모델링의 이해
가. 모델링의 정의
- 모델이라고 하는 것은 모형, 축소형의 의미로서 사람이 살아가면서 나타날 수 있는 다양한 현상에 대해서 일정한 표기법에 의해 표현해 놓은 모형이라고 할 수 있다.
- 사람이 살아가면서 나타날 수 있는 다양한 현상은 사람, 사물, 개념 등에 의해 발생된다고 할 수 있으며 모델링은 이것을 표기법에 의해 규칙을 가지고 표기하는 것 자체를 의미한다.
현실세계 –> 추상화(모형화), 단순화, 명확화 –> 모델(MODEL)
Webster 사전
가설적 또는 일정 양식에 맞춘 표현
어떤 것에 대한 예비표현으로 그로부터 최종대상이 구축되도록 하는 계획으로서 기여하는 것
- 복잡한 ‘현실세계’를 단순화시켜 표현하는 것
- 모델이란 사물 또는 사건에 관한 양상이나 관점을 연관된 사람이나 그룹을 위하여 명확하게 하는 것
- 모델이란 현실 세계의 추상화된 반영
나. 모델링의 특징
- 추상화(모형화, 가설적) : 현실세계를 일정한 형식에 맞추어 표현, 다양한 현상을 일정한 양식인 표기법에 의해 표현
- 단순화 : 복잡한 현실세계를 약속된 규약에 의해 제한된 표기법이나 언어로 표현
- 명확화 : 누구나 이해하기 쉽게 하기 위해 대상에 대한 애매모호함을 제거하고 정확하게 현상을 기술
‘현실세계를 추상화, 단순화, 명확화하기 위해 일정한 표기법에 의해 표현하는 기법’
다. 모델링의 세 가지 관점
모델링은 크게 세 가지 관점으로 구분하여 설명할 수 있다.
모델링 = 데이터관점(Data, What) + 프로세스관점(Process, How)
상관관점(Data vs Process)
- 데이터 관점 : 업무가 어떤 데이터와 관련이 있는지 또는 데이터간의 관계는 무엇인지에 대해서 모델링하는 방법(What, Data)
- 프로세스 관점 : 업무가 실제하고 있는 일은 무엇인지 또는 무엇을 해야하는지를 모델링하는 방법(How, Process)
- 데이터와 프로세스의 상관관점 : 업무가 처리하는 일의 방법에 따라 데이터는 어떻게 영향을 받고 있는지 모델링하는 방법(Interaction)
데이터 모델의 기본 개념의 이해
가. 데이터 모델링의 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 규칙에 대하여 참 또는 거짓을 판별할 수 있는 사실(사실명제)을 데이터에 접근하는 방법(How), 사람(Who), 전산화와는 별개의 관점에서 이를 명확하게 표현하는 추상화 기법
데이터 모델링을 하는 주요한 이유는
첫째, 업무정보를 구성하는 기초가 되는 정보들을 일정한 표기법에 의해 표현함으로써 정보시스템 구축의 대상이 되는 업무 내용을 정확하게 분석하는 것
둘째, 분석된 모델을 가지고 실제 데이터베이스를 생성하여 개발 및 데이터 관리에 사용하기 위한 것
데이터모델링이란..
- 정보시스템을 구축하기 위한 데이터관점의 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 가시화
- 시스템의 구조와 행동을 명세화
- 시스템을 구축하는 구조화된 틀을 제공
- 시스템을 구축하는 과정에서 결정한 것을 문서화
- 다양한 영역에 집중하기 위해 다른 영역의 세부 사항은 숨기는 다양한 관점을 제공
- 특정 목표에 따라 구체화된 상세 수준의 표현방법을 제공
데이터 모델링의 중요성 및 유의점
데이터모델링이 중요한 이유
가. 파급효과(Leverage)
시스템 구축이 완성되어 가는 시점에서 많은 애플리케이션들이 테스트를 수행하고 대규모의 데이터 이행을 성공적으로 수행하기 위한 많은 단위 테스트들이 수행되고 이러한 과정들이 반복된다. 만약 이러한 시점에서 데이터 모델의 변경이 불가피한 상황이 발생한다고 가정한다면, 데이터 구조의 변경에 따른 표준 영향 분석, 응용 변경 영향 분석 등 많은 영향 분석이 일어난다. 데이터 구조의 변경으로 인한 일련의 변경작업은 전체 시스템 구축 프로젝트에서 큰 위험요소가 아닐 수 없다. 이러한 이유로 인해 시스템 구축 작업 중에서 다른 어떤 설계 과정보다 데이터 설계가 더 중요하다고 볼 수 있다.
나. 복잡한 정보 요구사항의 간결한 표현(Conciseness)
데이터 모델은 구축할 시스템의 정보 요구사항과 한계를 가장 명확하고 간결하게 표현할 수 있는 도구. 정보 요구사항을 파악하는 가장 좋은 방법은 수많은 페이지의 기능적인 요구사항을 파악하는 것보다 간결하게 그려져 있는 데이터 모델을 리뷰하면서 파악하는 것이 훨씬 빠른 방법이다. 데이터 모델은 시스템을 구축하는 많은 관련자들이 설계자의 생각대로 정보요구사항을 이해하고 이를 운용할 수 있는 애플리케이션을 개발하고 데이터 정합성을 유지할 수 있도록 하는 것이다.
다. 데이터 품질(Data Quality)
데이터베이스에 담겨 있는 데이터는 기업의 중요한 자산이다. 이 데이터는 기간이 오래되면 될수록 활용가치가 훨씬 높아진다. 그런데 이 데이터들이 그저 그런 정확성이 떨어지는 데이터라고 한다면 어떨까? 이것은 해당 데이터로 얻을 수 있었던 소중한 비즈니스의 기회를 상실할 수도 있는 문제이다.
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 등이 있다.
데이터 모델링을 할 때 유의점은 다음과 같다.
중복(Duplication)
같은 데이터를 사용하는 사람, 시간, 장소등 데이터베이스가 여러 장소에 같은 정보를 저장하는 잘못을 하지 않도록 한다.
비유연성(Inflexibility)
데이터의 정의를 데이터의 사용 프로세스와 분리함으로써 데이터 모델링은 데이터 혹은 프로세스의 작은 변화가 애플리케이션과 데이터베이스에 중대한 변화를 일으킬 수 있는 가능성을 줄인다.
비일관성(Inconsistency)
예를 들어 신용상태에 대한 갱신 없이 고객의 납부 이력 정보를 갱신하는 것이다. 데이터 모델링을 할 때 데이터와 데이터간 상호 연관 관계에 대한 명확한 정의는 이러한 위험을 사전에 예방할 수 있도록 해준다.
- 데이터 모델링의 3단계 진행
데이터 모델링 | 내용 |
개념적 데이터 모델링 | 추상화 수준이 높고 업무중심적이고 포괄적인 수준의 모델링 진행. 전사적 데이터 모델링, EA 수립시 많이 이용 |
논리적 데이터 모델링 | 시스템으로 구축하고자 하는 업무에 대해 Key, 속성, 관계 등을 정확하게 표현, 재사용성이 높음 |
물리적 데이터 모델링 | 실제로 데이터베이스에 이식할 수 있도록 성능 저장 등 물리적인 성격을 고려하여 설계 |
가. 개념적 데이터 모델링(Conceptual Data Modeling)
- 조직, 사용자의 데이터 요구사항을 찾고 분석하는데서 시작
- 어떠한 자료가 중요하고 어떠한 자료가 유지되어야하는지를 결정
- 핵심 엔티티와 그들 간의 관계를 발견하고, 그것을 표현하기 위해 엔티티-관계 다이어그래을 생성 하는 것
- 개념 데이터 모델을 통해 사용자와 시스템 개발자가 데이터 요구사항을 발견하는 것을 지원하고, 개념 데이터 모델은 현 시스템이 어떻게 변형되어야 하는가를 이해하는데 유용하다
나. 논리적 데이터 모델링(Logical Data Modeling)
– 비즈니스 정보의 논리적인 구조와 규칙을 명확하게 표현하는 기법 또는 과정. 논리 데이터 모델링의 결과는 데이터
모델링이 최종적으로 완료된 상태라고 정의할 수 있다.(물리적인 스키마를 설계 하기 전 단계)
– 핵심은 어떻게 데이터에 액세스하고, 누가 데이터에 액세스하며, 그러한 액세스의 전산화와는 독립적으로 다시 말해서 누가(Who), 어떻게(How:Process) 그리고 전산화와는 별개로 비즈니스 데이터에 존재하는 사실들을 인식하여 기록 하는 것
– 이 활동에서 중요한 것은 정규화, 일관성을 확보하고 중복을 제거하여 속성들이 가장 적절한 엔티티에 배치되도록 함
다. 물리적 데이터 모델링(Physical Data Modeling)
– 논리 데이터 모델이 데이터 저장소로서 어떻게 컴퓨터 하드웨어에 표현될 것인가를 다룬다.
– 데이터가 물리적으로 컴퓨터에 어떻게 저장될 것인가에 대한 정의를 물리적 스키마라고 한다.
프로젝트 생명주기(Life Cycle)에서 데이터 모델링
데이터 모델링에서 데이터 독립성의 이해
가. 데이터 독립성의 필요성
- 어떤 단위에 대해 독립적인 의미를 부여하고 그것을 효과적으로 구현하게 되면 자신이 가지는 고유한 특징을 명확하게 할 뿐만 아니라 다른 기능의 변경으로 부터 쉽게 변경되지 않고 자신의 고유한 기능을 제공하는 장점을 가지게 된다.
- 데이터 독립성의 필요성 : 유지보수 비용증가, 데이터 중복성 증가, 데이터 복잡도 증가, 요구사항 대응 저하
데이터 독립성을 확보하게 되면 다음과 같은 효과를 얻을 수 있다.
- 각 View의 독립성을 유지하고 계층별 View에 영향을 주지 않고 변경이 가능하다.
- 단계별 Schema에 따라 데이터 정의어(DDL)와 데이터 조작어(DML)가 다름을 제공한다.
나. 데이터베이스 3단계 구조
외부단계 : 사용자와 가까운 단계로 사용자 개개인이 보는 자료에 대한 관점
개념적단계 : 사용자가 처리하는 데이터 유형의 공통적인 사항을 처리하는 통합된 뷰를 스키마 구조로 디자인한 형태
내부적단계 : 데이터가 물리적으로 저장된 방법에 대한 스키마 구조
다. 데이터독립성 요소
라. 두 영역의 데이터독립성
마. 사상(Mapping)
상호 독립적인 개념을 연결시켜주는 다리를 뜻한다.
- 논리적 사상 : 외부 화면이나 사용자에게 인터페이스 하기 위한 스키마 구조는 전체가 통합된 개념적 스키마와 연결되는 구조
- 물리적 사상 : 통합된 개념적 스키마 구조와 물리적으로 저장된 구조의 물리적인 테이블스페이스와 연결되는 구조
데이터 모델링의 중요한 세 가지 개념
가. 데이터 모델링의 세 가지 요소
- 업무가 관여하는 어떤 것(Things) – 엔티티
- 어떤 것이 가지는 성격(Attributes) – 속성
- 업무가 관여하는 어떤 것 간의 관계(Relationships) – 관계
나. 단수와 집합(복수)의 명명
데이터 모델링의 이해관계자
가. 이해관계자의 데이터 모델링 중요성 인식
- DBA가 모델링을 직접적으로 하는 예는 거의 없다.
- 업무시스템을 개발하는 개발자가 데이터 모델링을 같이하게 된다 –> 데이터베이스를 설계한다는 측면보다 업무를 이해하고 분석하여 표현하는 것이 중요하고, 표현된 내용을 바탕으로 프로젝트 관련자와 의사소통하고 프로그램이나 다른 표기법과 비교 검증하는 일을 수행하는 등 많은 시간을 업무를 분석하고 설계하는데 할애하기 때문.
- 물론 시스템이 대형화 되면 전문 모델러가 투입되기도함, 이런 경우 실제 모델링 작업은 응용개발을 하는 사람이나 업무분석가가 담당하고 모델러나 DBA는 정확하게 모델링이 진행될 수 있도록 교육하고 제시
나. 데이터 모델링의 이해관계자
누가 데이터 모델링에 대해 연구하고 학습해야 하나?
- 정보시스템을 구축하는 모든사람, 데이터 모델링도 전문적으로 할 수 있거나 적어도 완성된 모델을 정확하게 해석할 수 있어야 한다.
IT기술에 종사하거나 전공하지 않았더라도 해당 업무에서 정보화를 추진하는 위치에 있는 사람도 데이터 모델링에 대한 개념 및 세부사항에 대해 어느 정도 지식을 가지고 있어야 한다.
데이터 모델의 표기법인 ERD의 이해
나. ERD 표기법을 이용하여 모델링 하는 방법
ERD 작업 순서
- 엔티티 배치
일반적으로 사람의 눈은 왼쪽에서 오른쪽, 위 쪽에서 아래쪽으로 이동하는 경향이 있다. 가장 중요한 엔티티를 왼쪽 상단에 배치하고 이것을 중심으로 다른 엔티티를 나열하면서 전개하면 사람의 눈이 따라가기에 편함
- ERD 관계의 연결
배치가 끝나면 관계를 정의한 분석서를 보고 서로 관련있는 엔티티간에 관계를 설정하도록 한다. 초기에는 모두 Primary Key로 속성이 상속되는 식별자 관계를 설정하도록 한다.
ERD 관계명의 표시
관계 설정이 완료되면 연결된 관계에 관계이름을 부여한다. 지나치게 포괄적인 용어(ex. 이다, 가진다 등)는 자제
ERD 관계 관계차수와 선택성 표시
관계에 대한 이름을 모두 지정하였으면 관계가 참여하는 성격 중 엔티티내에 인스턴스들이 얼마나 관계에 참여하는 지를 나타내는 관계차수를 표현한다.
좋은 데이터 모델의 요소
가. 완전성(Completeness)
- 업무에서 필요로하는 모든 데이터가 데이터 모델에 정의되어 있어야 한다.
나. 중복배제(Non-Redundancy)
- 하나의 데이터베이스 내에 동일한 사실은 반드시 한 번만 기록하여야 한다. 예를 들면, 하나의 테이블에서 ‘나이’컬럼과 ‘생년월일’컬럼이 동시에 존재한다면 데이터 중복이라 볼 수 있다.
다. 업무 규칙(Business Rules)
- 데이터 모델에서 매우 중요한 요소 중 하나가 데이터 모델링 과정에서 도출되고 규명되는 수 많은 업무규칙을 데이터 모델에 표현하고 이를 해당 데이터 모델을 활용하는 모든 사용자가 공유할 수 있도록 제공 하는 것, 각 회사마다 다른 업무규칙을 데이터 모델에 나타내야 한다.
라. 데이터 재사용(Data Reusability)
- 데이터의 재사용성을 향상시키고자 한다면 데이터의 통합성과 독립성에 대해서 충분히 고려해야함
- 과거의 정보시스템은 부서단위의 정보시스템이었지만 현재 대부분의 정보시스템은 회사 전체 관점에서 공통 데이터를 도출하고 이를 설계한다.
- 데이터 모델이 갖추어야 하는 중요한 요소 중에 하나는 기업이 관리하고자 하는 데이터를 합리적으로 균형 있으면서도 단순하게 분류 하는 것
마. 의사소통(Communication)
- 데이터 모델은 하나의 의사소통 수단
- 업무 규칙 및 엔티티, 서브타입, 속성, 관계 등의 형태로 최대한 자세하게 표현되어야 함
- 해당 정보시스템 운용, 관리하는 많은 관련자들이 설계자가 정의한 업무 규칙들을 동일한 의미로 받아들이고 정보시스템을 활용할 수 있게 하는 역할을 하게 된다.
바. 통합성(Integration)
가장 바람직한 데이터 구조의 형태는 동일한 데이터는 조직의 전체에서 한번 만 정의되고 이를 여러 다른 영역에서 참조, 활용하는 것이다.