2029), and long-term (after 2030), with a corresponding roadmap to guide execution.

4. Expected Effects
1) Policy Effects
■ The policy recommendations and roadmap presented in this study are expected to go beyond merely enhancing the utilization of ocean and fisheries public data platforms, supporting the implementation of National Goal 2 “Leading the Global Innovative Economy,” particularly Strategy 1 ‘Becoming One of the Top Three AI Powerhouses’.
■ The measures proposed in this study; ① establishing a data governance framework, ④ developing a platform connection–oriented strategy and five purpose-driven services, and ⑤ advancing intelligent data utilization services and AI-based exploration systems are expected to support [Task 20] and [Task 21].
- In particular, [Task 20] includes the establishment of a nationwide integrated public-private data platform, the development of sector-specific data spaces, and the revision of the Data Industry Act.
- The proposed “Ocean and Fisheries AI Data Governance Committee,” its subcommittees, and the public-private cooperative governance framework serve as an implementation mechanism to concretely realize [Task 20] in the ocean and fisheries sector by establishing an integrated public–private data platform and sector-specific data spaces.
- Furthermore, the incorporation of a data governance framework into the 3rd Marine Science and Technology Promotion Master Plan (2028–2032) and the 4th Marine and Fisheries Development Master Plan (2031–2040) aligns with [Task 20]’s focus on the Data Industry Act revision and related policy directions.
- The proposed platform connection–oriented strategy and five purpose-driven services represent a practical approach to building the data linkage and utilization foundation envisioned by [Task 20].
- The proposed intelligent data utilization services and AI-based exploration framework will enable citizens, the government, and businesses to effectively utilize data platforms and AI systems, contributing to [Task 21].
■ It also contributes to [Task 23] Realizing an AI Fundamental Society Based on Safety and Accountability.
- This will enable the implementation of the national task “Building a Nation that Uses AI Best in the World” within the ocean and fisheries sector, leading to the creation of private sector-driven AI applications such as marine disaster prediction services and seafood supply chain tracking systems.
■ The proposal for public-private role separation and cooperative system transformation aligns with [Task 21], supporting a virtuous cycle in which public data openness and private AI service development reinforce each other to expand AI utilization across industries and society.
- [Task 21] includes key initiatives such as promoting industrial AI transformation, advancing regional AI adoption, and fostering innovative AI startups.

2) Quantitative Expected Effects
■ Through the implementation of ① Data Governance Establishment, ④ Platform Connectivity Strategy and Goal- Oriented Service Design, and ⑤ Intelligent Data Utilization and AI Search System Transition, the overall user satisfaction score for marine and fisheries public data platforms is expected to reach over 90 points.
- Based on user satisfaction surveys conducted for each public data platform, improvements are anticipated in data accessibility, platform connectivity, and usability indicators.
■ By enhancing the end-to-end data quality management system, the MOF is expected to maintain its Top 2 level position among excellent institutions in future data quality assessments.
- In the 2024 Statistics Korea assessment of statistical quality, the MOF was recognized with 20 datasets rated as “Excellent.” By introducing the data pre-diagnosis process and metadata quality evaluation process proposed in this study, it is anticipated that the Ministry will continue to achieve Top 2 level data quality performance in the coming years.
■ By promoting the separation and collaboration of public- private roles, this initiative is expected to increase the AI utilization rate across domestic industries to 60.6% by 2030.
- As of 2023, the AI utilization rate in domestic industries stood at 30.3%. By establishing a structure where the public sector produces and provides reliable data while the private sector develops AI-based services through data processing and visualization, the overall AI adoption rate across industries is expected to more than double by 2030.

목차 (Table of Contents)

• 정책제안_ⅰ
• 요약_v
• Executive Summary_xix
• 01
• 서론_1
• 제1절 연구 배경 및 필요성 1
• 제2절 연구 방법 5
• 제3절 선행연구 검토 및 본 연구의 차별성 7
• 1. 선행연구 검토 7
• 2. 본 연구의 차별성 13
• 02
• 해양수산 공공데이터 플랫폼 현황 및 해외 사례 분석_17
• 제1절 해양수산 공공데이터 플랫폼 현황 17
• 1. 해양수산 공공데이터 플랫폼 정의 17
• 2. 해양수산 공공데이터 플랫폼 운영 현황 19
• 제2절 해외 데이터 플랫폼 사례 분석 22
• 1. EU Gaia-X 사례 분석 22
• 2. EU Fisheires-X 사례 분석 27
• 제3절 소결 및 시사점 37
• 1. 해외 사례 종합분석 37
• 2. 시사점 38
• 03
• 해양수산 공공데이터 플랫폼 사용자 인식 조사_41
• 제1절 사용자 대상 1차 인식 조사 설계 41
• 1. 조사 배경 및 목적 41
• 2. 조사 항목 구성 체계 42
• 제2절 사용자 대상 1차 인식 조사 결과 46
• 1. SERVQUAL 5개 차원 중요도 분석 46
• 2. 5개 차원별 중요도 및 세부 항목 기대 수준 48
• 제3절 인식 조사 결과 종합분석 60
• 1. SERVQUAL 차원별 인식 요약 60
• 2. 종사 분야 및 전문 분야별 인식 차이 61
• 제4절 소결 및 시사점 64
• 1. 주요 결과 요약 및 시사점 64
• 2. 향후 분석 연계 방향 65
• 04
• 해양수산 공공데이터 플랫폼 활용 문제점 분석_67
• 제1절 IPA 분석 67
• 1. 개요 67
• 2. 일반현황 분석 73
• 3. 중요도-만족도(IPA) 분석 결과 82
• 4. 분야별 분석 결과 89
• 제2절 FGI 분석 134
• 1. FGI 개요 및 절차 134
• 2. 산·학·연 FGI 결과 139
• 3. 종합 정리 147
• 제3절 소결 및 시사점 152
• 1. IPA-FGI 연계 문제점 분석 152
• 2. 소결 155
• 3. 시사점 157
• 05
• 해양수산 공공데이터 플랫폼 활용 개선 방안_165
• 제1절 데이터 거버넌스 구축 165
• 제2절 데이터 전주기 품질관리 체계 고도화 167
• 1. 사전 진단 프로세스 도입 169
• 2. 표준화된 품질관리 기준 정립 170
• 3. 품질 진단 결과의 이행 평가 및 피드백 체계 강화 171
• 제3절 공공-민간 역할 분리 및 협력체계 전환 172
• 1. 공공부문의 역할 173
• 2. 민간부문의 역할 174
• 3. 공공-민간 협력체계 구축 방향 175
• 제4절 플랫폼 연결 중심 전략 및 목적 지향형 서비스 설계 176
• 1. 해양 재난 예측·대응 연계 서비스 177
• 2. 수출입 물류 전주기 원스톱 뷰 서비스 178
• 3. 양식장 환경·피해 예측 지원 서비스 179
• 4. 수산 공급망·이력 투명화 서비스 180
• 5. 해양관광·레저 수요·안전 서비스 181
• 제5절 지능형 데이터 활용 서비스 및 AI 탐색 체계 전환 182
• 제6절 소결 184
• 06
• 결론 및 제언_187
• 제1절 연구 요약 187
• 제2절 정책 제언 191
• 1. 데이터 거버넌스 구축 191
• 2. 데이터 전주기 품질관리 체계 고도화 194
• 3. 공공-민간 역할 분리 및 협력체계 전환 195
• 4. 플랫폼 연결 중심 전략 및 목적 지향형 연계 서비스 제안 197
• 5. 생성형 AI 기반 해양수산 특화 데이터 지식체계 구축 제안 199
• 제3절 로드맵 202
• 1. 단기(2026~2027년) 203
• 2. 중기(2028~2029년) 204
• 3. 장기(2030년 이후) 205
• 참고문헌_209
• 부록_215