SlideShare a Scribd company logo
1 of 9
날짜
본사
담당
자
데이터 모델이론 개념모델링
날짜 2021.03.18
발표자 데이터스 이지영
INDEX
1. 데이터 모델이론 | 식별자
1) 식별자 정의 및 분류
2) 식별자 상속
2. 개념 모델링
1) 정의 및 절차
2) 주제영역 도출 분류 및 정의
3) 주제영역 도출 분류예시
1. 데이터모델 이론/식별자 | 식별자 정의 및 분류
정의 인스턴스를 개별로 식별할 수 있는 속성(들)
분류기준 실 업무에서 자연적으로 가지는 속성인지 인조적으로 추가한
속성인지 여부에 따름.
종류
• 본질 식별자: 일반적으로 업무에서 통용되는 식별자
• 인조 식별자: 데이터효율관리 위해 별도 추가된 식별자
1. 데이터모델 이론/식별자 | 식별자 상속
식별관계 일반적으로 업무에서 통용되는 식별자
비식별관계 데이터효율관리 위해 별도 추가된 식별자
주문
주문번호
주문일자
주문내역
주문번호FK)
상품코드
주문수량
주문
주문번호
주문일자
주문내역
주문번호FK)
주문일련번호
상품코드
주문수량
<식별관계> <비식별관계>
p.s. 상품코드를 인조식별자라고 지칭함.
2. 개념모델링 | 정의 및 절차
정의 : 데이터 분석과정에서 수립한 방향에
맞게 개략적인 데이터 모델 제시 단계.
절차: 업무영역으로 부터 추상적인 요구사항
구체화하고 엔티티를 식별함.
2. 개념모델링 | 주제영역 도출 분류 및 정의
정의 주제영역은 다른주제영역과 명확히 분리되어 분류된 데이터
집합
목적 주제영역 분류시 '이게 업무분류? 데이터분류?인지 모르겠다'
주제영역 도출목적은 데이터 오너십 파악가능 수월위함
종류
및
장점
• 시스템관점: 할당된 IT자원을 파악할 수 있어 시스템구축
및 투입자원 분배효율 제고
• 업무관점: 전사차원에서 조직에 발생하는 업무 처리효율
제고
• 데이터관리: 데이터에 대한 통합, 연계, 중복 관련 방안 수
립가능
• 데이터설계: 주제영역 단위로 담당자를 지정 및 모델통합
근거 제공통한 유지보수 효율제고
2. 개념모델링 | 주제영역 도출 분류 예시
시스템
관점
제과제빵생산라인 발주(발주주문번호,발주내역,발주가격)/재
료수급(재료번호,재료명,재료수량,구매일자,단가)/상품(입고
일자,출고일자,출고처,상품번호,상품수량,상품단가) /관리인
력(관리자명/관리자번호/직원명/직원번호)/공장(공장번호, 발
주번호, 상품번호, 생산일자, 생산수량, 출고일자)
업무관점 파리크라상매장업무 창고(상품번호(pk)입고상품,진열상품,
출고상품)/결재(주문일자(pk)/주문내역,주문금액, 결재상태)/
직원(직원번호(pk)/제조직원, 관리지원)
#드로잉으로 우선 설명 추후 그림업데이트
2. 개념모델링 | 주제영역 도출 분류 예시
Who? 직영점주
What? 파리크라상 제과
Where?
직영점 뱅뱅사거리매장
Event(Whe
n/Why포함)
오전9시부터 오후 9시까지 파리크라상 제과포장판매
Additional
Biz, Event,
Status
파리크라상 제과상품 입고 및 포장 판매
<데이터관점 주제영역 프레임 워크>
감사합니다!

More Related Content

Similar to 데이터 모델이론 개념모델링

2014 data 보안 가이드라인 그랜드컨퍼런스 20140930
2014 data 보안 가이드라인 그랜드컨퍼런스 201409302014 data 보안 가이드라인 그랜드컨퍼런스 20140930
2014 data 보안 가이드라인 그랜드컨퍼런스 20140930eungjin cho
 
지능정보시대를 위한 빅데이터, 이대로 좋은가
지능정보시대를 위한 빅데이터, 이대로 좋은가지능정보시대를 위한 빅데이터, 이대로 좋은가
지능정보시대를 위한 빅데이터, 이대로 좋은가r-kor
 
Big data preparation cs를 이용한 비정형데이터 활용
Big data preparation cs를 이용한 비정형데이터 활용Big data preparation cs를 이용한 비정형데이터 활용
Big data preparation cs를 이용한 비정형데이터 활용오라클 클라우드
 
How to Create Value from Data, and Its Difficulty
How to Create Value from Data, and Its DifficultyHow to Create Value from Data, and Its Difficulty
How to Create Value from Data, and Its DifficultyDataya Nolja
 
기계학습 현재와미래 Pdf
기계학습 현재와미래 Pdf기계학습 현재와미래 Pdf
기계학습 현재와미래 Pdf효근 윤
 
Samsung Bi Project Strategic Review(Summary)
Samsung Bi Project Strategic Review(Summary)Samsung Bi Project Strategic Review(Summary)
Samsung Bi Project Strategic Review(Summary)xpert13
 
2018 제4회 도시빅데이터 세미나: 멜론의 셀프 서비스 분석 환경과 Next
2018 제4회 도시빅데이터 세미나: 멜론의 셀프 서비스 분석 환경과 Next2018 제4회 도시빅데이터 세미나: 멜론의 셀프 서비스 분석 환경과 Next
2018 제4회 도시빅데이터 세미나: 멜론의 셀프 서비스 분석 환경과 NextByunghwa Yoon
 
[중소기업형 인공지능/빅데이터 기술 심포지엄] 데이터 전처리 기법 및 도구
[중소기업형 인공지능/빅데이터 기술 심포지엄] 데이터 전처리 기법 및 도구[중소기업형 인공지능/빅데이터 기술 심포지엄] 데이터 전처리 기법 및 도구
[중소기업형 인공지능/빅데이터 기술 심포지엄] 데이터 전처리 기법 및 도구ABRC_DATA
 
빅 데이터 환경의 고급 분석 기법과 지원 기술 동향 (Advanced Analytics and Technologies for Big Data)
빅 데이터 환경의 고급 분석 기법과 지원 기술 동향 (Advanced Analytics and Technologies for Big Data)빅 데이터 환경의 고급 분석 기법과 지원 기술 동향 (Advanced Analytics and Technologies for Big Data)
빅 데이터 환경의 고급 분석 기법과 지원 기술 동향 (Advanced Analytics and Technologies for Big Data)Myungjin Lee
 
전사 데이터 관리 반드시 피해야 할 7가지 실수
전사 데이터 관리 반드시 피해야 할 7가지 실수전사 데이터 관리 반드시 피해야 할 7가지 실수
전사 데이터 관리 반드시 피해야 할 7가지 실수Devgear
 
[한국IBM] 엔터프라이즈 AI 검색엔진 Watson Discovery 소개자료
[한국IBM] 엔터프라이즈 AI 검색엔진 Watson Discovery 소개자료[한국IBM] 엔터프라이즈 AI 검색엔진 Watson Discovery 소개자료
[한국IBM] 엔터프라이즈 AI 검색엔진 Watson Discovery 소개자료Sejeong Kim 김세정
 
이중 데이터 전략 (Two-track data strategy)
이중 데이터 전략 (Two-track data strategy)이중 데이터 전략 (Two-track data strategy)
이중 데이터 전략 (Two-track data strategy)Hosung Lee
 
IT표준화-아키텍처,프로세스-2015.09.30
IT표준화-아키텍처,프로세스-2015.09.30IT표준화-아키텍처,프로세스-2015.09.30
IT표준화-아키텍처,프로세스-2015.09.30InGuen Hwang
 
How to Make Money from Data - Global Cases
How to Make Money from Data - Global CasesHow to Make Money from Data - Global Cases
How to Make Money from Data - Global CasesDataya Nolja
 
빅데이터의 활용
빅데이터의 활용빅데이터의 활용
빅데이터의 활용수보 김
 
[2016 데이터 그랜드 컨퍼런스] 5 2(보안,품질). 투비웨이 데이터정제와품질검증을위한mdm 시스템의기능과역할
[2016 데이터 그랜드 컨퍼런스] 5 2(보안,품질). 투비웨이  데이터정제와품질검증을위한mdm 시스템의기능과역할[2016 데이터 그랜드 컨퍼런스] 5 2(보안,품질). 투비웨이  데이터정제와품질검증을위한mdm 시스템의기능과역할
[2016 데이터 그랜드 컨퍼런스] 5 2(보안,품질). 투비웨이 데이터정제와품질검증을위한mdm 시스템의기능과역할K data
 
데이터드리븐 DX 추진방안_202306.pdf
데이터드리븐 DX 추진방안_202306.pdf데이터드리븐 DX 추진방안_202306.pdf
데이터드리븐 DX 추진방안_202306.pdfYunjeong Susan Hong
 
빅데이터 분야를 위한 이미지 마이닝 기술동향 및 산업 동향 고찰
빅데이터 분야를 위한 이미지 마이닝 기술동향 및 산업 동향 고찰빅데이터 분야를 위한 이미지 마이닝 기술동향 및 산업 동향 고찰
빅데이터 분야를 위한 이미지 마이닝 기술동향 및 산업 동향 고찰JeongHeon Lee
 
빅데이터 분야를 위한 이미지 마이닝 기술동향 및 산업 동향 고찰
빅데이터 분야를 위한 이미지 마이닝 기술동향 및 산업 동향 고찰빅데이터 분야를 위한 이미지 마이닝 기술동향 및 산업 동향 고찰
빅데이터 분야를 위한 이미지 마이닝 기술동향 및 산업 동향 고찰JeongHeon Lee
 
3D 검색기반 부품 공용화
3D 검색기반 부품 공용화3D 검색기반 부품 공용화
3D 검색기반 부품 공용화dohun kim
 

Similar to 데이터 모델이론 개념모델링 (20)

2014 data 보안 가이드라인 그랜드컨퍼런스 20140930
2014 data 보안 가이드라인 그랜드컨퍼런스 201409302014 data 보안 가이드라인 그랜드컨퍼런스 20140930
2014 data 보안 가이드라인 그랜드컨퍼런스 20140930
 
지능정보시대를 위한 빅데이터, 이대로 좋은가
지능정보시대를 위한 빅데이터, 이대로 좋은가지능정보시대를 위한 빅데이터, 이대로 좋은가
지능정보시대를 위한 빅데이터, 이대로 좋은가
 
Big data preparation cs를 이용한 비정형데이터 활용
Big data preparation cs를 이용한 비정형데이터 활용Big data preparation cs를 이용한 비정형데이터 활용
Big data preparation cs를 이용한 비정형데이터 활용
 
How to Create Value from Data, and Its Difficulty
How to Create Value from Data, and Its DifficultyHow to Create Value from Data, and Its Difficulty
How to Create Value from Data, and Its Difficulty
 
기계학습 현재와미래 Pdf
기계학습 현재와미래 Pdf기계학습 현재와미래 Pdf
기계학습 현재와미래 Pdf
 
Samsung Bi Project Strategic Review(Summary)
Samsung Bi Project Strategic Review(Summary)Samsung Bi Project Strategic Review(Summary)
Samsung Bi Project Strategic Review(Summary)
 
2018 제4회 도시빅데이터 세미나: 멜론의 셀프 서비스 분석 환경과 Next
2018 제4회 도시빅데이터 세미나: 멜론의 셀프 서비스 분석 환경과 Next2018 제4회 도시빅데이터 세미나: 멜론의 셀프 서비스 분석 환경과 Next
2018 제4회 도시빅데이터 세미나: 멜론의 셀프 서비스 분석 환경과 Next
 
[중소기업형 인공지능/빅데이터 기술 심포지엄] 데이터 전처리 기법 및 도구
[중소기업형 인공지능/빅데이터 기술 심포지엄] 데이터 전처리 기법 및 도구[중소기업형 인공지능/빅데이터 기술 심포지엄] 데이터 전처리 기법 및 도구
[중소기업형 인공지능/빅데이터 기술 심포지엄] 데이터 전처리 기법 및 도구
 
빅 데이터 환경의 고급 분석 기법과 지원 기술 동향 (Advanced Analytics and Technologies for Big Data)
빅 데이터 환경의 고급 분석 기법과 지원 기술 동향 (Advanced Analytics and Technologies for Big Data)빅 데이터 환경의 고급 분석 기법과 지원 기술 동향 (Advanced Analytics and Technologies for Big Data)
빅 데이터 환경의 고급 분석 기법과 지원 기술 동향 (Advanced Analytics and Technologies for Big Data)
 
전사 데이터 관리 반드시 피해야 할 7가지 실수
전사 데이터 관리 반드시 피해야 할 7가지 실수전사 데이터 관리 반드시 피해야 할 7가지 실수
전사 데이터 관리 반드시 피해야 할 7가지 실수
 
[한국IBM] 엔터프라이즈 AI 검색엔진 Watson Discovery 소개자료
[한국IBM] 엔터프라이즈 AI 검색엔진 Watson Discovery 소개자료[한국IBM] 엔터프라이즈 AI 검색엔진 Watson Discovery 소개자료
[한국IBM] 엔터프라이즈 AI 검색엔진 Watson Discovery 소개자료
 
이중 데이터 전략 (Two-track data strategy)
이중 데이터 전략 (Two-track data strategy)이중 데이터 전략 (Two-track data strategy)
이중 데이터 전략 (Two-track data strategy)
 
IT표준화-아키텍처,프로세스-2015.09.30
IT표준화-아키텍처,프로세스-2015.09.30IT표준화-아키텍처,프로세스-2015.09.30
IT표준화-아키텍처,프로세스-2015.09.30
 
How to Make Money from Data - Global Cases
How to Make Money from Data - Global CasesHow to Make Money from Data - Global Cases
How to Make Money from Data - Global Cases
 
빅데이터의 활용
빅데이터의 활용빅데이터의 활용
빅데이터의 활용
 
[2016 데이터 그랜드 컨퍼런스] 5 2(보안,품질). 투비웨이 데이터정제와품질검증을위한mdm 시스템의기능과역할
[2016 데이터 그랜드 컨퍼런스] 5 2(보안,품질). 투비웨이  데이터정제와품질검증을위한mdm 시스템의기능과역할[2016 데이터 그랜드 컨퍼런스] 5 2(보안,품질). 투비웨이  데이터정제와품질검증을위한mdm 시스템의기능과역할
[2016 데이터 그랜드 컨퍼런스] 5 2(보안,품질). 투비웨이 데이터정제와품질검증을위한mdm 시스템의기능과역할
 
데이터드리븐 DX 추진방안_202306.pdf
데이터드리븐 DX 추진방안_202306.pdf데이터드리븐 DX 추진방안_202306.pdf
데이터드리븐 DX 추진방안_202306.pdf
 
빅데이터 분야를 위한 이미지 마이닝 기술동향 및 산업 동향 고찰
빅데이터 분야를 위한 이미지 마이닝 기술동향 및 산업 동향 고찰빅데이터 분야를 위한 이미지 마이닝 기술동향 및 산업 동향 고찰
빅데이터 분야를 위한 이미지 마이닝 기술동향 및 산업 동향 고찰
 
빅데이터 분야를 위한 이미지 마이닝 기술동향 및 산업 동향 고찰
빅데이터 분야를 위한 이미지 마이닝 기술동향 및 산업 동향 고찰빅데이터 분야를 위한 이미지 마이닝 기술동향 및 산업 동향 고찰
빅데이터 분야를 위한 이미지 마이닝 기술동향 및 산업 동향 고찰
 
3D 검색기반 부품 공용화
3D 검색기반 부품 공용화3D 검색기반 부품 공용화
3D 검색기반 부품 공용화
 

More from DataUs

220302 사내세미나_오정민 REST API와 크롤링
220302 사내세미나_오정민 REST API와 크롤링220302 사내세미나_오정민 REST API와 크롤링
220302 사내세미나_오정민 REST API와 크롤링DataUs
 
0222 사내세미나_오정민 스프링인액션
0222 사내세미나_오정민 스프링인액션0222 사내세미나_오정민 스프링인액션
0222 사내세미나_오정민 스프링인액션DataUs
 
0222 사내세미나 이연권_추천시스템
0222 사내세미나 이연권_추천시스템0222 사내세미나 이연권_추천시스템
0222 사내세미나 이연권_추천시스템DataUs
 
모듈시스템과 webpack
모듈시스템과 webpack모듈시스템과 webpack
모듈시스템과 webpackDataUs
 
Chrome Devtools
Chrome DevtoolsChrome Devtools
Chrome DevtoolsDataUs
 
Spring Security
Spring SecuritySpring Security
Spring SecurityDataUs
 
프론트엔드 개발 첫걸음
프론트엔드 개발 첫걸음프론트엔드 개발 첫걸음
프론트엔드 개발 첫걸음DataUs
 
데이터 모델링
데이터 모델링데이터 모델링
데이터 모델링DataUs
 
Vue guide v0.1
Vue guide v0.1Vue guide v0.1
Vue guide v0.1DataUs
 
Vue guide예제(vue todo-list)-v0.1
Vue guide예제(vue todo-list)-v0.1Vue guide예제(vue todo-list)-v0.1
Vue guide예제(vue todo-list)-v0.1DataUs
 
GitHub 활용하기
GitHub 활용하기GitHub 활용하기
GitHub 활용하기DataUs
 
해커 그들은 누구인가?
해커 그들은 누구인가?해커 그들은 누구인가?
해커 그들은 누구인가?DataUs
 
모던 자바스크립트 Deep Dive Review
모던 자바스크립트 Deep Dive Review모던 자바스크립트 Deep Dive Review
모던 자바스크립트 Deep Dive ReviewDataUs
 
[DataUs]클라우드 입문자를 위한 보안 가이드
[DataUs]클라우드 입문자를 위한 보안 가이드[DataUs]클라우드 입문자를 위한 보안 가이드
[DataUs]클라우드 입문자를 위한 보안 가이드DataUs
 
NHN Cloud 1차 교육자료
NHN Cloud 1차 교육자료NHN Cloud 1차 교육자료
NHN Cloud 1차 교육자료DataUs
 
html / css
html / csshtml / css
html / cssDataUs
 
네트워킹과 웹 성능 최적화
네트워킹과 웹 성능 최적화네트워킹과 웹 성능 최적화
네트워킹과 웹 성능 최적화DataUs
 
Systemd
SystemdSystemd
SystemdDataUs
 

More from DataUs (18)

220302 사내세미나_오정민 REST API와 크롤링
220302 사내세미나_오정민 REST API와 크롤링220302 사내세미나_오정민 REST API와 크롤링
220302 사내세미나_오정민 REST API와 크롤링
 
0222 사내세미나_오정민 스프링인액션
0222 사내세미나_오정민 스프링인액션0222 사내세미나_오정민 스프링인액션
0222 사내세미나_오정민 스프링인액션
 
0222 사내세미나 이연권_추천시스템
0222 사내세미나 이연권_추천시스템0222 사내세미나 이연권_추천시스템
0222 사내세미나 이연권_추천시스템
 
모듈시스템과 webpack
모듈시스템과 webpack모듈시스템과 webpack
모듈시스템과 webpack
 
Chrome Devtools
Chrome DevtoolsChrome Devtools
Chrome Devtools
 
Spring Security
Spring SecuritySpring Security
Spring Security
 
프론트엔드 개발 첫걸음
프론트엔드 개발 첫걸음프론트엔드 개발 첫걸음
프론트엔드 개발 첫걸음
 
데이터 모델링
데이터 모델링데이터 모델링
데이터 모델링
 
Vue guide v0.1
Vue guide v0.1Vue guide v0.1
Vue guide v0.1
 
Vue guide예제(vue todo-list)-v0.1
Vue guide예제(vue todo-list)-v0.1Vue guide예제(vue todo-list)-v0.1
Vue guide예제(vue todo-list)-v0.1
 
GitHub 활용하기
GitHub 활용하기GitHub 활용하기
GitHub 활용하기
 
해커 그들은 누구인가?
해커 그들은 누구인가?해커 그들은 누구인가?
해커 그들은 누구인가?
 
모던 자바스크립트 Deep Dive Review
모던 자바스크립트 Deep Dive Review모던 자바스크립트 Deep Dive Review
모던 자바스크립트 Deep Dive Review
 
[DataUs]클라우드 입문자를 위한 보안 가이드
[DataUs]클라우드 입문자를 위한 보안 가이드[DataUs]클라우드 입문자를 위한 보안 가이드
[DataUs]클라우드 입문자를 위한 보안 가이드
 
NHN Cloud 1차 교육자료
NHN Cloud 1차 교육자료NHN Cloud 1차 교육자료
NHN Cloud 1차 교육자료
 
html / css
html / csshtml / css
html / css
 
네트워킹과 웹 성능 최적화
네트워킹과 웹 성능 최적화네트워킹과 웹 성능 최적화
네트워킹과 웹 성능 최적화
 
Systemd
SystemdSystemd
Systemd
 

데이터 모델이론 개념모델링

  • 2. INDEX 1. 데이터 모델이론 | 식별자 1) 식별자 정의 및 분류 2) 식별자 상속 2. 개념 모델링 1) 정의 및 절차 2) 주제영역 도출 분류 및 정의 3) 주제영역 도출 분류예시
  • 3. 1. 데이터모델 이론/식별자 | 식별자 정의 및 분류 정의 인스턴스를 개별로 식별할 수 있는 속성(들) 분류기준 실 업무에서 자연적으로 가지는 속성인지 인조적으로 추가한 속성인지 여부에 따름. 종류 • 본질 식별자: 일반적으로 업무에서 통용되는 식별자 • 인조 식별자: 데이터효율관리 위해 별도 추가된 식별자
  • 4. 1. 데이터모델 이론/식별자 | 식별자 상속 식별관계 일반적으로 업무에서 통용되는 식별자 비식별관계 데이터효율관리 위해 별도 추가된 식별자 주문 주문번호 주문일자 주문내역 주문번호FK) 상품코드 주문수량 주문 주문번호 주문일자 주문내역 주문번호FK) 주문일련번호 상품코드 주문수량 <식별관계> <비식별관계> p.s. 상품코드를 인조식별자라고 지칭함.
  • 5. 2. 개념모델링 | 정의 및 절차 정의 : 데이터 분석과정에서 수립한 방향에 맞게 개략적인 데이터 모델 제시 단계. 절차: 업무영역으로 부터 추상적인 요구사항 구체화하고 엔티티를 식별함.
  • 6. 2. 개념모델링 | 주제영역 도출 분류 및 정의 정의 주제영역은 다른주제영역과 명확히 분리되어 분류된 데이터 집합 목적 주제영역 분류시 '이게 업무분류? 데이터분류?인지 모르겠다' 주제영역 도출목적은 데이터 오너십 파악가능 수월위함 종류 및 장점 • 시스템관점: 할당된 IT자원을 파악할 수 있어 시스템구축 및 투입자원 분배효율 제고 • 업무관점: 전사차원에서 조직에 발생하는 업무 처리효율 제고 • 데이터관리: 데이터에 대한 통합, 연계, 중복 관련 방안 수 립가능 • 데이터설계: 주제영역 단위로 담당자를 지정 및 모델통합 근거 제공통한 유지보수 효율제고
  • 7. 2. 개념모델링 | 주제영역 도출 분류 예시 시스템 관점 제과제빵생산라인 발주(발주주문번호,발주내역,발주가격)/재 료수급(재료번호,재료명,재료수량,구매일자,단가)/상품(입고 일자,출고일자,출고처,상품번호,상품수량,상품단가) /관리인 력(관리자명/관리자번호/직원명/직원번호)/공장(공장번호, 발 주번호, 상품번호, 생산일자, 생산수량, 출고일자) 업무관점 파리크라상매장업무 창고(상품번호(pk)입고상품,진열상품, 출고상품)/결재(주문일자(pk)/주문내역,주문금액, 결재상태)/ 직원(직원번호(pk)/제조직원, 관리지원) #드로잉으로 우선 설명 추후 그림업데이트
  • 8. 2. 개념모델링 | 주제영역 도출 분류 예시 Who? 직영점주 What? 파리크라상 제과 Where? 직영점 뱅뱅사거리매장 Event(Whe n/Why포함) 오전9시부터 오후 9시까지 파리크라상 제과포장판매 Additional Biz, Event, Status 파리크라상 제과상품 입고 및 포장 판매 <데이터관점 주제영역 프레임 워크>