데이터 모델링

모델링의 정의

    1. 복잡한 "현실세계"를 단순화시켜 표현하는 것.

    2. 사물 또는 사건에 관한 양상(Aspect)이나 관점(Perspective)을 연관된 사람이나 그룹을 위하여 명확하게 하는 것.

    3. 현실 세계의 추상화된 반영.

→ 복잡한 현실세계를 일정한 표기법에 의해 표현하는 일!

 

모델링의 특징

    1. 추상화 (모형화, 가설적) : 현실세계를 일정한 형식에 맞추어 표현

    2. 단순화 : 복잡한 현실세계를 약속된 규약에 의해 제한된 표기법이나 언어로 표현

    3. 명확화 : 누구나 이해하기 쉽게 하기 위해 대상에 대한 애매모호함을 제거하고 정확하게 현상을 기술

→ 모델링: 현실세계를 추상화, 단순화, 명확화 하기 위해 일정한 표기법에 의해 표현하는 기법

 

모델링의 세 가지 관점

    * 데이터 관점 (Data, What)

        - 업무가 어떤 데터와 관련이 있는지 또는 데이터간의 관계는 무엇인지에 대해서 모델링하는 방법.

    * 프로세스 관점 (Process, How)

        - 업무가 실제 하고 있는 일은 무엇인지 또는 무엇을 해야 하는지를 모델링하는 방법. 

    * 상관 관점 (Data vs Process)

        - 업무가 처리하는 일의 방법에 따라 데이터는 어떻게 영향을 받고 있는지 모델링하는 방법.

정보 시스템을 구축하기 위한 데이터 관점의 업무 분석 기법.
현실 세계의 데이터에 대해 약속된 표기법에 의해 표현되는 과정.
데이터베이스를 구축하기 위한 분석/설계의 과정.

 

데이터 모델이 제공하는 기능

    1. 시스템을 현재 또는 원하는 모습으로 가시화.

    2. 시스템의 구조와 행동을 명세화.

    3. 시스템을 구축하는 구조화된 틀을 제공.

    4. 시스템을 구축하는 과정에서 결정한 것을 문서화.

    5. 다양한 영역에 집중하기 위해 다른 영역의 세부 사항은 숨기는 다양한 관점을 제공.

    6. 특정 목표에 따라 구체화된 상세 수준의 표현방법을 제공.

 

데이터 모델링의 중요성 및 유의점

파급효과(Leverage)

    - 시스템 구축 작업 중에서 다른 어떤 설계 과정보다 데이터 설계가 중요함. 

    - 데이터 설계 없이 개발하면 시스템의 유지보수와 지속적인 서비스가 어려움.

복잡한 정보 요구사항의 간결한 표현(Conciseness)

    - 데이터 모델은 구축할 시스템의 정보 요구사항과 한계를 가장 명확하고 간결하게 표현할 수 있는 도구.

데이터 품질 (Data Quality)

    - 데이터의 중복, 비 유연성, 비 일관성이 발생할 수 있음.

 

데이터 모델링의 3단계 진행

1. 현실세계 → 개념적 구조

    - 개념 데이터 모델링.

    - 추상화 수준이 높다. 업무 중심적이고 포괄적인 수준의 모델링. 전사적 데이터 모델링, EA 수립시 많이 사용한다.

    ※ 추상화 수준이 높다: 상세하지 않다.

 

2. 개념적 구조 → 논리적 구조

    - 논리적 데이터 모델링.

    - 시스템으로 구축하고자 하는 업무에 대해 key, 속성, 관계 등을 정확하게 표현. 재사용성이 높다.

 

3. 논리적 구조 → 물리 구조

    - 물리 데이터 모델링.

    - 실제로 데이터베이스에 이식할 수 있도록 성능, 저장 등 물리적인 성격을 고려하여 설계한다.

 

프로젝트 생명주기 (Life Cycle)에서 데이터 모델링

프로젝트 생명주기

정보전략계획 → 분석 → 설계 → 개발 → 테스트 → 전환/이행

 

정보전략계획/분석 단계: 개념적 데이터 모델링

분석 단계: 논리적 데이터 모델링

설계 단계: 물리적 데이터 모델링

정보전략계획/분석/설계 (데이터 모델링 단계)는 프로젝트 초기에 개발을 시작하기 전에 수행되어야 한다.

 

데이터 독립성의 필요성

데이터는 시간이 지남에 따라 계속해서 증가하고, 이는 유지보수 비용의 지속적인 증가로 이어진다. 

데이터 독립성은 지속적으로 증가하는 유지보수 비용을 절감하고 데이터의 복잡도를 낮추며, 중복된 데이터를 줄이기 위한 목적을 지니고 있다. 또한, 끊임없이 요구되는 사용자 요구사항에 대해 화면과 데이터베이스 간에 서로 독립성을 유지하기 위한 목적으로 데이터 독립성 개념이 출현했다.

 

즉, 유지보수 비용의 증가, 데이터의 중복성 및 복잡도 증가, 요구사항 대응 저하 등의 문제를 극복하기 위해 데이터의 독립성을 필요로 하게 됐다. 데이터의 독립성을 확보하면 각 View의 독립성을 유지하고, 계층별 View에 영향을 주지 않고 변경이 가능하다. 또한, 단계별 Schema에 따라 데이터 정의어(DDL)와 데이터 조작어(DML)가 다름을 제공한다.

 

데이터베이스 3단계 구조

ANSI/SPARC의 3단계 구성의 데이터 독립성 모델은 외부 단계, 개념적 단계, 내부적 단계로 구성된 서로 간섭되지 않는 모델을 제시하고 있다.

 

논리적 데이터 독립성에 의해 외부 단계와 개념적 단계에 대한 독립성이 유지되고, 물리적 데이터 독립성에 의해 개념적 단계와 내부적 단계에 대한 독립성이 유지된다.

 

외부 스키마 (External Schema) - 사용자 관점

    - View 단계 여러 개의 사용자 관점으로 구성. 즉, 사용자 단계로서 개개 사용자가 보는 개인적 DB 스키마.

    - DB의 개개 사용자나 응용프로그래머가 접근하는 DB 정의

개념 스키마 (Conceptual Schema) - 통합 관점

    - 개념 단계 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 그들간의 관계를 표현하는 스키마. 

내부 스키마(Internal Schema) - 물리적 관점

    - 내부 스키마로 구성. DB가 물리적으로 저장된 형식.

    - 물리적 장치에서 데이터가 실제적으로 저장되는 방법을 표현하는 스키마.

 

데이터베이스 3단계 구조에서의 데이터 독립성 2가지

논리적 독립성

    - 개념 스키마가 변경되어도 외부 스키마에는 영향을 미치지 않도록 지원하는 것.

    - 논리적 구조가 변경되어도 응용 프로그램에는 영향이 없다.

    - 사용자 특성에 맞는 변경과 통합 구조 변경이 가능하다.

물리적 독립성

    - 내부 스키마가 변경되어도 외부/개념 스키마는 영향을 받지 않도록 지원하는 것.

    - 저장 장치의 구조 변경은 응용프로그램과 개념 스키마에 영향이 없다. 

    - 물리적 구조 영향 없이 개념 구조 변경 가능.

    - 개념 구조 영향 없이 물리적인 구조 변경 가능.

 

데이터베이스 3단계 구조에서의 사상(매핑) 2가지

외부적/개념적 사상 (논리적 사상)

    - 외부적 뷰와 개념적 뷰의 상호 호환성을 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 한다.

      그래야 개념 스키마가 그대로 남아있게 된다.

 

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)

 

데이터 모델링 용어

Entity (개체) - 추상적인 개념을 나타냄

- 일반적으로 실세계의 어떤 것(thing)을 나타내는 추상적인 개념.

- 예를 들어 "고객(Customer)", "주문(Order)", "제품(Product)"과 같은 실세계 개념이 데이터 모델링에서 entity로 표현된다.

- entity는 그 자체로 특정한 데이터를 저장하지 않으며, 해당 개념의 공통된 특성이나 속성들을 나타내는 데 사용된다.

- entity는 여러 인스턴스들의 집합을 대표하며, 각 인스턴스는 해당 entity의 고유한 식별자를 갖는다.

 

Instance (인스턴스, 또는 Occurrence 발생) - 해당 개념의 실제 사례를 나타냄

- Instance는 entity의 구체적인 개별 사례를 나타낸다. 

- 예를 들어 "고객" entity의 경우 실제로 존재하는 각각의 고객 개인이나 기업이 해당 entity의 인스턴스가 된다

- entity의 instance는 해당 entity의 속성값들로 구성되며, 각 instance는 고유한 식별자(primary key)를 가지고 있어야 한다.

 

예)

Entity : "학생 (Student)" 

=> 학생들의 공통된 속성들을 표현.

 

Instance : "홍길동 학생", "임꺽정 학생" 

=> "학생" entity의 구체적인 개별 사례로, 각각의 학생들이 해당 entity의 인스턴스이다.

=> 홍길동 학생과 임꺽정 학생은 각자 다른 속성값을 갖는다.

 

 

관계 (Relationship) - entity 간의 연결을 나타냄.

- 관계는 둘 이상의 entity간의 연결을 표현한다.이 연결은 entity 사이에 존재하는 어떤 상호작용을 나타낸다.

- 예를 들어 "주문 (Order)" entity와 "제품 (Product)" entity 사이에는 "주문하는 제품" 이라는 관계가 있을 수 있다.

- 관계는 entity 사이의 정보를 유용하게 조작하고 검색하는 데 도움을 준다.

- 관계에는 일대일, 일대다, 다대다와 같은 유형이 있을 수 있다.

 

패어링 (Pairing) - 주로 다대다 관계를 구현하는 방법중 하나로, 중간 테이블 사용.

- 주로 다대다 관계를 구현하는 방식 중 하나이다.

- 다대다 관계는 한 entity가 여러 다른 entity와 연결되는 경우를 나타내는데, 이는 직접적으로 관계를 표현하기 어려울 때가 많다.

- 패어링은 중간 테이블을 사용하여 다대다 관계를 해결하는 방법으로, 이 테이블에는 연결된 entity들의 식별자가 저장된다.

- 예를 들어 "학생(student)"과 "과목(subject)"간의 다대다 관계를 패어링을 통해 해결할 수 있다. 이때 패어링 테이블에는 학생과 과목의 식별자가 저장되어 두 entity간의 관계를 표현한다. 

 

관계 예)

"주문(Order)" entity와 "제품(Product)" entity 간의 관계

=> 하나의 주문은 여러 제품을 포함할 수 있고, 하나의 제품은 여러 개의 주문에 포함될 수 있다. 

=> 이 경우, 주문과 제품 간의 관계는 일대다 관계이다.

 

패어링 예)

"학생(Student)"과 "과목(Subject)" 간의 다대다 관계

=> 각 학생은 여러 과목을 수강할 수 있으며, 각 과목은 여러 학생에게 수강되어질 수 있다. 

=> 이 경우, 학생과 과목 간의 관계는 다대다 관계이다. 이를 패어링을 사용하여 해결할 수 있다.

 

 

속성 (Attribute) - entity의 특성이나 데이터 필드

=> entity가 가지는 특성이나 데이터 필드를 나타낸다.

=> entity의 속성은 해당 entity의 특징을 기술하며, 데이터베이스나 정보 시스템에서 해당 entity의 특정 부분을 나타내는 데 사용된다. 

=> 예를 들어 "고객(Customer)" entity의 속성은 이름, 주소, 전화번호와 같은 정보일 수 있다.

=> 속성은 entity의 구조와 데이터의 형태를 결정하는 중요한 구성 요소이다.

 

속성값 (Attribute Value) - 구체적인 데이터 값

=> 특정 entity의 속성에 대한 구체적인 데이터 값이다.

=> 각각의 entity 인스턴스마다 속성값은 다를 수 있다.

=> 예를 들어 "고객(Customer)" entity의 이름 속성에 대한 속성값은 "홍길동" 과 같은 실제 이름이 될 수 있다.

=> 속성값은 entity의 인스턴스가 실제로 가지는 정보를 나타내며, 데이터베이스에서 저장 및 관리된다.

 

속성 예)

"고객 (Customer)" entity의 속성

이름, 주소, 전화번호

 

속성값 예)

"고객 (Customer)" entity에 대한 구체적인 데이터 값

홍길동, 서울특별시..., 010...

 

데이터 모델링 작업 순서

1. 엔티티(entity)를 그린다.

2. 엔티티를 적절하게 배치한다.

3. 엔티티간의 관계를 설정한다.

4. 관계명을 기술한다. 

5. 관계의 참여도를 기술한다.

6. 관계의 필수 여부를 기술한다. 

 

데이터 모델링 이해관계자

정보시스템을 구축하는 모든 사람(전문적으로 코딩만 하는 사람 포함)은 데이터 모델링도 전문적으로 할 수 있거나 적어도 완성된 모델을 정확하게 해석할 수 있어야 한다. 즉, 프로젝트에 참여한 모든 IT기술자들은 데이터 모델링에 대해 정확하게 알고 있어야 한다는 것을 의미한다.

IT기술에 종사하지 않거나 전공하지 않았더라도 해당 업무에서 정보화를 추진하는 위치에 있는 사람도 데이터 모델링에 대한 개념 및 세부사항에 대해 어느 정도 지식을 갖추고 있어야 한다.

 

좋은 데이터 모델의 요소

    - 완전성 : 업무에 필요한 데이터가 모두 정의되어야함

    - 중복 배제 : 동일한 사실은 한 번만 저장해야함

    - 업무 규칙 : 데이터 모델 분석만으로도 비즈니스 로직이 이해되어야함

    - 데이터 재사용 : 데이터 통합성과 독립성을 고려해야함

    - 의사소통 : 데이터 모델을 보고 이해당사자들끼리 의사소통이 이루어져야함

    - 통합성 : 동일한 데이터는 유일하게 정의해서 다른 영역에서 참조해야함