HJS STUDY
1학년 / 1학기 / ADsP · 데이터분석 준전문가 / 1강

1편 · 데이터의 이해 — 데이터·정보·데이터베이스

80분#ADsP#1과목#데이터 이해#DIKW#데이터베이스#데이터 웨어하우스

이번 강의에서 배울 것

  • 정량·정성, 정형·반정형·비정형 데이터를 예시로 분류한다.
  • SECI 지식 전환 네 단계와 DIKW 피라미드의 각 층을 예로 설명한다.
  • 데이터베이스의 네 특징과 설계 절차, SQL의 DDL·DML·DCL을 구분한다.
  • OLTP·OLAP, 데이터 웨어하우스·데이터 마트·데이터 레이크의 차이를 말한다.

학습 경로 · 1과목 1장

← 0 · 시험 지도 · 다음: 2편 · 빅데이터의 가치와 데이터 사이언스 →

범위: 교재 1과목 1장 "데이터의 이해" — 01 데이터와 정보, 02 데이터베이스의 정의와 특징, 데이터베이스 활용.

형광펜 읽는 법: 노랑 핵심 정의·결론 · 빨강 시험에서 헷갈리는 구분·함정 · 파랑 외워야 할 순서·목록

단원 도입

출제 포인트빈도이렇게 나온다
정형·반정형·비정형 데이터 예시★★★"JSON은 어떤 유형인가?", 예시 분류
SECI 네 단계(공통화·표출화·연결화·내면화)★★★상황 설명 → 단계 고르기
DIKW 피라미드★★★예문이 D·I·K·W 중 무엇인지
데이터베이스 4특징★★★특징이 아닌 것 고르기
DW 4특징, DW vs DM★★"휘발성"을 끼워 넣는 함정
SQL 명령어 분류 (DDL·DML·DCL)★★명령어 → 분류
OLTP vs OLAP, CRM·SCM·ERP·BI★★설명 → 시스템 이름
데이터 단위 KB부터 YB까지★크기 순서

PART 1 · 데이터와 정보

1. 데이터의 정의와 유형

핵심 필기

  • 데이터(Data): 추론과 추정의 근거가 되는 있는 그대로의 객관적 사실. 다른 데이터와의 관계 속에서 가치를 가진다.
  • 존재적 특성(객관적 사실)과 당위적 특성(추론·예측의 근거)을 함께 가진다.
기준유형뜻예시
표현 방식정량적(Quantitative)수치·기호·도형으로 표현기온 18℃, 풍속, 판매량
표현 방식정성적(Qualitative)언어·문자로 풀어서 표현기상 특보 문장, 주관식 응답, SNS 글
구조정형(Structured)행·열 형식이 정해짐관계형 DB 테이블, 스프레드시트, CSV
구조반정형(Semi-structured)구조를 설명하는 메타데이터·스키마를 포함HTML, XML, JSON, 센서 로그
구조비정형(Unstructured)정해진 구조가 없음사진, 영상, 음성, 자유 텍스트

2. 지식경영 · 암묵지와 형식지

핵심 필기

구분암묵지(Tacit knowledge)형식지(Explicit knowledge)
뜻경험·학습으로 개인에게 체화된, 겉으로 드러나지 않는 지식문서·매뉴얼 등으로 형상화된 지식
공유어렵다쉽다
예자전거 타기, 김치 손맛, 협상 감각교과서, 작업 매뉴얼, 설계도, DB

상호작용(SECI 모델): 공통화 → 표출화 → 연결화 → 내면화 ("공표연내")

단계방향무슨 일이 일어나나
공통화(Socialization)암묵지 → 암묵지함께 일하며 노하우를 몸으로 전함 (도제식 전수)
표출화(Externalization)암묵지 → 형식지노하우를 문서·매뉴얼로 옮김
연결화(Combination)형식지 → 형식지기존 매뉴얼에 새 지식을 더해 체계화
내면화(Internalization)형식지 → 암묵지매뉴얼을 보고 익혀 다시 자기 몸의 지식으로 만듦

3. DIKW 피라미드

Data → Information → Knowledge → Wisdom — 아래로 갈수록 양이 많고, 위로 갈수록 가치와 추상도가 높다.

층정의예시 (편의점 우유 가격)
Data가공 전 객관적 사실, 순수한 수치·기호A점 우유 2,500원, B점 우유 2,900원
Information데이터를 가공해 패턴을 인식하고 의미를 부여A점 우유가 B점보다 싸다
Knowledge상호 연결된 정보를 이해해 예측·행동 계획을 세움우유는 A점에서 사야겠다
Wisdom근본 원리를 이해해 얻는 창의적 아이디어A점은 다른 유제품도 쌀 것이다

4. 데이터의 단위

  • KB → MB → GB → TB → PB → EB → ZB → YB (각 2의 10제곱배, 약 1,000배)
  • 외우기: 킬메기테 / 페엑제요 — Peta, Exa, Zetta, Yotta.
  • 자료 구성 단위: Bit → Nibble(4bit) → Byte(8bit) → Word → Field → Record → File → DB

PART 2 · 데이터베이스

5. 데이터베이스의 정의

용어뜻
DBMSDB를 정의·관리하고 사용자에게 접근 환경을 주는 소프트웨어
스키마(Schema)DB의 구조와 제약조건에 대한 명세 (외부·개념·내부 스키마)
인스턴스(Instance)스키마에 따라 실제로 저장된 값
메타데이터(Metadata)데이터를 설명하는 데이터 — 구조·의미·관리 정보
인덱스(Index)검색·정렬을 빠르게 하기 위한 자료구조

DBMS의 종류

종류특징예
관계형(RDBMS)행·열의 테이블로 데이터를 정리Oracle, MySQL, MariaDB, PostgreSQL, SQL Server
객체지향(ODBMS)이미지·영상 같은 복잡한 데이터를 객체로 관리, 상속—
NoSQL비정형 데이터, 관계형보다 느슨한 일관성 모델, 수평 확장MongoDB, HBase, Cassandra, Redis, CouchDB

6. 데이터베이스의 4가지 특징

통합된 · 저장된 · 공용 · 변화되는 데이터 ("통저공변")

특징뜻
통합된 데이터(Integrated)같은 내용이 중복되지 않음 (중복 최소화)
저장된 데이터(Stored)컴퓨터가 접근 가능한 저장 매체에 저장
공용 데이터(Shared)여러 사용자가 서로 다른 목적으로 공동 이용
변화되는 데이터(Changeable)삽입·삭제·갱신이 일어나도 현재의 정확한 상태를 유지

다양한 측면에서 본 DB의 특징: 정보 축적·전달(기계 가독성, 검색 가능성, 원격 조작성), 정보 이용(빠르고 정확하고 경제적), 정보 관리(체계적 축적), 정보기술 발전(네트워크 기술 견인), 경제·산업(국민 편의 증진).

7. 데이터베이스 설계 절차

요구조건 분석 → 개념적 설계 → 논리적 설계 → 물리적 설계 ("요개논물")

단계하는 일산출물
요구조건 분석사용자가 원하는 데이터·처리 파악요구사항 명세
개념적 설계DBMS와 무관하게 개념 모델링ERD(개체-관계도), 개념 스키마
논리적 설계특정 DB 모델(관계형 등)에 맞게 변환, 정규화테이블 구조
물리적 설계저장 장치에 맞춘 저장 구조·인덱스 설계물리 스키마

8. SQL 명령어 분류

SQL(Structured Query Language) — DB에 접근하는 표준 질의 언어(하부 언어).

분류역할명령어
DDL (Data Definition)구조 정의CREATE, ALTER, DROP, RENAME, TRUNCATE
DML (Data Manipulation)데이터 조작SELECT, INSERT, UPDATE, DELETE
DCL (Data Control)권한·트랜잭션 제어GRANT, REVOKE, COMMIT, ROLLBACK

PART 3 · 기업은 데이터베이스를 어떻게 쓰는가

9. 기업 내부 데이터베이스 솔루션

시스템한 줄 정의문제에서 찾을 키워드
OLTP (On-Line Transaction Processing)주문·결제처럼 DB를 수시로 갱신하는 실시간 거래 처리거래, 갱신, 트랜잭션
OLAP (On-Line Analytical Processing)다차원 데이터를 대화식으로 분석·조회다차원, 드릴다운, 분석
CRM (Customer Relationship Mgmt)고객 데이터를 분석해 마케팅·관계 관리고객
SCM (Supply Chain Mgmt)공급망 전 과정의 재고·시간·비용 최적화공급망, 유통
ERP (Enterprise Resource Planning)인사·재무·생산 등 경영 자원을 통합 관리전사 자원, 통합
BI (Business Intelligence)DW 데이터로 리포트를 만들어 의사결정 지원리포트, 대시보드, Ad hoc report
BA (Business Analytics)통계·수학 기반으로 통찰을 얻음 (BI보다 진보)예측, 통계 모델
KMS조직의 지식을 체계적으로 관리지식
RTE (Real-Time Enterprise)최신 정보로 지연 없이 의사결정, 기업 간 협업 IT화실시간, 지연 제거

10. 데이터 웨어하우스 · 데이터 마트 · 데이터 레이크

DW의 4특징: 주제지향성 · 통합성 · 시계열성 · 비휘발성 ("주통시비")

특징뜻
주제지향성(Subject-oriented)업무 처리 단위가 아닌 고객·상품 같은 분석 주제별로 구성
통합성(Integrated)여러 원천의 데이터를 일관된 형식으로 통합
시계열성(Time-variant)시간에 따른 변화 이력을 보관
비휘발성(Non-volatile)적재 후 읽기 전용, 배치 적재 외에는 수정·삭제하지 않음

구성요소

  • ETL(Extract · Transform · Load): 원천에서 추출 → 변환 → DW에 적재.
  • ODS(Operational Data Store): 여러 운영 DB에서 뽑은 데이터를 DW 적재 전에 임시로 통합·저장하는 곳.
  • 데이터 마트(Data Mart, DM): 특정 부서·주제용으로 떼어 낸 소규모 DW. 사용자와 DW 사이의 중간층.
  • EDW: 전사(Enterprise) 차원의 중앙 DW.

데이터 레이크(Data Lake) — 정형·반정형·비정형을 원래 형태 그대로 대량 저장. 하둡(Hadoop)과 연계해 처리한다.

  • 하둡(Hadoop): 여러 컴퓨터를 하나처럼 묶어 대용량 데이터를 처리하는 오픈소스 프레임워크.
    • HDFS: 분산 파일 저장 시스템
    • MapReduce: 분산된 데이터를 병렬 처리(Map → Reduce)

단원 마무리

장 요약

  • 데이터는 표현 방식(정량·정성)과 구조(정형·반정형·비정형)로 나눈다. 반정형: 메타데이터 포함 (HTML, XML, JSON).
  • 지식은 공통화 → 표출화 → 연결화 → 내면화로 순환하고, 데이터는 D → I → K → W로 가치가 높아진다.
  • DB는 통합·저장·공용·변화, 설계는 요구조건 → 개념 → 논리 → 물리.
  • SQL은 DDL(정의) · DML(조작) · DCL(제어).
  • DW는 주제지향·통합·시계열·비휘발, DM은 부서용 소규모 DW, 데이터 레이크는 원형 그대로 저장.

단답형 연습

답은 맨 끝 정답과 해설에서 확인한다.

  1. 데이터를 설명하는 데이터를 무엇이라 하는가? ______________
  2. 개인에게 체화되어 겉으로 드러나지 않는 지식은? ______________
  3. 암묵지를 문서·매뉴얼로 옮기는 SECI 단계는? ______________
  4. 패턴을 이해해 예측·행동 계획을 세운 DIKW 층은? ______________
  5. DB 설계에서 ERD를 그리는 단계는? ______________
  6. SELECT, INSERT가 속한 SQL 분류는? ______________
  7. 다차원 데이터를 대화식으로 분석하는 처리 방식은? ______________
  8. DW 적재 전 운영 데이터를 임시로 통합·저장하는 곳은? ______________
  9. 특정 부서용으로 만든 소규모 DW는? ______________
  10. 하둡의 분산 파일 시스템 이름은? ______________

책을 덮고 꺼내 보기

  • HTML·XML·JSON은 데이터다.
  • 기존 매뉴얼에 새 지식을 더하는 단계는 다.
  • DB에서 같은 데이터가 중복되지 않는 특징은 다.
  • DW는 적재 후 수정하지 않는 을 가진다.
정형·반정형·비정형 데이터의 대표 예시는?

정형 — 관계형 DB 테이블, CSV, 스프레드시트. 반정형 — HTML, XML, JSON, 센서 로그(메타데이터 포함). 비정형 — 사진, 영상, 음성, SNS 글.

SECI 네 단계와 각각의 방향은?

공통화(암묵→암묵), 표출화(암묵→형식), 연결화(형식→형식), 내면화(형식→암묵).

DIKW에서 지식과 지혜를 가르는 기준은?

지식은 정보를 바탕으로 한 예측·행동 계획, 지혜는 근본 원리를 이해해 다른 상황에도 일반화하는 창의적 통찰이다.

데이터베이스의 4가지 특징은?

통합된 데이터(중복 없음), 저장된 데이터, 공용 데이터, 변화되는 데이터(현재의 정확한 상태 유지).

DDL·DML·DCL의 대표 명령어는?

DDL — CREATE, ALTER, DROP, TRUNCATE. DML — SELECT, INSERT, UPDATE, DELETE. DCL — GRANT, REVOKE, COMMIT, ROLLBACK.

OLTP와 OLAP의 차이는?

OLTP는 거래를 실시간으로 갱신 처리하고, OLAP는 다차원 데이터를 대화식으로 조회·분석한다.

데이터 웨어하우스의 4특징은?

주제지향성, 통합성, 시계열성, 비휘발성.

데이터 마트와 데이터 레이크는 DW와 어떻게 다른가?

데이터 마트는 DW에서 특정 부서·주제용으로 떼어 낸 소규모 DW이고, 데이터 레이크는 정형·비정형 데이터를 원래 형태 그대로 대량 저장하는 저장소다.

다음으로 갈 기준: 예문 하나를 보고 DIKW 층과 데이터 구조 유형을 바로 말할 수 있으면 다음 편으로 간다: 2편 · 빅데이터의 가치와 데이터 사이언스.

정답과 해설

확인 문제 정답

  1. XML은 반정형, 상담 녹음은 비정형.
  2. 내면화 — 형식지(매뉴얼)를 개인의 암묵지로 체득.
  3. 정보(Information) — 두 데이터를 비교해 패턴(3배)을 찾았지만, 아직 행동 계획이나 일반화는 없다.
  4. 통합된 데이터(Integrated data).
  5. TRUNCATE는 DDL, GRANT는 DCL.
  6. 주제지향성·통합성·시계열성·비휘발성. DB의 "변화되는 데이터"와 반대되는 것은 비휘발성.

단답형 정답

  1. 메타데이터(Metadata)
  2. 암묵지(Tacit knowledge)
  3. 표출화(Externalization)
  4. 지식(Knowledge)
  5. 개념적 설계
  6. DML(데이터 조작어)
  7. OLAP
  8. ODS(Operational Data Store)
  9. 데이터 마트(Data Mart)
  10. HDFS(Hadoop Distributed File System)
오늘도 한 걸음 앞으로.

내용을 이해했다면 학습 완료를 체크해 주세요.

학습 기록은 현재 브라우저에 저장됩니다.
HJS / STUDY한지석