현실 세계의 DATA를 컴퓨터 세계에 옮긴 것이 데이터 모델
일반적으로 시스템 구축 단계에서 데이터 모델의 품질을 평가하는 것은 어렵다.
특정 데이터 모델이 업무 환경에서 요구하는 사항을 객관적으로 평가할 수 있다면 좋지만 이는 힘들다.
좋은 데이터 모델의 요건
- 완전성(중요)
- 업무에서 필요로 하는 모든 데이터가 데이터 모델에 정의
- 가장 먼저 확인해야 하는 부분
- 중복 배제
- 하나의 데이터베이스 내에 동일한 data는 한 번만 기록
- 중복 관리가 안되면 추가로 데이터 관리 비용이 지불됨
- 성능 등의 부가적인 목적으로 인한 데이터 중복은 존재
- 비즈니스 규칙(중요)
- 데이터 모델링 과정에서 도출
- 수많은 비즈니스 규칙을 데이터 모델에 표현하고 이를 해당 데이터 모델을 활용하는 모든 사용자가 그 규칙을 공유할 수 있도록 하는 것
- 데이터 재사용
- 데이터의 통합성과 독립성에 대해 충분히 고려
- 전사적 관점에서 공통 데이터를 도출하여 전 영역에서 사용하기에 적절한 형태로 설계
- 통합 모델(데이터 설계에서 가장 중요)
- 안전성 및 확장성
- 정보 시스템은 비즈니스의 변화에 대해 최적으로 적응하도록 요구됨
- 요구에 대응하기 위해 데이터 구조적으로 많은 변화를 주어야 하는 경우도 존재
- 하나의 변화로 정보 시스템의 나머지 부분도 변화됨
- 구축하는 과정에서의 데이터 구조의 확장성, 유연성에 많은 노력을 기울임
- 간결성
- 효율적으로 데이터를 잘 관리하더라도, 관리 측면에서 복잡하면 잘 만든 데이터 모델이 아님
- 동종의 비즈니스더라도 각 데이터 모델의 복잡도는 많이 차이가 있다.
- 간결한 모델의 기본적인 전제는 통합
- 의사소통
- 데이터 분석 과정에서 많은 업무 규칙이 도출
- 업무 규칙은 개체, 서브타임, 속성, 관계 등의 형태로 자세하게 표현
- 통합성
- 가장 바람직한 데이터의 구조의 형태는 동일한 데이터는 조직 전체에서 한 번만 정의되고 이를 여러 다른영역에서 참조, 활용하는 것
데이터 모델 품질 검증 기준의 개념
- 완벽한 모델보다 조직에 적합한 모델의 관점에서 생각
- 품질 기준은 조직에 따라 가감하거나 변형하여 사용
데이터 모델의 품질 기준
- 정확성
- 완전성
- 준거성 : 규칙 준수
- 최신성
- 일관성
- 활용성