[DAsP 한 권으로 끝내기] Chapter1.전사 아키텍처 이해 - (2)

 

앞서 전사 아키텍처와 데이터 아키텍처의 차이점에 대해서 공부하는 시간을 가졌었고, 아래와 같이 한마디로 요약해볼 수 있다.

 

🔳 전사 아키텍처 ⇒ 기업의 정보화 시스템을 Business, Data, S/W, H/W의 측면에서 분석하고 표현한 것

🔳 데이터 아키텍처 ⇒ 기업이나 조직의 데이터 구조를 체계적으로 정의하여 구축 및 관리하는 것

 

👀 여러분이 건축가의 입장에서 건물을 짓는다고 한번 생각해보자. 건물을 무작정 짓기 시작할 것인가? 당연히 대답은 ‘No’이다. 우리는 그 건물이 어떤 용도로 사용되는지? 어떤 건축 양식을 참고할지? 등에 대해서 먼저 방향을 수립하는 것을 먼저 시작해야 한다.

 

데이터 아키텍처도 이와 동일하다. 먼저 기업이나 조직의 어떤 목표 이미지를 지향할지? 어떤 원칙을 적용해서 구축할지? 에 대해서 먼저 정의하는 것이 중요하다. 이번 장에서는 데이터 아키텍처 구축전에 ‘방향을 수립’하는 방법에 대해서 알아보도록 하자.

 

 

[Part1. 데이터아키텍처 방향 수립]

1-1. 데이터 아키텍처 방향 수립의 과정

• 데이터아키텍처 환경분석이란?
  • 내외부 환경의 데이터 관련 추이를 파악하고 향후 비즈니스에 미칠 영향을 분석하는 단계
  • 환경분석을 통해 데이터 아키텍처의 방향성을 정의하는 것이 목표이다.
    • (외부적 분석요인) 데이터 관련 기술 이슈 및 트렌드, 법제도 등의 변화
    • (내부적 분석요인) 외부 환경에 대응하는 내부 동향 및 변화 계획
    • (이해관계자 분석요인) 데이터 관련 불만, 요구 및 기대사항

 

• 데이터아키텍처 구축 방향 정의
  • 위의 분석 결과를 기반으로 데이터 아키텍처 구축 목적과 범위를 지정하는 단계
  • (일반적인 데이터 아키텍처 구축 목적)
    • 데이터 품질 제고/ 전사적 데이터 표준 체계 정립/데이터 상호운용성 증대 등

 

• 데이터아키텍처 프레임워크 정의
  • 아키텍처 구성을 위한 뼈대를 정의하는 과정으로 아키텍처 구축을 위한 틀을 정의하는 단계
  • 국내에서는 범정부 전사아키텍처 가이드를 참조하기도 하며, 개별 기업과 조직의 특성에 맞게 정의하여 적용해야 한다.
  • 데이터아키텍처 프레임워크의 대표적인 것으로 ‘아키텍처 매트릭스(Architecture Matrix)’ 가 있다.

 

 

1-2. 아키텍처 매트릭스에 대하여

• 아키텍처 매트릭스는 의사결정 유형(Perspective)과 정보 유형(View)를 2차원의 매트릭스로 구성한 것을 의미한다. 매트릭스 내용은 각 의사결정/정보 유형별로 필요한 산출물을 정의한다.
• 아키텍처 매트릭스는 선진 사례의 프레임워크를 참조하되 조직의 상황에 맞게 정의하는 것이 중요하며, 매트릭스 내의 산출물은 기업이나 조직의 업무 특성과 문화에 따라 달라질 수 있는 것을 알아둬야 한다.

 

• 아키텍처 매트릭스 구성
  • 의사결정 유형(관점,Perspective)
    • 계획자/책임자/설계자/개발자
  • 정보 유형(View)
    • 업무/데이터/응용/기술

 

• 아키텍처 매트릭스 정의 시 고려사항
  • 매트릭스 내의 산출물에 대해 모든 이해관계자들이 동의할 수 있어야 한다.
  • 선진 모범 사례가 있을 경우 참조하되 조직에 맞게 조정해야 한다.
  • 아키텍처 원칙 및 표준에 대한 준수성을 높여야 한다.
  • 다른 아키텍처 도메인(Business/Data/Application/Technical)의 산출물과 상호 연계성을 고려해야 한다.

 

 

 

---

[Part2. 데이터아키텍처 구축 프로세스]

2-1. 데이터아키텍처 정보 구축 준비

• 아키텍처 매트릭스에서 정리한 산출물 리스트를 기반으로 기존에 작성된 자료를 수집하여 준비하는 단계
• 만약, 매트릭스에서 정의한 산출물이 없는 경우 유사 산출물을 활용하거나 필요에 따라 생성 및 보완할 수도 있다.

 

2-2. 현행 데이터아키텍처 정보 구축

• 앞 단계에서 준비한 자료를 분석하여 현행 데이터아키텍처 정보를 구축하는 단계
• 아키텍처 매트릭스의 각 셀에서 정의하는 산출물을 기준으로 현재 관리되는 모델 및 문서를 정리/보완하여 현행화하는 작업 단계이다.
• 정보 구축 방법
  • 현행 데이터베이스 개체 파악 및 현재 데이터 현황 분석
  • 현행 데이터 표준 분석
  • 현행 및 목표 시스템에 대한 데이터 요구사항 분석
  • 현행 데이터 구조 문제점 및 개선방안 도출

 

• 👉 (아래 더보기) 현행 데이터 분석 방법
  • [현행 데이터 분석 방법 4가지]
    

    1. 데이터 현황 분석

    • 데이터베이스 개체 및 스토리지 사용 현황 파악
    • 데이터 완전성/우선순위/정합성/유효성 분석
      • 완전성 - 미사용 테이블/필수 칼럼 누락 확인 등
      • 우선순위 - 키/메인 엔터티
      • 정합성 - 데이터 간의 우선순위 및 정합성
      • 유효성 - 데이터 형식/유효 범위 등
        
        

    2. 데이터 표준화 현황 분석

    • 명칭/도메인/코드 사용 등의 일관성 파악
      
      

    3. 문서화 현황 및 정합성 분석

    • 현행 설계 문서와 실제 데이터베이스 개체의 일치성 확인
      
      

    4. 설계 및 관리 현황 분석

    • 현행화 상태 확인 및 데이터 관리 체계 파악

 

2-3. 목표 데이터아키텍처 정보 구축

• 앞서 분석한 문제점과 개선 방향을 토대로, 데이터 요구사항을 반영하여 목표 데이터아키텍처에 반영하기 위해 준비하는 단계
• 정보 구축 방법 (목표 데이터아키텍처를 위해 정의하는 것들)
  • 목표 데이터 표준 및 관리 프로세스 정의
  • 목표 데이터 주제영역 모델 정의
  • 목표 개념/논리/물리 데이터 모델 정의
  • 목표 데이터베이스 개체 정보 구축
  • 목표 데이터 흐름 정의

 

 

 

이러한 과정을 통해, 목표 데이터아키텍처 이행 계획이 최종적으로 수립되면서 프로젝트가 정의되고 추진되게 된다. 이처럼 하나의 아키텍처를 설계하기 위해서는 체계적인 준비과정과 절차가 필요해진다.

 

그럼 아키텍처를 설계하고나면 모든 일이 마무리되는 것일까? 답은 ‘No’이다. 데이터아키텍처를 잘 만들었다면, 이 아키텍처가 잘 유지될 수 있도록 관리하는 사람(또는 부서)가 필요하다. 다음 장에서는 아키텍처를 잘 관리하고 활용하기 위한 방법에는 무엇이 있을지 알아보도록 하자.

 

 

 

📘참고 서적: [데이터아키텍처 준전문가(DAsP) 한 권으로 끝내기]
김상목 지음