책 속에서

* 데이터 모델링은 단순한 스킬이 아닙니다. 데이터 모델링은 건축과 비교하면 건물의 골조, 뼈대를 세우는 일과 같습니다. 효율적인 시스템 구축을 위한 데이터 모델링의 중요성은 말할 필요조차 없습니다. 데이터 모델링은 어렵지만 뛰어난 데이터 모델링 실력은 상당한 희소가치가 있습니다. 데이터 모델링은 단순히 지식을 외운다고 잘할 수 있는 일이 아니기 때문입니다. 논리력, 사고력, 판단력이 필요합니다. 그리고 정답이 없습니다. _본문 05쪽

* 이 책은 방법론에 관한 책이 아니며 단순히 ‘모델링하는 방법’을 알려주거나 ‘이렇게 하면 되더라’ 식의 정보를 제공하는 수준에서 끝나지 않습니다. 데이터 모델링에서 가장 중요한 능력은 '사고를 통한 판단력'입니다. 그리고 직접 해봐야 합니다. 『데이터 모델링 실전처럼 시작하기』와 이 책 『데이터 모델링 실전으로 도약하기』는 실전 데이터 모델링을 실제로 따라 해보면서 모델링에 필요한 사고력을 기르는 방법을 알려줍니다. “남이 방법을 알더라도 쉽게 흉내를 낼 수 없는 사고적인 것을 할 수 있어야 한다”라는 말은 너무나도 중요합니다. 데이터 아키텍처 컨설팅이나 데이터 모델링이 어려운 이유는 바로 ‘방법을 알아도 실천하기 어려운 일’이기 때문입니다. _본문 08쪽

* 데이터 모델링 회사에 들어가지 않아도, 당장 나를 가르쳐 줄 선배가 없어도 방법은 있습니다. 데이터 모델링 고수에게 직접 배우는 것처럼 좋은 책이 있다면 가능합니다. 그래서 데이터 모델링 고수와 이 책을 만들게 되었습니다. 좋은 원고와 출판 기회를 주신 박종원 이사님께 진심으로 감사드립니다.
생각하는 힘을 가진 사람은 문제해결 능력과 종합적인 사고력을 갖춘 훌륭한 인재입니다. 이런 사람은 무슨 일을 해도, 어떤 자리에서건 빛날 것입니다. 많은 분들께 이 책이 데이터 모델링을 쉽게 알게 해주고 생각하는 힘을 길러주는 좋은 발판이 되기를 바랍니다. 데이터 모델링을 공부하고자 하는 분들께 도움이 되고 지금 있는 자리에서 도약할 수 있는 좋은 기회를 줄 수 있는, 오랫동안 사랑받는 책이 되기를 진심으로 기원합니다. _본문 10쪽

* 『데이터 모델링 실전처럼 시작하기』는 시스템이 존재하지 않는 경우 업무 요건을 파악하여 데이터 모델을 완성해 가는 과정을 기술하고 더불어 데이터 모델러가 무엇을 생각하고 고민하고 결정해야 하는 지를 기술하였습니다.
특히, 업무 요건을 파악하여 엔터티의 집합을 정의하고 식별자를 선정하며 엔터티 간의 관계를 설정하는 방법, 그리고 도출된 속성을 식별자에 종속되도록 적절한 엔터티에 배치하는 과정을 진행하여 데이터 모델을 완성하였습니다. 그러나, 현재는 업무시스템이 구축되어 있지 않아 수작업으로 업무를 수행하는 기관이나 기업은 거의 없는 세상이 되었습니다. 즉, 거의 모든 기관이나 기업에 업무시스템이 존재하고 DB(데이터베이스, Database)가 존재합니다.
그래서 이 책에서는 AS-IS 시스템이 존재하는 경우에 대해 데이터 모델링하는 과정을 다루었습니다. 즉, 현행(AS-IS) 데이터 모델을 분석하고 목표(TO-BE) 데이터 모델을 작성하는 상세한 과정을 담고 있습니다. _본문 11쪽

* 다른 이가 작성하여 생성한 DB 오브젝트나 데이터 모델을 분석하여 무엇이 문제인지 파악하고 어떻게 개선해야 하는지 방안을 도출하며 목표 데이터 모델을 작성해 가는 과정을 기술합니다. 목표 데이터 모델은 통합적이고 데이터 중복이 배제되며 데이터 유연성 및 일관성이 유지되도록 작성합니다. _본문 12쪽

* 본문은 총 3개의 장으로 구성되어 있습니다. 1장은 데이터 모델링의 개요, 2장은 현행 데이터 모델링 및 목표 데이터 모델링의 과정을 구체적인 사례를 들어 설명하고 3장은 데이터 모델러의 스킬을 비약적으로 도약시키기 위한, 특정 업무에 대해 실제로 프로젝트를 하는 것처럼 상호 연관되고 전체 내용을 담고 있는 산출물 및 작업 문서를 기술하여 모든 과정을 이해하는 데 도움을 주고자 하였습니다. 데이터 모델링의 스킬을 향상하고자 하는 데이터 모델러부터 데이터 모델을 잘 설계하고 싶은 애플리케이션 개발자까지, 데이터 모델링의 실력을 높이고 싶은 모든 분께 도움이 되는 책이 되었으면 합니다. _본문 12쪽

* 업무 담당자는 업무 프로세스 기반하에 본인의 업무만을 이해하는 경우가 많은데 데이터 모델러는 단위 업무뿐만 아니라 업무 간의 연관성을 파악하여 데이터의 추적이 용이하게 데이터를 연결 짓는 능력을 갖춰야 한다. 그래서 분석 단계가 끝나고 설계 단계에서는 업무적으로 고객 쪽 업무 담당자와 동등하게 대화하고 데이터 모델링 관점에서는 설명할 수 있는 위치에 있어야 한다. _본문 26쪽

* 논리 데이터 모델을 작성하고 물리 데이터 모델로 변환하여 최종 DB 오브젝트(테이블 등)를 생성하고 나면 실제로 데이터의 연결은 SQL을 사용해서 진행해야 하므로 데이터 모델러라면 SQL을 자유자재로 작성하는 능력을 반드시 갖추어야 한다. _본문 28쪽

* 차세대 등 프로젝트가 시작이 되면 DA(데이터 아키텍트) 또는 데이터 모델러가 가장 먼저 진행해야 할 작업은 고객사에 대상 시스템에 대한 관련 자료를 요청하는 것이다. 대상 시스템은 제안서 및 사업수행계획서에 명시되어 있는데 명시된 대상 시스템에 대한 관련 자료를 요청한다. _본문 32쪽

* 프로젝트의 시작은 자료 수집이다. 자료가 수집되어야 프로젝트를 진행할 수 있다. 자료 수집이 되지 않는다면 팀원들이 손 놓고 있어야 하고 그만큼 시간은 지나간다. 투입되기 전까지는 해당 기업 · 기관의 내부 자료를 볼 수 없기 때문에 일반적인 사항밖에 알 수 없지만 투입이 되면 내부 문서, 현행 데이터 모델(ERD) 및 DB 오브젝트를 볼 수 있기 때문에 데이터 모델링을 본격적으로 시작할 수 있다. _본문 34쪽

* 리버스 모델링에서 중요한 작업 중 하나는 테이블명과 컬럼명의 한글화이다. 테이블 및 컬럼의 한글화 가능 여부는 시스템 카탈로그상에서 COMMENT 정보를 관리하고 있어야 가능하다. DB 오브젝트의 COMMENT 정보에서 테이블명 및 컬럼명이 한글명으로 관리된다면 리버스한 결과도 한글로 표시되지만 그렇지 않다면 영문으로 표시된다. 즉, DB 오브젝트의 COMMENT 정보가 없는 경우가 문제다. _본문 42쪽

* 일부 자산화 프로젝트에서는 현행 논리 데이터 모델의 엔터티명과 속성명에 표준 용어를 적용하고 TO-BE의 엔터티명과 속성명의 명명규칙을 적용하여 현재의 모습과 다른 AS-IS와 TO-BE가 혼합된 형태의 데이터 모델을 생성하는 경우도 존재한다. 하지만 AS-IS는 AS-IS이고 TO-BE는 TO-BE여야 한다. TO-BE의 구조를 설계하고 TO-BE에 맞는 TO-BE 표준을 적용하자. _본문 48쪽

* 개념 데이터 모델은 주요 핵심 엔터티들로 구성된 데이터 모델의 골격에 해당하는 구조로써 해당 시스템의 전체를 조망한다.
현행 개념 데이터 모델링은 현행 논리 데이터 모델로부터 핵심이 되는 엔터티를 도출하고 핵심 엔터티 간의 관계를 정의하여 전체 데이터 모델의 골격을 생성하고 구조화한다. 현행 데이터 모델의 전체를 조망함으로써 현행 데이터 구조를 이해하고 문제점을 파악하며 개선 방안을 도출하는 기초로 활용한다. _본문 59쪽

* 데이터 모델 분석 관점에서 엔터티의 적절성 분석은 엔터티가 관리하고자 하는 것이 무엇인지 집합의 성격을 분명히 하는 작업이다. 식별자의 적절성 분석으로 엔터티의 탄생과 의미를 명확히 할 수 있다. 엔터티 관계의 적절성 분석은 엔터티 간의 업무적 연관성을 분명히 하고 속성의 적절성 분석으로 엔터티의 본질이 되는 성격과 의미를 명확히 할 수 있다. 또한, 유사 시스템 간 비교 분석을 통해 시스템 간 구조 통합에 대한 방향성을 제시할 수 있다. _본문 64쪽

* 데이터의 최상위 집합으로써 상위 수준에서 데이터를 분류한 결과를 주제영역이라고 부른다. 주제영역 간의 관계를 도식화한 것을 개괄 데이터 모델이라고 한다. 주제영역은 동질성이 있는 데이터의 집합으로 데이터 집합 간의 친밀도가 높다. 또한 주제영역은 데이터 구성에 대한 청사진을 제시한다. 데이터아키텍처 프레임워크(계층 구조)상에서 최상위 계층인 개괄 데이터 모델은 데이터의 최상위 집합으로써 건축물의 조감도에 해당하며 데이터 전체를 조망한다. _본문 91쪽

* 현행 개념 데이터 모델을 통합하여 미래 지향적이고 통합적인 데이터의 핵심 구조를 정의한 목표 개념 데이터 모델을 작성한다. 현행 데이터 모델의 개선 방안을 반영하고 신규 요건을 반영하며 이슈 사항을 해소한 목표 논리 데이터 모델링을 수행한다. 목표 논리 데이터 모델링을 진행하는 과정은 『데이터 모델링 실전처럼 시작하기』(박종원 저)의 ‘3장 논리 데이터 모델링’을 참고하여 진행한다. _본문 100쪽

* 개념 데이터 모델은 주요 핵심 엔터티들로 구성된 데이터 모델의 골격에 해당하는 구조로써 해당 시스템 전체를 조망할 수 있게 해준다.
현행 개념 데이터 모델은 현행 논리 데이터 모델에서 핵심이 되는 엔터티를 도출하고 핵심 엔터티 간의 관계를 설정하여 데이터 모델의 골격에 해당하는 핵심 구조를 정의하는 작업이다. _본문 141쪽

* 목표 개념 데이터 모델은 앞 절에서 기술한 문제점 분석 및 개선 방안을 토대로 현행 개념 데이터 모델을 개선하고 통합하여 향후 데이터 모델의 골격에 해당하는 데이터의 핵심 구조를 정의하는 작업으로써 API별로 작성된 현행 개념 데이터 모델을 통합하여 하나의 목표 개념 데이터 모델을 생성한다. 목표 개념 데이터 모델을 작성함으로써 미래 지향적이고 통합적인 데이터 구조의 방향성을 제시한다. _본문 157쪽

* 이 책에서는 현행 테이블의 수가 많지 않지만 실무에서는 수백 또는 수천 개의 테이블을 작업해야 하므로 단시간에 작업할 수가 없다. 현행 테이블의 수가 많고 구조의 변화가 많다면 실제로 특정 현행 테이블을 제대로 반영했는지가 혼동될 수 있다. 따라서 누락 없이 작업을 끝내기 위해서 작업여부를 별도로 상세하게 관리한다. 작업여부를 관리하면서 실행여부뿐만 아니라 실제 작업일자도 관리하면 좀 더 자세한 진행 경과를 알 수 있으므로 앞 페이지의 표에서처럼 작업일자를 관리한다. 작업일자를 관리하면 업무를 진행하면서 하루에 몇 개의 현행 테이블을 작업하는지 파악할 수 있고 일정상 납기일에 맞게 프로젝트를 종료하는데 문제가 없는지 중간중간 확인하면서 진행할 수 있다. _본문 166쪽

추천의 말 _004
들어가는 글 _011

1장 데이터 모델링 개요
1. 데이터 모델링이란? _020
2. 데이터 모델링 진행 방법 _022
3. 데이터 모델링 진행 절차 _024
4. 데이터 모델러가 알아야 할 것 _025

2장 현행 · 목표 데이터 모델링
1. 현행 · 목표 데이터 모델링 개요 _032
2. 자료수집 및 시스템 현황 분석
2.1 자료수집 _034
2.2 시스템 현황 분석 _036
3. 현행 데이터 모델링
3.1 리버스 모델링 _037
3.2 현행 논리 데이터 모델링 _042
3.2.1 데이터 모델 현행화 _044
3.2.2 데이터 모델 상세화 _045
3.3 현행 개념 데이터 모델링 _059
4. 문제점 분석 및 개선 방안 수입 _061
4.1 프로파일링 _062
4.2 데이터 모델 분석 _062
4.2.1 데이터 모델 분석 절차 _063
4.2.2 데이터 모델 분석 관점별 특징 _064
4.2.3 데이터 모델 분석 기준 _064
4.3 데이터 모델 분석 사례
4.3.1 엔터티의 적절성 분석 _066
4.3.2 식별자의 적절성 분석 _075
4.3.3 엔터티 관계의 적절성 분석 _079
4.3.4 속성의 적절성 분석 _081
4.3.5 유사 시스템 간 비교 분석 _088
5. 신규 업무 요건 분석 및 주요 이슈 도출 _090
6. 목표 데이터 모델링
6.1 주제영역 정의 _091
6.1.1 주제영역 정의 절차 _091
6.1.2 주제영역 작성 기준 _093
6.1.3 주제영역 예시 _094
6.2 목표 개념 데이터 모델링 _094
6.2.1 목표 개념 데이터 모델링 수행 절차 _095
6.2.2 목표 개념 데이터 모델링 예제 _096
6.3 목표 논리 데이터 모델링 _100

3장 데이터 모델링 실전으로 도약하기
1. 개요 _106
2. 시나리오 및 전제조건 _109
3. 현행 · 목표 데이터 모델링 실습
3.1 자료수집 및 시스템 현황 분석 _114
3.1.1 자료수집 _114
3.1.2 시스템 현황 분석 _115
3.2 현행 데이터 모델링
3.2.1 리버스 모델링 _117
3.2.2 현행 논리 데이터 모델링 _120
3.2.3 현행 개념 데이터 모델링 _141
3.3 데이터 모델 분석
3.3.1 엔터티 적절성 분석 _148
3.3.2 식별자의 적절성 분석 _149
3.3.3 엔터티 관계의 적절성 분석 _150
3.3.4 속성의 적절성 분석 _152
3.3.5 유사 시스템 간 비교 분석 _153
3.4 신규 업무 요건 분석 _155
3.5 목표 데이터 모델링
3.5.1 개괄모델 및 주제영역 정의 _156
3.5.2 목표 개념 데이터 모델링 _157
3.5.2.1 통합 방안 - 1안 _158
3.5.2.2 통합 방안 - 2안 _159
3.5.2.3 통합 방안 - 3안 _159
3.5.2.4 데이터 통합 결정 기준 _160
3.5.2.5 최종 통합 방안 _163
3.5.3 목표 논리 데이터 모델링 _163
3.5.3.1 목표 논리 데이터 모델링 진행 _164
3.5.3.2 신규 업무 논리 데이터 모델 반영 _179
3.5.3.3 TO-BE vs. AS-IS 속성 매핑 결과 _182

참고 자료 - [첨부1] 현행 테이블 목록 _184
[첨부2] 컬럼 목록 ？ 은행 업권 _185
[첨부3] 컬럼 목록 ？ 금투 업권 _188
[첨부4] 컬럼 목록 ？ 할부금융 업권 _190
[첨부5] 컬럼 목록 ？ 보험 업권 _193
[첨부6] 컬럼 목록 ？ 공통 _197
[첨부7] 컬럼 목록 ？ 보증보험 업권 _197
[첨부8] TO-BE vs. AS-IS 속성 매핑 _199