데이터 모델

모델링

사람이 살아가면서 나타날 수 있는 다양한 현상은 사람, 사물, 개념 등에 의해 발생된다고 할 수 있으며, 모델링은 이것을 표기법에 규칙을 가지고 표기하는 것 자체를 의미

모델링의 세 가지 관점

• 데이터관점 : 업무가 어떤 데이터와 관련이 있는지 또는 데이터 간의 관계는 무엇인지에 대해서 모델링하는 방법(What, Data)
• 프로세스관점 : 업무가 실제하고 있는 일은 무엇인지 또는 무엇을 해야 하는지를 모델링하는 방법(How, Process)
• 데이터와 프로세스의 상관관점 : 업무가 처리하는 일의 방법에 따라 데이터는 어떻게 영향을 받고 있는지 모델링하는 방법(Interaction)
  
  

데이터 모델링⚡

• 정보시스템을 구축하기 위한 데이터관점의 업무 분석 기법
• 현실세계의 데이터(what)에 대해 약속된 표기법에 의해 표현하는 과정
• 데이터베이스를 구축하기 위한 분석/설계의 과정
  
  

데이터 모델링의 세 가지

1. 업무가 관여하는 어떤 것(Things)
2. 업무가 관여하는 어떤 것 간의 관계(Relationships)
3. 어떤 것이 가지는 성격(Attributes)
   
   

데이터 모델링의 특징

• 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 세부 사항은 숨기는 다양한 관점 즉 추상화한다.
• 특정 목표에 따라 구체화된 상세 수준의 표현방법을 제공한다.
  
  

데이터 모델링은 왜 중요할까❓

✔️ 파급효과(Leverage)

데이터 모델링은 프로젝트 초기에 하는 Task중 가장 중요한 작업이다. 시스템 구축이 완성되어 가는 시점에서는 많은 애플리케이션들이 테스트를 수행하고 대규모의 데이터 이행을 성공적으로 수행하기 위한 많은 단위 테스트들이 수행되고 이러한 과정들이 반복된다. 이러한 프로젝트 후반부에서 데이터 모델 변경 시, 변경으로 인한 비용 손실 및 납기지연 가능성이 커진다. 따라서 시스템 구축 작업 중에서 다른 어떤 설계 과정보다 데이터 설계가 중요하다고 볼 수 있다.

✔️ 복잡한 정보 요구사항의 간결한 표현(Conciseness)

건축물에 비유하면 설계도면에 해당하는 데이터 모델은 시스템을 구축하는 많은 관련자들이 설계자의 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 중요한 점은 정보 요구사항이 정확하고 간결하게 표현되어야 한다는 것이다.

✔️ 데이터 품질(Data Quality)

데이터베이스에 담겨 있는 데이터는 기업의 중요한 자산이다. 이 데이터는 기간이 오래되면 될수록 활용가치는 훨씬 높아지는데, 데이터 품질의 문제는 오랜 기간 숙성된 데이터를 전략적으로 활용하려고 하는 시점에 대두된다.
데이터 품질의 문제가 야기되는 중대한 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 치유하기에 불가능한 경우가 대부분이다. 즉, 데이터 모델은 앞서 언급한 중복(Duplication), 비유연성(Inflexibility), 비일관성(Inconsistency)의 문제를 해결하는 데 가자 중요한 도구이다.

데이터 모델링의 3단계

개념적 데이터 모델링

추상화 수준이 높고 업무중심적이고 포괄적인 수준의 모델링 진행. 전사적 데이터 모델링, EA 수립 시 많이 이용

논리적 데이터 모델링

시스템으로 구축하고자 하는 업무에 대해 Key, 속성, 관계 등을 정확하게 표현, 높은 재사용성
+데이터 모델링에서 가장 핵심이 되는 부분, 이 단계에서 정규화 수행

물리적 데이터 모델링

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

데이터 모델링에서 왜 데이터 독립성이 필요한가❓

데이터 독립성은 지속적으로 증가하는 유지보수 비용을 절감하고 데이터 복잡도를 낮추며 중복된 데이터를 줄이기 위한 목적이 있다. 또한 끊임없이 요구되는 사용자 요구사항에 대해 화면과 데이터베이스 간에 서로 독립성을 유지하기 위한 목적으로 출현한 개념이다.

데이터 독립성과 같이 어떤 단위에 대해 독립적인 의미를 부여하고 그것을 효과적으로 구현하게 되면, 자신이 가지는 고유한 특징을 명확하게 할 뿐 아니라 다른 기능의 변경으로부터 쉽게 변경되지 않고 자신의 고유한 기능을 가지고 기능을 제공하는 장점을 가지게 된다.

따라서 데이터 모델링에서 데이터 독립성을 확보하면 각 View의 독립성 유지, 계층별 View에 영향을 주지 않고 변경 가능하며, 단계별 Schema에 따라 데이터 정의어(DDL)와 데이터 조작어(DML)가 달라진다.

3단계 데이터베이스 구조

ANSI/SPARC의 3단계 구성의 데이터독립성 모델은 외부단계와 개념적 단계, 내부적 단계로 구성된 서로 간섭되지 않는 모델을 제시한다.

데이터 독립성 구성요소

• 외부스키마(External Schema)

  • View 단계 여러 개의 사용자 관점으로 구성, 즉 개개 사용자 단계로서 개개 사용자가 보는 개인적 DB 스키마
  • DB의 개개 사용자나 응용프로그래머가 접근하는 DB 정의

• 개념스키마(Conceptual Schema)

  • 개념단계 하나의 개념적 스키마로 구성 모든 사용자 관점을 통합한 조직 전체의 DB를 기술하는 것
  • 모든 응용시스템들이나 사용자들이 필요로 하는 데이터를 통합한 조직 전체의 DB를 기술한 것으로 DB에 저장되는 데이터와 그들 간의 관계를 표현하는 스키마

• 내부스키마(Internal Schema)

  • 내부단계, 내부 스키마로 구성, DB가 물리적으로 저장된 형식
  • 물리적 장치에서 데이터가 실제적으로 저장되는 방법을 표현하는 스키마
    
    

두 영역의 데이터 독립성

• 논리적 독립성

  • 개념 스키마가 변경되어도 외부 스키마에는 영향을 미치지 않도록 지원하는 것
  • 논리적 구조가 변경되어도 응용 프로그램에 영향 없음

• 물리적 독립성

  • 내부스키마가 변경되어도 외부/개념 스키마는 영향을 받지 않도록 지원하는 것
  • 저장장치의 구조변경은 응용프로그램과 개념스키마에 영향 없음
    
    

사상(Mapping)

• 외부적/개념적 사상(논리적 사상)

  • 외부적 뷰와 개념적 뷰의 상호 관련성을 정의

• 개념적/내부적 사상(물리적 사상)

  • 개념적 뷰와 저장된 데이터베이스의 상호관련성 정의
    
    

데이터 모델 표기법 ERD

각 업무분석에서 도출된 엔터티와 엔터티 간의 관계를 이해하기 쉽게 도식화된 다이어그램으로 표시하는 방법. 실제 프로젝트에서는 도식화된 그림 정도로만 생각하지 않고, 해당 업무에서 데이터의 흐름과 프로세스와의 연관성을 이야기하는 데 가장 중요한 표기법이자 산출물이다.

ERD 작업 순서

1. 엔터티를 그린다.
2. 엔터티를 적절하게 배치한다.
3. 엔터티간 관계를 설정한다.
4. 관계명을 기술한다.
5. 관계의 참여도를 기술한다.
6. 관계의 필수여부를 기술한다.