[데이터웨어하우스][DW][데이터웨어하우스(DW) 기술동향]데이터웨어하우스(DW) 특징, 데이터웨어하우스(DW) 구성요소, 데이터웨어하우스(DW) 필요성, 데이터웨어하우스(DW) 기술, 데이터웨어하우스(DW) 기술동향

소개글

[데이터웨어하우스][DW][데이터웨어하우스(DW) 기술동향]데이터웨어하우스(DW) 특징, 데이터웨어하우스(DW) 구성요소, 데이터웨어하우스(DW) 필요성, 데이터웨어하우스(DW) 기술, 데이터웨어하우스(DW) 기술동향에 대한 보고서 자료입니다.

목차

Ⅰ. 서론

Ⅱ. 데이터웨어하우스(DW)의 특징
1. 주제 중심적(subject-oriented) 구성
2. 통합된(integrated) 내용
3. 시간에 따라 변화되는(time-variant) 값의 유지
4. 비휘발성(non-volatile)

Ⅲ. 데이터웨어하우스(DW)의 구성요소
1. 구체 데이터 (detail data)
2. 요약 데이터 (summary data)
3. 메타 데이터 (metadata)

Ⅳ. 데이터웨어하우스(DW)의 필요성

Ⅴ. 데이터웨어하우스(DW)의 기술
1. 다차원 데이터 모델
2. 스타조인
3. 다차원 DB
1) 다차원 데이터 분석 및 다차원 DB
2) 데이터 형태
3) 희소행렬
4) 다차원 질의
5) 드릴다운 및 드릴 업
6) RDB와의 연계

Ⅵ. 향후 데이터웨어하우스(DW)의 기술동향

Ⅶ. 결론

참고문헌

본문내용

한 수준의 데이터를 요구하는 것을 드릴 다운이라고 한다. MDD의 다차원 질의에서 드릴다운 및 드릴 업은 차원 테이블에 정의된 차원의 계층구조(hierarchical structure)에 따라서 이루어진다.
MDD의 이러한 피보팅과 드릴 업 및 드릴다운 기능은 데이터 웨어하우스에 저장된 데이터를 사용자 관점에서 필요에 따라서 다양한 관점으로 분석하도록 하며 데이터를 사용자 관점에서 설계하도록 한다.
6) RDB와의 연계
MDD는 데이터 웨어하우스에서 데이터의 분석 목적을 위하여 필요하다면 언제라도 쉽게 구축되고 갱신될 수 있는 공간이다. 그러므로 MDD를 데이터가 영원히 보관하는 공간이 아니라 분석 목적을 위해 데이터가 어느 기간동안 머무르는 공간으로 간주해야 한다.
한편 RDB는 현재 OLTP 목적의 대부분의 운영 DB를 토대로 각 기관의 정보시스템에서 광범위하게 사용되고 있다. RDB는 대용량의 DB 지원, 우수한 플랫폼 이식성, 개방성 및 표준화 등과 같은 여러 가지 장점들을 갖고 있으며, 이러한 장점들로 인하여 RDB는 OLTP와 데이터 웨어하우스를 위한 DB로 많이 활용되고 있다. 그러므로 MDD와 RDB를 서로 배타적인, 다시 말해, MDD가 RDB의 기능과 역할을 대체하는 것이 아니라 이 둘이 서로 상호 보완적인 것으로 간주한다.
MDD는 RDB와 다음과 같은 이유로 상호 보완적이다. 먼저 MDD는 필요한 데이터를 RDB에서 지원 받아서, 데이터 웨어하우스의 분석목적을 위하여 요약되며 분석된 데이터를 갖도록 DB를 구축한다. 데이터 웨어하우스 사용자는 경우에 따라서 분석된 요약 데이터가 아닌 상세한 데이터를 필요로 할 때가 있다. 이러한 경우, 데이터 웨어하우스의 사용자는 드릴다운 도구들을 사용하여 MDD에 저장된 예약 데이터보다 훨씬 상세한 데이터를 RDB에서 얻을 수 있다.
Ⅵ. 향후 데이터웨어하우스(DW)의 기술동향
현재의 데이터웨어하우스 데이터는 관계형 테이블 개념을 크게 벗어나지 않고 디스크(Disk Drive)에서 데이터를 불러와서 조인(Join)이나 구조적 질의문(Structured Query) 등의 방법으로 처리하고 있지만, 앞으로는 데이터를 메모리내(In-Memory) 연산기법을 사용하여 예측성 질의문에 대하여도 빠른 속도를 보장할 것이다. 그리고 테이프, 광디스크 등 시스템과 온라인으로 연결되어 있지 않은 매체(Near Line Storage)도 장차 방대한 데이터를 관리하는 웨어하우스 구축시에 자연스럽게 고려하게 되는 매체가 될 것이다. 이러한 NLS 장치는 기관의 데이터 중에 가장 기초적인 수준의 데이터까지 매우 저렴한 비용으로 디자인 할 수 있게 한다. 이 때 온라인 매체와 오프라인 매체 간에 걸치는 특수한 관리소프트웨어를 고려하여 질의에 대한 탐색 및 응답 처리의 성능을 높인다.
또 한가지 새로운 정보기술로 객체지향시스템(Object Oriented System)이 관심을 끌고 있다. 과거 계층형 모델의 父노드와 子노드간에 일정한 속성이나 절차처리내용을 미리 설정하는 기술로서, 함수(Function Procedure)라는 프로그래머블한 속성을 데이터셋 스스로 보유하도록 한다. 새로운 전산환경 즉 분산처리환경이라든지, 이질형 플랫홈 기반에서 수많은 정보를 인터넷 공통 브라우저로 공유하도록 하는 것이 일례이다. 특히 객체지향의 철학이 메시지 전달(Message Passing)에 바탕을 두고 있기 때문에 메모리 공유기법이 별 효용이 없는 분산환경에서는 원격지간에 메시지를 효과적으로 주고받을 수 있는 객체지향 모델이 크게 각광받게 되고 데이터웨어하우스의 관계형 테이블 구조에도 커다란 발전을 가져올 것이다. 그러나 미리 정해진 형태의 질의에 대해서는 무척 효율적으로 빨리 응답할 수 있는 객체지향 모델도 비정형 적인 복잡한 질의에 대해서는 관계형 모델의 조인(Joining the Tables) 기능이 아직까지는 더욱 강력하다고 할 수 있다. 따라서 객체형의 단점을 보완하고 기존 기술의 보전하는 진화적 접근방식이라 할 수 있는 객체관계형(Object Relational Data) 모델도 학계에서는 논의되고 있다.
Ⅶ. 결론
1990년대 초반부터 기관이나 기업의 필수적인 업무처리시스템과 차별화 되는 한 차원 높은 정보를 찾아내어 의사결정 프로세스에 활용하고자 탐사 데이터웨어하우스(Exploration Data Warehouse)개념이 태동하였지만, 대형빌딩의 기초공사에 해당하는 총체적인 데이터웨어하우스 구축에는 상당한 비용이 들어가므로 아직까지는 기존 업무처리시스템의 결과자료를 가지고서 전문가의 식견에만 의존하는 의사결정이 주를 이루고 있다. 기존의 업무처리시스템이 기관 또는 기업의 소관업무별로 발생하는 데이터를 그때그때 한정된 저장매체에 수록한 후 빈번하게 검색하는 자료를 미리 인덱스 데이터로 처리하여 이용자에게 빠른 속도로 수록 정보를 그대로 제공하기 때문에, 나머지 자료의 분석이나 추세 판단, 주변정보와의 연결 검색 등의 몫은 몇 몇 사람의 판단에만 의존할 수밖에 없다. 기관이나 기업이 보유하고 있는 정보는 기하급수적으로 늘어가고, 컴퓨터 저장매체가 대용량화 되는 현 여건에서 기존 통계데이터베이스의 요약 집계된 정보가 이용자의 수준 높은 정보요구를 충족시키기에 한계가 있으므로 앞으로는 각 통계조사의 방대한 데이터풀(Data Pool)에서 직접 다양한 소프트웨어를 운영하여 일련의 통계적인 탐색과정을 거친 분석자료를 도출해 내는 자료관리체제가 요구되며 이 분야에 부합하는 최근 정보기술인 데이터 웨어하우스 시스템을 구축하여 미래의 통계자료의 관리 인프라에 대비하는 것이 필요하다.
참고문헌
박주석 외 2명 - 국내 데이터웨어하우스 현황 조사결과, 경희대, 1998
윤주용·이영재 - 기업정보시스템, 생능출판사, 2001
장동인 - 데이터 웨어하우스, 대청미디어, 1991
편집부 - 데이터 웨어하우스 구축과 활용, 하이테크정보사, 1996
한국 IBM - 데이터웨어하우스 솔루션, DB2 정기세미나, 1997
함문성 역 - 데이터 웨어 하우스, 서울 : 니드, 1997
Remon Barquin - 데이터 웨어하우스, 니드출판사, 1999

키워드

데이터웨어하우스,   DW,   데이터웨어하우스기술,   DW기술,   데이터