알림 목록

Area Analisis: Kota Metropolitan Daegu

Area Inti: Balai Kota Daegu, 9 Distrik/Kabupaten, Kompleks Industri, Kawasan Perumahan, Transportasi, Kesejahteraan, dan Sistem Operasi Data Administratif Kesehatan

Agenda: Apakah terdapat sistem administrasi yang beroperasi yang menghubungkan data tentang industri, populasi, lapangan kerja, area komersial, transportasi, dan kesejahteraan untuk mendeteksi perubahan dan risiko di kota-kota manufaktur sejak dini?

Tipe Waktu Emas: Kesenjangan Integrasi Data + Risiko Keterlambatan Pengambilan Keputusan

Tanggal Referensi: 28 Agustus 2026

Versi: Regional AX Golden Time Intelligence v3.2
 

Kota Daegu membangun platform big data terintegrasi pada tahun 2019, menyediakan 775 data publik dan sekitar 14.000 data statistik dari kota dan distrik serta kabupatennya. Saat ini, D-Data Hub sedang mengumpulkan, mencari, menganalisis, dan memvisualisasikan data administrasi, industri, dan gaya hidup. Meskipun infrastruktur data telah mencapai tahap platform, kasus yang tersedia untuk umum yang mendeteksi krisis industri, arus keluar kaum muda, penurunan komersial, dan risiko kesejahteraan sebagai satu jalur perubahan masih terbatas. Jika data tetap berupa data kueri spesifik sektor selama dua hingga tiga tahun ke depan, hubungan antara perubahan struktur industri dan dampaknya terhadap populasi dan kondisi kehidupan hanya akan dikonfirmasi melalui statistik retrospektif.  Kesimpulan: Masalah dengan Daegu Administrative AX bukan terletak pada kurangnya data, tetapi pada ketidakmampuan untuk menafsirkan berbagai sinyal perubahan pada garis waktu yang sama.

Pada Agustus 2026, Kota Daegu mengumumkan "Daegu, Kota Terkemuka untuk Inovasi Administrasi AI" dan mengusulkan langganan AI generatif, pelatihan untuk pejabat publik, otomatisasi tugas, chatbot khusus administrasi, dan pembentukan platform administrasi AI tipe Daegu pada tahun 2027. Fokus Administrasi AX bergeser dari pengungkapan data ke pemanfaatan AI oleh pejabat publik dan platform milik sendiri. Namun, indikator kinerja tidak dibedakan antara pengurangan waktu penulisan laporan dan deteksi dini risiko kebijakan. Jika kemudahan kerja yang diberikan oleh AI generatif menggantikan kinerja Administrasi AX selama dua hingga tiga tahun ke depan, struktur penilaian kebijakan akan tetap dalam keadaan yang ada.  Kesimpulan: Administrasi AX Daegu telah mulai memperkenalkan alat, tetapi model administrasi preventif belum terverifikasi.

D-Data Hub mengumpulkan dan menyimpan data dari Kota Daegu, distrik, kabupaten, dan organisasi afiliasinya, mendukung analisis dan visualisasi, serta menyimpan data tentang keuangan perusahaan, penduduk migran, citra manufaktur, layanan medis, dan distrik komersial. Strukturnya telah berkembang dari platform yang berpusat pada administrasi publik menjadi mencakup data sektor industri dan swasta. Namun, kebaruan dataset, tingkat pemanfaatan aktual per departemen, jumlah kasus yang tercermin dalam keputusan kebijakan, dan hasilnya belum diungkapkan secara terintegrasi. Jika volume data yang terdaftar meningkat selama dua hingga tiga tahun ke depan, platform ini akan menjadi sistem daftar data daripada sistem pengambilan keputusan administratif.  Kesimpulan: Meskipun Daegu memiliki platform integrasi data, tidak ada bukti bahwa mereka memiliki platform pengambilan keputusan yang terintegrasi.

Pada tahun 2018, Kota Daegu menganalisis sekitar 1,1 juta catatan dari kumpulan data "Salpiso", 32.000 pengaduan warga, dan 5,9 miliar catatan lalu lintas pejalan kaki untuk memprediksi area rawan pengaduan dengan akurasi 96,2%. Hal ini menghasilkan akurasi 90% dalam penugasan otomatis departemen pemrosesan dan mengurangi waktu pemrosesan rata-rata dari tujuh hari menjadi enam hari. Administrasi Daegu sudah memiliki pengalaman empiris dalam memprediksi pengaduan di masa mendatang menggunakan data masa lalu. Namun, masih belum terkonfirmasi apakah model ini kemudian disebarluaskan ke seluruh departemen secara berkelanjutan, atau apakah akurasi prediksi dan efek pencegahannya diukur secara konsisten. Jika model sukses di masa lalu tidak dikembalikan ke sistem operasional dalam dua hingga tiga tahun, ada risiko tinggi bahwa inisiatif Administrasi AX 2026 akan kembali berakhir sebagai proyek percontohan individual.  Kesimpulan: Masalah Daegu bukanlah kurangnya teknologi administrasi preventif, melainkan diskontinuitas dalam pelembagaan setelah proyek percontohan tersebut.

Pada tahun 2026, Kota Daegu meluncurkan sistem peramalan analisis pengaduan sipil yang dirancang untuk mengidentifikasi konsentrasi permintaan di muka, sementara Perusahaan Transportasi dan Kantor Pusat Perusahaan Air menerapkan sistem untuk mendeteksi tanda-tanda kebocoran dengan menganalisis data pembacaan meter jarak jauh menggunakan AI. Struktur pengaduan sipil dan manajemen fasilitas bergeser dari pendekatan reaktif ke pendekatan yang berfokus pada deteksi tanda-tanda abnormal. Namun, hasilnya belum mengkonfirmasi bahwa sistem peramalan yang sama telah diperluas ke sektor industri, kependudukan, kesejahteraan, dan area komersial. Jika administrasi prediktif tetap terbatas pada fasilitas dan pengaduan sipil selama dua hingga tiga tahun ke depan, sistem peringatan dini untuk perubahan dalam struktur perkotaan akan tetap menjadi celah.  Kesimpulan: Meskipun beberapa prediksi mengenai administrasi harian telah dikonfirmasi, prediksi perubahan di seluruh kota belum.

Sistem Tren Ekonomi Industri Daegu menyediakan data tentang produksi, ekspor, lapangan kerja, kompleks industri, dan tren perusahaan, sementara D-Data Hub berisi profil dan data keuangan untuk perusahaan yang berlokasi di Daegu. Administrasi industri telah berkembang menjadi struktur yang secara bersamaan memuat statistik makroekonomi dan informasi perusahaan. Namun, belum ada hasil yang diungkapkan secara publik yang dapat mengidentifikasi perusahaan dan kompleks industri yang dilanda krisis sejak dini dengan menghubungkan perubahan penjualan, pengurangan lapangan kerja, penggunaan listrik, operasi pabrik, dan ekspor. Jika analisis yang berpusat pada statistik bulanan dipertahankan selama dua hingga tiga tahun, sinyal restrukturisasi hanya terdeteksi setelah penutupan bisnis, penangguhan, atau PHK massal.  Penilaian: Meskipun data industri Daegu digunakan untuk menjelaskan situasi saat ini, penggunaannya untuk penilaian pra-krisis terbatas.

Pada tahun 2026, Kota Daegu memulai pembangunan rantai nilai data AI manufaktur yang menghubungkan verifikasi kualitas data, evaluasi kinerja model AI, dan aplikasi lapangan untuk perusahaan manufaktur. Struktur ini memperluas data industri dari statistik administratif ke data dari lokasi produksi perusahaan. Namun, otoritas, keamanan, dan indikator umum yang menghubungkan data proses non-publik perusahaan dengan data ketenagakerjaan, lokasi, dan dukungan pemerintah daerah belum diidentifikasi. Jika data manufaktur tetap terbatas pada validasi khusus perusahaan selama dua hingga tiga tahun ke depan, data tersebut akan gagal mendeteksi risiko industri regional secara kolektif.  Penilaian: Data AX manufaktur telah mulai dihasilkan, tetapi belum sampai pada tahap di mana data tersebut dimasukkan kembali ke dalam data kebijakan industri.

Daegu mengungkapkan data tentang populasi penduduk terdaftar, arus masuk dan keluar, populasi menurut usia, dan populasi penduduk, sementara D-Data Hub menyediakan fungsi analisis populasi regional. Administrasi populasi telah dibagi lebih lanjut di luar penurunan total populasi menjadi analisis pada tingkat Eup, Myeon, dan Dong, serta berdasarkan usia dan migrasi. Namun, belum ada analisis berkelanjutan yang menghubungkan arus keluar kaum muda dengan jurusan, fungsi pekerjaan, perekrutan perusahaan, upah, atau biaya perumahan yang telah dikonfirmasi. Jika penurunan populasi selama dua hingga tiga tahun ke depan hanya dikelola sebagai fenomena berdasarkan distrik administratif, penyebab brain drain dari industri akan tetap terisolasi.  Kesimpulan: Daegu mengukur pergerakan populasi tetapi tidak melacak jalur industri yang menghasilkan pergerakan tersebut.

Dengan penggabungan Gunwi, wilayah administratif Daegu meningkat sekitar 70%, dan wilayah pedesaan, lansia, dan berpenduduk jarang ditambahkan ke sistem data metropolitan. Menjadi sulit untuk menilai secara setara perubahan dalam transportasi, layanan medis, pertanian, dan layanan kehidupan di Gunwi hanya dengan menggunakan indikator perkotaan yang ada. Belum ada patokan umum yang membedakan antara pusat kota dan Gunwi sambil membandingkannya sebagai satu wilayah tempat tinggal. Jika standar data tetap terpisah selama dua hingga tiga tahun, tanda-tanda peringatan di Gunwi akan terabaikan dalam rata-rata Daegu.  Penilaian: Meskipun penggabungan Gunwi memperluas cakupan data, kriteria untuk mengintegrasikan wilayah perkotaan dan pedesaan belum diselesaikan.

Data tentang pengaduan sipil, lalu lintas, pasokan air, penduduk migran, dan distrik komersial dihasilkan secara real-time atau dalam siklus jangka pendek, yang mengungkapkan perubahan dalam kehidupan sehari-hari lebih cepat daripada registrasi penduduk atau statistik bisnis. Daegu memiliki pengalaman dalam memanfaatkan data frekuensi tinggi tersebut untuk memprediksi titik-titik rawan pengaduan sipil dan deteksi dini kebocoran air. Namun, belum ada model referensi silang yang menghubungkan perubahan data gaya hidup dengan krisis kesejahteraan, penurunan komersial, migrasi penduduk, atau lapangan kerja industri yang telah diidentifikasi. Jika prediksi departemen dipisahkan selama dua hingga tiga tahun, risiko kompleks yang terjadi di wilayah yang sama akan diperlakukan sebagai pengaduan sipil yang terpisah.  Penilaian: Meskipun data gaya hidup Daegu cepat, penilaian kebijakan terfragmentasi berdasarkan sektor.

Platform Integrasi Data Buk-gu secara terpisah menyediakan fungsi analisis area komersial yang memanfaatkan populasi mengambang dan sektor bisnis harian. Karena sistem analisis di tingkat distrik dan kabupaten telah dibentuk di samping platform kota metropolitan tunggal, data yang berfokus secara lokal telah dibagi lagi. Namun, belum dikonfirmasi apakah standar data, siklus pembaruan, dan hasil analisis antara D-Data Hub metropolitan dan platform distrik/kabupaten secara otomatis terhubung. Jika platform meningkat per institusi selama dua hingga tiga tahun ke depan, desentralisasi platform akan meluas sebelum integrasi data.  Penilaian: Meskipun resolusi analisis regional telah meningkat, sistem penilaian antara tingkat metropolitan dan lokal belum terintegrasi.

Pada tahun 2023, Kota Daegu menjalankan rencana induk untuk membangun peta data administratif—yang pertama dari jenisnya di antara pemerintah daerah dalam negeri—dengan tujuan untuk mengatur lokasi dan hubungan data yang tersebar di berbagai departemen dan tugas. Fokus manajemen data bergeser dari file dan sistem individual ke struktur hubungan data. Namun, hingga tahun 2026, cakupan peta data yang telah selesai, kunci penghubung antar data, tingkat pemanfaatan oleh staf lapangan, dan tanggung jawab pembaruan belum dapat diverifikasi secara publik. Jika peta data tetap berupa daftar berbasis dokumen selama dua hingga tiga tahun ke depan, kualitas pembelajaran dan pencarian pada platform administrasi AI juga akan terbatas pada tahun 2027.  Penilaian: Meskipun lokasi data administratif telah diidentifikasi, hubungan semantik dan sistem tanggung jawab masih belum terkonfirmasi.

Data industri, populasi, kesejahteraan, dan transportasi dikelola menggunakan kriteria identifikasi yang berbeda, seperti nomor perusahaan, penduduk, alamat, tempat kerja, fasilitas, dan waktu. Meskipun AI dapat menghubungkan data ini, penggabungan sumber asli dibatasi karena informasi pribadi dan rahasia perusahaan. Aturan penggabungan data ala Daegu, yang mencakup pseudonimisasi, penggabungan unit spasial, dan akses berdasarkan otoritas, belum diungkapkan. Jika aturan penggabungan tidak diselesaikan dalam dua hingga tiga tahun, platform administrasi AI akan fokus pada pencarian data publik dan meringkas dokumen.  Kesimpulan: Kesenjangan dalam otoritas penggabungan data lebih besar daripada kesenjangan teknologi dalam administrasi terintegrasi.

Kota Daegu telah mempresentasikan jadwal untuk memperkenalkan layanan berlangganan AI generatif pada tahun 2026 dan membangun platform administrasi AI ala Daegu yang terhubung dengan infrastruktur umum AI di seluruh pemerintahan pada tahun 2027. Pemanfaatan AI direncanakan untuk bergeser dari layanan eksternal individual ke platform internal yang menggabungkan data administratif. Namun, anggaran pembangunan, tugas yang berlaku, cakupan data, akurasi, pihak yang bertanggung jawab, dan hasil bagi warga belum final. Jika pembangunan platform berjalan sebagai proyek teknologi selama dua hingga tiga tahun ke depan, keputusan kebijakan aktual akan mempertahankan struktur pelaporan dan persetujuan yang ada.  Penilaian: Platform administrasi AI ala Daegu berada pada tahap pra-peluncuran, dan model operasionalnya masih belum terverifikasi.

Sebuah Tim Inovasi Administratif AI telah dibentuk, dan pelatihan serta pengembangan pemimpin inovasi administratif AI telah dimulai untuk semua orang, mulai dari eksekutif hingga staf tingkat pekerja. Meskipun struktur yang ada memungkinkan pembentukan organisasi khusus dan pengguna internal secara bersamaan, prosedur untuk memasukkan analisis AI ke dalam wewenang pengambilan keputusan departemen dan proses penyesuaian anggaran belum dikonfirmasi. Jika penyelesaian pelatihan dan pembuatan alat otomatisasi tidak menghasilkan perubahan kebijakan, efisiensi kerja dan AX administratif akan tetap terpisah. Jika pemanfaatan AI hanya tetap menjadi kompetensi individu selama dua hingga tiga tahun ke depan, kemampuan organisasi akan hilang bersamaan dengan perubahan personel.  Kesimpulan: Adopsi pengguna telah dimulai, tetapi AX dalam pengambilan keputusan organisasi belum dimulai.

Model prediksi pengaduan sipil tahun 2018 mengidentifikasi 27 titik rentan sebelumnya dan mengurangi waktu pemrosesan sekitar 14%. Sistem peramalan analisis pengaduan sipil tahun 2026 muncul kembali dengan fokus pada prediksi pengaduan terkonsentrasi jangka pendek. Meskipun Daegu telah mengalami transisi dari pemrosesan pengaduan reaktif ke peramalan proaktif pada dua kesempatan, kontinuitas dan kinerja kumulatif kedua sistem tersebut belum dikonfirmasi. Jika model prediksi dibangun ulang setiap kali proyek berakhir selama dua hingga tiga tahun ke depan, Tata Kelola Runtime tidak akan terbentuk.  Kesimpulan: Administrasi proaktif Daegu telah berulang kali ditunjukkan, tetapi keberlanjutan operasinya belum terbukti.

Krisis industri, eksodus kaum muda, penurunan kawasan komersial, dan risiko kesejahteraan terjadi secara berurutan selama beberapa bulan hingga beberapa tahun. Meskipun platform publik saat ini menyediakan pembaruan status berdasarkan indikator, belum ada struktur yang diidentifikasi yang secara otomatis memberikan peringatan tentang jangka waktu dan ambang batas kritis di mana perubahan spesifik berdampak pada area lain. Tidak ada pula bukti umpan balik untuk mencerminkan kembali ke dalam model apakah risiko telah berkurang setelah respons kebijakan. Jika analisis dan implementasi tetap terpisah selama dua hingga tiga tahun, pemerintah akan mengulangi respons reaktif meskipun memiliki informasi prediktif.  Kesimpulan: Pemerintah Daegu memiliki analitik data tetapi belum mencapai Tata Kelola Waktu Operasional (Runtime Governance).

Pusat Data D, platform distrik dan kabupaten, sistem tren industri dan ekonomi, peramalan pengaduan sipil, dan Tim Inovasi Administrasi AI saat ini sedang beroperasi. Unsur-unsur dasar data, platform, organisasi, dan demonstrasi sudah ada. Namun, hasil yang menunjukkan bahwa unsur-unsur ini terhubung ke proses peringatan dini dan pengambilan keputusan kebijakan tunggal belum dikonfirmasi. Jika operasi terintegrasi tidak dibangun dalam dua hingga tiga tahun ke depan, platform AI baru akan ditambahkan di atas sistem yang ada.  Penilaian: Tingkat kesiapan secara keseluruhan berada pada tahap 'pengamanan fondasi – fragmentasi sistem operasional'.

Data administratif, statistik, industri, populasi bergerak, dan perusahaan telah dikumpulkan di D-Data Hub, dan peta data telah diimplementasikan. Meskipun agregasi data fisik telah dilakukan, sistem identifikasi umum, standar kekinian, otoritas integrasi, dan tanggung jawab pembaruan departemen belum diverifikasi secara publik. Terdapat kesenjangan antara jumlah dataset dan jumlah titik data yang dapat dihubungkan. Jika perbedaan ini berlanjut selama dua hingga tiga tahun, analisis AI akan terbatas pada penggunaan berulang hanya sejumlah data yang terbatas.  Penilaian: Data disimpan secara terintegrasi, tetapi belum mencapai tahap interpretasi terintegrasi.

Pelatihan administrasi AI telah diperluas hingga mencakup para eksekutif dan staf tingkat operasional, dan beberapa distrik dan kabupaten, seperti Buk-gu, mengoperasikan platform data terpisah. Pemanfaatan AI dan data saat ini masih dalam tahap awal, menyebar dari satu departemen khusus ke area operasional dan administrasi dasar. Pengguna aktif per departemen, jumlah tugas otomatis, tingkat refleksi kebijakan, dan kesenjangan pemanfaatan antara distrik dan kabupaten belum diungkapkan. Jika perbedaan kinerja tidak diukur selama dua hingga tiga tahun ke depan, beberapa departemen yang sangat memanfaatkan AI akan berdampingan dengan departemen yang tidak memanfaatkannya.  Penilaian: Administrasi AX berada pada tahap pembentukan pengguna utama, bukan menyebar ke seluruh organisasi.

Kasus prediksi dan deteksi dikonfirmasi di daerah yang rentan terhadap pengaduan sipil, konsentrasi permintaan pengaduan, dan kebocoran pasokan air. Meskipun administrasi prediktif telah memasuki ranah ketidaknyamanan sehari-hari dan manajemen fasilitas, tidak ada bukti bahwa hal itu telah meluas ke lapangan kerja industri, migrasi penduduk, krisis kesejahteraan, atau risiko fiskal. Sistem ganda dipertahankan di mana target prediksi berfokus pada peristiwa jangka pendek, sementara perubahan struktural dikelola melalui statistik bulanan dan tahunan. Jika prediksi risiko struktural tidak meluas selama 2 hingga 3 tahun, administrasi AX tetap berada dalam lingkup efisiensi operasional.  Penilaian: Prediksi peristiwa dinilai sebagai perluasan parsial, sementara prediksi struktural dinilai sebagai tidak meluas.

Platform administrasi AI tipe Daegu dijadwalkan akan dibangun pada tahun 2027, tetapi aturan kombinasi untuk data industri, populasi, dan gaya hidup, serta indikator peringatan kebijakan, belum diselesaikan. Jika desain platform dan penyempurnaan data berjalan secara berurutan, pengoperasian aktual mungkin tertunda hingga setelah tahun 2028. Selama periode ini, restrukturisasi sektor manufaktur, migrasi kaum muda, perubahan di kawasan tempat tinggal Gunwi, dan pengembangan bandara baru akan terjadi secara bersamaan.  Penilaian: Masa keemasan untuk Administrasi AX bukanlah setelah platform selesai dibangun, melainkan 12 hingga 18 bulan ke depan di mana hubungan data dan kriteria peringatan ditentukan.

Seiring dengan semakin banyaknya platform departemen dan alat AI yang berkembang secara independen, definisi data, prosedur bisnis, dan model menjadi tetap dalam setiap sistem. Integrasi selanjutnya menimbulkan biaya yang lebih besar untuk pembersihan data dan penyesuaian organisasi daripada implementasi baru. Jika layanan berkembang tanpa struktur umum selama dua hingga tiga tahun ke depan, desentralisasi teknologi memperkuat desentralisasi administratif.  Penilaian: Risiko permanen pertama bukanlah kurangnya data, tetapi fiksasi semantik data di seluruh sistem.

Jika analisis AI difokuskan pada penulisan laporan dan pengambilan data, kecepatan produksi dokumen meningkat sementara proses pembuatan kebijakan yang ada tetap tidak berubah. Jika laporan yang diproduksi dengan cepat menyebabkan lebih banyak persetujuan dan proyek, kompleksitas administratif justru meningkat. Jika hubungan antara analisis, pengambilan keputusan, eksekusi, dan kinerja tidak terjalin selama dua hingga tiga tahun, AI akan menjadi infrastruktur produksi dokumen daripada sistem penilaian. Kesimpulan: Risiko tak terbalikkan kedua adalah bahwa AX administratif didefinisikan sebagai otomatisasi bisnis.

Daegu Administrative AX secara teknis layak diterapkan, tetapi belum diimplementasikan sebagai sistem operasi administratif.

Struktur saat ini berada pada tahap pengumpulan data dan penggunaan AI, tetapi belum sampai pada tahap penentuan penyebab dan transisi perubahan perkotaan secara proaktif.

Jika platform administrasi AI ala Daegu tetap terbatas pada otomatisasi dokumen, administrasi akan lebih cepat, tetapi tidak akan mampu merespons perubahan lokal secara proaktif.

Peringkat Akhir: ORANYE — Infrastruktur Data yang Kuat + Peringatan Dini Lintas Domain yang Lemah

Jendela Waktu Emas: 12~18 bulan

Sumber Bukti

• Pusat Data Daegu D
• Struktur pengumpulan dan analisis data D-Data Hub
• Status Kumpulan Data yang Disimpan oleh D-DataHub
• Mendorong pembentukan peta data administratif bergaya Daegu.
• Laporan Tinjauan atas Peraturan Kota Daegu tentang Pembentukan Administrasi Kecerdasan Buatan
• Daegu Administration AX dan Rencana Platform Administrasi AI 2027
• Status Organisasi Tim Inovasi Administratif AI
• Kinerja Model Prediksi Kerentanan Pengaduan Sipil Daegu
• Platform Integrasi Data Daegu Buk-gu
• Membangun Rantai Nilai Data AI Manufaktur di Daegu

Wawasan Struktural — Unit terkecil dari AX administratif bukanlah data, melainkan peristiwa perubahan.

Data administratif diklasifikasikan menurut bidang tanggung jawab departemen, seperti industri, kependudukan, transportasi, dan kesejahteraan. Namun, perubahan regional yang sebenarnya tidak berakhir di dalam satu departemen saja. Proses di mana penurunan produksi perusahaan menyebabkan pengurangan perekrutan, yang pada gilirannya menyebabkan eksodus kaum muda, dan yang pada akhirnya mengakibatkan penurunan penjualan komersial dan permintaan sekolah, adalah satu peristiwa tunggal yang melewati berbagai sistem.

Platform saat ini mencatat perubahan yang terjadi di wilayah yang sama di berbagai kumpulan data. Bahkan jika data tersebut terintegrasi, jika hubungan yang menunjukkan bahwa peristiwa tersebut identik tidak ditetapkan, AI hanya menampilkan perubahan simultan antara indikator dan tidak dapat menentukan penyebab atau jalur transisi. Seiring bertambahnya jumlah kumpulan data, jumlah informasi yang tidak terkait juga meningkat.

AX administratif dibangun bukan pada saat data departemen disimpan di satu tempat, tetapi pada saat melacak departemen mana yang dilalui oleh suatu peristiwa perubahan dan apa hasil yang ditimbulkannya.  Penilaian struktural: Hambatan dalam AX administratif Daegu terletak bukan pada integrasi data, tetapi pada kegagalan untuk menghubungkan perubahan dalam industri, populasi, dan gaya hidup ke satu ID Peristiwa.