데이터 웨어하우스 (DW, Data Warehouse)

I. 다차원 데이터 분석 자료 제공, DW

가. DW(Data Warehouse)의 개념

• 관계형 DB 기반 대단위 데이터를 분석하여 의사결정에 도움을 주는 저장소 및 시스템

나. DW의 특징

특징	설명
주제 중심적	– 분석하려는 주제 중심 시스템 구조화 – 고객, 거래처, 상품 등 주제 중심 구현
비휘발성	– DW 기록 후 변경되지 않으며 분석 일관성 – 대규모 데이터 로딩하여 읽기 전용
통합적	– 기존 데이터 추출하여 원하는 형태로 변형 – 다른 방식의 데이터를 일관된 방식 표현
시간 가변적	– 일정 기간 정확성 유지, 시점 별 요소 반영 – 시점 별 분석 가능 (주가정보, 환율정보)

• DW는 소스데이터로부터 자료를 이관하는 ETT/ETL과 ODS, Metadata 등으로 구성

 

II. DW의 구성도 및 구성요소

가. DW의 구성도

나. DW의 구성요소

역할	구성요소	설명
데이터 추출	ETT/ETL	– Extract Transform Transportation(Load) – 데이터를 소스에서 추출, DW에 로드
	ODS	– Operational Data Store (운영 정보 저장소) – 실시간성 데이터를 바로 DW 저장
데이터 저장	Metadata	– DW 저장 데이터의 정보 저장 – 데이터 사용성, 관리 효율성 추구
	Data Mart	– 특화된 소규모 DW(부서별, 분야별) – 특정 비즈니스 프로세스
데이터 분석	OLAP	– 최종 사용자의 대화식 정보분석도구 – 다차원 정보 직접 접근
	Data Mining	– 데이터상 의미 있는 패턴 검색 과정 – 미래예측 위한 의미있는 정보 추출

 

III. DW 구축 단계 및 구축 방법

가. DW 구축 단계

단계	프로세스	설명
1단계	DW Modeling	– 비즈니스 영역 선정, 분석 – DW/ODS Modeling
2단계	ETL(Legacy → DW)	– 운영계에서 수집된 Data를 ODS와 DW로 정제, 변환, 적재
3단계	Data Mart Modeling	– 다차원 분석 영역 정의 – Data Mart 모델링
4단계	ETL(ODS/DW → Data Mart)	– ODS/DW로부터 데이터 추출 – 다차원 DB 구성
5단계	ROLAP 구축	– DW에서 ROLAP 개발
6단계	MOLAP 구축	– Data Mart에서 MOLAP 개발
7단계	DW 시스템 운영	– ETT Scheduling, 메타데이터 관리 – Backup & Recovery 수행

나. DW 구축 방법

구분	설명
Top-Down	– 전사 관점에서 전체 DW를 한 번에 구축 – 시간/비용 많이 소요되며 전사적 지원 필요
Bottom-up	– 특정 그룹 별 Data Mart 구축 후 DW통합 – 향후 통합에 대한 설계 고려 필요
Hybrid	– DW와 Data Mart 병행 구축 – 비용, 인력 분산 투입 가능, 위험 최소화

 

IV. DW 구축 핵심 성공요인 및 구축 시 고려사항

가. DW 구축 핵심 성공요인

핵심 성공요인	설명
조직 측면	– 경영 전략에 정렬, 지속적 개선 – 경영자의 의지, 관리체계 수립
기술 측면	– Data 품질 보장, ETT 성능 확보 – 지속적 튜닝
사용자 측면	– 사용자 중심 구축 – Real Time DW 추구

나. DW 구축 시 고려사항

구분	고려사항
개발 측면	– 의사소통 체계 마련, 성능 저하 가능성 고려
운영 측면	– 지속적 관리, 기존 시스템과 통합 연계

• 빅데이터, 데이터 스트리밍 등 대량의 정형/비정형 데이터를 저장, 보관 시 데이터 레이크 적용