위키원
"모델링"의 두 판 사이의 차이
잔글 (→같이 보기) |
|||
| 2번째 줄: | 2번째 줄: | ||
==개요== | ==개요== | ||
| − | 모델링은 일반적으로 모두에게 공통적으로 이해되도록 약속한 방식으로 표현하는 것이다. 복잡한 현실세계를 단순화 즉, | + | 모델링은 일반적으로 모두에게 공통적으로 이해되도록 약속한 방식으로 표현하는 것이다. 복잡한 현실세계를 단순화 즉, 추상적이고 체계적으로 표현하는 방법이다. 공학적으로는 시스템적인 특성을 수학적으로 표현하는 과정이라고 할 수 있다. 정량적으로 표현되도록 수학적 언어로 전환시키는 과정이다.<ref>차재복, 〈[http://www.ktword.co.kr/word/abbr_view.php?m_temp1=587 모델링, 모델, 모형]〉, 《정보통신기술용어해설》</ref> |
| + | |||
| + | ==모델링의 특징== | ||
| + | * 추상화 : 추상화는 현실 세계를 일정한 형식에 맞추어 표현한다. 즉 다양한 현상을 일정한 양식인 표기법에 의해 표현하는 것이다. | ||
| + | * 단순화 : 단순화는 복잡한 현실 세계를 약속된 규약에 의해 제한된 표기법이나 언어로 표현해 쉽게 이해할 수 있도록 하는 개념이다. | ||
| + | * 명확화 : 명확화는 누구나 이해하기 쉽게 하기 위해 대상에 대한 애매모호함을 제거하고 정확하게 현상을 기술하는 것이다. | ||
==3D 모델링== | ==3D 모델링== | ||
| + | 3차원 모델링(3D Modelling)은 컴퓨터가 이해할 수 있는 형태의 데이터로 저장하는 것이다. 컴퓨터 그래픽스 분야에선 이런 3차원 모델을 표현하고자 하며 가상공간의 입체적인 모델을 통해 실세계의 물체를 묘사하거나 혹은 물리적 환경을 만들어 가상환경 속에서 물체의 모습을 만들어낼 수도 있으며 최근 3차원 모델링은 영화, 애니메이션, 광고 등의 엔터테인먼트 분야와 물리적 실험 시뮬레이션, 건축, 디자인 등 설계 및 예술의 표현 수단으로 활용되고 있다. | ||
==정보 시스템 모델링== | ==정보 시스템 모델링== | ||
==데이터 모델링== | ==데이터 모델링== | ||
| − | 데이터 모델은 데이터베이스의 골격을 이해하고 그 이해를 바탕으로 SQL 문장을 기능과 성능적인 측면에서 효율적으로 작성하기 위해 알아야 하는 핵심요소이다. SQL 전문가를 위한 지식에서도 데이터베이스의 논리적인 구조를 이해하는 데이터 모델을 이해하는 것은 그 다음 SQL 문장을 어떻게 구성할 지에 대한 지식과 효율적인 구성에 대한 밑바탕의 지식을 쌓기 위한 핵심 이론이다. 일반적으로 데이터 모델링은 정보시스템을 구축하기 위해, 해당 업무에 어떤 데이터가 존재하는지 또는 업무가 필요로 하는 정보는 무엇인지를 분석하는 방법이다. 기업 업무에 대한 종합적인 이해를 바탕으로 데이터에 존재하는 업무 규칙에 대하여 참 또는 거짓을 판별할 수 있는 사실을 데이터에 접근하는 방법, 사람, 전산화와는 별개의 관점에서 이를 명확하게 표현하는 추상화 기법이다. | + | 데이터 모델은 데이터베이스의 골격을 이해하고 그 이해를 바탕으로 SQL 문장을 기능과 성능적인 측면에서 효율적으로 작성하기 위해 알아야 하는 핵심요소이다. SQL 전문가를 위한 지식에서도 데이터베이스의 논리적인 구조를 이해하는 데이터 모델을 이해하는 것은 그 다음 SQL 문장을 어떻게 구성할 지에 대한 지식과 효율적인 구성에 대한 밑바탕의 지식을 쌓기 위한 핵심 이론이다. 일반적으로 데이터 모델링은 정보시스템을 구축하기 위해, 해당 업무에 어떤 데이터가 존재하는지 또는 업무가 필요로 하는 정보는 무엇인지를 분석하는 방법이다. 기업 업무에 대한 종합적인 이해를 바탕으로 데이터에 존재하는 업무 규칙에 대하여 참 또는 거짓을 판별할 수 있는 사실을 데이터에 접근하는 방법, 사람, 전산화와는 별개의 관점에서 이를 명확하게 표현하는 추상화 기법이다.<ref name ='갓대희'>갓대희, 〈[https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=&ved=2ahUKEwi2x4Lq7oLyAhVOY94KHY5iBokQFjADegQIAxAD&url=https%3A%2F%2Fgoddaehee.tistory.com%2Fattachment%2Fcfile22.uf%40995218495C691B2F0A44F1.pdf&usg=AOvVaw0_zL9E8gHxEcyQQJtKRmGg 데이터 모델링의 이해]〉, 《개인 블로그》</ref> |
| + | |||
| + | ===데이터 모델링의 3단계=== | ||
| + | * 개념적 데이터 모델 : 처음 현실세계에서 추상화 수준이 높은 수준을 형상화하기 위해 개념적 데이터 모델링을 전개한다. 개념적 데이터 모델은 추상화 수준이 높고 업무 중심적이고 포괄적인 수준의 모델링을 진행한다. EA 기반의 전사적인 데이터 모델링을 전개할 때는 더 상위 수준의 개괄적인 데이터 모델링을 먼저 수행하고 이후 업무영역에 따른 개념적 데이터 모델링을 전개한다. 개념적 데이터 모델링은 조직, 사용자의 데이터 요구사항을 찾고 분석하는데 서 시작한다. 이 과정엔 어떤 자료가 중요하며 어떤 자료가 유지되어야 하는지를 결정하는 것도 포함한다. 이 단계에 있어서 주요한 활동은 핵심 엔터티와 그들 간의 관계를 발견하고 그것을 표현하기 위해 엔터티-관계 다이어그램을 형성한다. 엔터티-관계 다이어그램은 조직과 다양한 데이터베이스 사용자에게 어떠한 데이터가 중요한지 나타내기 위해 사용된다. 데이터 모델링 과정이 전 조직에 걸쳐 이루어진다면 그것은 전사적 데이터 모델이라고 불린다. 개념 데이터 모델을 통해 조직의 데이터 요구를 공식화하는 것은 두 가지의 중요한 기능을 지원한다. 첫째, 개념 데이터 모델은 사용자와 시스템 개발자가 데이터 요구 사항을 발견하는 것을 지원한다. 개념 데이터 모델은 추상적이기 때문에 그 모델은 상위의 문제애 대한 구조화를 쉽게 하며 사용자와 개발자가 시스템 기능에 대해 논의할 수 있는 기반을 형성한다. 둘째, 개념 데이터 모델은 현 시스템이 어떻게 변형 되어야 하는가를 이해하는데 유용하다. 일반적으로 매우 간단하게 고립된 시스템도 추상적 모델링을 통해 보다 쉽게 표현되고 설명된다. | ||
| + | * 논리적 데이터 모델 : 논리적 데이터 모델링은 엔터티(Entity) 중심의 상위 수준의 데이터 모델이 완성되면 업무의 구체적인 모습과 흐름에 따른 구체화된 업무 중심의 데이터 모델을 만들어 내는 것이다. 논리적 데이터 모델링은 데이터베이스 설계 프로세스의 인풋(Input)으로써 비즈니스 정보의 논리적인 구조와 규칙을 명확하게 표현하는 기법 또는 과정이라고 할 수 있다. 논리 데이터 모델링의 결과로 얻어지는 논리 데이터 모델은 데이터 모델링이 최종적으로 완료된 상태라고 정의할 수 있다. 즉 물리적인 스키마 설계를 하기 전 단계의 데이터 모델 상태를 일컫는다. 데이터 모델링 과정에서 가장 핵심이 되는 부분이 논리 데이터 모델링이라고 할 수 있다. 데이터 모델링이란 모델링 과정이 아닌 별도의 과정을 통해서 조사하고 결정난 사실을 단지 ERD 라는 그림으로 그려내는 과정을 말하는 것이 아닌 시스템 구축을 위해서 가장 먼저 시작할 기초적인 업무 조사를 하는 초기단계부터 인간이 결정해야 할 대부분의 사항을 모두 정의하는 시스템 설계의 전 과정을 지원하는 과정의 도구라고 해야 할 것이다. 이 단계에서 수행하는 또 한가지 중요한 활동은 정규화이다. 정규화는 논리 데이터 모델 상세화 과정의 대표적인 활동으로 논리 데이터 모델의 일관성을 확보하고 중복을 제거하여 속성들이 가장 적절한 엔터티에 배치되도록 함으로써 보다 신뢰성 있는 데이터 구조를 얻는 데 목적이 있다. 논리 데이터 모델의 상세화는 식별자 확정 정규화, M:M 관계 해소, 참조 무결성 규칙 정의 등을 들 수 있으며 추가적으로 이력 관리에 대한 전략을 정의해 이를 논리 데이터 모델에 반영함으로써 데이터 모델링을 완료하게 된다. | ||
| + | * 물리적 데이터 모델 : 데이터베이스 설계 과정의 세 번째 단계인 물리 데이터 모델링은 논리 데이터 모델이 데이터 저장소로서 어떻게 컴퓨터 하드웨어에 표현될 것인가를 다룬다. 데이터가 물리적으로 컴퓨터에 어떻게 저장될 것인가에 대한 정의를 물리적 스키마라고 한다. 이 단계에서 결정되는 것은 테이블, 칼럼 등으로 표현되는 물리적인 저장 구조와 사용될 저장 장치, 자료를 추출하기 위해 사용될 접근 방법 등이 있다. 계층적 데이터베이스 관리 시스템 환경에서는 데이터베이스 관리자가 물리적 스키마를 설계하고 구현하기 위해서 보다 많은 시간을 투자해야 한다. 실질적인 현실 프로젝트에서는 개념적 데이터 모델링, 논리적 데이터 모델링, 그리고 물리적 데이터 모델링으로 수행하는 경우는 드물며 개념적 데이터 모델링과 논리적 데이터 모델을 한꺼번에수행하여 논리적인 데이터 모델링으로 수행하는 경우가 대부분이다.<ref name ='갓대희'></ref> | ||
| + | |||
| + | ===데이터 모델링의 중요성 및 유의점=== | ||
| + | * 파급효과(Leverage) : 시스템 구축이 완성되어 가는 시점에서 많은 애플리케이션들이 테스트를 수행하고 대규모의 데이터 이행을 성공적으로 수행하기 위한 많은 단위 테스트들이 수행되고 이러한 과정들이 반복된다. 각 단위 테스트들이 성공적으로 수행되고 완료되면 이를 전체로 묶어서 병행 테스트, 통합테스트를 수행하게 된다. 만약 이러한 시점에 데이터 모델의 변경이 불가피한 상황이 발생한다고 가정했을 때, 이를 위해서 데이터 구조의 변경에 따른 표준 여얗ㅇ 분석, 응용 변경 양향 분석 등 많은 영향 분석이 일어난다. 그 이후에 해당 분야의 실제적인 변경 작업이 발생하게 된다. 변경을 해야 하는 데이터 모델의 형태에 따라서 그 영향 정도는 차이가 있겠지만 이 시기의 데이터 구조의 변경으로 인한 일련의 변경 작업은 전체 시스템 구축 프로젝트에서 큰 위험요소가 아닐 수 없다. 이러한 이유로 시스템 구축 작업 중에서 다른 어떤 설계 과정보다 데이터 설계가 더 중요하다. | ||
| + | * 복잡한 정보 요구사항의 간결한 표현(Conciseness) : 데이터 모델은 구축할 시스템의 정보 요구사항과 한계를 가장 명확하고 간결하게 표현할 수 있는 도구이다. 정보 요구사항을 파악하는 가장 좋은 방법은 수많은 페이지의 기능적인 요구사항을 파악하는 것보다 간결하게 그려져 있는 데이터 모델을 리뷰하면서 파악하는 것이 훨씬 빠른 방법이다. 데이터 모델은 시스템을 구축하는 많은 관계짜들이 설계짜의 생각대로 정보요구사항을 이해하고 이를 운용할 수 있는 애플리케이션을 개발하고 데이터 정합성을 유지할 수 있도록 하는 것이다. 이렇게 이상적으로 역할을 할 수 있는 모델이 갖추어야 할 가장 중요한 점은 정보 요구사항이 정확하고 간결하게 표현되어야 하는 것이다. | ||
| + | *데이터 품질(Data Quality) : 데이터 품질의 문제가 야기되는 중요한 이유 중 하나가 바로 데이터 구조의 문제이다. 중복 데이터의 미정의, 데이터 구조의 비즈니스 정의의 불충분, 동일한 성격의 데이터를 통합하지 않고 분리함으로써 나타나는 데이터 불일치 등의 데이터 구조의 문제로 인한 데이터 품질의 문제는 치유하기에는 불가능한 경우가 대부분이다. 데이터 모델링을 할 때 유의점은 다음과 같다. | ||
| + | * 중복(Duflexibility) : 중복 데이터 모델은 같은 데이터를 사용하는 사람, 시간, 그리고 장소를 파악하는 데 도움을 준다. 이러한 지식 응용은 데이터베이스가 여러 장소에 같은 정보를 저장하는 잘못을 하지 않도록 한다. | ||
| + | * 비유연성(Inflexibility) : 데이터 모델을 어떻게 설계했느냐에 따라 사소한 업무변화에도 데이터 모델이 수시로 변경됨으로써 유지보수의 어려움을 가중시킬 수 있따. 데이터의 정의를 데이터의 사용 프로세스와 분리함으로써 데이터 모델링은 데이터 혹은 프로세스의 작은 변화가 애플리케이션과 데이터베이스에 중대한 변화를 일으킬 수 있는 가능성을 줄인다. | ||
| + | * 비일관성(Inconsistency) : 데이터의 중복이 없더라도 비일관성은 발생한다. 이는 개발자가 다른 데이터와 모순된다는 고려 없이 일련의 데이터를 수정할 수 있기 때문이다. 데이터 모델링을 할 때 데이터와 데이터 간 상호 연관 관계에 대한 정확한 정의는 이러한 위험을 사전에 예방할 수 있도록 해준다.<ref name ='갓대희'></ref> | ||
| + | |||
| + | ===좋은 데이터 모델링의 요소=== | ||
| + | * 완전성(Completeness) : 업무에서 필요로 하는 모든 데이터가 데이터 모델에 정의되어 있어야 한다. 데이터 모델을 검증하기 우해 가장 먼저 확인해야 할 부분으로 이 기준이 충족되지 못하면 다른 어떤 평가 기준도 의미가 없어진다. | ||
| + | * 중복배제(Non-Redundancy) : 하나의 데이터베이스 내에 동일한 사실은 반드시 한 번만 기록해야 한다. 데이터 중복 관리로 인해 여러 가지 바람직하지 않은 형태의 데이터 관리 비용을 지불할 수도 있다. 예를 들면 저장공간의 낭비, 중복 관리되고 있는 데이터의 일관성을 유지하기 위한 추가적인 데이터 조작 등이 대표적으로 낭비되는 비용이라고 볼 수 있다. | ||
| + | * 업무규칙(Business Rules) : 데이터 모델에서 매우 중요한 요소 중 하나가 데이터 모델링 과정에서 도출되고 규명되는 수많은 업무규칙을 데이터 모델에 표현하고 이를 해당 데이터 모델을 활용하는 모든 사용자가 공유할 수 있도록 제공하는 것이다. 특히 데이터 아키텍처에서 언급되는 노닐 데이터 모델에서 이러한 요소들이 포함되어야 함은 매우 중요하다. | ||
| + | * 데이터 재사용(Data Reusability) : 데이터의 재사용성을 향상시키고자 한다면 데이터의 통합성과 독립성에 대해 충분히 고려해야 한다. 과거에 정보시스템이 생성, 운영된 형태를 되짚어 보면 철저하게 부서 단위의 정보시스템으로 설계되고 운영되어 왔다. 현재 대부분의 회사에서 진행하고 있는 신규 정보시스템의 구축 작업은 회사 전체 관점에서 공통 데이터를 도출하고 이를 전 영역에서 사용하기에 적절한 형태로 설계하여 시스템을 구축하게 된다. 이러한 형태의 데이터 설계에서 가장 중요하게 대두되는 것이 통합 모델이다. 통합모델이어야 데이터 재사용성을 향상시킬 수 있다. | ||
| + | * 의사소통(Communication) : 데이터 모델의 역할은 많지만 그 중에서도 중요한 것이 데이터 모델의 의사소통의 역할이다. 데이터 모델은 대상으로 하는 업무를 데이터 관점에서 분석하고 이를 설계해 나오는 최종 산출물이다. 데이터를 분석하는 과정에서는 자연스럽게 많은 업무 규칙들이 도출된다. 이 과정에서 도출되는 많은 업무 규칙들은 데이터 모델에 엔터티, 서브타입, 속성, 관계 등의 형태로 최대한 자세하게 표현되어야 한다. 표현된 많은 업무 규칙들은 해당 정보시스템을 운용, 관리하는 많은 관련자들이 설계자가 정의한 업무 규칙들을 동일한 의미로 받아들이고 정보시스템을 활용할 수 있게 하는 역할을 하게 된다. 즉, 데이터 모델이 진정한 의사소통의 도구로서의 역할을 하는 것이다. | ||
| + | * 통합성(Integration) : 가장 바람직한 데이터 구조의 형태는 동일한 데이터는 조직의 전체에서 한 번만 정의되고 이를 여러 다른 영역에서 참조, 활용하는 것이다. 물론 이 때 성능 등의 부가적인 목적으로 의도적으로 데이터를 중복시킬 수 있으나 동일한 성격의 데이터를 한 번만 정의하기 위해서는 공유 데이터에 대한 구조를 여러 업무 영역에서 공동으로 사용하기 용이하게 정의할 수 있어야 한다.<ref name ='갓대희'></ref> | ||
{{각주}} | {{각주}} | ||
| 16번째 줄: | 43번째 줄: | ||
* 한준희·문운경, 〈[https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=&cad=rja&uact=8&ved=2ahUKEwjwp4Oh44LyAhWJBKYKHSoFBL44ChAWMAB6BAgHEAM&url=https%3A%2F%2Fwww.koreascience.or.kr%2Farticle%2FJAKO201447633877269.pdf&usg=AOvVaw2sj-gGVGfuHJFEUEyDOXvK 모델링; 문제를 바라보는 다양한 시각]〉, 《Korea Science》, 2014-02 | * 한준희·문운경, 〈[https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=&cad=rja&uact=8&ved=2ahUKEwjwp4Oh44LyAhWJBKYKHSoFBL44ChAWMAB6BAgHEAM&url=https%3A%2F%2Fwww.koreascience.or.kr%2Farticle%2FJAKO201447633877269.pdf&usg=AOvVaw2sj-gGVGfuHJFEUEyDOXvK 모델링; 문제를 바라보는 다양한 시각]〉, 《Korea Science》, 2014-02 | ||
* 차재복, 〈[http://www.ktword.co.kr/word/abbr_view.php?m_temp1=587 모델링, 모델, 모형]〉, 《정보통신기술용어해설》 | * 차재복, 〈[http://www.ktword.co.kr/word/abbr_view.php?m_temp1=587 모델링, 모델, 모형]〉, 《정보통신기술용어해설》 | ||
| − | * 〈[https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=&ved=2ahUKEwi2x4Lq7oLyAhVOY94KHY5iBokQFjADegQIAxAD&url=https%3A%2F%2Fgoddaehee.tistory.com%2Fattachment%2Fcfile22.uf%40995218495C691B2F0A44F1.pdf&usg=AOvVaw0_zL9E8gHxEcyQQJtKRmGg 데이터 모델링의 이해]〉, | + | * 갓대희, 〈[https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=&ved=2ahUKEwi2x4Lq7oLyAhVOY94KHY5iBokQFjADegQIAxAD&url=https%3A%2F%2Fgoddaehee.tistory.com%2Fattachment%2Fcfile22.uf%40995218495C691B2F0A44F1.pdf&usg=AOvVaw0_zL9E8gHxEcyQQJtKRmGg 데이터 모델링의 이해]〉, 《개인 블로그》 |
==같이 보기== | ==같이 보기== | ||
2021년 7월 28일 (수) 11:44 판
모델링(modelling)이란 물리적인 과정에 대한 평가와 이해를 돕기 위해 설계된 그 과정에 대한 복제이다.[1]
목차
개요
모델링은 일반적으로 모두에게 공통적으로 이해되도록 약속한 방식으로 표현하는 것이다. 복잡한 현실세계를 단순화 즉, 추상적이고 체계적으로 표현하는 방법이다. 공학적으로는 시스템적인 특성을 수학적으로 표현하는 과정이라고 할 수 있다. 정량적으로 표현되도록 수학적 언어로 전환시키는 과정이다.[2]
모델링의 특징
- 추상화 : 추상화는 현실 세계를 일정한 형식에 맞추어 표현한다. 즉 다양한 현상을 일정한 양식인 표기법에 의해 표현하는 것이다.
- 단순화 : 단순화는 복잡한 현실 세계를 약속된 규약에 의해 제한된 표기법이나 언어로 표현해 쉽게 이해할 수 있도록 하는 개념이다.
- 명확화 : 명확화는 누구나 이해하기 쉽게 하기 위해 대상에 대한 애매모호함을 제거하고 정확하게 현상을 기술하는 것이다.
3D 모델링
3차원 모델링(3D Modelling)은 컴퓨터가 이해할 수 있는 형태의 데이터로 저장하는 것이다. 컴퓨터 그래픽스 분야에선 이런 3차원 모델을 표현하고자 하며 가상공간의 입체적인 모델을 통해 실세계의 물체를 묘사하거나 혹은 물리적 환경을 만들어 가상환경 속에서 물체의 모습을 만들어낼 수도 있으며 최근 3차원 모델링은 영화, 애니메이션, 광고 등의 엔터테인먼트 분야와 물리적 실험 시뮬레이션, 건축, 디자인 등 설계 및 예술의 표현 수단으로 활용되고 있다.
정보 시스템 모델링
데이터 모델링
데이터 모델은 데이터베이스의 골격을 이해하고 그 이해를 바탕으로 SQL 문장을 기능과 성능적인 측면에서 효율적으로 작성하기 위해 알아야 하는 핵심요소이다. SQL 전문가를 위한 지식에서도 데이터베이스의 논리적인 구조를 이해하는 데이터 모델을 이해하는 것은 그 다음 SQL 문장을 어떻게 구성할 지에 대한 지식과 효율적인 구성에 대한 밑바탕의 지식을 쌓기 위한 핵심 이론이다. 일반적으로 데이터 모델링은 정보시스템을 구축하기 위해, 해당 업무에 어떤 데이터가 존재하는지 또는 업무가 필요로 하는 정보는 무엇인지를 분석하는 방법이다. 기업 업무에 대한 종합적인 이해를 바탕으로 데이터에 존재하는 업무 규칙에 대하여 참 또는 거짓을 판별할 수 있는 사실을 데이터에 접근하는 방법, 사람, 전산화와는 별개의 관점에서 이를 명확하게 표현하는 추상화 기법이다.[3]
데이터 모델링의 3단계
- 개념적 데이터 모델 : 처음 현실세계에서 추상화 수준이 높은 수준을 형상화하기 위해 개념적 데이터 모델링을 전개한다. 개념적 데이터 모델은 추상화 수준이 높고 업무 중심적이고 포괄적인 수준의 모델링을 진행한다. EA 기반의 전사적인 데이터 모델링을 전개할 때는 더 상위 수준의 개괄적인 데이터 모델링을 먼저 수행하고 이후 업무영역에 따른 개념적 데이터 모델링을 전개한다. 개념적 데이터 모델링은 조직, 사용자의 데이터 요구사항을 찾고 분석하는데 서 시작한다. 이 과정엔 어떤 자료가 중요하며 어떤 자료가 유지되어야 하는지를 결정하는 것도 포함한다. 이 단계에 있어서 주요한 활동은 핵심 엔터티와 그들 간의 관계를 발견하고 그것을 표현하기 위해 엔터티-관계 다이어그램을 형성한다. 엔터티-관계 다이어그램은 조직과 다양한 데이터베이스 사용자에게 어떠한 데이터가 중요한지 나타내기 위해 사용된다. 데이터 모델링 과정이 전 조직에 걸쳐 이루어진다면 그것은 전사적 데이터 모델이라고 불린다. 개념 데이터 모델을 통해 조직의 데이터 요구를 공식화하는 것은 두 가지의 중요한 기능을 지원한다. 첫째, 개념 데이터 모델은 사용자와 시스템 개발자가 데이터 요구 사항을 발견하는 것을 지원한다. 개념 데이터 모델은 추상적이기 때문에 그 모델은 상위의 문제애 대한 구조화를 쉽게 하며 사용자와 개발자가 시스템 기능에 대해 논의할 수 있는 기반을 형성한다. 둘째, 개념 데이터 모델은 현 시스템이 어떻게 변형 되어야 하는가를 이해하는데 유용하다. 일반적으로 매우 간단하게 고립된 시스템도 추상적 모델링을 통해 보다 쉽게 표현되고 설명된다.
- 논리적 데이터 모델 : 논리적 데이터 모델링은 엔터티(Entity) 중심의 상위 수준의 데이터 모델이 완성되면 업무의 구체적인 모습과 흐름에 따른 구체화된 업무 중심의 데이터 모델을 만들어 내는 것이다. 논리적 데이터 모델링은 데이터베이스 설계 프로세스의 인풋(Input)으로써 비즈니스 정보의 논리적인 구조와 규칙을 명확하게 표현하는 기법 또는 과정이라고 할 수 있다. 논리 데이터 모델링의 결과로 얻어지는 논리 데이터 모델은 데이터 모델링이 최종적으로 완료된 상태라고 정의할 수 있다. 즉 물리적인 스키마 설계를 하기 전 단계의 데이터 모델 상태를 일컫는다. 데이터 모델링 과정에서 가장 핵심이 되는 부분이 논리 데이터 모델링이라고 할 수 있다. 데이터 모델링이란 모델링 과정이 아닌 별도의 과정을 통해서 조사하고 결정난 사실을 단지 ERD 라는 그림으로 그려내는 과정을 말하는 것이 아닌 시스템 구축을 위해서 가장 먼저 시작할 기초적인 업무 조사를 하는 초기단계부터 인간이 결정해야 할 대부분의 사항을 모두 정의하는 시스템 설계의 전 과정을 지원하는 과정의 도구라고 해야 할 것이다. 이 단계에서 수행하는 또 한가지 중요한 활동은 정규화이다. 정규화는 논리 데이터 모델 상세화 과정의 대표적인 활동으로 논리 데이터 모델의 일관성을 확보하고 중복을 제거하여 속성들이 가장 적절한 엔터티에 배치되도록 함으로써 보다 신뢰성 있는 데이터 구조를 얻는 데 목적이 있다. 논리 데이터 모델의 상세화는 식별자 확정 정규화, M:M 관계 해소, 참조 무결성 규칙 정의 등을 들 수 있으며 추가적으로 이력 관리에 대한 전략을 정의해 이를 논리 데이터 모델에 반영함으로써 데이터 모델링을 완료하게 된다.
- 물리적 데이터 모델 : 데이터베이스 설계 과정의 세 번째 단계인 물리 데이터 모델링은 논리 데이터 모델이 데이터 저장소로서 어떻게 컴퓨터 하드웨어에 표현될 것인가를 다룬다. 데이터가 물리적으로 컴퓨터에 어떻게 저장될 것인가에 대한 정의를 물리적 스키마라고 한다. 이 단계에서 결정되는 것은 테이블, 칼럼 등으로 표현되는 물리적인 저장 구조와 사용될 저장 장치, 자료를 추출하기 위해 사용될 접근 방법 등이 있다. 계층적 데이터베이스 관리 시스템 환경에서는 데이터베이스 관리자가 물리적 스키마를 설계하고 구현하기 위해서 보다 많은 시간을 투자해야 한다. 실질적인 현실 프로젝트에서는 개념적 데이터 모델링, 논리적 데이터 모델링, 그리고 물리적 데이터 모델링으로 수행하는 경우는 드물며 개념적 데이터 모델링과 논리적 데이터 모델을 한꺼번에수행하여 논리적인 데이터 모델링으로 수행하는 경우가 대부분이다.[3]
데이터 모델링의 중요성 및 유의점
- 파급효과(Leverage) : 시스템 구축이 완성되어 가는 시점에서 많은 애플리케이션들이 테스트를 수행하고 대규모의 데이터 이행을 성공적으로 수행하기 위한 많은 단위 테스트들이 수행되고 이러한 과정들이 반복된다. 각 단위 테스트들이 성공적으로 수행되고 완료되면 이를 전체로 묶어서 병행 테스트, 통합테스트를 수행하게 된다. 만약 이러한 시점에 데이터 모델의 변경이 불가피한 상황이 발생한다고 가정했을 때, 이를 위해서 데이터 구조의 변경에 따른 표준 여얗ㅇ 분석, 응용 변경 양향 분석 등 많은 영향 분석이 일어난다. 그 이후에 해당 분야의 실제적인 변경 작업이 발생하게 된다. 변경을 해야 하는 데이터 모델의 형태에 따라서 그 영향 정도는 차이가 있겠지만 이 시기의 데이터 구조의 변경으로 인한 일련의 변경 작업은 전체 시스템 구축 프로젝트에서 큰 위험요소가 아닐 수 없다. 이러한 이유로 시스템 구축 작업 중에서 다른 어떤 설계 과정보다 데이터 설계가 더 중요하다.
- 복잡한 정보 요구사항의 간결한 표현(Conciseness) : 데이터 모델은 구축할 시스템의 정보 요구사항과 한계를 가장 명확하고 간결하게 표현할 수 있는 도구이다. 정보 요구사항을 파악하는 가장 좋은 방법은 수많은 페이지의 기능적인 요구사항을 파악하는 것보다 간결하게 그려져 있는 데이터 모델을 리뷰하면서 파악하는 것이 훨씬 빠른 방법이다. 데이터 모델은 시스템을 구축하는 많은 관계짜들이 설계짜의 생각대로 정보요구사항을 이해하고 이를 운용할 수 있는 애플리케이션을 개발하고 데이터 정합성을 유지할 수 있도록 하는 것이다. 이렇게 이상적으로 역할을 할 수 있는 모델이 갖추어야 할 가장 중요한 점은 정보 요구사항이 정확하고 간결하게 표현되어야 하는 것이다.
- 데이터 품질(Data Quality) : 데이터 품질의 문제가 야기되는 중요한 이유 중 하나가 바로 데이터 구조의 문제이다. 중복 데이터의 미정의, 데이터 구조의 비즈니스 정의의 불충분, 동일한 성격의 데이터를 통합하지 않고 분리함으로써 나타나는 데이터 불일치 등의 데이터 구조의 문제로 인한 데이터 품질의 문제는 치유하기에는 불가능한 경우가 대부분이다. 데이터 모델링을 할 때 유의점은 다음과 같다.
- 중복(Duflexibility) : 중복 데이터 모델은 같은 데이터를 사용하는 사람, 시간, 그리고 장소를 파악하는 데 도움을 준다. 이러한 지식 응용은 데이터베이스가 여러 장소에 같은 정보를 저장하는 잘못을 하지 않도록 한다.
- 비유연성(Inflexibility) : 데이터 모델을 어떻게 설계했느냐에 따라 사소한 업무변화에도 데이터 모델이 수시로 변경됨으로써 유지보수의 어려움을 가중시킬 수 있따. 데이터의 정의를 데이터의 사용 프로세스와 분리함으로써 데이터 모델링은 데이터 혹은 프로세스의 작은 변화가 애플리케이션과 데이터베이스에 중대한 변화를 일으킬 수 있는 가능성을 줄인다.
- 비일관성(Inconsistency) : 데이터의 중복이 없더라도 비일관성은 발생한다. 이는 개발자가 다른 데이터와 모순된다는 고려 없이 일련의 데이터를 수정할 수 있기 때문이다. 데이터 모델링을 할 때 데이터와 데이터 간 상호 연관 관계에 대한 정확한 정의는 이러한 위험을 사전에 예방할 수 있도록 해준다.[3]
좋은 데이터 모델링의 요소
- 완전성(Completeness) : 업무에서 필요로 하는 모든 데이터가 데이터 모델에 정의되어 있어야 한다. 데이터 모델을 검증하기 우해 가장 먼저 확인해야 할 부분으로 이 기준이 충족되지 못하면 다른 어떤 평가 기준도 의미가 없어진다.
- 중복배제(Non-Redundancy) : 하나의 데이터베이스 내에 동일한 사실은 반드시 한 번만 기록해야 한다. 데이터 중복 관리로 인해 여러 가지 바람직하지 않은 형태의 데이터 관리 비용을 지불할 수도 있다. 예를 들면 저장공간의 낭비, 중복 관리되고 있는 데이터의 일관성을 유지하기 위한 추가적인 데이터 조작 등이 대표적으로 낭비되는 비용이라고 볼 수 있다.
- 업무규칙(Business Rules) : 데이터 모델에서 매우 중요한 요소 중 하나가 데이터 모델링 과정에서 도출되고 규명되는 수많은 업무규칙을 데이터 모델에 표현하고 이를 해당 데이터 모델을 활용하는 모든 사용자가 공유할 수 있도록 제공하는 것이다. 특히 데이터 아키텍처에서 언급되는 노닐 데이터 모델에서 이러한 요소들이 포함되어야 함은 매우 중요하다.
- 데이터 재사용(Data Reusability) : 데이터의 재사용성을 향상시키고자 한다면 데이터의 통합성과 독립성에 대해 충분히 고려해야 한다. 과거에 정보시스템이 생성, 운영된 형태를 되짚어 보면 철저하게 부서 단위의 정보시스템으로 설계되고 운영되어 왔다. 현재 대부분의 회사에서 진행하고 있는 신규 정보시스템의 구축 작업은 회사 전체 관점에서 공통 데이터를 도출하고 이를 전 영역에서 사용하기에 적절한 형태로 설계하여 시스템을 구축하게 된다. 이러한 형태의 데이터 설계에서 가장 중요하게 대두되는 것이 통합 모델이다. 통합모델이어야 데이터 재사용성을 향상시킬 수 있다.
- 의사소통(Communication) : 데이터 모델의 역할은 많지만 그 중에서도 중요한 것이 데이터 모델의 의사소통의 역할이다. 데이터 모델은 대상으로 하는 업무를 데이터 관점에서 분석하고 이를 설계해 나오는 최종 산출물이다. 데이터를 분석하는 과정에서는 자연스럽게 많은 업무 규칙들이 도출된다. 이 과정에서 도출되는 많은 업무 규칙들은 데이터 모델에 엔터티, 서브타입, 속성, 관계 등의 형태로 최대한 자세하게 표현되어야 한다. 표현된 많은 업무 규칙들은 해당 정보시스템을 운용, 관리하는 많은 관련자들이 설계자가 정의한 업무 규칙들을 동일한 의미로 받아들이고 정보시스템을 활용할 수 있게 하는 역할을 하게 된다. 즉, 데이터 모델이 진정한 의사소통의 도구로서의 역할을 하는 것이다.
- 통합성(Integration) : 가장 바람직한 데이터 구조의 형태는 동일한 데이터는 조직의 전체에서 한 번만 정의되고 이를 여러 다른 영역에서 참조, 활용하는 것이다. 물론 이 때 성능 등의 부가적인 목적으로 의도적으로 데이터를 중복시킬 수 있으나 동일한 성격의 데이터를 한 번만 정의하기 위해서는 공유 데이터에 대한 구조를 여러 업무 영역에서 공동으로 사용하기 용이하게 정의할 수 있어야 한다.[3]
각주
- ↑ 한준희·문운경, 〈모델링; 문제를 바라보는 다양한 시각〉, 《Korea Science》, 2014-02
- ↑ 차재복, 〈모델링, 모델, 모형〉, 《정보통신기술용어해설》
- ↑ 3.0 3.1 3.2 3.3 갓대희, 〈데이터 모델링의 이해〉, 《개인 블로그》
참고자료
- 한준희·문운경, 〈모델링; 문제를 바라보는 다양한 시각〉, 《Korea Science》, 2014-02
- 차재복, 〈모델링, 모델, 모형〉, 《정보통신기술용어해설》
- 갓대희, 〈데이터 모델링의 이해〉, 《개인 블로그》
같이 보기
