11. 병행제어와 데이터 전환 - 2과목 데이터 베이스 구축

11. 병행제어와 데이터 전환 - 2과목 데이터 베이스 구축

지난시간은 저장 프로시저(데이터 베이스에 돌아가는 모듈)로 많은 데이터가 있거나 아예 아무 출력문이 없는 특징이 있습니다. 반드시 리턴값은 하나입니다. 트리거는 DML에 대한 특정 조건에 연쇄적으로 처리해서 DB에 저장하는 것을 말합니다. 이러한 윈도우함수에 대해 공부했었습니다.

 

데이터 베이스 구축에서는 데이터 베이스의 개념은 공유, 저장, 통합, 운영 데이터로 이루어져있습니다. 이렇듯 동시에 이용할 수 있는 공유데이터는 병행해서 사용하기 때문에 제어해야한다는 것이 이번 시간의 내용입니다. 정처기 실기에서 자주 출제되는 것 중 하나인 병행제어가 나오는 파트이기 떄문에 꼼꼼히 봐주셔야합니다.

 

2024.04.04 - [정보처리기사] - 10. SQL 그룹함수, 절차형 SQL - 2과목 데이터베이스 구축

 

목차

병행제어란?

병행 제어는 데이터베이스에서 여러 사용자가 동시에 데이터를 읽고 쓸 때 생기는 문제를 관리하는 방법입니다. 예를 들어, 여러 사람이 같은 시간에 동일한 계좌에서 돈을 인출하려고 할 때 데이터베이스는 누구에게 먼저 처리해야 하는지 결정해야 합니다. 병행 제어는 이러한 상황에서 데이터의 일관성과 무결성을 보장하기 위해 필요합니다.

왜 병행제어를 해야하는가?

• 동시성 제어
  • 여러 사용자가 동시에 데이터를 조작할 때 발생하는 문제를 관리합니다. 예를 들어, 동일한 데이터를 읽고 쓰는 경우에 데이터의 일관성을 유지하기 위해 필요합니다.
• 데이터 무결성 보장
  • 여러 사용자가 동시에 데이터를 조작할 때 발생할 수 있는 데이터 무결성 위협을 방지합니다. 즉, 데이터베이스가 항상 정확하고 일관된 상태를 유지합니다.
• 성능 최적화
  • 효율적인 병행 제어 알고리즘을 사용하여 동시에 여러 작업이 실행될 수 있도록 합니다. 이는 시스템의 성능을 향상시키고 사용자 경험을 향상시킵니다.

병행제어의 목적

1. 동시성 확보: 병행 제어는 여러 사용자가 동시에 데이터를 읽고 쓸 때 데이터베이스의 일관성과 무결성을 유지하면서 동시성을 확보합니다. 즉, 여러 사용자가 동시에 데이터를 조작해도 데이터베이스의 정확성과 일관성을 보장합니다.
2. 공유도 최대화: 병행 제어는 데이터베이스 자원의 공유도를 최대화합니다. 여러 사용자가 동시에 데이터를 조작할 수 있도록 하여 시스템의 활용도를 높이고 성능을 향상시킵니다.
3. 데이터베이스의 일관성 유지: 병행 제어는 동시에 여러 사용자가 데이터를 조작할 때 데이터베이스의 일관성을 유지합니다. 즉, 데이터베이스의 상태가 항상 일관되고 정확한 상태를 유지하도록 합니다.

병행제어 문제 (적용하지 않았을 때)

갱비모연

병행 제어 문제	설명	예시
갱신 분실 (Lost Update)	여러 트랜잭션이 동시에 동일한 데이터를 수정할 때, 마지막으로 수행된 트랜잭션의 결과로 이전 트랜잭션의 결과가 덮어씌워져 손실되는 현상을 의미합니다.	동시에 계좌 잔액을 변경하는 두 개의 트랜잭션이 발생할 때 발생할 수 있습니다.
비완료 의존성 (Uncommitted Dependency)	한 트랜잭션이 다른 트랜잭션의 완료 여부에 따라 실행 가능한지 여부가 결정되는 현상을 말합니다.	첫 번째 트랜잭션이 끝나기 전에 두 번째 트랜잭션이 시작되어 발생할 수 있습니다.
모순성 ( Inconsistency)	병행 처리로 인해 일관성 없는 데이터 상태가 발생하는 현상을 의미합니다. 여러개의 데이터를 가지고 올때 발생함.	동시에 같은 데이터를 수정하는 트랜잭션 중 하나가 커밋되지 않아 모순된 결과가 발생할 수 있습니다.
연쇄 복귀 (Deadlock)	여러 트랜잭션이 서로를 기다리는 데드락 상태에 빠지게 되는 현상을 말합니다. 하나의 데이터가 롤백이되면, 다른 데이터도 롤백이 되는 것	트랜잭션 A가 트랜잭션 B를 기다리고, 트랜잭션 B가 트랜잭션 A를 기다리는 경우에 발생할 수 있습니다.

트랜잭션 테이블:

작업데이터트랜잭션 1트랜잭션 2

읽기	balance = 100	Yes	No
추가	balance = 150	Yes	No
저장	balance = 150 저장	Yes	No
읽기	balance = 100	No	Yes
추가	balance = 130	No	Yes
저장	balance = 130 저장	No	Yes

• 갱신 분실(Lost Update): 두 개의 트랜잭션이 동시에 같은 데이터를 수정하고 저장하는 경우에 발생할 수 있습니다. 여기서는 트랜잭션 1이 계좌 잔액을 변경하고 저장한 후, 트랜잭션 2가 동일한 데이터를 읽고 변경하는 경우에 갱신 분실이 발생할 수 있습니다.
• 비완료 의존성(Uncommitted Dependency): 트랜잭션 1이 트랜잭션 2가 완료될 때까지 기다리는 동안, 트랜잭션 1이 저장 단계로 진행되지 못하고 블로킹되는 상황을 예로 들 수 있습니다.
• 모순성(Inconsistency): 트랜잭션 1과 트랜잭션 2가 동시에 같은 데이터를 수정하고 저장하는 경우, 데이터의 일관성이 깨질 수 있습니다. 여기서는 트랜잭션 1과 트랜잭션 2가 동시에 데이터를 수정하고 저장하면서 모순된 결과가 발생할 수 있습니다.
• 연쇄 복귀(Deadlock): 트랜잭션 1이 트랜잭션 2를 기다리고, 트랜잭션 2가 트랜잭션 1을 기다리는 경우 데드락 상태에 빠질 수 있습니다. 여기서는 두 트랜잭션 모두 서로를 기다리고 있는 상황이 아니기 때문에 연쇄 복귀가 발생하지 않습니다.

병행제어 기법

병행 제어 기법	설명
로킹 (Locking)	여러 트랜잭션이 동시에 데이터를 접근할 때 데이터베이스에서 데이터에 대한 접근을 제어하기 위해 사용되는 방법
2단계 로킹 규약 (Two-Phase Locking Protocol)	트랜잭션이 두 단계로 로킹을 수행하는 프로토콜로, 로킹 단계와 해제 단계로 구분 확장단계에서는 새로운 lock만 가능, 축소단계에서는 Unlock만 가능 확장 단계 : 새로운 Lock은 가능 축소 단계 : Inlock은 간으하고 새로운 LOCK은 불가능 직렬가능성 보장
타임스탬프 (Timestamp)	트랜잭션 수행 시점을 기록하여 병행 제어를 수행하는 방법 데이터에 접근하는 시간을 미리 정해 순서대로 접근 Cascading Rollbak를 초래 교착상태가 발생하지 않는다.
낙관적 병행 제어 (Optimistic Concurrency Control)	트랜잭션 간의 충돌이 발생할 가능성을 낙관적으로 보고, 트랜잭션이 완료될 때 충돌을 해결하는 방법
다중 버전 병행 제어 (Multi-Version Concurrency Control)	트랜잭션이 동시에 여러 버전의 데이터를 볼 수 있도록 하여 읽기 연산 간의 충돌을 방지하는 방법입니다.

 

Locking 단위에 따른 영향

Locking	로크수 (Number of Locks)	병행성 (Concurrency)	오버헤드 (Overhead)
큰 단위 (Large)	증가	감소	증가
작은 단위 (Small)	감소	증가	감소

회복기법이란?

데이터베이스 시스템에서 트랜잭션들이 수행 중에 발생할 수 있는 시스템 장애나 오류로 인해 손실된 데이터를 복구하는 방법이나 절차를 의미합니다. 

데이터베이스 시스템에서는 다양한 종류의 회복 기법을 사용하여 데이터의 무결성을 보장하고, 시스템 장애로 인해 손실된 데이터를 최소화합니다.

 

장애 유형

트랜잭션 장애	트랜잭션이 부적절하게 종료되거나 실행되지 않는 상황을 의미합니다. 실행 중 발생하는 논리적 오류
시스템 장애	데이터베이스 시스템의 소프트웨어나 하드웨어의 오류로 인해 시스템 전체가 작동하지 않는 상황을 의미합니다. 하드웨어 시스템에서 발생하는 오류
미디어 장애	디스크 고장이나 저장장치의 손실로 인해 데이터가 손실되거나 손상되는 상황을 의미합니다. 다스크 손상 등으로 발생하는 오류

 

Undo와 Redo의 차이

Undo	Redo
변경 사항을 취소하여 이전 상태로 되돌리는 과정입니다.	변경 사항을 다시 적용하여 이전 상태로 복구하는 과정입니다.
주로 시스템 장애나 트랜잭션 롤백 시에 사용됩니다.	주로 시스템 장애나 트랜잭션 재수행 시에 사용됩니다.

 

로그파일

트랜잭션이 반영한 모든 데이터의 변경사항을 데이터베이스에 기록하기 전에 미리 기록해 두는 별도의 파일

로그파일을 이용한 복구

---

로그기반 회복기법

로그 기반 회복 기법(Log-Based Recovery Technique)은 데이터베이스에서 시스템 장애로 인한 데이터 손실을 회복하는 데 사용되는 기법입니다. 이 기법은 데이터베이스의 로그 파일에 기록된 변경 사항을 사용하여 회복 작업을 수행합니다. 주로 미디어 장애나 시스템 장애 등으로 인한 데이터 손실을 복구하는 데 활용됩니다.

 

지연생신 회복 기법 (Delayed Redo Recovery Technique)

지연 즉, 늦게 회복하기 때문에 지금현재에 진행중인 트랜잭션은 무시하는 방법입니다.

• 트랜잭션의 변경 사항을 로그 파일에 기록한 후, 변경 사항을 데이터베이스에 반영하기 전에 지연하는 방식으로 작동합니다.
• 데이터베이스에 변경 사항을 반영하기 전에 시스템 장애가 발생하면, 로그 파일을 사용하여 변경 사항을 다시 적용하여 데이터를 복구합니다.
• 일괄 처리를 통해 변경 사항을 반영하기 때문에 성능이 향상될 수 있습니다.

즉시갱신 회복 기법 (Immediate Update Recovery Technique)

• 이 기법은 트랜잭션이 실행되는 동안 변경 사항을 즉시 데이터베이스에 반영하는 방식으로 작동합니다.
• 데이터베이스에 변경 사항을 즉시 반영하므로, 시스템 장애가 발생해도 변경 사항을 복구할 필요가 없습니다.
• 트랜잭션의 완료 여부와 관계없이 변경 사항을 즉시 반영하기 때문에 성능에 약간의 부담이 있을 수 있습니다.

검사점 회복 기법

체크포인트 회복 기법

장애 발생 시 검사점 이전에 처리된 트랜잭션은 회복에서 제외하고 검사점 이후에 처리된 트랜잭션은 회복 작업 수행

그림자 페이징 회복 기법 (Shadow Paging Recovery Technique)그림자 페이징 회복 기법

• 동일페이지 생성 Current - shadow 성공하면 폐기 실패하면 사용
• 그림자 페이징 회복 기법은 데이터베이스의 회복을 위해 로그 파일 대신 그림자 페이지를 사용하는 기법입니다.
• 데이터베이스에 변경 사항이 발생하면, 해당 페이지의 사본을 만들어 그림자 페이지에 기록합니다.
• 변경 사항이 완료되면, 커밋되지 않은 페이지를 실제 페이지로 복사하여 데이터베이스를 업데이트합니다.
• 시스템 장애 발생 시, 그림자 페이지를 사용하여 데이터베이스를 이전 상태로 복구합니다.

미디어 회복 기법 (Media Recovery Technique)

• 백업, RAID
• 미디어 회복 기법은 물리적인 데이터 손실로 인해 발생하는 데이터베이스의 회복을 다룹니다.
• 주로 백업 및 복원 기술을 사용하여 데이터베이스를 백업하고, 장애 발생 시 백업된 데이터를 사용하여 데이터베이스를 복구합니다.
• 백업된 데이터와 로그 파일을 사용하여 시스템 장애로 인한 데이터 손실을 최소화합니다.

ARIES 회복 기법 (Algorithms for Recovery and Isolation Exploiting Semantics) 

ARIES회복 기법은 트랜잭션의 로깅과 REDO 및 UNDO 알고리즘을 사용하여 회복을 수행하는 기법입니다.

• REDO 중 repeating history
  • 시스템 장애로 인해 변경된 데이터를 다시 적용하여 복구하는 과정입니다. 이는 로그 파일을 통해 변경 사항을 다시 실행하여 데이터를 이전 상태로 복구하는 것을 의미합니다. 시스템 장애 발생 시 로그 파일을 통해 이전에 발생한 트랜잭션의 변경 사항을 다시 적용하여 데이터베이스를 회복합니다.
• UNDO 중 Logging
  • 시스템 장애로 인해 롤백이 필요한 트랜잭션을 취소하여 데이터를 복구하는 과정입니다. 이는 로그 파일을 사용하여 롤백이 필요한 트랜잭션을 식별하고, 해당 트랜잭션의 변경 사항을 취소하여 이전 상태로 복구하는 것을 의미합니다.

주요 3단계

1. 분석 단계 (Analysis Phase)
   • 시스템 장애가 발생한 시점 이후의 로그 레코드를 분석하여, 회복이 필요한 트랜잭션과 데이터베이스 상태를 확인합니다.
   • 분석 단계에서는 REDO와 UNDO의 범위를 결정하게 됩니다.
2. REDO 단계 (Redo Phase)
   • 분석 단계에서 확인한 범위 내에서, 시스템 장애 이후에 발생한 모든 트랜잭션의 변경 사항을 다시 적용합니다.
   • 로그 파일을 통해 변경된 데이터를 다시 반영하여 데이터베이스를 일관된 상태로 복구합니다.
3. UNDO 단계 (Undo Phase)
   • 분석 단계에서 확인한 범위 내에서, 시스템 장애 이후에 완료되지 못한 트랜잭션을 롤백하여 이전 상태로 복구합니다.
   • 로그 파일을 역방향으로 탐색하여 롤백이 필요한 트랜잭션의 변경 사항을 취소하고, 데이터베이스를 이전 상태로 되돌립니다.

ETL이란?

기존 원천 시스템에서 데이터를 추출(Extraction)하여 목적 시스템의 데이터베이스에 적합한 형식과 내용으로 변환(Transformation)한 후, 목적 시스템에 적재(Loading)하는 일련의 과정

ETL 프로세스는 비즈니스나 조직의 데이터를 원본 시스템에서 추출한 후 필요한 형식으로 변환하여 데이터베이스나 데이터 웨어하우스로 적재하는 과정을 의미합니다.

 

데이터 전환 절차

이 전 데이터를 전환하는 과정인데, 시험에 출제하기는 어려우므로 PASS하셔도 좋습니다.

1. 데이터 전환 계획 및 요건 정의
   • 전환 작업의 범위와 목표를 설정하고, 전환에 필요한 요구 사항을 수집합니다.
   • 데이터 전환 작업의 일정과 예산을 설정하고 프로젝트를 계획합니다.
2. 데이터 전환 설계
   • 전환 작업에 필요한 데이터 매핑 및 변환 규칙을 수립합니다.
   • 데이터 전환 프로세스의 아키텍처 및 기술 스택을 설계하고 문서화합니다.
3. 데이터 전환 계발
   • 데이터 전환을 위한 프로그램 및 스크립트를 개발하고 구현합니다.
   • 데이터 추출, 변환 및 적재(ETL) 프로세스를 개발하고 테스트합니다.
4. 데이터 전환 테스트 및 검증
   • 전환된 데이터의 품질과 정확성을 검증하기 위한 테스트를 수행합니다.
   • 시스템 통합 테스트를 진행하여 전환된 데이터가 기존 시스템과 상호 작용하는지 확인합니다.
5. 데이터 전환
   • 테스트 및 검증이 완료되면, 실제 운영 환경으로 데이터를 전환합니다.
   • 데이터 전환 작업을 실행하고, 데이터의 일관성과 무결성을 확인하며 문제가 발생하는 경우 조치를 취합니다.

 

데이터 전환이 필요한 이유

1. 시스템 갱신 또는 교체: 기존 시스템이 오래되거나 기능적으로 부족한 경우, 새로운 시스템으로의 전환이 필요할 수 있습니다. 이 경우 기존 시스템에서 데이터를 새로운 시스템으로 이전해야 합니다.
2. 데이터 통합: 조직이 여러 시스템에서 데이터를 수집하고 있는 경우, 데이터를 통합하여 단일 시스템에서 관리하려는 요구가 생길 수 있습니다.
3. 데이터 중앙화: 데이터를 중앙 집중식 시스템에 집계하거나 저장하려는 경우, 분산된 데이터를 한 곳으로 모으고 통합해야 합니다.
4. 비즈니스 요구의 변경: 비즈니스 요구 사항이 변경되면 기존 데이터 구조나 포맷이 새로운 요구에 부합하지 않을 수 있습니다. 이 경우 데이터를 변환하고 재구성해야 합니다.
5. 기존 데이터의 유효성 유지: 기존 데이터를 새로운 형식에 맞게 유지하고, 데이터의 무결성을 유지하기 위해 전환 작업이 필요할 수 있습니다.
6. 비용 절감 및 효율성 향상: 데이터 전환을 통해 데이터의 품질을 향상시키고, 데이터에 대한 접근성과 가용성을 향상시키며, 비용을 절감하고 효율성을 높일 수 있습니다.

ETL 기능

1. 추출(Extract)
   • 데이터 추출 단계에서는 다양한 소스 시스템(데이터베이스, 파일, 웹 등)에서 데이터를 가져옵니다.
   • 추출된 데이터는 일반적으로 원본 시스템의 형식과 구조를 유지하며, 추출 작업을 위한 임시 저장소에 저장됩니다.
2. 변환(Transform)
   • 데이터 변환 단계에서는 추출된 데이터를 필요한 형식으로 변환하고 정제합니다.
   • 데이터를 정규화, 집계, 결합 또는 필터링하여 데이터 품질을 향상시키고 분석에 적합한 형태로 만듭니다.
   • 변환 작업은 비즈니스 규칙이나 요구 사항에 따라 수행됩니다.
3. 적재(Load)
   • 변환된 데이터는 데이터베이스나 데이터 웨어하우스로 적재되어 저장됩니다.
   • 데이터는 적재 과정에서 목표 시스템의 데이터 모델에 맞게 구성되고 저장됩니다.
   • 데이터 적재 후에는 보고서 작성, 비즈니스 인텔리전스, 데이터 분석 등의 작업을 수행할 수 있습니다.

 

ETL 작업 단계

단계	설명
Interface	- 데이터 소스와 ETL 시스템 간의 연결을 설정 - 데이터를 추출하기 위한 인터페이스를 구축
Staging	- 추출된 데이터를 일시적으로 저장하는 영역 - 데이터 전환 및 품질 개선을 위한 준비 작업 수행
Profiling	- 추출된 데이터의 품질을 평가하고 데이터의 구조 및 특성을 조사하는 단계 - 데이터의 불완전성, 불일치성, 중복성 등을 식별하여 추가 작업 결정
Cleansing	- 추출된 데이터에서 오류를 수정하고 불필요한 정보를 제거하여 데이터의 품질을 향상시키는 과정  - 오류 수정, 중복 제거, 불일치 데이터 일치화 등 포함
Integration	- 다양한 소스에서 추출된 데이터를 통합하여 단일 데이터 세트로 조합하는 과정 - 데이터 조인과 결합을 통해 통합된 데이터 세트 생성
Denormalizing	- 데이터베이스의 정규화를 해제하여 성능을 향상시키는 과정 - 데이터 복제나 중복 저장을 통해 쿼리 성능 최적화 및 데이터 접근성 향상

 

데이터 정제란?

데이터 정제(Data Cleansing)는 데이터에서 오류, 불일치, 중복 또는 불완전한 정보를 식별하고 수정하여 데이터의 품질을 향상시키는 과정을 말합니다. 

데이터 정제는 데이터 품질을 향상시키고 데이터 분석 및 의사 결정에 신뢰할 수 있는 정보를 제공하기 위해 중요한 단계

데이터 품질 관리 대상

데이터값(Data Values)

데이터값은 데이터 세트에 포함된 개별 데이터 요소를 가리킵니다.
데이터값의 품질을 관리하려면 올바른 형식과 범위 내의 값이 있는지 확인하는 등의 작업이 필요합니다.

• 데이터 현상적인 값
• 데이터 구조적 값

 

데이터구조(Data Structure)

데이터구조는 데이터가 어떻게 구성되어 있는지를 나타냅니다.
데이터베이스 테이블, 파일 형식, 스키마 등이 포함됩니다.
데이터구조의 품질을 관리하려면 정확한 구조, 관계, 제약조건 등이 유지되는지 확인해야 합니다.

 

데이터 관리 프로세스(Data Management Processes)

데이터 관리 프로세스는 데이터 수집, 저장, 가공, 분석, 공유, 보안 등의 과정을 포함합니다.
데이터 관리 프로세스의 품질을 관리하려면 프로세스의 효율성, 일관성, 정확성 등을 확인하고 개선해야 합니다.

데이터 품질 지표	설명
정확성	데이터가 실제로 얼마나 정확하고 정확한지를 나타냅니다.
일관성	데이터가 동일한 소스에서 추출되었을 때 동일한 형식과 값으로 표시되는지를 나타냅니다.
유용성	데이터가 사용자의 요구에 맞게 적절하고 유용한지를 나타냅니다.
접근성	데이터에 접근하는 데 필요한 시간 및 노력이 적절한지를 나타냅니다.
적시성	데이터가 필요한 시간에 제때 제공되는지를 나타냅니다.
보안성	무단 액세스로부터 보호되고 기밀성이 유지되는지를 나타냅니다.

 

데이터 품질 관리 프레임워크

유형	데이터값	데이터구조	데이터 관리 프로세스
CIO/EDA (개괄적 관점)	- 정확성: 데이터 분석 및 의사 결정에 대한 정확성	- 일관성: 다양한 데이터 소스의 데이터 일관성 보장	- 데이터 수집 및 통합
	- 유용성: 비즈니스 목표 달성을 위한 데이터 유용성	- 접근성: 데이터에 쉽게 접근 가능	- 데이터 분석 및 시각화
DA (개념적 관점)	- 정확성: 데이터 모델의 정확성	- 일관성: 데이터 모델의 일관성 유지	- 데이터 모델링 및 설계
	- 유용성: 비즈니스 요구 사항을 충족하는 데이터 모델링	- 접근성: 데이터 모델에 쉽게 접근 가능	- 데이터 요구 사항 분석 및 문서화
Modeler (논리적 관점)	- 정확성: 논리적 데이터 모델의 정확성	- 일관성: 논리적 데이터 모델의 일관성 유지	- 논리적 데이터 모델링 및 설계
	- 유용성: 논리적 데이터 모델의 비즈니스 유용성	- 접근성: 논리적 데이터 모델에 쉽게 접근 가능	- 데이터 모델 검증 및 피드백 수용
DBA (물리적 관점)	- 정확성: 물리적 데이터베이스의 정확성	- 일관성: 물리적 데이터베이스의 일관성 유지	- 물리적 데이터베이스 설치, 구성, 관리
	- 유용성: 물리적 데이터베이스의 효율성 및 성능	- 접근성: 물리적 데이터베이스에 쉽게 접근 가능	- 백업 및 복구, 보안, 성능 최적화 등의 데이터베이스 관리
User (운용적 관점)	- 정확성: 사용자가 필요로 하는 데이터의 정확성	- 일관성: 사용자가 사용하는 데이터의 일관성 보장	- 데이터 사용 및 분석
	- 유용성: 사용자가 데이터를 활용하여 비즈니스 목표 달성	- 접근성: 사용자가 쉽게 데이터에 접근 가능	- 데이터 요구 사항을 충족하기 위한 데이터 관리 및 분석

 

용어 정리

1. CIO (Chief Information Officer):
   • 기업이나 조직에서 정보 기술 전략을 결정하고 관리하는 최고 정보 책임자입니다.
   • IT 부서를 감독하고 기업의 비즈니스 목표를 달성하기 위해 IT 리소스를 효과적으로 활용합니다.
   • 정보 기술과 비즈니스 전략 간의 조화를 이끌고, 기술적인 변화에 대한 전략적 방향을 제시합니다.
2. EDA (Enterprise Data Architecture):
   • 기업 데이터 아키텍처로서, 기업의 데이터 관련 요구 사항을 충족시키기 위한 전략적 계획과 설계입니다.
   • 기업의 모든 데이터 자원을 관리하고 조직화하여 데이터 관리 및 분석을 지원합니다.
   • 데이터 모델링, 메타데이터 관리, 데이터 웨어하우스 구축, 데이터 품질 관리 등을 포함합니다.
3. DA (Data Analyst):
   • 데이터를 수집, 처리, 분석하여 비즈니스 의사 결정에 도움을 주는 전문가입니다.
   • 데이터를 통해 비즈니스의 트렌드나 패턴을 식별하고 분석하여 의사 결정을 지원합니다.
   • 통계 및 데이터 분석 기술을 활용하여 데이터로부터 가치 있는 인사이트를 도출합니다.
4. DBA (Database Administrator):
   • 데이터베이스 시스템을 설치, 구성, 유지 관리하고 모니터링하는 역할을 담당하는 전문가입니다.
   • 데이터베이스의 보안, 성능 최적화, 백업 및 복구, 사용자 권한 관리 등을 담당합니다.
   • 데이터베이스 시스템의 안정성과 가용성을 유지하고 데이터의 무결성을 보장합니다.