데이터 웨어하우스

DW; Data Warehouse
기업의 정보분석 요구를 충족시키기 위해 분석, 가공된 데이터를 저장 및 관리하는 기술

DW의 특징[edit | edit source]

특징	설명
주제 중심적 (Subject Oriented)	분석하고자 하는 주제를 중심으로 데이터를 구성 특정 업무 기능이나 응용 프로그램에 종속되지 않는 데이터 구조를 지원
통합 구조 (Integrated)	업무 기능별로 관리되는 다수의 운영 데이터를 통합하여 전사적 관점에서 중복을 최소화 데이터의 정합성과 물리적 통일성을 갖는 통합된 데이터 구조를 지원 전사적인 데이터 표준화를 통해 데이터 통일성(속성 이름, 데이터 표현, 계산 단위 등) 확보 데이터 획득 시 데이터 통합을 위한 일련의 변환 작업을 수행
시계열 데이터 (Time Variant)	오랜 기간 축적된 데이터를 통해 과거와 현재의 경향 분석 가능 일정 기간 동안의 업무 변화 내지는 발전의 추세 분석에 필요 이력 데이터를 통해 시간 경과에 따른 데이터의 변화 과정 파악 스냅샷 생성 키 구조에 시간 요소를 추가하여 레코드 생성 이벤트 발생 시점의 일자 또는 시간 저장
비휘발성 (Non Volatile)	초기 데이터 적재 이후에는 데이터의 갱신·삭제 없이 검색·조회만 수행 데이터 변경이 발생하더라도 변경을 직접 반영하지 않고 스냅샷 형태로 반영 장애 발생 시 데이터의 복구, 트랜잭션과 데이터의 무결성 유지, 교착상태의 탐지·대응이 매우 단순 데이터 갱신 이상에 대한 고려가 불필요하고, 정규화 및 반정규화에 대한 융통성의 증가

기반 기술[edit | edit source]

데이터 웨어하우스를 구현하기 위한 기술

ETL: DW에 저장할 데이터를 추출, 전송, 저장하는 엔진
ODS: 데이터가 DW에 저장되기 전에 가공을 위해 임시로 저장되는 저장소
CEP: 복잡한 실시간 데이터로부터 필요한 데이터를 추출하기 위한 프로세싱 기술
CDC: 변경된 데이터를 캡쳐해 타겟 시스템으로 전송하는 기술

활용 기술[edit | edit source]

데이터 웨어하우스를 사용하는 기술

OLAP: DW를 기반으로 데이터를 분석하고 활용하기 위한 프로세싱
비즈니스 인텔리전스: 기업 내 데이터를 취합 및 분석하여 인사이트 도출
데이터 마트: 주로 DW를 기반으로 DM이 만들어짐. 구현 형태에 따라 반대로 될 수도 있음

기술사 기출[edit | edit source]

같이 보기[edit | edit source]