데이터 모델링 중 엔터티 모델링이 어려운 이유는?

이전 글에서 데이터 모델링이 철학적 관점이 필요한 이유에 대해서

 

비즈니스 업무를 데이터적 관점으로 보는것은 매우 어려운일이다

그것을 서양 철학적 관점으로 해석으로 데이터 관점을 새롭게 바라볼 수 있는게 하였다

 

아래에 상세한 내용이 있으니 관심이 있으신분을 링크를 클릭하 시길 바랍니다

 

 

 

2022.09.12 - [Data_Modeling/Methodology] - 데이터 모델링을 철학적 관점이 필요한 이유는?

데이터 모델링을 철학적 관점이 필요한 이유는?

 

---

 

엔터티 모델링이 어려운 이유는?

 

엔터티 모델링 어려운 이유를 한마디로 표현하면 엔터티의 핵심적인 특성을 결장하는 기준을 찾기 어렵기 때문입니다

이러한 어려운 이유를 세분화하여 나열해 보았습니다

 

 

첫째 데이터 집합을 정의하기가 쉽지않습니다

 

모델링은 결국 업무 데이터의 분류와 묶음이라는 행위입니다

 

여신 연체관리 진행이라는 은행 업무가 있다고 한다면

<여신연체관리진행>이라는 엔터티를 만들어야 하는 지,

아니면 <여신연체관리> 엔터티의 <진행> 속성으로 관리해야하는지는

그 기준을 정하기가 어렵다는 것입니다

 

그 기준이 무엇인지 명확히 밝히고 객관화할 수 있다면 실전에 활용하면 될 것입니다

 

 

둘째 데이터의 본질을 볼 줄 알아야 엔터티를 정확하게 정의할 수 있는 점입니다

 

비즈니스 관점을 제거하는 게 그리 쉬운일은 아닙니다

더욱 데이터 모델링하는 사람들은 업무상 처음 마주한 사람이 대부분입니다

그렇기 때문에 본연의 속성을 파악하기가 쉽지 않을 것입니다

우리는 대상을 인식할 때 우선 복합물로 인식하기 때문입니다

 

존재에 고유한 특성인지 파악하고 정리할 수 있는 깊은 통찰력이 모델러에게 필요합니다

 

 

셋째 엔터티의 추상화 수준을 결정하는 것은 대단히 어렵습니다.

 

추상화 수준이란 다양한 의미를 포함합니다

사람이라는 집합이라면 이를 성별이라는 관점으로 구분할지, 태어는 나라로 구분할지

그것도 아니면 한 덩어리로 관리할지 전략적으로 결정하기가 쉽지가 않습니다

 

필요에 따라 유사 집합과 통합하고 분리하는 과정을 거치면서

엔터티의 적절한 크기를 결정할 수 있는 내공이 필요합니다

 

 

넷째 하위의 트랜잭션 데이터만을 보고

부모 역할을 하는 상위의 논리적인 집합을 발견하는 것은 어렵습니다.

 

 

데이터 모델링에서 엔터티 모델링은 꽃입니다

엔터티를 찾아내지 못하면 모델은 모호하거나 이상하게 그려지고 

결국 데이터가 중복되거나 이상현상이 발생합니다.

 

눈에는 보이지는 않지만, 분명히 존재하는 논리적인 집합을 발견할 수 있는 통찰이 필요합니다.

 

 

다섯째 업무의 방대함과 복잡도에 압도되기 쉽습니다.

 

차세대 정보시스템 구축 프로젝트의 경우

새롭게 만들어지는 테이블 수가 만 개 이상인 경우도 있습니다

 

모델러가 데이터의 정체성, 성격, 특징을 파악하고

데이터가 생성되는 규칙까지 읽을 수 있어야 제대로 된 모델이 나올 수 있습니다

 

하지만 실무에서는 부족한 분석/설계 기간,

작업 분류 체계 자체의 문제점, 업무 정형화에 필요한 현업 인터뷰 부족 등

많은 문제점들이 있습니다

 

이러한 환경 속에서 주어진 리소스만 가지고 업무의 복잡도를 파악하고

효율을 극대화해주는 방법론이 필요합니다

 

그렇기 때문에 더 더욱 경험이라는 것이 중요하며

자기만의 업무분야에서 사용할 방법론을 구축해야합니다  

 

 

프로젝트 성패를 결정짓는 데이터 모델링 이야기 中 김상래 지음

 

 

---

 

데이터 모델링을 공부하기위해 여러 기관도 알아보고 책도 많이 보았습니다

이론적인 부분만 본다면 저는 이 책이 정말 좋았습니다

 

데이터 모델링에 대해 근본적인 생각을 고쳐주며

다른 관점을 보게해주기 때문입니다

 

하지만 이런 관점을 실무에서 쓸수 있냐 없냐는 자기가 직접 구현해보면서

공부를 해야한다느 것이지요

 

그래서 이런 관점을 생각하면서 현재 프로젝트 모델링이 되어있는 것을 보면서

생각해보는 것이 필요하겠습니다