제30호 열람실 · 22개 데이터셋 교차 조사
인허가 데이터에는 상태를 나타내는 코드 칸이 있습니다. 값은 보통 01, 02, 03 같은 숫자입니다. 그런데 스물두 개 데이터셋 중 열두 개에, 숫자가 아닌 값이 하나 섞여 있습니다.
세모지는 지금까지 열람실 스물아홉 곳을 열며 데이터셋 22개, 4,679,894행을 받아 뒀습니다. 그 파일들을 한 번에 훑으니 같은 이상한 값이 열두 곳에서 똑같이 나왔습니다.
고압가스는 46.25%가 이 값입니다. 11,263행 중 5,209건입니다. 제19호 「점 하나」를 만들 때 판 파일인데, 그때는 사용목적과 사용방법 칸을 보느라 이 칸을 지나쳤습니다. 한 파일만 볼 때는 「이 데이터가 좀 이상하네」로 끝나지만, 열두 파일에서 같은 값이 나오면 이야기가 달라집니다.
그냥 깨진 값이라면 줄마다 제각각이어야 한다
깨진 값이 아닙니다. BBBB 인 줄은 예외 없이 상세영업상태명이 비어 있고, 영업상태는 「영업/정상」(코드 01)입니다. 열두 파일 전부에서 그렇습니다.
즉 「영업 중인데 세부 상태를 모른다」는 뜻으로 보입니다. 빈칸을 그냥 두는 대신 「여기는 비어 있음」이라고 적어 넣은 자리표시자입니다. 다만 원본 어디에도 그 정의는 없습니다. 코드표가 함께 오지 않기 때문에, 이 값이 무엇인지는 데이터를 여러 개 겹쳐 봐야 짐작할 수 있습니다.
더 이상한 것은 칸 이름이 같은데 코드 체계가 파일마다 다르다는 점입니다. 어떤 파일은 01/02, 어떤 파일은 1/2, 어떤 파일은 0000/0001, 또 어떤 파일은 10/20/40/50/70 입니다.
「02」와 「2」가 같은 뜻인지 다른 뜻인지 데이터만 봐서는 알 수 없습니다. 방문판매업에는 「-」 라는 코드까지 있습니다. 같은 이름의 칸이라도 파일을 넘나들며 비교하면 안 된다는 뜻입니다. 세모지가 열람실마다 그 데이터셋 안에서만 비율을 낸 이유가 이것입니다.
「BBBB는 오류다」라고 단정하지 않습니다. 모양이 한결같으니 자리표시자로 보이지만, 원본에 정의가 없어 확인할 길이 없습니다. 그리고 이 열람실의 4,679,894행은 사이트의 「읽은 데이터 행」에 더하지 않았습니다 — 이미 다른 열람실에서 센 것을 다시 본 것이라 중복이 됩니다. 이 페이지에는 업체 이름이 한 곳도 나오지 않습니다.
세모지의 열람실은 하나씩 데이터셋 하나를 팠습니다. 제30호는 그렇게 쌓인 파일들 자체가 자료가 된 첫 번째 열람실입니다.
「BBBB」는 어느 한 데이터셋의 흠이 아닙니다. 여러 기관이 각자 만든 파일에 같은 자리표시자가 들어 있다는 것은, 그 파일들이 어딘가에서 같은 틀을 거쳐 나왔다는 뜻입니다. 그 틀이 무엇인지는 공개된 데이터에 적혀 있지 않습니다.
쓸데없는 것을 서른 번 캐면 캔 자리들 사이에 또 쓸데없는 것이 생깁니다. 이것이 그 첫 번째입니다.