[SQLD 1-1-1] 데이터 모델링의 이해 - 데이터 모델의 이해

728x90

1. 모델링의 이해

# 모델

- 모형, 축소형의 의미로서 사람이 살아가면서 나타날 수 있는 다양한 현상에 대해서 일정한 표기법에 의해 표현해 놓은 모형

1) 모델링의 정의

- 다양한 현상을 표기법에 의해 규칙을 가지고 표기 하는 것 자체를 의미

- 즉, 모델을 만들어가는 일 자체를 모델링으로 정의

2) 모델링의 특징

- 추상화 : 현실 세계의 일정한 형식으로 표현한 것, 아이디어나 개념을 간략하게 표현하는 과정

- 단순화 : 복잡한 현실 세계를 정해진 표기법으로 단순하고 쉽게 표현하는 과정

- 명확화 : 불분명함을 제거하고 명확하게 해석할 수 있도록 기술하는 과정

- 모델링 용도 : 계획/분석/설계 단계 → 업무를 분석하고 설계하는데 이용

구축/운영 단계 → 변경과 관리의 목적으로 이용

3) 모델링의 3가지 관점

- 데이터 관점 : 어떤 데이터들이 업무와 얽혀있는지, 그 데이터 간에는 어떤 관계가 있는지

- 프로세스 관점 : 업무가 실제로 처리하고 있는 일은 무엇인지 또는 앞으로 처리해야 할 일은 무엇인지

- 데이터와 프로세스의 상관 관점 : 업무가 처리하는 일의 방법에 따라 데이터가 어떤 영향을 받는지

2. 데이터 모델의 기본 개념

1) 데이터 모델링의 정의

- 정보시스템을 구축하는 과정에서 해당 업무에 어떤 데이터가 존재하는지 또는 업무가 필요로 하는 정보는 무엇인지를 분석하는 방법

- 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 추상적 기법

- 업무에서 필요로 하는 데이터를 시스템 구축 방법론에 의해 분석하고 설계하여 정보시스템을 구축하는 과정

- 현실 세계의 데이터에 대해 약속된 표기법에 의해 표현하는 과정

# 데이터 모델링의 주요한 목적

- 정보시스템 구축의 대상이 되는 업무 내용을 정확하게 분석하는 것

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

2) 데이터 모델의 제공 기능

- 시스템을 현재 또는 원하는 모습으로 가시화

- 시스템의 구조와 행동을 명세화

- 시스템을 구축하는 구조화된 틀 제공

- 시스템을 구축하는 과정에서 결정된 것을 문서화

- 다양한 영역에 집중하기 위한 다양한 관점 제공

- 특정 목표에 따라 구체화된 상세 수준의 표현 방법 제공

3. 데이터 모델링의 중요성 및 유의점

1) 파급효과 (Leverage)

- 진행 단계가 높아질수록 데이터 구조 변경에 따른 부정적 파급효과가 크므로 데이터 설계가 매우 중요

2) 복잡한 정보 요구사항의 간결한 표현 (Conciseness)

- 시스템을 구축하는 많은 관련자들이 설계자의 생각대로 정보요구사항을 이해하고 이를 운용할 수 있는 애플리케이션을 개발하고 데이터 정합성을 유지할 수 있도록

3) 데이터 품질 (Data Quality)

- 데이터의 정확성이 떨어지면, 이것은 소중한 비즈니스 기회를 상실할 수도 있는 문제

# 데이터 모델링 유의점

- 중복 : DB가 여러 장소에 같은 정보를 저장하는 잘못을 하지 않도록 한다.

- 비유연성 : 데이터의 정의를 데이터의 사용 프로세스와 분리함으로써 데이터 모델링은 데이터 혹은 프로세스의 작은 변화가 앱과 데이터 베이스에 중대한 변화를 일으킬 수 있는 가능성을 줄인다.

- 비일관성 : 데이터의 중복이 없더라도 비일관성은 발생한다. 예를 들어 신용 상태에 대한 갱신 없이 고객의 납부 이력 정보를 갱신하는 것이다. 개발자가 다른 데이터와 모순된다는 고려 없이 일련의 데이터를 수정할 수 있기 때문이다. 데이터 모델링시 데이터와 데이터간 상호연관 관계에 대한 명확한 정의는 이러한 위험을 사전에 예방할 수 있도록 해준다.

4. 데이터 모델의 3단계 과정

1) 개념적 데이터 모델링

- 추상화 수준이 높음

- 업무중심적, 포괄적 수준의 모델링

- EA(Enterprise Architecture) 기반 전사적 데이터 모델링

- 조직, 사용자의 데이터 요구사항을 찾고 분석하는데서 시작

- 핵심 엔터티와 그들 간의 관계를 발견하고, 엔터티-관계 다이어그램(ERD)을 생성하는 것

2) 논리적 데이터 모델링

- Key, 속성, 관계 등을 정확하게 표현하며 재사용성이 높음

- 데이터 모델링 프로세스의 Input으로써 비즈니스 정보의 논리적인 구조와 규칙을 명확하게 표현하는 기법 또는 과정

- 인간이 결정해야 할 대부분의 사항을 모두 정의하는 시스템 설계의 전 과정을 지원하는‘과정의 도구’

- 식별자 확정, 정규화, M:M 관계 해소, 참조 무결성 규칙 정의

- 논리 모델링의 외래키는 물리 모델에서 반드시 구현되지 않음. (선택 사항임)

3) 물리적 데이터 모델

- DB에 이식가능하게 성능, 저장 등 물리적 성격을 반영하여 설계

- 논리 데이터 모델이 데이터 저장소로서 어떻게 컴퓨터 하드웨어에 표현될 것인가를 다룸

- 테이블, 칼럼 등으로 표현되는 물리적인 저장 구조와 사용될 저장 장치, 자료를 추출하기 위해 사용될 접근 방법 등 결정

- 실제 DB 구축 시 참고되는 모델

5. 프로젝트 생명주기에서의 데이터 모델

# 폭포수 (Waterfall)

- 데이터 모델링의 위치가 분석과 설계단계로 구분되어 명확하게 정의 가능

- 정보공학이나 구조적 방법론에서는 보통 분석단계에서 업무중심의 논리적인 데이터 모델링을 수행

- 설계단계에서 하드웨어 성능을 고려한 물리적인 데이터 모델링을 수행

# 나선형 (RUP or 마르미)

- 업무크기에 따라 논리적 데이터 모델과 물리적 데이터 모델이 분석, 설계단계 양쪽에서 수행

- 비중은 분석단계에서 논리적인 데이터 모델이 더 많이 수행되는 형태

# But! 객체지향 개념

- 데이터와 프로세스를 동시에 고려하며 모델링을 전개하기에 데이터 모델링과 프로세스 모델링을 구분하지 않고 일체형으로 진행

- ex) 데이터(속성)와 프로세스(Method)가 병존하는 클래스(Class)

6. 데이터 모델링에서 데이터독립성의 이해

1) 데이터 독립성의 필요성

- 일체적 구성에서 기능화된 구성의 가장 큰 목적 : 상호간 영향에서 벗어나 개별 형식이 가지는 고유의 기능을 유지시키며 그 기능을 극대화 하는 것

- 데이터독립성 ↔ 데이터종속성

# 데이터 독립성 목적

- 지속적으로 증가하는 유지보수 비용을 절감

- 데이터 복잡도를 낮춤

- 중복된 데이터를 줄이기 위함

- 끊임없이 요구되는 사용자 요구사항에 대해 화면과 데이터베이스 간에 서로 독립성을 유지하기 위함

# 데이터 독립성 효과

- 각 View의 독립성을 유지하고 계층별 View에 영향을 주지 않고 변경 가능

- 단계별 Schema에 따라 데이터 정의어(DDL)와 데이터 조작어(DML)가 다름을 제공

2) 데이터베이스 3단계 구조

3) 데이터 독립성 요소

4) 데이터 독립성

5) Mapping (사상)

- 상호 독립적인 개념을 연결시켜주는 다리

- 데이터 독립성을 보장하기 위해서는 사상을 하는 스크립트(DDL)를 DBA가 필요할 때마다 변경해 주어야 한다.

7. 데이터 모델링의 중요 3요소

1) 데이터 모델링의 3요소

- 엔티티 : 업무가 관여하는 어떤 것 (Things)

- 속성 : 어떤 것이 지니는 성격 (Attributes)

- 관계 : 어떤 것 사이의 관계 (Relationships)

2) 단수와 집합(복수)의 명명

8. 데이터 모델링의 이해관계자

1) 이해관계자의 데이터 모델링 중요성 인식

- 실무에서는 데이터베이스를 전문적으로 담당하는 소위 DBA(DataBase Administrator)가 데이터 모델링을 전적으로 커버하지 않고, 업무 시스템을 개발하는 응용시스템 개발자와 데이터 모델링을 함께 함

- DB 설계 오류 시, 모든 트랜잭션에 악영향

- 'Bachmann', "프로그래머는 데이터집합의 탐색자이다."

2) 데이터 모델링의 이해관계자

- 정보시스템을 구축하는 모든 사람 (전문 코더 포함)

- IT기술에 종사하거나 전공하지 않았더라도 해당 업무에서 정보화를 추진하는 위치에 있는 사람

9. 데어티 모델의 표기법인 ERD의 이해

1) 데이터 모델 표기법

- 피터 첸 (Peter Chen) : 1976년, Entity-relationship Model(E-R Model) 이라는 표기법 개발

→ 엔티티를 사각형으로 표현, 관계를 마름모, 속성을 타원형으로 표현하는 표기법

- DAP 시험에서는 바커 표기법 사용

2) ERD 표기법을 이용하여 모델링하는 방법

- ERD는 각 업무분석에서 도출된 엔터티와 엔터티간의 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 산출물

10. 좋은 데이터 모델의 요소

1) 완전성 (Completeness)

- 업무에 필요로 하는 모든 데이터가 데이터 모델에 정의

- 데이터 모델을 검증하기 위해서 가장 먼저 확인해야 할 부분

→ 충족되지 못하면 다른 어떤 평가 기준도 의미가 없어짐

2) 중복 배제 (Non-Redundancy)

- 하나의 데이터베이스 내에 동일한 사실은 반드시 한번만 기록

3) 업무규칙 (Business Rules)

- 업무규칙을 데이터 모델에 표현하고 이를 해당 데이터 모델을 활용하는 모든 사용자가 공유할 수 있도록 제공

4) 데이터 재사용 (Data Reusability)

- 재사용성을 향상시키고자 한다면 데이터의 통합성과 독립성에 대해 충분히 고려

- 최대한 단순하게 적은 데이터를 분류하는 것이 확장성과 유연성을 고려했을 때 좋은 방법

5) 의사소통 (Communication)

- 많은 업무규칙들은 데이터 모델에 엔티티, 서브타입, 속성, 관계등의 형태로 최대한 자세하게 표현되어야 한다.

6) 통합성 (Integration)

- 기업들은 과거부터 점진적인 확장과 보완의 방법으로 정보시스템을 구축해왔기 때문에 동일한 성격의 데이터임에도 불구하고 전체 조직관점에서 보면 여려곳에서 동일한 데이터가 존재하기 마련이다. 가장 바람직한 데이터 구조의 형태는 동일한 데이터는 조직의 전체에서 한번 만 정의되고 이를 여러 다른 영역에서 참조, 활용하는 것이다.