데이터 웨어하우스의 정의 특징 및 구축 사례

소개글

데이터 웨어하우스의 정의 특징 및 구축 사례에 대한 보고서 자료입니다.

목차

1. 데이터 웨어하우스란?

2. 데이터 웨어하우스의 필요성

3. 데이터베이스와 데이터 웨어하우스의 비교
1) OLTP (On-Line Transaction Processing) : 온-라인 거래 처리
2) OLAP (On-Line Analytical Processing) : 온-라인 분석 처리

4. 데이터 웨어하우스의 특징과 효과
1) 데이터 웨어하우스의 특징
2) 데이터 웨어하우스의 효과

5. 데이터 웨어하우스 구축 방법
1) ODBC(Open Database Connectivity), OLE DB
2) 데이터변환서비스 (DTS: Data Transformation Services)
3) Analysis Services
4) 피벗테이블 서비스(PTS: Pivot Table Service)

6. 국내외 데이터 웨어하우스의 구축 사례
1) 국내의 기후․대기 데이터 웨어하우스 구축사례
2) 해외의 교통 데이터 웨어하우스 구축사례

본문내용

, 2012).
2) 해외의 교통 데이터 웨어하우스 구축사례
해외 교통데이터 웨어하우스 구축사례로는 켈리포니아 PeMS, 유타 ATMS, 버지니아 ADMS 등이 있다. 이들 시스템은 공통적으로 다음의 기능을 제공한다. 첫째, 통행시간, 통행속도와 같은 현재 소통상태 정보를 제공한다. 둘째, 통행패턴, 구간통계값을 제공한다. 셋째, 돌발상황정보를 제공한다(박승용, 2007).
해외 교통데이터 웨어하우스의 특징 비교
형태
특징
켈리포니아
PeMS
검지기의 상태 및 Data Quality 제공
고속도로의 g-factor개단발일루프와 이중루프의 속도추정을 위한
통행시간 예측
유타 ATMS
시스템
DataQuality제공
실시간 교통관리와 통행정보제공
버지니아
ADMS
Data Quality 제공
수집데이터의 가용 데이타 비율 제공
도로의 서비스 수준, 교통량 예측, 분석
다인승 차량 전용차로의 일일 효과 분석
기상정보제공
캘리포니아 PeMS는 캘리포니아 교통국(Caltrans)과 버클리의 캘리포니아대학(UCB)에서 구축한 시스템이다. 교통관리센터(TMC)는 매 30초마다 고속도로의 루프검지기 테이터를 수집하며, 데이터는 TMC로부터 PeMS 컴퓨터의 저장소로 전송되고, PeMS 내에서 처리과정을 통해 교통상황을 웹상에 제공하게 되다.
유타 ATMS 시스템은 현재 641개의 TMS(Traffic Monitor Station)가 TOC(Traffic Operation Center)에 연결되어 있으며, TMS는 대략 0.5마일(0.8Km)마다 위치하고 있다. TMS에는 간선부와 램프부에 차로마다 검지기가 설치되어 있으며, 교통량, 속도, 점유율을 측정할 수 있는 이중 루프검지기가 매설되어 있다. 각각의 TMS에는 속도, 교통량, 점유율, 저장시간, 지점 ID,검지기 ID, TMS 지점을 알아 볼 수 있는 이정표가 저장되어 있다.
TMS데이터는 실시간으로 수집되며 처리 단위는 20초 간격이며, 20초 간격의 교통량, 속도, 점유율 데이터와 15분 간격으로 집계된 데이터가 광케이블을 통해 TOC에 전송되며, TOC에서 이 데이터를 이용하여 실시간 교통관리와 통행정보제공을 수행한다.
TMS데이터는 실시간으로 수집되며 처리 단위는 20초 간격이며, 20초 간격의 교통량, 속도, 점유율 데이터와 15분 간격으로 집계된 데이터가 광케이블을 통해 TOC에 전송되며, TOC에서 이 데이터를 이용하여 실시간 교통관리와 통행정보제공을 수행한다.
버지니아 ADMS(Archived Data Management System)는 ADUS(Archived Data User Service)를 위해 효과적으로 데이터를 수집하고 변환하여 제공하는 역할을 한다. 원시 ODS(Operation Data Stores)로부터 데이터웨어하우징을 거치는데 Extraction(데이터의 추출), Transformation(데이터의 변환), Loading(데이터의 전송)의 순서로 된다.
버지니아 ADMS는 검지기별 지점별 데이터를 이용하여 저녁에 자동적으로 과거이력데이터 수집하고 과거 이력 지점데이터 테이블을 이용하여 일별, 주별, 월별 집계데이터를 생성한다. 과거 이력데이터의 평균값을 계산하여 실시간 ETL과정에서 누락 데이터를 보정하기 위해 이용 한다(정승태, 2014).
참고자료
고유헌, 보건소 의사결정지원을 위한 데이터웨어하우스 구축에 대한 연구, 연세대학교 보건대학원 논문, 2003.
김나영, 기후·환경 변화 예측 지원을 위한 데이터웨어하우스 구축에 관한 연구, 인제대학교 대학원 논문, 2012.
박성진, 데이터웨어하우스, 한신대학교출판부, 2012.
박승용, 고품질 데이터를 지원하는 교통데이터 웨어하우스 구축 기법, 단국대학교 대학원 논문, 2007.
송수경, 교통정보 이력자료 분석을 위한 통합 교통 데이터베이스의 설계 및 구축, 이화여자대학교 대학원 논문, 2007.
송유진, 데이터 모델링을 통한 데이터 웨어하우스 구축, 연세대학교 산업대학원 논문, 2000.
유제국, 데이터웨어하우스의 품질에 영향을 미치는 구현요인에 관한 실증적 연구, 남서울대학교 대학원 논문, 2008.
이정일, 효율적인 의사결정지원을 위한 데이터 웨어하우스 설계, 숭실대학교 정보과학대학원 논문, 2008.
정승태, 데이터 웨어하우스(Data Warehouse) 개인정보보호 가이드라인 개발에 관한 연구, 동국대학교 국제정보대학원 논문, 2014.
최용락이정일, 데이터 웨어하우스 개념과 성능, 2008.

키워드

데이터웨어하우스,   데이터 웨어하우스,   데이터웨어하우스 정의,   데이터웨어하우스 특징,   데이터웨어하우스 사례,