전사 통합 데이터 모델링의 궁극적인 목적은 비즈니스 아키텍처를 지향하는 중복성(Redundancy)을 배제한 데이터 통합(Integration)이다. 비즈니스 아키텍처를 지향하는 전사적 데이터 아키텍처 (Enterprise-wide Data Architecture)를 통해 데이터 모델링이 이루어질 때 가능하다. 정보는 비즈니스 활동(Business Activity)과 그 활동을 통해 얻어지는 결과인 데이터와의 상호연관(Interaction) 모델을 통해 두 모델의 일반화(Generalization) 및 특수화(Specialization) 균형을 조절한다.

데이터의 생명주기(Lifecycle) 즉, 생성(Creation), 참조(Reference), 변경(Update), 소멸(Delete)라는 기본적인 상태(Status)를 변화시키는 것은 비즈니스 활동이다. 상호연관 모델은 CRUD 메트릭스를 통해서 비즈니스 활동이 데이터에 어떤 작용을 하는지에 대한 관련관계(Involvement)를 표시하여 중복 및 미존재 여부를 조정한다. 또한 친화성(Affinity) 분석을 통해 묶음화(Clustering)하여 비즈니스 시스템과 데이터베이스를 정의한다. 활동과 엔티티 유형(Entity Type)에 대한 생명주기 분석을 통해 상태를 변화시키는 비즈니스 활동을 맵핑시켜 상태 변화를 확인하고 조정하여 데이터와 비즈니스 활동 모델의 품질을 확신한다.

데이터 품질에 직접적인 영향을 주고 데이터에 대한 성격을 규명하고 설명하는 엔티티 유형, 관계 유형, 속성 유형에 대한 정의는 기본이다. 엔티티 유형에 대한 정의는 엔티티 무결성(Entity Integrity)과 데이터 량에 대한 변화와 성장율을 인식할 수 있다. 빅데이터 시대를 맞이하며 데이터 볼륨(Volume), 다양성(Variety), 속도(Velocity)에 대한 분석을 강조하고 있다. 관계유형은 두 엔티티의 관계비(Cardinality)와 선택성(Optionality)를 명확히 정의함으로써 참조 무결성(Referential Integrity)과 참조 경로를 설계하는 기준이 된다. 속성 유형은 도메인 무결성(Domain Integrity), 데이터 품질 측정 기준인 비즈니스 규칙을 확보할 수 있다.

데이터 모델에 대한 품질에 새로이 부각되고 있는 분야는 데이터 보안(Data Security)과 데이터 프라이버시(Data Privacy)이다. 데이터 보안은 데이터베이스에 대한 접근 권한(Privilege)을 부여하기 위한 역할자 분석에서 데이터 스튜와드쉽(Stewardship)과 데이터 클린징에 대한 책임과 권한 으로 개념을 확대해 나가고 있다. 데이터 프라이버시는 2018년 5월25일에 시행하는 EU GDPR(General Data Protection Regulation 일반 데이터 보호 법규)에 힘 입어 데이터 모델링 활동에 중요한 품질의 분야로 정립되리라 본다.

전사 통합 데이터 모델의 품질을 확보하기 위해서는 위에서 설명한 방법론적으로 점검 및 확인하는 활동을 부가하여 수행해야 하는 측면도 있지만, 모델링을 수행하는 역할자의 가치관(Paradigm)에 영향성이 크다. 현재 정부기관이나 기업에서 정보시스템을 개발하는 조직 구조는 전문적인 역할이 나누어져 있지 않고 소위 전산시스템 개발자(Computing System Developer: 기획, 분석, 설계, 구현, 테스트, 가동)로 가내수공업적 조직형태를 띠고 있다. 품질(Quality)과 생산성(Productivity)은 이율배반적(Trade-off) 관계로 가치를 통해 균형을 유지하는 매니지먼트 능력이 필요하다.

데이터 모델의 품질 보증은 엔터프라이즈의 비즈니스에 대한 지식, 책임 및 권한을 통한 장기적인 시각과 관리(Administration) 서비스 정신을 통해서만 이루어질 수 있다. 그래서 비즈니스 활동을 직접 수행하는 역할자 그룹이 데이터 아키텍트(Data Architect), 데이터 관리자(Data Administrator), 데이터베이스 관리자(Database Administrator), 리포지토리 관리자(Repository Administrator) 역할을 나누어 장기적인 활동을 해 나가야 한다. 특히 메타-데이터 리포지토리는 데이터 모델에 대한 품질 보증의 기준이고 비즈니스 영역 분석(BAA-IE 방법론) 단계이후 완성된 데이터 모델에 대한 변화 관리가 매우 중요하다.

고객 한사람 한사람의 다양한 욕구를 만족시켜 나가려는 4차 산업혁명은 고객 데이터를 기반으로 우리의 제품과 서비스에 대한 가치를 새롭게 창조하는 지식적 사고 활동을 요구한다. 엔터프라이즈는 품질 높은 전사 통합 데이터 모델을 통해 정보와 지식으로 차원 높은 혁신을 꾀하고 발전해 나가야함을 깨닫는다.

이재관 objectjk@gmail.com 필자는 30년 전, 중소기업 전산화를 위해 프로그래머로부터 출발하여 광양제철소 생산공정 진행을 위한 데이터베이스의 데이터 정합성을 관리하며 데이터 품질 분야에 첫 발을 내디뎠다. 제임스 마틴 박사의 정보공학방법론에 매료되어 기업과 정부기관의 정보전략기획 및 정보시스템 구축 프로젝트를 위한 컨설팅을 수행하였다. 최근 2년전에 DAMA International의 Korea Chapter를 설립하여 엔터프라이즈 데이터 매니지먼트(eDM) 프레임워크를 연구하며 세계의 데이터 매니지먼트 그룹들과의 연계와 지식을 보급하는 활동을 전개해 나가고 있다.

관련기사

저작권자 © 넥스트데일리 무단전재 및 재배포 금지