데이터 모델의 이해

1. 모델링의 이해

가. 모델링의 정의

 모델은 다양한 현상에 대해서 일정한 표기법에 따라 표현해 놓은 모형. 사람이 살아가면서 접할 수 있는 다양한 현상은 사람, 사물, 개념 등에 의해 발생된다고 했을 때, 모델링은 이것을 표기법에 따라 표기하는 것 자체를 의미합니다.

 

* 복잡한 현실세계를 일정한 표기법에 따라 표현하는 일

 

나. 모델링의 특징

 1) 추상화(모형화, 가설적)는 현실세계를 일정한 형식에 맞추어 표현한다는 의미로 정리할 수 있습니다.

 2) 단순화는 복잡한 현실세계를 약속된 규약에 의해 제한된 표기법이나 언어로 표현하여 쉽게 이해할 수 있도록 하는 개념을 의미합니다.

 3) 명확화는 누구나 이해하기 쉽게 하기 위해 대상에 대한 애매모호함을 제거하고, 정확하게 현상을 기술하는 것입니다.

 

다. 모델링의 세 가지 관점

 1) 데이터 관점: 업무가 어떤 데이터와 관련이 있는지 또는 데이터 간의 관계는 무엇인지에 대해서 모델링하는 방법(What, Data)

 2) 프로세스 관점: 실제하고 있는 업무는 무엇인지 또는 무엇을 해야 하는지를 모델링하는 방법(How, Process)

 3) 데이터와 프로세스의 상관 관점: 업무가 처리하는 일의 방법에 따라 데이터는 어떻게 영향을 받고 있는지 모델링하는 방법(Interaction)

 

2. 데이터 모델의 기본 개념 이해

가. 데이터 모델링의 정의

 □ 정보시스템을 구축하기 위한 데이터 관점의 업무 분석 기법

 □ 현실세계의 데이터(what)에 대해 약속된 표기법에 의해 표현하는 과정

 □ 데이터베이스를 구축하기 위한 분석·설계의 과정

 

나. 데이터 모델이 제공하는 기능

 □ 시스템을 현재 또는 원하는 모습으로 가시화하도록 도와줍니다.

 □ 시스템의 구조와 행동을 명세화할 수 있게 합니다.

 □ 시스템을 구축하는 구조화한 틀을 제공합니다.

 □ 시스템 구축 과정에서 결정한 것을 문서화합니다.

 □ 다양한 영역에 집중하기 위해 다른 영역의 세부 사항은 숨기는 다양한 관점을 제공합니다.

 □ 특정 목표에 따라 구체화한 상세 수준의 표현방법을 제공합니다.

 

3. 데이터 모델링의 중요성과 유의점

가. 파급효과

 시스템 구축이 완성되어 가는 시점에서 많은 애플리케이션들의 테스트를 수행하고, 대규모 데이터 이행을 성공적으로 수행하기 위한 많은 단위 테스트들이 반복됩니다. 데이터 모델의 변경이 불가피한 상황이 발생한다면, 데이터 구조의 변경에 따른 표준 영향 분석, 응용 변경 영향 분석 등 많은 영향 분석이 일어나기에 시스템 구축 작업 중에 다른 어떤 설계 과정보다 데이터 설계가 중요합니다.

 

나. 복잡한 정보 요구 사항의 간결한 표현

 데이터 모델은 구축할 시스템의 정보 요구 사항과 한계를 가장 명확하고, 간결하게 표현할 수 있는 도구입니다. 시스템을 구축하는 많은 관련자가 설계자의 생각대로 정보 요구 사항을 이해하고, 이를 운용할 수 있는 애플리케이션을 개발하고, 데이터 정합성을 유지하는 것입니다. 이상적으로 역할을 할 수 있는 모델이 갖춰야 할 가장 핵심은 '정보 요구 사항이 정확하고, 간결하게 표현되어야 한다.'입니다.

 

다. 데이터 품질(Data Quality)

 1) 중복: 데이터 모델은 같은 데이터를 사용하는 사람, 시간, 장소를 파악하는 데 도움을 줍니다. 이러한 지식 응용은 데이터베이스가 여러 장소에 같은 정보를 저장하는 잘못을 하지 않도록 합니다.

 2) 비유연성: 데이터 정의를 데이터 사용 프로세스와 분리함으로써 데이터 모델링은 데이터 혹은 프로세스의 작은 변화가 애플리케이션과 데이터베이스에 중대한 변화를 일으킬 가능성을 줄입니다.

 3) 비일관성: 신용 상태에 대한 갱신 없이 고객의 납부 이력 정보를 갱신하는 예시를 본다면, 개발자가 다른 데이터와 모순된다는 고려 없이 일련의 데이터를 수정할 수 있기 때문입니다. 데이터 모델링할 때, 데이터와 데이터 간 상호 연관 관계에 대한 명확한 정의는 이러한 위험을 사전에 예방할 수 있도록 해줍니다. 

 

4. 데이터 모델링의 3단계 진행

개념·논리·물리 데이터 모델

데이터 모델링	내용	수준
개념적 데이터 모델링	추상화 수준이 높고, 업무 중심적이고, 포괄적인 수준의 모델링 진행, 전사적 데이터 모델링, EA 수립 시 많이 이용	추상적
논리적 데이터 모델링	시스템으로 구축하고자 하는 업무에 대해 Key, 속성, 관계 등을 정확하게 표현, 재사용성이 높음	추상적, 구체적
물리적 데이터 모델링	실제로 데이터베이스에 이식할 수 있도록 성능, 저장 등 물리적인 성격을 고려하여 설계	구체적

 

5. 프로젝트 생명주기에서 데이터 모델링

프로젝트 라이프 사이클과 데이터 모델링				설명
정보시스템구축				일반적으로 계획 또는 분석 단계에서 개념적 데이터 모델링, 분석 단계에서 논리적 데이터 모델링, 설계 단계에서 물리적 데이터 모델링이 수행됩니다. 단, 현실 프로젝트에서는 개념적 데이터 모델이 생략된 개념·논리 데이터 모델링이 분석 단계 때, 대부분 수행됩니다.
전환·이행	DB 전환		AP 설치
테스트	DB 튜닝	검증(<->)	AP 테스트
개발	DB 구축, 변경, 관리	검증(<->)	AP 개발
설계	물리데이터 모델링	상관 모델링	AP 설계
분석	논리·개념데이터 모델링		프로세스 모델링
정보전략 계획(ISP)·프로세스개선(PI)·EA논리·개념데이터

6. 데이터 모델링에서 데이터 독립성의 이해

가. 모델링의 정의

 □ 데이터 독립성의 필요성: 유지보수 비용 증가, 데이터 중복성 증가, 데이터 복잡도 증가, 요구사항 대응 저하

 □ 각 뷰(View)의 독립성을 유지하고, 계층별 뷰에 영향을 주지 않고, 변경할 수 있습니다.

 □ 단계별 스키마(Schema)에 따라 데이터 정의어(DDL)와 데이터 조작어(DML)가 다름을 제공합니다.

 

나. 데이터베이스 3단계 구조

ANSI/SPARC의 3단계 구성의 데이터 독립성 모델

외부 단계	개념적 단계	내부적 단계
External Schema #1	Conceptual Schema (논리적 데이터 독립성)	Internal Schema (물리적 데이터 독립성)
External Schema #2 ···
External Schema #n

다. 데이터 독립성 구성요소

항목	내용	비고
외부 스키마 (External Schema)	- 뷰 단계 여러 개의 사용자 관점으로 구성, 즉 개개 사용자 단계로서 각 사용자가 보는 개인적 DB 스키마 - DB의 각 사용자나 응용 프로그래머가 접근하는 DB 정의	사용자 관점 접근하는 특성에 따른 스키마 구성
개념 스키마 (Conceptual Schema)	- 개념 단계 하나의 개념적 스키마로 구성 모든 사용자 관점을 통합한 조직 전체의 DB를 기술하는 것 - 모든 응용 시스템들이나 사용자들이 필요로 하는 데이터를 통합한 조직 전체의 DB를 기술한 것. DB에 저장되는 데이터와 그들 간의 관계를 표현하는 스키마	통합 관점
내부 스키마 (Internal Schema)	- 내부 단계와 내부 스키마로 구성됨. DB가 물리적으로 저장된 형식 - 물리적 장치에서 데이터가 실제적으로 저장되는 방법을 표현하는 스키마	물리적 저장구조

라. 두 영역의 데이터 독립성

독립성	내용	특징
논리적 독립성	- 개념 스키마가 변경되어도 외부 스키마에는 영향을 미치지 않도록 지원하는 것 - 논리적 구조가 변경되어도 응용 프로그램에 영향 없음	- 사용자 특성에 맞는 변경 가능 - 통합 구조 변경 가능
물리적 독립성	- 내부 스키마가 변경되어도 외부·개념 스키마는 영향을 받지 않도록 지원하는 것 - 저장장치의 구조변경은 응용 프로그램과 개념 스키마에 영향 없음	- 물리적 구조 영향 없이 개념구조 변경 가능 - 개념구조 영향 없이 물리구조 변경 가능

마. 사상

사상	내용	예
외부적·개념적 사상 (논리적 사상)	- 외부적 뷰와 개념적 뷰의 상호 관련성을 정의함	사용자가 접근하는 형식에 따라 다른 타입의 필드를 가질 수 있음. 개념적 뷰의 필드 타입은 변화가 없음.
개념적·내부적 사상 (물리적 사상)	- 개념적 뷰와 저장된 데이터베이스의 상호 관련성을 정의함	만약 저장된 데이터베이스 구조가 바뀐다면 개념적·내부적 사상이 바뀌어야 함. 그래야 개념적 스키마가 그대로 남아 있게 됨.

7. 데이터 모델링의 중요한 세 가지 개념

가. 데이터 모델링의 세 가지 요소

1) 업무가 관여하는 어떤 것(Things)

2) 어떤 것이 가지는 성격(Attributes)

3) 업무가 관여하는 어떤 것 간의 관계(Relationships)

 

나. 단수와 집합(복수)의 명명

 

용어의 구분정의

개념	복수·집합·개념·타입·클래스	개별·단수·개념·어커런스·인스턴스
어떤 것 (Thing)	엔터티 타입(Entity Type)	엔터티(Entity)
	엔터티(Entity)	인스턴트(Instance), 어커런스(Occurrence)
어떤 것 간의 연관 (Association between Things)	관계(Relationship)	페어링(Pairing)
어떤 것의 성격 (Characteristic of a Thing)	속성(Attribute)	속성값(Attribute Value)

8. 데이터 모델링의 이해관계자

가. 이해관계자의 데이터 모델링 중요성 인식

 

사용자           →                                   프로그램                            → 정보 검색

               데이터 생성                            DBMS                             → 보서서 산출

사용자           →              (Database Management system)      → 분석·통계 보서서 산출

                                                                                                    → 비정규 조회

 

나. 데이터 모델링의 이해관계자

데이터 모델링 기술·이해
프로젝트 개발자 System Engineer  (가장 중요함)	DBA	전문 모델러	현업업무전문가 (이해할 수 있는 수준)

9. 데이터 모델의 표기법인 ERD 이해

가. 데이터 모델 표기법

나. ERD 표기법으로 모델링하는 방법

ERD(Entity Relationship Diagram)는 각 업무 분석에서 도출된 엔터티와 엔터티 간의 관계를 이해하기 쉽게 도식화된 다이어그램으로 표시하는 방법입니다. 데이터 분석이 어느 정도 완료되면, 즉 엔터티·관계·속성 등이 데이터 사전이나 각종 산출물에 의해 분석된 상태에서 ERD를 그리는 것이 이론적인 작업 방법인데, 실제 프로젝트에서는 분석된 엔터티와 관계, 속성 정보가 바로 ERD에 표현되며, 내부 프로젝트 인원이나 해당 업무 고객과 대화할 때 핵심 업무 산출물로 항상 이용됩니다.

 

1) ERD 작업순서

ERD는 엔터티와 엔터티 사이의 관계가 있는 정보를 나타내므로 두 개를 이용하여 작성하고, 이에 따라 Primary Key와 Foreign Key를 ERD 규칙에 따라 기술하도록 합니다.

2) 엔터티 배치

해당 업무에서 가장 중요한 엔터티를 왼쪽 상단에 배치하면 편리한 데이터 모델링을 할 수 있습니다.

3) ERD 관계의 연결

초기에는 모두 Primary Key로 속성되는 식별자 관계를 설정합니다. 중복되는 관계가 발생되지 않도록 하고, Circle 관계도 발생하지 않도록 유의하여 작성합니다.

4) ERD 관계명의 표시

관계 이름은 현재형을 사용하고, 지나치게 포괄적인 용어(예, 이다, 가진다 등)는 사용하지 않도록 합니다.

5) ERD 관계 관계차수와 선택성 표시

IE 표기법으로는 하나(1, One)의 관계는 실선으로 표기하고, 바커 표기법으로는 점선과 실선을 혼합하여 표기합니다. 다수 참여(Many)의 관계는 까마귀발과 같은 모양으로 그려주고, 관계의 필수·선택 표시는 관계선에 원을 표현하여 ERD를 그리도록 합니다.

10. 좋은 데이터 모델의 요소

가. 완전성: 업무에서 필요로 하는 모든 데이터가 데이터 모델에 정의되어 있어야 한다(Completeness).

나. 중복 배제: 하나의 데이터베이스 내에 동일한 사실은 반드시 한 번만 기록하여야 한다(Non-Redundancy).

다. 업무 규칙: 데이터 모델에서 매우 중요한 요소 중 하나가 데이터 모델링 과정에서 도출되고, 규명되는 수많은 업무 규칙(Business Rules)을 데이터 모델에 표현하고, 이를 해당 데이터 모델을 활용하는 모든 사용자가 공유할 수 있도록 제공하는 것이다.

라. 데이터 재사용: 데이터가 애플리케이션에 대해 독립적으로 설계되어야만 데이터 재사용성(Data Reusability)을 높일 수 있다. 데이터 재사용성을 향상하고자 한다면 데이터의 통합성과 독립성에 대해서 충분히 고려해야 한다. 합리적으로 잘 정돈된 방법으로 데이터를 통합하여 데이터의 집합을 정의하여 잘 표현·활용한다면 데이터 모델이 영향을 받지 않고, 운용할 수 있게 된다.

마. 의사소통: 데이터 모델은 진정한 의사소통(Communication)의 도구이다. 데이터 분석 과정에서 도출되는 많은 업무 규칙들을 엔터티, 서브타입, 속성, 관계 등의 형태로 최대한 자세하게 표현되어야 하며, 정보시스템을 운용·관리하는 많은 관련자들이 설계자가 정의한 많은 업무 규칙들을 동일한 의미로 받아들이고, 활용할 수 있게 하는 역할을 하게 된다.

바. 통합성: 가장 바람직한 데이터 구조의 형태는 동일한 데이터는 조직 전체에서 한 번만 정의되고, 이를 여러 다른 영역에서 참조·활용하는 것이다.(Integration)