논리 데이터베이스 설계 7

06. 논리 데이터 모델 품질 검증

01. 좋은 데이터 모델의 요건

1) 좋은 데이터 모델의 필요성

• 일반적으로 시스템 구축 과정에서 생성되는 데이터 모델은 품질을 평가하는 것이 매우 어려움
• 특정 데이터 모델이 업무 환경에서 요구하는 사항을 얼마나 시스템적으로 잘 구현할 수 있는가를 객관적으로 평가할 수 있다면 가장 좋은 평가 방법이겠지만, 객관적으로 평가할 수 있는 기준이 존재하지 않는 것이 현실

2) 좋은 데이터 모델의 요건

1. 완전성(Completeness)
   • 업무에서 필요로 하는 모든 데이터가 데이터 모델에 정의되어 있어야 함
   • 완전성은 데이터 모델을 검증하기 위해서 가장 먼저 확인해야 할 부분
   • 완전성이 충족되지 못하면 다른 어떤 평가 기준도 의미가 없어짐
2. 중복 배제(Non-Redundancy)
   • 하나의 데이터베이스 내에 동일한 사실은 반드시 한 번만 기록하여야 함
   • 데이터 중복 관리로 인해 여러 가지의 바람직하지 않은 형태의 데이터 관리 비용을 지불할 수 있음
   • 성능 등의 부가적인 목적에 따라 의도적으로 데이터를 중복시키는 경우도 존재할 수 있음
3. 비즈니스 규칙(Business Rules)
   • 데이터 모델에서 매우 중요한 요건 중에 하나로 데이터 모델링 과정에서 도출됨
   • 수많은 비즈니스 규칙을 데이터 모델에 표현하고 이를 해당 데이터 모델을 활용하는 모든 사용자가 그 규칙을 공유할 수 있도록 하는 것
   • 데이터 아키텍처에서 언급되는 논리 데이터 모델에서 이러한 요소들이 포함되어야함은 매우 중요한 요건이라고 할 수 있음
4. 데이터 재사용(Data Reusability)
   • 데이터의 재사용성을 향상시키기 위해서는 데이터의 통합성과 독립성에 대해 충분히 고려해야 함
   • 과거에는 철저하게 부서 또는 기능 단위의 정보 시스템으로 설계되고 운용되었으나 현재에는 대부분의 회사에서 전사적 관점에서 공통 데이터를 도출하여 전 영역에서 사용하기에 적절한 형태로 설계하여 시스템을 구축함
   • 데이터 설계에서 가장 중요하게 대두되는 것이 통합 모델로 통합 모델이어야만 데이터 재사용성을 향상시킬 수 있음
   • 데이터가 애플리케이션에 대해 독립적으로 설계되어야만 데이터 재사용성을 향상시킬 수 있음
5. 안정성 및 확장성(Stability and Flexibility)
   • 정보 시스템은 비즈니스의 변화에 대해 최적으로 적응하도록 끊임없이 요구받고 있으며, 이런 요구에 대응하기 위해 데이터 구조적으로 아주 많은 변화를 주어야만 하는 경우가 있음
   • 많은 변화는 대상이 되는 부분 뿐만 아니라 정보 시스템의 나머지 부분들도 많은 영향을 받게 될 것이기 때문에 많은 기업이 정보 시스템을 구축하는 과정에서 데이터 구조의 확장성, 유연성에 많은 노력을 기울이고 있음
   • 근래의 많은 패키지 시스템이 가지고 있는 데이터 모델들은 확장성을 강조하기 위해서 많은 부분을 통합한 데이터 모델 형태를 가지고 있는 것을 볼 수 있음
6. 간결성(Elegance)
   • 아무리 효율적으로 데이터를 잘 관리할 수 있더라도 사용, 관리 측면에서 복잡하다면 잘 만들어진 데이터 모델이라고 할 수 없음
   • 동종의 비즈니스를 영위하는 기업이라고 하더라도 각 회사의 데이터 모델을 비교해 보면 복잡도에서 많은 차이가 있는 것을 볼 수 있음
   • 간결한 모델의 기본적인 전제는 통합
   • 합리적으로 잘 정돈된 방법으로 데이터를 통합하면 데이터의 집합을 정의하고, 이를 데이터 모델로 잘 표현하여 활용한다면 웬만한 업무 변화에도 데이터 모델이 영향을 받지 않고 운용될 수 있음
7. 의사소통(Communication)
   • 데이터 모델의 역할 중 중요한 요소
   • 데이터 분석 과정에서는 자연스럽게 많은 업무 규칙이 도출되고, 이 과정에서 도출되는 많은 업무 규칙은 개체, 서브타입, 속성, 관계 등의 형태로 최대한 자세하게 표현되어야 함
   • 즉, 데이터 모델이 진정한 의사소통의 도구 역할을 하게 됨
8. 통합성(Integration)
   • 기업들이 과거로부터 정보 시스템을 구축해 왔던 방법은 개별 업무별로의 단위 정보 시스템을 구축하여 현재까지 유지보수를 해오고 있음
   • 점진적인 확장과 보완의 방법으로 정보 시스템을 사용해 왔기 때문에 동일한 성격의 데이터임에도 불구하고 전체 조직 관점에서 보면 여러 곳에서 동일한 데이터가 존재할 수밖에 없음
   • 고객, 상품 등과 같이 마스터 성격의 데이터들이 분할되어 관리됨으로 인해 전체 조직 관점의 데이터 품질, 관리, 활용, 관점에서 많은 문제점이 나타남
   • 가장 바람직한 데이터 구조의 형태는 동일한 데이터는 조직 전체에서 한 번만 정의되고 이를 여러 다른 영역에서 참조, 활용하는 것

---

02. 데이터 모델 품질 검증 기준

1) 데이터 모델 품질 검증 기준의 개념

• 논리 데이터 모델 품질 검토의 목적은 완벽한 모델보다 조직에 적합한 모델의 관점에서 생각해야 함
• 논리 데이터 모델의 품질 기준은 조직에 따라 혹은 업무 상황이나 여건에 따라 가감하거나 변형하여 사용할 수 있음

데이터 모델의 품질 기준

1. 정확성
   • 데이터 모델이 표기법에 따라 정확하게 표현되었고, 업무 영역 또는 요구사항이 정확하게 반영되었음을 의미
   • 대상 업무 영역의 업무 개념과 내용이 정확하게 표현되었는지 요구사항의 내용이 정확하게 반영되었는가를 평가함
2. 완전성
   • 데이터 모델의 구성 요소를 정의하는 데 있어서 누락을 최소화하고, 요구사항 및 업무 영역 반영에 있어서 누락이 없음을 의미
   • 목적하는 업무 영역을 설계하는 데 있어서 논리 데이터 모델 구성 요소들이 누락 없이 사용되었는가를 평가함
3. 준거성
   • 제반 준수 요건들이 누락 없이 정확하게 준수되었음을 의미
   • 데이터 표준, 표준화 규칙, 법적 요건을 준수하였는가를 평가함
4. 최신성
   • 데이터 모델이 현행 시스템의 최신 상태를 반영하고 있고, 이슈 사항들이 지체없이 반영되고 있음을 의미
   • 업무상의 변경이나 결정 사항 등이 시기에 적절하게 반영되고 있는지, 최근의 이슈 사항이 반영되었는가를 평가함
5. 일관성
   • 여러 영역에서 공통으로 사용되는 데이터 요소가 전사 수준에서 한 번만 정의되고 이를 여러 다른 영역에서 참조 및 활용되면서, 모델 표현상의 일관성을 유지하고 있는가를 평가함
6. 활용성
   • 작성된 모델과 그 설명 내용이 이해 관계자에게 의미를 충분하게 전달할 수 있으면서, 업무 변화 시에 설계 변경이 최소화되도록 유연하게 설계되어 있음을 의미
   • 오류가 적고 업무 변화에 유연하게 대응하여 데이터 구조의 변경이 최소화될 수 있는가를 평가함