데이터베이스 개론 - 데이터베이스 기본 개념

1) 데이터베이스의 필요성

 

(1) 데이터와 정보

• 데이터는 현실 세계에서 단순히 관찰하거나 측정하여 수집한 사실 (Fact)이나 값 (Value)을 의미하며 자료 라고도 불리운다.

 

• 정보는 데이터를 의사 결정에 유용하게 활용할 수 있도록 처리하여 체계적으로 조직한 결과물이다.

 

• 데이터에서 정보를 추출하는 과정 또는 방법을 정보 처리 (Information Processing)라고 부르며, 데이터를 상황에 맞게 분석하거나 해석하여 데이터 간의 의미 관계를 파악하는 것이다.

 

(2) 데이터를 데이터베이스에 저장

• 현대사회에서 개인이나 조직의 성공 여부를 결정짓는 중요한 요소는 정보이며 이는 정보가 개인이나 조직이 올바른 의사 결정을 내리는데 중요한 판단 기준이 되기 때문이다.

 

• 그리고 가치 있는 정보를 얻기 위해서는 현재 상황을 정확히 관찰하고 측정하여 의미 있는 데이터를 많이 수집해야 한다.

 

• 또한, 수집한 데이터를 효율적으로 저장했다가 필요할 때 언제든 사용할 수 있어야 하는 등 이러한 것들을 모두 데이터베이스가 대신 관리해준다!

 

2) 데이터베이스 정의와 특징

 

(1) 데이터베이스의 정의

• 데이터베이스라는 용어는 1963년 컴퓨터 중심의 데이터베이스 개발과 관리 (Development and Management of a Computer-centered Data Base) 심포지엄에서 공식적으로 처음 소개되었다.

 

• 데이터베이스는 쉽게 말해 관련있는 데이터를 모아두는 창고로 생각할 수 있지만 의미를 보다 정확히 파악하기 위해 널리 통용되는 정의를 보자!

일반적으로 데이터베이스는 특정 조직의 여러 사용자가 '공유'하여 사용할 수 있도록 '통합'해서 '저장'한 '운영' 데이터의 집합이다.

 

공유 데이터 (Shared Data)

• 데이터베이스는 특정 조직의 여러 사용자가 함께 소유하고 이용할 수 있어야 하는 공용 데이터이다.

 

통합 데이터 (Integrated Data)

• 데이터베이스는 데이터 중복성 (Data Redundancy), 즉 똑같은 데이터가 여러 개 존재하는 것을 허용하지 않는다.

 

• 데이터가 중복되면 관리하기 어려운 문제가 발생할 수 있기 때문이다.

 

• 하지만 효율성 때문에 중복을 의도적으로 허용하는 경우도 있으므로 통합 데이터는 데이터의 중복을 최소화하고 통제가 가능한 중복만 허용하는 데이터라는 의미로 이해하자!

 

저장 데이터 (Stored Data)

• 데이터베이스의 데이터는 주로 컴퓨터가 처리하므로, 컴퓨터가 접근할 수 있는 매체에 데이터베이스를 저장해야 한다.

 

운영 데이터 (Operational Data)

• 데이터베이스는 조직을 운영하고 조직의 주요 기능을 수행하기 위해 꼭 필요하다.

 

• 일시적으로 사용하고 마는 것이 아닌, 지속적으로 유지해야 하는 데이터이다!

 

(2) 데이터베이스의 특징

• 데이터베이스에 대한 정의를 바탕으로 데이터베이스의 주요 특징을 살펴 보자!

실시간 접근 (Real-time Accessibility)

• 데이터베이스는 사용자의 데이터 요구에 실시간으로 응답할 수 있어야 한다.

 

• 실시간 처리에서는 사용자의 개인 특성이나 제공되는 서비스 유형에 따라 허용되는 응답 시간은 다 다르겠지만 대개 몇 초를 넘지 않는 시간 내에 데이터를 제공해야 한다!!

 

지속적인 변화 (Continuous Evolution)

• 데이터베이스는 현실 세계의 상태를 정확히 반영해야 의미가 있는데 다만 현실 세계는 끊임없이 변하기 때문에 데이터베이스에 저장된 데이터도 현실에 맞추어 계속 변해야 한다.

 

• 즉, 정리하자면 데이터베이스는 동적이므로 데이터를 계속 삽입, 삭제, 수정하여 현재의 정확한 데이터를 유지해야 한다는 것이다!

 

동시 공유 (Concurrent Sharing)

• 데이터베이스는 여러 사용자가 동시에 이용할 수 있는 동시 공유의 특징을 제공해야 한다.

 

내용으로 참조 (Content Reference)

• 데이터베이스는 저장된 주소나 위치가 아닌 데이터의 내용 (Content), 즉 값으로 참조할 수 있다.

 

• 일반적으로 컴퓨터에 저장된 데이터는 저장 주소를 알아야 검색이 가능한 반면 데이터베이스는 데이터의 내용만으로도 검색이 가능하다

 

• 예를 들어, '재고량이 500개 이상인 제품의 이름을 검색하세요' 처럼 찾고자 하는 데이터의 내용 조건만 제시하면 조건에 맞는 데이터가 서로 다른 위치에 저장되어 있어도 모두 검색할 수 있다.

 

3) 데이터 과학 시대의 데이터

 

(1) 형태에 따른 데이터 분류

• 데이터는 구조화된 형태에 따라 정형 데이터, 반정형 데이터, 비정형 데이터로 분류할 수 있다.

 

정형 데이터 (Structed Data)

정형 데이터는 구조화된 데이터, 즉 미리 정해진 구조에 따라 저장된 데이터를 말한다.

• 대표적인 예시로 엑셀의 스프레드시트, 관계형 데이터베이스의 테이블이 있다.

 

[Note] 스키마
미리 정해진 데이터 구조를 스키마 (Schema)라고 부른다.

 

반정형 데이터 (Semi-Structed Data)

반정형 데이터는 구조에 따라 저장된 데이터이지만 정형 데이터와 달리 데이터 내용 안에 구조에 대한 설명이 함께 존재한다.

• 데이터 내용 안에 구조에 대한 설명이 함께 들어 있어 구조를 파악하는 파싱 (Parsing) 과정이 필요하고, 보통 파일 형태로 저장된다.

 

• 대표적인 예시로 웹에서 데이터를 교환하기 위해 작성하는 HTML, XML, JSON 문서 등이 있다.

 

[Note] 메타 데이터 (Metadata)
내용과 함께 설명된 데이터 구조를 스키마 라고도 하지만 메타 데이터 라고도 한다.

 

비정형 데이터 (Unstructed Data)

비정형 데이터는 정해진 구조가 없이 저장된 데이터를 말한다.

• 대표적인 예시로 소셜 데이터의 텍스트, 영상, 이미지, 음성, 워드나 PPT 문서 등이 있다.

 

(2) 특성에 따른 데이터 분류

• 데이터는 특성에 따라 범주형 데이터와 수치형 데이터로 분류할 수 있다.

 

범주형 데이터 (Categorical Data)

범주형 데이터는 범주 (Category)로 구분할 수 잆는 값, 즉 종류를 나타내는 값을 가진 데이터를 의미한다.

• 또한, 범주형 데이터는 명목형 데이터와 순서형 데이터로 다시 세분화 할 수 있는데 명목형 데이터는 서열이 없는 값을 가지는 데이터이고 순서형 데이터는 서열이 있는 값을 가지는 데이터를 말한다.

 

• 예를 들어, 혈액형, 거주 지역, 음악 장르 등은 명목형 데이터에 해당하고 학년, 회원 등급, 학점 등이 순서형 데이터에 해당한다.

 

• 그리고 범주형 데이터는 대부분 문자 타입의 값으로 양적 측면에서 크기 비교와 산술적인 연산이 가능하지 않기 때문에 질적 데이타 (Qualitative Data) 라고도 부른다.

 

수치형 데이터 (Numerical Data)

수치형 데이터는 양적 측면에서 크기 비교와 산술적인 연산이 가능한 숫자 값을 가진 데이터를 의미한다.

• 또한, 수치형 데이터는 이산형 데이터와 연속형 데이터로 다시 세분화 할 수 있는데 이산형 데이터는 단절된 숫자 값을 가지는 데이터이고 연속형 데이터는 연속적으로 이어진 숫자 값을 가지는 데이터를 말한다.

 

• 예를 들어, 고객 수, 판매랑, 합격자 수 등이 이산형 데이터에 해당하고 키, 몸무게, 온도, 점수 등이 연속형 데이터에 해당한다.

 

• 그리고 수치형 데이터는 범주형 데이터와 달리 크기 비교와 산술적인 연산이 가능하여 양적 데이터 (Quantitative Data) 라고도 부른다.

 

[Reference]

• 데이터베이스 개론 (김연희)