[SQLD 학습 자료 요약] 데이터 모델링의 이해 1.1. 데이터 모델링의 이해

본 문서의 내용은 한국데이터산업진흥원에서 펴낸 SQL 전문가 가이드를 기반으로 자격증 취득에 도움이 될 개념을 정리한 것입니다.

SQL 전문가 가이드 국내도서 저자 : 한국데이터산업진흥원 출판 : 한국데이터산업진흥원 2020.05.29 상세보기

 

1. 데이터 모델링의 이해

1. 모델링의 이해

가. 모델링의 정의

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

 

모델링은 다양한 현상을 표기법에 의해 규칙을 가지고 표기하는 것 자체를 의미한다. 즉, 모델을 만들어가는 일 자체를 모델링으로 정의할 수 있다.

 

모델링에 대한 다양한 정의

1. Webster 사전
   • 가설적 또는 일정 양식에 맞춘 표현 (a hypothetical or stylized representation)
   • 어떤 것에 대한 예비 표현으로 그로부터 최종 대상이 구축되도록 하는 계획으로서 기여하는 것
2. 복잡한 '현실세계'를 단순화시켜 표현하는 것
3. 사물 또는 사건에 관한 양상(Aspect)이나 관점(Perspective)을 연관된 사람이나 그룹을 위하여 명확하게 하는 것
4. 현실 세계의 추상화된 반영

나. 모델링의 특징

1. 추상화

   현실세계를 일정한 형식에 맞추어 표현한다는 의미이다. 즉, 다양한 현상을 일정한 양식인 표기법에 의해 표현한다는 것

2. 단순화

   복잡한 현실 세계를 약속된 규약에 의해 제한된 표기법이나 언어로 표현하여 쉽게 이해할 수 있도록 하는 것

3. 명확화

   누구나 이해하기 쉽게 대상에 대한 애매모호함을 제거하고 정확하게 현상을 기술하는 것

모델링은 '현실세계를 추상화, 단순화, 명확화하기 위해 일정한 표기법에 의해 표현하는 기법'으로 정리할 수 있다.

모델링 용도

• 계획/분석/설계 단계: 업무를 분석하고 설계하는 데에 이용
• 구축/운영 단계: 변경과 관리의 목적으로 이용

다. 모델링의 3가지 관점

1. 데이터 관점 (What, Data)
   • 업무가 어떤 데이터와 관련이 있는지
   • 데이터 간의 관계는 무엇인지
2. 프로세스 관점 (How, Process)
   • 실제 하고 있는 일은 무엇인지
   • 무엇을 해야 하는지
3. 데이터와 프로세스의 상관 관점 (Interaction)
   • 업무가 처리하는 일의 방법에 따라 데이터는 어떻게 영향을 받고 있는지

---

2. 데이터 모델의 기본 개념의 이해

가. 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 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

데이터 모델링의 주요한 목적

1. 정보시스템 구축의 대상이 되는 업무 내용을 정확하게 분석하는 것
2. 분석된 모델을 가지고 실제 데이터베이스를 생성하여 개발 및 데이터 관리에 사용하기 위한 것

즉, 데이터 모델링이란

• 정보시스템을 구축하기 위한 데이터 관점의 업무 분석 기법
• 현실 세계의 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 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

가. 파급효과 (Leverage)

병행 테스트, 통합 테스트 과정에서 데이터 구조의 변경으로 이한 일련의 변경 작업은 전체 시스템 구축 프로젝트에서 큰 위험 요소이다. 그러므로 데이터 설계가 굉장히 중요하다.

나. 복잡한 정보 요구사항의 간결한 표현 (Conciseness)

많은 관련자들이 설계자의 생각대로 이해하고 이를 운용할 수 있는 어플리케이션을 개발하고 데이터 정합성을 유지할 수 있도록 하는 것

다. 데이터 품질 (Data Quality)

데이터는 기간이 오래되면 될수록 활용가치는 훨씬 높아진다.

 

이런 데이터의 정확성이 떨어지면, 이것은 소중한 비즈니스 기회를 상실할 수도 있는 문제이다. 데이터 품질의 문제가 중요한 이유가 여기에 있다.

 

데이터 모델링 유의점

1. 중복: 여러 장소에 같은 정보를 저장하는 잘못을 하지 않도록 한다.
2. 비유연성: 데이터의 정의를 사용 프로세스와 분리함으로써 작은 변화가 어플리케이션과 데이터베이스에 중도해나 변화를 일으킬 수 있는 가능성을 줄여야 한다.
3. 비일관성: 데이터와 데이터 간 상호 연관 관계에 대해 명확하게 정의하여 데이터 간에 모순이 발생하지 않도록 한다.

---

4. 데이터 모델링의 3단계 진행

현실 세계와 데이터베이스 사이의 모델 (출처: SQL 전문가 가이드)

가. 개념적 데이터 모델링 (Conceptual Data Modeling)

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

조직, 사용자의 데이터 요구사항을 찾고 분석하는 데서 시작한다.

 

어떠한 자료가 중요하며 또 어떠한 자료가 중요하며 또 어떠한 자료가 유지되어야 하는지를 결정한다.

 

주요 활동은 핵심 엔터티와 그들 간의 관계를 발견하고, 엔터티-관계 다이어그램을 생성하는 것이다.

 

개념 데이터 모델은 상위의 문제에 대한 구조화를 쉽게 하며, 사용자와 개발자가 시스템 기능에 대해서 논의할 수 있는 기반을 형성한다. 또한 현 시스템이 어떻게 변형되어야 하는가를 이해하는 데에 유용하다.

나. 논리적 데이터 모델링 (Logical Data Modeling)

시스템으로 구축하고자 하는 업무에 대해 Key, 속성, 관계 등을 정확하게 표현하며 재사용성이 높음

데이터베이스 설계 프로세스의 Input 으로써 비즈니스 정보의 논리적인 구조와 규칙을 명확하게 표현하는 기법 또는 과정이다.

 

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 기록하는 것이다.

 

가장 먼저 시작할 기초적인 업무 조사를 하는 초기단계에서부터 인간이 결정해야 할 대부분의 사항을 모두 정의하는 시스템 설계의 전 과정을 지원하는 ‘과정의 도구’라고 해야 할 것이다.

 

이 단계에서 수행하는 또 한가지 중요한 활동은 정규화이다. 정규화는 논리 데이터 모델 상세화 과정의 대표적인 활동으로, 논리 데이터 모델의 일관성을 확보하고 중복을 제거하여 속성들이 가장 적절한 엔터티에 배치되도록 함으로써 보다 신뢰성 있는 데이터구조를 얻는데 목적이 있다. 논리 데이터 모델의 상세화는 식별자 확정, 정규화, M:M 관계 해소, 참조 무결성 규칙 정의 등을 들 수 있다.

다. 물리적 데이터 모델링 (Physical Data Modeling)

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

논리 데이터 모델이 데이터 저장소로서 어떻게 컴퓨터 하드웨어에 표현될 것인가를 다룬다.

이 단계에서 결정되는 것은 테이블, 칼럼 등으로 표현되는 물리적인 저장 구조와 사용될 저장 장치, 자료를 추출하기 위해 사용될 접근 방법 등이 있다.

 

---

5. 프로젝트 생명주기(Life Cycle)에서 데이터 모델링

일반적으로는 계획, 분석 단계에서 개념적 데이터 모델링, 분석 단계에서는 논리적 데이터 모델링, 설계 단계에서는 물리적 데이터 모델링이 수행된다. 단, 현실 프로젝트에서는 개념적 데이터 모델이 생략된 개념/논리 데이터 모델링이 분석 단계 때 대부분 수행된다.

 

데이터 축과 어플리케이션축으로 구분되어 프로젝트가 진행되면서 각각에 도출된 사항은 상호 검증을 지속적으로 수행하면서 단계별 완성도를 높이게 된다. 단, 객체지향 개념은 데이터와 프로세스를 한꺼번에 바라보면서 모델링을 전개하므로 데이터 모델링과 프로세스 모델링을 구분하지 않고 일체형으로 진행(대표적인 예가 데이터(속성)와 프로세스(Method)가 같이 있는 클래스(Class))하게 된다.

 

---

6. 데이터 모델링에서 데이터 독립성의 이해

가. 데이터 독립성의 필요성

데이터독립성은 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 데이터 독립성 개념이 출현했다고 할 수 있다.

데이터 독립의 필요성 (출처: SQL 전문가 가이드)

 

데이터 독립성 확보 효과

• 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

데이터베이스 3단계 스키마 (출처: SQL 전문가 가이드)

• 외부 단계: 사용자가 처리하고자 하는 데이터 유형과 관점, 방법에 따라 다른 스키마 구조
• 개념 단계: 공통적인 사항을 처리하는 통합된 뷰를 디자인한 스키마 구조
• 내부 단계: 데이터가 물리적으로 저장된 방법에 대한 스키마 구조

다. 데이터 독립성 요소

1. 외부 스키마 (External Schema)
   • 개별 사용자 단계로서 개별 사용자가 보는 개인적 DB 스키마
   • DB의 개별 사용자나 응용프로그래머가 접근하는 DB 정의
2. 개념 스키마 (Conceptual Schema)
   • 하나의 스키마로 구성되어 모든 사용자 관점을 통합한 조직 전체의 DB를 기술
   • DB에 저장되는 데이터와 그들 간의 관계를 표현하는 스키마
3. 내부 스키마 (Interanl Schema)
   • DB가 물리적으로 저장된 형식
   • 물리적 장치에 데이터가 실제적으로 저장되는 방법을 표현하는 스키마

데이터 모델링은 통합 관점의 뷰를 가지고 있는 개념 스키마를 만들어가는 과정

라. 두 영역의 데이터 독립성

1. 논리적 독립성
   • 개념 스키마가 변경되어도 외부 스키마에는 영향을 미치지 않도록 지원
   • 논리적 구조가 변경되어도 응용 프로그램에 영향이 없음
2. 물리적 독립성
   • 내부 스키마가 변경되어도 개념/외부 스키마는 영향을 받지 않도록 지원
   • 저장 장치의 구조 변경은 응용 프로그램과 개념 스키마에 영향이 없음

마. 사상 (Mapping)

사상은 상호 독립적인 개념을 연결시켜주는 다리를 뜻한다.

1. 논리적 사상
   • 외부적 뷰와 개념적 뷰의 상호 관련성을 정의
   • 외부 화면이나 사용자에게 인터페이스하기 위한 스키마 구조는 개념적 스키마와 연결된다는 것
   • 사용자가 접근하는 형식에 따라 다른 타입의 필드를 가질 수 있음
   • 개념적 뷰의 필드 타입은 변화가 없음
2. 물리적 사상
   • 개념적 뷰와 저장된 데이터베이스의 상호관련성 정의
   • 개념적 스키마 구조와 물리적인 테이블스페이스와 연결되는 구조를 뜻함
   • 데이터베이스 구조가 바뀐다면 개념적/내부적 사상이 바뀌어야 함. 그래야 개념적 스키마가 그대로 남아있게 됨

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

 

---

7. 데이터 모델링의 중요한 3가지 개념

가. 데이터 모델링의 3가지 요소

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

예시) '이주일과 심순애는 연인 사이이다. 이주일은 키가 180cm에 성격은 친절하고, 심순애는 키가 165cm에 세심하며 활달한 성격을 가지고 있다.'

1. 엔터티 = 이주일, 심순애
2. 속성: 180cm에 성격은 친절, 165cm에 세심하며 활달한 성격
3. 관계: 연인 사이

나. 단수와 집합(복수)의 명명

용어 구분 정의 (출처: SQL 전문가 가이드)

---

8. 데이터 모델링의 이해관계자

가. 이해관계자의 데이터 모델링 중요성 인식

실전 프로젝트에서는 데이터베이스를 전문적으로 하는 이른바 DBA(DataBase Administrator)가 데이터 모델링을 전적으로 하는 예는 거의 없다. 오히려 업무시스템을 개발하는 응용시스템 개발자가 데이터 모델링도 같이 하게 된다. 그 이유는 데이터 모델링이라는 과정이 단지 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 때문에 업무 영역별 개발팀에서 보통 데이터 모델링을 진행하게 되는 것이다.

나. 데이터 모델링의 이해관계자

1. 정보시스템을 구축하는 모든 IT 기술자
2. 해당 업무에서 정보화를 추진하는 업무담당자

---

9. 데이터 모델의 표기법인 ERD의 이해

가. 데이터 모델 표기법

• 엔터티 = 사각형
• 관계 = 마름모
• 속성 = 타원형

ERD 표기법별 차이점 (출처: SQL 전문가 가이드)

나. ERD 표기법을 이용하여 모델링하는 방법

ERD 는 각 업무분석에서 도출된 엔터티와 엔터티간의 관계를 이해하기 쉽게 도식화된 다이어그램으로 표시하는 방법으로서 실제 프로젝트에서는 도식화된 그림 정도로만 생각하지 않고 해당 업무에서 데이터의 흐름과 프로세스와의 연관성을 이야기하는 데 가장 중요한 표기법이자 산출물이다.

 

ERD 작업 순서

1. 엔터티 그리기
2. 적절하게 엔터티 배치
3. 엔터티 간 관계 설정
4. 관계명 기술
5. 관계의 참여도 기술
6. 관계의 필수여부 기술

데이터 모델링에서도 가장 중요한 엔터티를 왼쪽상단에 배치하고 이것을 중심으로 다른 엔터티를 나열하면서 전개하면 사람의 눈이 따라가기에 편리한 데이터 모델링을 전개할 수 있다. 해당 업무에서 가장 중요한 엔터티는 왼쪽 상단에서 조금 아래쪽 중앙에 배치하여 전체 엔터티와 어울릴 수 있도록 하면 향후 관계를 연결할 때 선이 꼬이지 않고 효과적으로 배치할 수 있게 된다.

 

엔터티간에 관계를 설정하도록 한다. 초기에는 모두 Primary Key 로 속성이 상속되는 식별자 관계를 설정하도록 한다. 중복되는 관계가 발생되지 않도록 하고 Circle 관계도 발생하지 않도록 유의하여 작성하도록 한다.

 

관계이름은 현재형을 사용하고 지나치게 포괄적인 용어(예, 이다, 가진다 등)는 사용하지 않도록 한다.

 

관계가 참여하는 성격 중 엔터티내에 인스턴스들이 얼마나 관계에 참여하는 지를 나타내는 관계차수(Cardinality)를 표현한다. IE 표기법으로는 하나(1, One)의 관계는 실선으로 표기하고 Barker 표기법으로는 점선과 실선을 혼합하여 표기한다. 다수참여(Many)의 관계는 까마귀발과 같은 모양으로 그려준다. 또한 관계의 필수/선택표시는 관계선에 원을 표현하여 ERD 를 그리도록 한다.

IE 표기법과 Barker 표기법을 따른 ERD 예시 (출처: SQL 전문가 가이드)

---

10. 좋은 데이터 모델의 요소

가. 완전성 (Completeness)

업무에서 필요로 하는 모든 데이터가 데이터 모델에 정의되어 있어야 한다. 데이터 모델을 검증하기 위해서 가장 먼저 확인해야 할 부분이다. 이 기준이 충족되지 못하면 다른 어떤 평가 기준도 의미가 없어진다.

나. 중복 배제 (Non-Redundancy)

하나의 데이터베이스 내에 동일한 사실은 반드시 한 번만 기록하여야 한다. 데이터 중복 관리로 인해서 여러 가지 바람직하지 않은 형태의 데이터 관리 비용을 지불할 수 있다. 예를 들면, 저장공간의 낭비, 중복 관리되고 있는 데이터의 일관성을 유지하기 위한 추가적인 데이터 조작 등이 대표적으로 낭비되는 비용이라고 볼 수 있다.

다. 업무 규칙 (Business Rules)

데이터 모델에서 매우 중요한 요소 중 하나가 데이터 모델링 과정에서 도출되고 규명되는 수많은 업무규칙(Business Rules)을 데이터 모델에 표현하고 이를 해당 데이터 모델을 활용하는 모든 사용자가 공유할 수 있도록 제공하는 것이다. 특히, 데이터 아키텍처에서 언급되는 논리 데이터 모델 (Logical Data Model)에서 이러한 요소들이 포함되어야 함은 매우 중요하다. 이를 통해 모든 사용자가 해당 규칙에 대해서 동일한 판단을 하고 데이터를 조작할 수 있게 된다.

라. 데이터 재사용 (Data Reusability)

신규 정보시스템의 구축 작업은 회사 전체 관점에서 공통 데이터를 도출하고 이를 전 영역에서 사용하기에 적절한 형태로 설계하여 시스템을 구축하게 된다. 이러한 형태의 데이터 설계에서 가장 중요하게 대두되는 것이 통합 모델이다. 통합 모델이어야만 데이터 재사용성을 향상시킬 수 있다.

 

많은 기업들이 정보시스템을 구축하는 과정에서 데이터 구조의 확장성, 유연성에 많은 노력을 기울이고 있다. 결국 현대의 기업들이 동종의 타 기업으로부터 경쟁 우위에 자리매김하려고 하다면 구축하는 데이터 모델은 이러한 외부의 업무 환경 변화에 대해서 유연하게 대응할 수 있어야 한다.

 

확장성을 담보하기 위해서는 데이터 관점의 통합이 불가피하다. 특히 정보시스템에서의 ‘행위의 주체’가 되는 집합의 통합, ‘행위의 대상’이 되는 집합의 통합, ‘행위 자체’에 대한 통합 등은 전체 정보시스템의 안정성, 확장성을 좌우하는 가장 중요한 요소이다. 데이터 모델이 갖추어야 하는 중요한 요소 중에 하나는 기업이 관리하고자 하는 데이터를 합리적으로 균형이 있으면서도 단순하게 분류하는 것이다.

마. 의사소통 (Communication)

많은 업무 규칙들은 데이터 모델에 엔터티, 서브타입, 속성, 관계 등의 형태로 최대한 자세하게 표현되어야 한다. 이러한 업무 규칙들을 많은 관련자들이 동일한 의미로 받아들이고 정보시스템을 활용할 수 있게 하는 역할을 하게 된다. 즉, 데이터 모델이 진정한 의사소통의 도구로서의 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. 물론 이 때에 성능 등의 부가적인 목적으로 의도적으로 데이터를 중복시키는 경우는 존재할 수 있다. 동일한 성격의 데이터를 한 번만 정의하기 위해서는 공유 데이터에 대한 구조를 여러 업무 영역에서 공동으로 사용하기 용이하게 정의할 수 있어야 한다. 이러한 이유로 데이터 아키텍처의 중요성이 한층 더 부각되고 있다.

 

---

↓SQL 전문가 가이드 요약 목록

1장. 데이터 모델링의 이해

Part 1. 데이터 모델링의 이해

1.1. 데이터 모델링의 이해

1.2. 엔터티

1.3. 속성

1.4. 관계

1.5. 식별자

 

Part 2. 데이터 모델과 성능

2.1. 성능 데이터 모델링 개요

2.2. 정규화와 성능

2.3. 반정규화와 성능

2.4. 대량 데이터에 따른 성능

2.5. 데이터베이스 구조와 성능

2.6. 분산 데이터베이스와 성능

 

2장. SQL 기본 및 활용

Part 1. SQL 기본

1.1. 관계형 데이터베이스 개요

1.2. DDL

1.3. DML

1.4. TCL

1.5. WHERE 절

1.6. 함수 (FUNCTION)

1.7. GROUP BY, HAVING 절

1.8. ORDER BY 절

1.9. 조인 (JOIN)

 

Part 2. SQL 활용

2.1. 표준 조인

2.2. 집합 연산자

2.3. 계층형 질의와 셀프 조인

2.4. 서브쿼리

2.5. 그룹 함수

2.6. 윈도우 함수

2.7. DCL

2.8. 절차형 SQL

 

Part 3. SQL 최적화 기본원리

3.1. 옵티마이저와 실행계획

3.2. 인덱스 기본

3.3. 조인 수행 원리

 

따로 PDF 파일이 필요하신 분은 댓글을 통해 메일 주소 적어주시기 바랍니다.