데이터 모델링이 중요한 이유는
파급효과leverage, 복잡한 정보 요구사항의 간결한 표현conciseness, 데이터 품질Data Quality로 정의 가능.
1. 파급효과
만약 시스템 구축 완성이 되어가는 테스트 시점에 데이터 모델 변경이 불가피한 상황 발생한다면,
이 시기의 데이터 구조 변경으로 인한 일련의 변경작업은 전체 시스템 구축 프로젝트에서 큰 위험요소이므로
시스템 구축 작업 중에서 다른 어떤 설계 과정보다 데이터 설계가 중요.
2. 복잡한 정보 요구 사항의 간결한 표현
데이터 모델은 구축할 시스템의 정보 요구 사항과 한계를 가장 명확하고 간결하게 표현 가능한 도구.
정보 요구 사항 파악하는 가장 좋은 방법은 간결하게 그려진 데이터 모델을 리뷰하면서 파악하는 것.
ex) 건축물로 비유 => 설계 도면
데이터 모델은 시스템 구축하는 많은 관련자가 설계자 생각대로 정보 요구 사항 이해하고 이를 운용 가능한 애플리케이션 개발하고 데이터 정합성을 유지하는 것.
핵심은 ‘정보 요구 사항이 정확하고 간결하게 표현되어야 한다’.
3. 데이터 품질
DB에 담겨있는 데이터는 기업의 중요 자산이자, 기간 오래될수록 활용가치가 올라감
그러나, 이런 데이터가 정확성이 떨어진다면 비즈니스 기회 상실로 연결됨.
데이터 품질의 문제는 데이터 구조 설계되고 초기에 데이터가 조금 쌓일 때엔 인지 못하는 경우 대부분,
오랜 기간 숙성된 데이터를 전략적 활용하려 하는 시점에 대두됨.
데이터 품질 문제가 야기되는 중대 이유 中 하나가 데이터 구조 때문.
즉, 중복 데이터의 미정의, 데이터 구조에서 비즈니스 정의 불충분, 동일 성격의 데이터를 통합 않고 분리함으로써 나타나는 데이터 불일치 등의 데이터 구조 문제 때문.
다음 사항들을 유의
- 중복
: 데이터 모델은 같은 데이터 사용하는 사람, 시간, 장소 파악하는 데 도움을 줌.
DB가 여러 장소에 같은 정보 저장하는 잘못을 하지 않도록 함.
- 비유연성
: 데이터 모델 어떻게 설계했는지 따라 유지보수 어려움 가중 가능성.
(사소한 업무 변화에서 데이터 모델 수시로 변경됨)
데이터의 정의를 사용 프로세스와 분리
=> 데이터 OR 프로세스의 작은 변화가 App, DB에 중대 변화 줄 가능성 줄임.
- 비일관성
: 데이터 모델 어떻게 설계했는지 따라 유지보수 어려움 가중 가능성.
(사소한 업무 변화에서 데이터 모델 수시로 변경됨)
데이터의 정의를 사용 프로세스와 분리
=> 데이터 OR 프로세스의 작은 변화가 App, DB에 중대 변화 줄 가능성 줄임.