Part 1 - 01. 데이터의 이해

□ 데이터의 특성

- 객관적인 사실 → 존재적 특성

- 추론, 예측, 전망, 추정을 위한 근거 → 당위적 특성

 

□ 데이터의 유형

- 정성적 데이터 → 언어, 문자 등의 형태 / 저장과 분석에 많은 시간 소모

- 정량적 데이터 → 수치, 도형, 기호 등의 형태 / 저장과 분석에 적은 비용 소모

 

□ 암묵지와 형식지

- 암묵지: 공식화를 통해 전달하기 힘든 지식

- 형식지: 체계적으로 정리된 지식

 

□ 지식창조 메커니즘

1. 공동화: 조직원간 경험과 인식 공유 / 암묵지 → 고차원 암묵지

2. 표출화: 암묵지 → 형식지

3. 연결화: 형식지의 단편 수집, 분류, 통합 / 새로운 형식지 창조

4. 내면화: 형식지 → 암묵지

 

□ 지식 피라미드

1. 데이터: 가공 전의 순수한 수치나 기호 / "A기업의 책 값은 1000원, B기업은 2000원이다."

2. 정보: 데이터 가공 및 이해를 통한 패턴 인식과 의미 부여 / "A기업의 물건이 더 저렴하다."

3. 지식: 정보를 이용한 예측 / "저렴한 A 회사에서 물건을 사야겠다."

4. 지혜: 원리를 이해하여 도출한 창의적 아이디어 / "A기업의 다른 상품들도 B 기업보다 저렴할 것으로 판단했다."

 

□ 데이터베이스(이하 DB)의 특징(1)

- 통합된 데이터: 데이터의 중복 X

- 저장된 데이터: 컴퓨터가 접근 가능

- 운영 데이터: 기업의 목적에 맞게 운영

- 공용 데이터: 기업이나 조직이 공동 소유

 

□ DB의 특징(2)

- 실시간성: 다수의 사용자로부터 데이터 검색, 질의에 즉시 응답

- 지속적 변환: 입력, 수정, 삭제 등의 작업 가능

- 동시 공유성: 여러 사용자의 접근 및 공유

- 내용에 의한 참조: 데이터 내용에 의한 참조

 

□ DB의 장단점

장점:

- 데이터 중복 최소화

- 실시간 접근 가능

- 데이터 보안

- 논리적, 물리적 독립성

- 데이터 표준 및 데이터 공유

- 데이터의 일관성과 무결성

단점:

- DB 구축에 따른 비용

- 백업과 복구가 복잡

 

□ 데이터 웨어하우스(이하 DW)

- 기업 내부 및 외부 데이터를 통합한 데이터의 집합체

 

□ DW의 특징

- 주체지향적: 주제에 맞게 분류 및 가공

- 통합적: 내부 및 외부 데이터 통합 및 가공

- 시계열성: 시계열 데이터 저장 및 시계열 데이터 분석

- 비소멸성: 조회 전용

 

□ DW 구성 요소

- 데이터 모델: 주제 지향적으로 설계된 ER / 다차원 모델

- ETL: 기업 내부 및 외부 데이터 추출, 정제, 적재

- ODS: OLTP 시스템에서 추출한 데이터의 통합적 관리

- DW Meta Data: 데이터 모델에 대한 정보 제공 / 운영 및 비즈니스 측면의 활용 메타 데이터

- OLAP: 고객이 툴을 이용한 다차원 분석 수행

- 데이터마이닝: 새로운 사실과 패턴 분석

- 경영기반 솔루션: BSC, RMS, BI 등의 경영기반 솔루션

 

□ DB 활용

- KMS: 인적자원들이 축적한 개별 지식 체계화 및 공유

- ERP: 업무 프로세스를 통합적으로 연계관리 / 정보 공유 및 실시간 처리를 통해 빠른 의사결정 지원

- SCM: 공급사슬 상의 정보, 물자, 현금 흐름에 대한 프로세스 통합 및 관리

- CRM: 고객 관계 강화

- EAI: 앱 연동을 통해 중앙 집중적으로 통합, 관리, 사용 가능한 미들웨어 솔루션

- 클라우드 컴퓨팅: On-Demand 형태로 이용 / 사용한 만큼 비용 지불

- ISP:조직의 경영목표 및 비즈니스 전략 지원하기 위한 정보화 전략을 수립하는 컨설팅

 

---

Reference:

임호진 외 2명, 「ADsP 데이터분석 준전문가」, 영진닷컴(2020)