스프레드시트 오류 추적: 구간 기반 테스트와 데이터 흐름 활용

본 논문은 스프레드시트가 비전문가에 의해 개발되는 경우가 많아 품질 문제가 빈번히 발생한다는 점을 출발점으로 한다. 저자들은 이전 연구에서 제시한 ‘구간 기반 테스트(interval‑based testing)’를 요약한다. 이 방법은 사용자가 각 입력 셀과 공식 셀에 대해 기대값의 구간을 지정하도록 요구한다. 시스템은 세 가지 정보를 병합한다. ① 실제 셀에 입력된 이산값, ② 사용자가 지정한 기대 구간, ③ 입력 구간을 기반으로 구간 연산을 적용해 계산된 바운딩 구간. 세 값이 일치하지 않을 경우 해당 셀을 ‘증상 셀(symptom of fault)’로 마크한다. 증상 셀은 오류가 반드시 그 셀에 존재한다는 의미가 아니라, 오류가 전파된 결과일 가능성이 있다. 따라서 논문은 증상 셀을 시작점으로 가장 영향력 있는 원인 셀을 찾는 ‘fault tracing’ 기법을 제안한다. 핵심 아이디어는 스프레드시트가 내부적으로 유지하는 데이터 흐름 그래프와 구간 기반 테스트가 부여한 셀 마크를 활용하는 것이다. 첫 단계는 대상 증상 셀에 대해 동적 역슬라이스(역방향 데이터 흐름)를 계산하는 것이다. 이는 해당 셀에 직접·간접적으로 영향을 미치는 모든 선행 셀을 모은 집합이다. 역슬라이스 내에서 구간 기반 테스트가 ‘의심(suspicious)’으로 표시한 셀들을 후보군으로 선정한다. 다음으로 각 후보 셀에 ‘우선순위(priority) 점수’를 부여한다. 점수는 두 가지 요소의 가중합으로 구성된다. (1) 해당 셀이 가지고 있는 잘못된 선행 셀의 개수(incorrect precedents) – 이는 오류가 해당 셀에서 시작되었을 가능성을 나타낸다. (2) 해당 셀이 영향을 미치는 잘못된 후속 셀의 개수(incorrect dependents) – 이는 오류가 전파되는 정도를 나타낸다. 두 요소는 상황에 따라 가중치를 조정할 수 있다. 우선순위 점수가 가장 높은 셀이 ‘most influential faulty cell’으로 판단된다. 만약 점수가 동일한 셀이 다수 존재하면, 후속 셀 중 오류 비율이 높은 셀을 추가 기준으로 삼아 최종 후보를 결정한다. 이렇게 선정된 셀을 사용자가 검토·수정하면, 그 셀에 의존하는 다수의 증상 셀도 동시에 정상화될 가능성이 크다. 논문은 기존 소프트웨어 디버깅에서 사용되는 정적·동적 슬라이스와 다이싱 절차를 스프레드시트에 적용하려는 시도를 비판한다. 스프레드시트는 제어 흐름이 아니라 데이터 흐름에 의해 동작하므로, 전통적인 슬라이스 개념을 그대로 쓰기 어렵다. 대신 데이터 흐름 기반 역슬라이스와 셀 마크를 결합함으로써, 복수의 오류가 동시에 존재하는 상황에서도 효과적으로 원인 셀을 추출한다. 또한, 기존 연구(예: Reichwein et al., Chen & Chan)와 비교했을 때, 본 접근법은 추가 테스트 케이스를 요구하지 않는다. 사용자는 실제 업무 데이터와 기대 구간만 제공하면 되며, 시스템이 자동으로 구간 연산과 데이터 흐름 분석을 수행한다. 이는 비전문가 사용자가 테스트 설계에 익숙하지 않은 현실을 고려한 설계이다. 실험 사례에서는 복잡한 수식 체인 속에 여러 오류가 삽입된 스프레드시트를 대상으로, 제안된 알고리즘이 가장 영향력 있는 원인 셀을 정확히 찾아내고, 이를 수정했을 때 연쇄적으로 발생하던 오류들이 대부분 사라지는 것을 확인했다. 이는 디버깅 비용을 크게 절감하고, 사용자에게 직관적인 오류 원인 설명을 제공한다는 점에서 실용적이다. 결론적으로, 본 논문은 구간 기반 테스트와 데이터 흐름 기반 fault tracing을 결합한 새로운 디버깅 프레임워크를 제시한다. 이는 스프레드시트가 중요한 의사결정 도구로 활용되는 현업 환경에서, 비전문가도 체계적으로 오류를 탐지·수정할 수 있게 해준다. 향후 연구에서는 더 정교한 우선순위 가중치 모델링, 대규모 시트에 대한 성능 최적화, 그리고 사용자 인터페이스 개선을 통해 실용성을 높일 여지가 있다.