SQLD - 데이터 모델링의 이해 [데이터 모델의 이해]

1.   모델링의 이해

가.  모델링의 정의

모델링에 대한 다양한 정의

l  Webster 사전

-       가설적 일정 양식에 맞춘 표현

-       어떤 것에 대한 예비표현으로, 그로부터 최종대상이 구축되도록 하는 계획으로서 기여하는 것

l  복잡한 ‘현실세계’를 단순화시켜 표현하는 것

l  모델이란 사물 또는 사건에 관한 양상(Aspect)이나 관점(Perspective)을 연관된 사람이나 그룹을 위하여 명확하게 하는 것이다.

l  모델이란 현실세계의 추상화된 반영이다.

 

나.  모델링의 특징

3대 특징	설명
추상화 (모형화, 가설적)	현실세계를 일정한 형식에 맞추어 표현을 한다는 의미로 정리할 수 있다. 즉, 다양한 현상을 일정한 양식인 표기법에 의해 표기한다는 것이다.
단순화	복잡한 현실세계를 약속된 규약에 의해 제한된 표기법이나 언어로 표현하여 쉽게 이해할 수 있도록 하는 개념을 의미한다
명확화	누구나 이해하기 쉽게 하기 위해 대상에 대한 애매모호함을 제거하고 정확하게 현상을 기술하는 것을 의미한다.

l  모델링의 재정의 : 현실세계를 추상화, 단순화, 명확화하기 위해 일정한 표기법에 의해 표현하는 기법

l  정보시스템 구축에서의 모델링 활용

-       계획/분석/설계 단계 : 업무를 분석하고 설계하는데 이용

-       구축/운영 단계 : 변경과 관리의 목적으로 이용

 

다.  모델링의 세 가지 관점

관점	설명	키워드
데이터관점	업무가 어떤 데이터와 관련있는지? 데이터간의 관계는 무엇인지	Data What
프로세스관점	업무가 실제하고 있는 일이 무엇인지? 무엇을 모델링해야 하는지?	Process How
데이터와 프로세스의 상관관점	업무가 처리하는 일의 방법에 따라 데이터는 어떻게 영향을 받고 있는지?	Interaction (상호작용)

2.   데이터 모델의 기본개념의 이해

가.  데이터 모델링의 정의

l  모델링에 대한 다양한 정의

-       정보시스템을 구축하기 위해, 해당 업무에 어떤 데이터가 존재하는지 또는 업무가 필요로 하는 정보는 무엇인지를 분석하는 방법

-       기업 업무에 대한 종합적인 이해를 바탕으로 데이터에 존재하는 업무 규칙(Business Rule)에 대하여 참(True) 또는 거짓(False)을 판별할 수 있는 사실(사실명제)을 데이터에 접근하여 방법(How), 사람(Who), 전산화는 별개(독립적인)의 관점에서 이를 명확하게 표현하는 추상화 기법

 

l  실무적 관점(정보시스템 구축)에서의 데이터 모델링을 하는 주요 이유

-       정보시스템 구축 대상이 되는 업무 내용을 정확하게 분석하는 것

-       분석된 모델을 가지고 실제 데이터베이스를 생성하여 개발 및 데이터관리에 사용하기 위한 것

-       단지 데이터베이스 구축만이 목적이 아니라 데이터 모델링 자체로서 업무를 설명하고 분석하는 부분에도 중요한 의미를 가지고 있음.

 

l  데이터 모델링이란?

-       정보시스템을 구축하기 위한 데이터 관점의 업무분석 기법

-       현실세계의 데이터(What)에 대해 약속된 표기법에 의해 표현하는 과점

-       데이터베이스를 구축하기 위한 분석/설계의 과정

 

나.  데이터 모델이 제공하는 기능

l  업무를 분석하는 관점에서 데이터 모델이 제공하는 기능

-       시스템을 현재 또는 원하는 모습으로 가시화하도록 도와준다.

-       시스템의 구조와 행동을 명세화 할 수 있게 한다.

-       시스템을 구축하는 구조화된 틀을 제공한다.

-       시스템을 구축하는 과정에서 결정한 것을 문서화한다.

-       다양한 영역에 집중하기 위해 다른 영역의 세부사항은 숨기는 다양한 관점을 제공한다.

-       특정 목표에 따라 구체화된 상세 수준의 표현방법을 제공한다.

 

3.   데이터 모델링의 중요성 및 유의점

가.  파급효과(Leverage)

l  시스템 구축이 완성되가는 시점에서의 데이터 모델 변경은 엄청난 파급효과를 발생시킨다.

l  데이터 구조변경에 따른 표준영향분석, 응용영향분석 등 많은 영향 분석이 일어난다.

l  변경해야 할 데이터 형태에 따른 영향도 차이가 있겠지만, 구조 변경으로 인한 일련의 변경작업은 전체 시스템 구축 프로젝트에서 큰 위험요소이다.

l  따라서, 데이터 설계는 그만큼 중요하다.

 

나.  복잡한 정보 요구사항의 간결한 표현(Conciseness)

l  데이터 모델은 구축할 시스템의 정보 요구사항과 한계를 가장 명확하고 간결하게 표현할 수 있는 도구이다.

 

다.  데이터 품질(Data Quality)

l  데이터는 중요한 자산이며, 기간이 오래될수록 활용가치는 더 커진다.

l  그러나, 데이터의 정확성이 떨어진다면? 데이터의 활용가치는 떨어지게 된다.

l  따라서 데이터 모델링을 할 때는 다음을 유의하여 데이터 품질을 높여야 한다.

-       중복(Duplication) : 동일 자료의 중복

-       비유연성(Inflexibility) : 잘못된 데이터 모델은 사소한 업무변화에 대응하지 못하고 

                             유지보수에 어려움이 따른다.

-       비일관성(Inconsistency) : 데이터의 모순, 데이터간 상호 연관관계에 대한 

                                 정확한 정의로 이러한 위험을 예방

 

4.   데이터 모델링의 3단계 진행

가.  개념적 데이터 모델링(Conceptual Data Modeling)

l  추상화 수준이 높고 업무 중심적이며 포관적인 수준의 모델링 진행

l  전사적 데이터 모델링, EA수립시 많이 사용

l  수준 : 추상적

 

나.  논리적 데이터 모델링(Logical Data Modeling)

l  시스템으로 구축하고자 하는 업무에 대해 Key, 속성, 관계 등을 정확하게 표현

l  재사용성이 높음

 

다.  물리적 데이터 모델링(Physical Data Modeling)

l  실제로 데이터베이스에 이식할 수 있도록 성능, 저장 등 물리적인 성격을 고려하여 설계

l  수준 : 구체적

5.   프로젝트 생명주기(Life Cycle)에서 데이터 모델링

 

6.   데이터 모델링에서 데이터 독립성의 이해

가.  데이터 독립성의 필요성

l  데이터 독립성 필요

-       유지보수 비용 증가

-       데이터 중복성 증가

-       요구사항 대응 저하

 

나.  데이터베이스 3단계 구조

외부적 단계 - 사용자와 가까운 단계로 사용자 개개인이 보는 자료에 대한 관점과 관련이 있는 부분이다.

개념적 단계 - 사용자가 처리하는 데이터 유형의 공통적인 사항을 처리하는 

                통합된 뷰를 스키마 구조로 디자인한 형태이다.

내부적 단계 - 데이터가 물리적으로 저장된 방법에 대한 스키마 구조를 말한다.

다.  데이터 독립성 요소

항목	내용	비고
외부스키마 (External Schema)	- View 단계, 여러 개의 사용자 관점으로 구성, 즉 개개 사용자 단계로서 개개 사용자가 보는 개인적 DB스키마 - DB의 개별사용자나 응용프로그래머가 접근하는 DB정의	사용자 관점 접근하는 특성에 따른 스키마 구성
개념스키마 (Conceptual Schema)	- 개념단계, 하나의 개념적 스키마로 구성, 모든 사용자 관점을 통합한 조직 전체의 DB를 구성하는 것 - 모든 응용시스템들이나 사용자들이 필요로 하는 데이터를 통합한 조직 전체의 DB를 기술한 것으로 DB에 저장되는 데이터와 그들간의 관계를 표현한 스키마	통합 관점
내부스키마 (Internal Schema)	- 내부단계, 내부 스키마로 구성, DB가 물리적으로 저장된 형식 - 물리적 장치에서 데이터가 실제적으로 저장되는 방법을 표현하는 스키마	물리적 저장구조

 

라.  두 영역의 데이터 독립성

독립성	내용	특징
논리적	- 개념스키마가 변경되어도 외부스키마에는 영향을 미치지 않도록 지원하는 것 - 논리적 구조가 변경되어도 응용프로그램에 영향 없음	- 사용자 특성에 맞는 변경 가능 - 통합 구조 변경 가능
물리적	- 내부스키마가 변경되어도 외부/개념 스키마는 영향을 받지 않도록 지원하는 것 - 저장장치의 구조변경은 응용프로그램과 개념스키마에 영향 없음	- 물리적 구조 영향 없이 개념구조 변경 가능 - 개념구조 영향 없이 물리적 구조 변경 가능

 

마.  사상(Mapping)

사상	내용	예
외부적/개념적 사상 (논리적 사상)	- 외부적 뷰와 개념적 뷰의 상호 관련성을 정의함	사용자가 접근하는 형식에 따라 다른 타입의 필드를 가질 수 있다. 개념적 뷰의 필드타입은 변화가 없다.
개념적/내부적 사상 (물리적 사상)	- 개념적 뷰와 저장된 데이터베이스의 상호 관련성을 정의함	만약 저장된 데이터베이스 구조가 바뀐다면 개념적/내부적 사상이 바뀌어야 한다. 그래야 개념적 스키마가 그대로 남아 있다.

7.   데이터 모델링의 중요한 세 가지 개념

가.  데이터 모델링의 세 가지 요소

l  업무가 관여하는 어떤 것(Things)

l  어떤 것이 가지는 성격(Attributes)

l  업무가 관여하는 어떤 것 간의 관계(Relationships)

 

나.  단수와 집합(복수)의 명령

개념	복수/집합개념 타입/클래스	개별/단수개념 어커런스/인스턴스
어떤 것	Entity Type	Entity
(Things)	Entity	Instance Occurrence
어떤 것 간의 연관 (Association between Things)	관계(Relationship)	페어링(pairing)
어떤 것의 성격 (Characteristic of a Thing)	속성(Attribute)	속성 값(Attribute Value)

 

8.   데이터 모델링의 이해관계자

가.  이해관계자의 데이터 모델링 중요성 인식

  대부분의 기업에 있어서 정보시스템의 데이터베이스 구조는 사용자에게 숨겨진 형태로 구축되어 왔다.

 -> 정보의 고립화

  프로그램은 6가지 유형의 데이터베이스 유지 절차

  Programmer is the Navigator in the sea of data.

나.  데이터 모델링의 이해관계자

 첫번째, 정보시스템을 구축하는 모든 사람은 데이터 모델링도 전문적으로 할 수 있거나, 적어도 완성된 모델을 정확하게 해석할 수 있어야 한다.

 두번째, IT기술에 종사하거나 전공하지 않았더라도 해당 업무에서 정보화를 추진하는 위치에 있는 사람도 데이터 모델링에 대한 개념 및 세부사항에 대해 어느 정도 지식을 가지고 있어야 한다.

9.   데이터 모델링의 표기법인 ERD의 이해

가.  데이터 모델 표기법

 Information Engineering(이하 IE) 표기법과, 바커 표기법

나.  ERD(Entity Relationship Diagram) 표기법을 이용하여 모델링하는 방법

1)     ERD 작업순서

l  1. 엔터티를 그린다.

l  2. 엔터티를 적절하게 배치한다.

l  3. 엔터티간 관계를 설정한다.

l  4. 관계명을 기술한다.

l  5. 관계의 참여도를 기술한다

l  6. 관계의 필수여부를 기술한다.

 

2)     엔터티 배치

l  좌에서 우로, 위에서 아래로

l  가장 중요한 고객과 주문을 좌측 상단에 배치

l  업무 흐름의 중심이 되는 엔터티(주문, 출고, 주문목록, 출고목록) 중앙에 배치

l  중심 엔터티와 관계있는 엔터티(창고, 고객, 사원, 재고)를 주위에 배치

 

3)     ERD 관계의 연결

l  서로 관련있는 엔터티간의 관계를 설정

l  초기에는 모두 PK로 속성이 상속되는 식별자 관계를 설정

l  중복관계, Cycle 관계 등을 유의

 

4)     ERD 관계명의 표시

l  관계이름은 현재형을 사용

l  지나치게 포괄적인 용어(ex. 이다, 가진다 등)은 사용하지 않도록

l  실무에서는 생략해도 무방 – 관계명이 없어도 ERD의 흐름을 알 수 있다.

 

5)     ERD 관계 관계차수와 선택성 표시

  l  관계에 대한 이름을 모두 지정하였으면 관계가 참여하는 성격 중 엔티티 내에 인스턴스들이 얼마나 관계에 참여하는 지를 나타내는 관계차수(Cardinality)를 표현한다.

 

10.    좋은 데이터 모델의 요소

가.  완전성(Completeness)

l  업무에서 필요로 하는 모든 데이터가 모델에 정의되어 있어야 한다.

 

나.  중복배제(Non-Redundancy)

l  하나의 데이터베이스에 동일한 사실은 반드시 한번만 기록되어야 한다.

l  중복 시 문제점

-       저장공간의 낭비

-       일관성 유지를 위한 추가 비용 발생

 

다.  업무규칙(Business Rules)

l  업무규칙(Business Rules)을 데이터 모델링에 표현하고, 모든 사용자가 공유한다.

l  모든 사용자(개발자, 관리자)가 해당 규칙에 대해 동일하게 판단하고 데이터를 조작할 수 있게 된다.

l  업무규칙이 명확하게 표현되지 않았다면

-       각각의 사용자가 같은 업무를 다르게 판단할 수 있다.

 

라.  데이터 재사용(Data Reusability)

l  통합성

-       과거 시스템은 각각의 업무 영역별 데이터 별도 관리

-       전사적 관점에서 공통데이터를 도출하고 이를 전 영역에서 사용하기 적절한 형태로 설계하여야 한다.

-       이러한 통합 데이터 모델이어야 데이터 재사용성을 향상시킬 수 있다.

 

l  독립성

-       과거 시스템은 데이터 모델이 별도로 없이 어플리케이션의 부속품 정도로 여겨졌다.

-       이 경우 데이터는 각각의 업무 프로세스에 종속적일 수 밖에 없고

-       중복데이터 발생, 일관성 저하, 재사용성이 떨어지게 된다.

-       따라서 데이터가 어플리케이션에 독립적으로 설계되어야만 데이터 재사용성을 향상시킬 수 있다.

 

l  확장성, 유연성

-       정보시스템은 비즈니스 변화에 대해 최적의 적응을 요구한다.

-       비즈니스 변화에 유연하게 대처하고 확장이 용이한 데이터 설계가 필요하다.

-       확장성, 유연성이 떨어질 경우 작은 업무 변경에도 시스템 기반이 흔들리게 된다.

l  합리적 균형이 있으면서도 단순하게 분류하는 것

-       예를 들면, 동일한 계약 업무를 수행하기 위한 테이블이 A보험사는 10개, B보험사는 100개라면?

-       A사의 데이터 모델은 단순하지만 새로운 업무환경 변화에 대해서 확장성을 가지고 있다.

-       B사는 업무환경 변화(신규상품출현 등)에 적응하지 못하고 데이터 모델의 한계로 테이블 개수를 늘려왔다.

-       간결한 모델의 전제조건은 통합.

 

마.  의사소통(Communication)

l  데이터 모델은 대상 업무를 데이터 관점에서 분석하고 설계하여 나오는 최종 산출물이다.

l  분석과정에서 도출되는 많은 업무 규칙들은 최대한 자세하게 표현되어야 한다.

l  모든 관련자들이 데이터 모델을 통해 의사소통을 할 수 있도록 자세하게 기술해야한다.

 

바.  통합성(Integration)

l  과거 시스템은 각각의 업무 영역별로 데이터 별도 관리

l  전사적 관점에서 공통데이터를 도출하고 이를 전 영역에서 사용하기 적절한 형태로 설계하여야 한다.

l  이러한 통합데이터 모델이어야 데이터 재사용성을 향상시킬 수 있다.