탄소 데이터가 없을 때 어떻게 추정할까? 대리자료와 불확실성 관리

실제 데이터 확인

Scope 3를 산정하다 보면 필요한 활동자료가 빠져 있는 경우가 생깁니다. 이때 가장 간단한 방법은 산업평균이나 대리자료를 적용하는 것이지만, 그전에 실제 활동을 확인할 수 있는 정보가 다른 곳에 남아 있지는 않은지 살펴볼 필요가 있습니다.

예를 들어 운송거리 자체는 기록되지 않았더라도 출발지와 도착지가 남아 있다면 두 지점 사이의 거리를 계산할 수 있습니다. 폐기물 처리방식이 비어 있더라도 위탁계약서나 처리업체 자료에서 확인 가능합니다. 탄소 산정에 필요한 정보가 반드시 하나의 시스템에 완성된 형태로 저장되어 있는 것은 아니기 때문입니다.

이런 자료까지 확인하기 어렵다면 그때 대리자료나 평균값으로 빈 부분을 보완하게 됩니다. 핵심은 어떤 평균값을 가져다 쓸지부터 정하는 것이 아니라, 현재 가진 정보로 실제 활동에 얼마나 가까이 갈 수 있는지를 먼저 확인하는 데 있습니다.

대리자료의 대표성

직접 필요한 데이터를 구할 수 없다면 비슷한 활동에서 얻은 자료를 대신 사용할 수 있습니다. 이를 대리자료(proxy data)라고 합니다. 전체 임직원의 통근거리를 조사하지 못했다면 표본조사에서 얻은 평균거리를 활용하거나, 일부 사업장의 자료를 바탕으로 누락된 사업장의 활동량을 추정하는 방식이 여기에 해당합니다.

산업평균이나 국가평균을 적용할 때도 중요한 것은 숫자 자체보다 대표성입니다. 같은 평균값이라도 지역과 기준연도, 기술 조건, 표본의 범위가 실제 활동과 가까울수록 해당 기업의 배출을 더 잘 설명할 수 있습니다.

반대로 실제 배출활동과 관련성이 낮은 자료를 편의상 적용하면 결과의 의미가 흐려집니다. 결국 대리자료를 고를 때는 ‘쓸 수 있는 숫자인가’보다 ‘실제 활동을 얼마나 잘 대신하는가’를 먼저 봐야 합니다.

추정값의 불확실성

추정값이라고 해서 모두 같은 수준의 불확실성을 갖는 것은 아닙니다. 출발지와 도착지를 알고 있어 운송거리를 계산한 경우와, 구매품 정보가 거의 없는 상태에서 넓은 산업평균을 적용한 경우는 둘 다 추정이지만 결과를 신뢰할 수 있는 정도에는 차이가 있습니다.

불확실성은 활동자료에서 생길 수도 있고 배출계수에서 생길 수도 있습니다. 계량기의 측정오차나 표본조사, 누락된 데이터가 원인이 되기도 하고, 사용한 배출계수가 실제 지역이나 기술, 제품 특성을 충분히 반영하지 못하면서 커지기도 합니다.

그래서 실무에서는 모든 항목의 불확실성을 처음부터 하나의 숫자로 계산하기보다 실측자료인지, 추정자료인지부터 구분해 보는 경우가 많습니다. 필요한 경우에는 내부 데이터 품질등급을 두거나, 배출 비중이 큰 항목을 중심으로 정량적인 불확실성 분석을 추가할 수 있습니다.

다만 실제 데이터를 사용했다고 해서 언제나 불확실성이 낮고, 대리자료를 사용했다고 해서 언제나 높은 것은 아닙니다. 측정 방식과 자료의 대표성에 따라 달라질 수 있으므로 어떤 데이터를 썼는지와 함께 그 데이터의 품질을 보는 것이 중요합니다.

데이터 개선 우선순위

추정에 의존하는 항목이 여러 개라고 해서 모두 한꺼번에 실제 데이터로 바꿀 필요는 없습니다. 배출량에서 차지하는 비중이 작은 항목이라면 데이터 품질이 다소 낮더라도 전체 인벤토리에 미치는 영향은 크지 않을 수 있습니다.

반대로 배출 비중은 큰데 데이터 품질이 낮다면 이야기가 달라집니다. 이런 항목부터 계측자료를 확보하거나 공급사에 데이터를 요청하고, 더 적합한 배출계수로 바꾸는 편이 전체 결과의 신뢰도를 높이는 데 효과적입니다. 아래 도식처럼 배출 영향도와 데이터 품질을 함께 놓고 보면 어디에 먼저 데이터 수집 노력을 들일지 판단하기가 한결 쉬워집니다.

추정 근거와 변경 이력

대리자료나 평균값을 사용했다면 어떤 자료를 선택했고 왜 그렇게 판단했는지를 함께 남겨두어야 합니다. 적용한 기간과 주요 가정까지 정리해두면 다음 연도에 같은 항목을 다시 계산하거나 담당자가 바뀌었을 때도 산정 기준을 이어가기 쉽습니다.

나중에 실제 데이터가 확보되면 기존 추정값을 새 데이터로 바꿀 수 있습니다. 이때 어느 시점부터 새 데이터를 적용했는지, 변경 전후 결과가 얼마나 달라졌는지를 함께 보면 배출량 변화가 실제 활동에서 나온 것인지 데이터 개선에서 나온 것인지도 구분하기 쉬워집니다.

결국 추정은 빈칸을 임의의 숫자로 채우는 일이 아닙니다. 현재 확보할 수 있는 정보 안에서 실제 활동에 가장 가까운 값을 찾고, 더 나은 데이터가 생길 때마다 산정 결과를 함께 개선해 가는 과정입니다.