Chapter 1 의사결정

Size: px

Start display at page:

Download "Chapter 1 의사결정"

두일 용
8 years ago
Views:

1 일반적인 데이터의 DB 저장 형태 Chapter 8 다차원 모델링과 설계 의사결정지원시스템 의사결정지원시스템 1 일반 표(테이블)의 큐브식 표현 이와 같은 경우는 어떻게 큐브로 표현하는가? 의사결정지원시스템 2 의사결정지원시스템 3 1

상품 차원 점포 차원 2016-06-03 다차원 DB를 근거로 한 데이터웨어하우스의 데이터 모델링에서 다차원 모델은 큐브 를 중심으로 구성되어 있다.

2 상품 차원 점포 차원 다차원 DB를 근거로 한 데이터웨어하우스의 데이터 모델링에서 다차원 모델은 큐브 를 중심으로 구성되어 있다. 큐브: 차원(Dimension)과 측정치(Measure)로 이뤄져 있는 OLAP의 가장 중요한 요소로서, 데이터저장소에 있는 데이터 중 분석이 필요한 데이터를 다차원적으로 조 직화해 정리해 놓은 것 다차원 모델링이란? (논리적) 다차원 데이터 형태: 큐브(Cube) 업무 처리가 아닌 (의사결정에 필요한) OLAP(online analytical processing)의 기반 현재 어디에 문제가 있지? 지금까지 추세가 뭐지? 상품 차원 의사결정지원시스템 4 의사결정지원시스템 5 2차원 큐브에 여러 측정치(혹은 3차원) 점포 차원 3차원 구조를 2차원 뷰(view)로 보기 (차원: 상품, 점포, 날짜) (측정치: 수량(Volume)) 단위는 수량(Volume), 요일은 월요일(Monday) 로 하여 보기 의사결정지원시스템 6 의사결정지원시스템 7 2

3 내재된 차원이 있는 2차원 뷰 의사결정지원시스템 8 의사결정지원시스템 9 출처: MOS 출처: MOS 3

4 OLAP vs Data Mining Data Mining: Finding patterns in data OLAP: reporting data, visualizing data, interaction with views of the data. 1. 큐브의 구성요소 1 다차원 모델 : 하나의 큐브(cube) 2 차원(dimension) : 큐브를 구성하는 축(axis) 3 차원 항목(member 혹은 element) : 각 축의 좌표에 해당하는 것 (측정치) (차원) (측정값 유형) (차원) (차원) 4 셀(cell) : 각 차원을 구성하는 항목들의 조합에 의해 만들어지는 공간을 말하며 데이터가 저장되는 공간 의사결정지원시스템 12 의사결정지원시스템 13 5 계층구조(hierarchy) : 레벨들 간에 혹은 항목들 간에 존 재할 수 있다. 항목들 간의 가장 기본적인 관계는 Parent Child관계이다. - Parent : 계층구조에서 어떤 항목의 바로 상위항목 - Child : 바로 하위항목에 해당 - Sibling : 그 항목과 동일한 Parent를 가진 항목 - Root : Parent를 갖지 않는 항목 - Leaf : Child를 갖지 않는 항목(Detail항목이라 하기도 함) - Ancestor : 계층구조상의 루트항목까지 연결되는 가지(branch) 에서 그 항목의 상위에 나타나는 모든 항목 - Descendent : 계층구조상의 leaf 항목까지 연결되는 가지에서 그 항목의 하위에 나타나는 모든 항목 6 레벨 : 계층구조 (Parent-Child-Sibling 관계)는 레벨 (다단계 1, 2, 3, 4) 사이에 존재할 수 있는데, 예를 들어 기간 차원의 경 우 일 월 분기 반기 년'과 같은 다단계(레벨) 계층구조가 존재할 수 있다. 계층구조에서 거리를 나타내는 개념과 차원항목들의 부 분집합을 나타내는 개념으로 나눠볼 수 있다. 의사결정지원시스템 14 의사결정지원시스템 15 4

5 오라클의 OLAP 체계 7 속성(attribute): 하나의 차원에 대해 차원을 구성하는 항목들의 특성을 나 타내는 이러한 정보를 속성 혹은 특성(Property)이라고 한다 - 예를 들어 매장이라는 차원에서, 광진점 이라는 항목의 속성으로는 매 장 주소, 매장 전화번호, 매장 크기 등이 가능 논리적인 측면에서 변수차원(측정치)은 모든 다차원 모델에 존재한다. 변수차원은 OLAP제품들에 따라 변수(variables), 사실(facts), 측정치(measures), 계정(accounts), 아이템(items), 등과 같은 다양한 이름으로 불리어 진다. 다차원 모델의 구축은 바로 이러한 변수 차원의 항목을 정의하는 데서부터 시작한다 변수차원은 다른 차원들의 존재기반을 제공해 준다. 즉, 분석하는 관심 숫자(예: 매출액, 매출수량)가 있기에 차원(점포, 영화 등)이 필요 변수차원은 나머지 차원들의 상세정도(granularity)를 결정한다 관심 숫자를 어느 정도 상세히 또는 요약해 분석할지에 따라 계층구조를 나눈 다(예: 점포를 시/도>구 까지만) 의사결정지원시스템 16 의사결정지원시스템 17 오라클 OLAP 화면(예) 다차원 데이터구조의 논리적 표현 방식 하이퍼큐브(hypercube) 변수차원(측정치)의 각 항목들 변수차원(혹은 variable, fact, measure, account, item) 등으로 불림 냉장고 세탁기 전화기 구분 차원(혹은 관점(view)) 의사결정지원시스템 18 구분 차원의 각 항목들 문제: 냉장고의 제품 번호, 종류 코드, 제조일자 등은 무 엇이라 하는가? 답은 속성(attribute) - 하나의 모델을 하나의 큐브로 표현 - 각각의 차원들을 구성하는 모든 항목들의 조합 수만큼 셀 존재, 즉 큐브를 구성하는 모 든 변수가 동일한 차원을 공유하며, 큐브를 구성하는 모든 셀 역시 동일한 차원들을 가 짐 - 모델구축이 용이한 반면 큐브 내에 "의미 없 는 셀"이 존재할 수 있다는 단점(예: 매장 차 원의 표준제조비용) 5

6 다차원 데이터구조의 논리적 표현 방식 멀티큐브(multicube) -하나의 모델을 여러 개의 큐브로 표현하는 방식 2 멀티큐브(multicube) : 하나의 모델을 여러 개의 큐브로 표현하는 방식 ㄱ. 블럭(block) 멀티큐브 : 동일한 차원을 공유하는 변수항목들의 집합에 대해 각각 차원을 설정해 준다. 의사결정지원시스템 21 ㄴ. 시리즈(series)멀티 큐브 방식 : 모든 변수항목들을 별개의 큐 브로 다룬다. 데이터는 변수에 저장되는 것으로 표현되며 각각의 변수는 데이터베이스에 정의된 차원들 중에서 필요한 차원들만 을 취할 수 있다. 의사결정지원시스템 다차원 모델링 1 변수차원 구성항목 결정 : 설정된 주제영역에 대해 실제 사용자가 분석하 고자 하는 항목들을 정의하는 단계(수치(numeric)로 표현) 분석하고자 하는 문제와 관련된 수치가 무엇인가? 회사 매출액? 2 구분차원(Identifier Dimension)의 결정 : 변수차원을 구성하는 항목들 을 어떤 관점에서 분석할 것인지 결정하는 단계이다. 무엇에 대한 수치인가? 날짜별, 매장별, 상품별 매출액 3 데이터의 구체성 결정 : 데이터의 상세수준을 정하는 단계이다. 주당 매출액, 일 매출액 4 계층구조와 애트리뷰트(속성) 정의 : 각 차원에 대해 분석에 필요한 계층 구조와 애트리뷰트를 설정하는 단계다. 영화와 관련된 속성: 해외/국내, 주연배우, 감독, 러닝타임 5 관계식 정의 : 항목들 간에 필요한 관계식을 설정한다. 관계식은 대부분 변수차원을 구성하는 항목들에 대해 정의한다. 경상이익=매출액-경상비용 6 차원수의 결정 : 차원 수는 분석요구와 시스템 용량 사이에 균형을 맞추 어 결정되어야 한다. 의사결정지원시스템 23 6

DB 예제: 롯데시네마 영업실적 분석 영화 예매시스템 DB 고객 이름 성별 나이 상영관 영화 매출 고객 이름 성별 나이 점포 영화 매출 김 여 27 건대점 아이언맨 7,000 이 남 25 종로점 X맨 5,000 박 남 34 종로점 X맨 14,000 정 여 31 건대점 X맨 21,000 김 여 27 건대점 아이언맨 7,000 이 남 25 종로점 X맨

영화별 평균 고객 수 (티켓 구매자 수) 상영관별 고객 수(티켓 구매자 수) 상영관별 매출액 영화별 매출액 점 포 영화 나 이 고객 수 서울 국내 남 실적 매출 지방 해외 여 목표 변수 점포 영화 (티켓 구매 자) 나이 변수 유형 고객별 매출액 의사결정지원시스템 24 의사결정지원시스템 25 관계형 데이터베이스 고유한 스키마 특성을 활용하여 다차원

7 DB 예제: 롯데시네마 영업실적 분석 영화 예매시스템 DB 고객 이름 성별 나이 상영관 영화 매출 고객 이름 성별 나이 점포 영화 매출 김 여 27 건대점 아이언맨 7,000 이 남 25 종로점 X맨 5,000 박 남 34 종로점 X맨 14,000 정 여 31 건대점 X맨 21,000 김 여 27 건대점 아이언맨 7,000 이 남 25 종로점 X맨 5,000 영화매출 분석 박 남 34 종로점 X맨 14,000 정 여 31 건대점 X맨 21,000 무엇에 대해 분석하고자 하는가? 영화별 평균 고객 수 (티켓 구매자 수) 상영관별 고객 수(티켓 구매자 수) 상영관별 매출액 영화별 매출액 점 포 영화 나 이 고객 수 서울 국내 남 실적 매출 지방 해외 여 목표 변수 점포 영화 (티켓 구매 자) 나이 변수 유형 고객별 매출액 의사결정지원시스템 24 의사결정지원시스템 25 관계형 데이터베이스 고유한 스키마 특성을 활용하여 다차원 모델링을 하게됨 1. 성형 스키마(star schema) : 다차원 의사결정 지원 데 이터를 관계형 DB로 전환하는데 사용되는 데이터 모델 링 기법, 가장 기본적인 접근 방식 의사결정지원시스템 26 사실 테이블에는 가장 낮은 차원의 변수 값(예를 들어 년간 매출액이나 월간 매출액 대신 일별 매출액)을 저장; 월간 매출액이 필요하면 이들을 합산 그러나 일별 매출액을 Fact Table에 보관한다면 테이블이 매우 비대하질 수 있어 질의응답 시간이 지체됨 데이터 무결성(integrity) 문제: 매장이 없어지면 매장 테이블의 해당 레코 드는 물론 사실 테이블의 해당 레코드도 삭제되어야 함 7

8 OLTP 예: 운영 ERP, CRM, SCM, Point-of-Sale applications, Call Center OLAP 의사결정지원시스템 28 의사결정지원시스템 29 (7장에서도 소개)빅 데이터 시대 데이터베이스의 진화 관계형 데이터베이스 1 사실테이블 : 성형 스키마의 핵심으로 원가, 수익, 매 출액, 매출량 등 조직의 주요 실적 변수가 보통 사실 (facts)로 사용되는데, 이러한 정보는 운영 DB로부터 주기적으로 공급 받아 갱신되어진다. 2 차원 테이블 : 주어진 사실에 대한 사용자의 관점(다 양한 분석 요구)을 나타내며 차원에 관한 서술적 정보 를 저장한다. 3 속성 : 각 차원 테이블은 그 테이블에 대한 정보를 가 지고 있는데, 그러한 정보는 일반적으로 사실을 검색 하고, 여과하고, 분류할 때 사용한다. (예: 매장 테이블의 매장 주소, 매장 지역 등) 자료: Fujitsu, 2012 의사결정지원시스템 30 의사결정지원시스템 31 8

관계형 데이터베이스 관계형 데이터베이스 매장명 매장. 4 속성계층 : 차원테이블 매장 매장 지역 매장 국가 매장 도시 주소 책임자 내의 정의된 속성들 간에는 일반적으로 광진점 xxx 잘 정의된 속성. 계층(hierarchy)이 xxx 아시아 존재하는데, 대한민국 속성계층은 서울 하 상계점 xxx 향식 데이터 구조를. xxx 제공한다.

9 관계형 데이터베이스 관계형 데이터베이스 매장명 매장. 4 속성계층 : 차원테이블 매장 매장 지역 매장 국가 매장 도시 주소 책임자 내의 정의된 속성들 간에는 일반적으로 광진점 xxx 잘 정의된 속성. 계층(hierarchy)이 xxx 아시아 존재하는데, 대한민국 속성계층은 서울 하 상계점 xxx 향식 데이터 구조를. xxx 제공한다. 아시아 대한민국 서울 동래점 xxx - 속성계층의 예. xxx 아시아 대한민국 부산 2. 눈송이 스키마(snowflake schema) 성형 스키마를 정규화한 것으로 차원의 계층 구조를 잘 보여줌으로써 데 이터베이스 모델을 이해하기 쉽게 하고, 데이터베이스 디자이너가 차원 분석을 쉽게 할 수 있지만, 성형 스키마에 비해 더욱 복잡하게 보이고, 테이블간의 조인이 많아짐에 따라 수행속도가 떨어진다는 단점이 있다. 의사결정지원시스템 32 의사결정지원시스템 33 관계형 데이터베이스 3. 다중 사실 테이블 데이터웨어하우스는 요구되는 데이터 분석에 대해 신속하고 정확한 답 을 제시해야 하며, 사용자가 만족할 수 있는 검색 속도를 제공할 수 있어 야 하기 때문에 검색 속도를 향상시키기 위한 한 가지 방법으로 사실 테 이블을 요약 수준에 따라 여러 개로 유지 하는 것이다. 다차원 질의 (다차원 분석) 축을 바꾸는 연산 의사결정지원시스템 34 의사결정지원시스템 35 9

10 1. Slicing & Dicing 다차원 질의(다차원 분석) 다차원 질의는 마치 사용자가 큐브의 일부분을 자신의 원하는 형태로 절단하여 살펴보는 것에 비유할 수 있다. Slicing: 1개 차원에서 선택연산(selection)이 수행되어진 서브큐브. (예) time = "Q1"을 사용하여 time 차원에서 중앙큐브로부터 선택 Dicing: 2개 이상 차원에서 선택연산(selection)이 수행되어진 서브큐브. (예) (location="서울" or "부산") and (time="q1" or "Q2) and (item = "TV" or "PC") 을 이용하 여 3개 차원에서 중앙큐브로부터 선택 다차원 질의(다차원 분석) 2. Drill-Down, Drill-Up, Drill-Across, Drill-Through 1 드릴다운(Drill Down) : 드릴다운은 요약된 형태의 데이터 수준에서 보 다 구체적인 내용의 상세데이터로 단계적으로 접근하는 분석기법을 말 한다. 2 드릴업(Drill Up) : 드릴업은 드릴다운과 반대의 방향으로 사용자가 정 보를 분석하는 것을 말한다. Item- 세탁기 and location = 광진구 Slicing or Dicing? Drill-Through 의사결정지원시스템 36 의사결정지원시스템 37 다차원 질의(다차원 분석) 다차원 질의(다차원 분석) 3 드릴어크로스(Drill Across) : 드릴어크로스는 다른 큐브의 데이터에 접 근하는 것을 말한다. 3. Sorting, Ranking 매출수 매출액 량 매출액 매출량 4 드릴쓰루(Drill Through) : 드릴쓰루는 OLAP시스템으로부터 데이터 웨어하우스, 혹은 OLAP시스템에 존재하는 상세데이터에 접근하는 것을 말한다. 냉장고 반포 1, 반포 1, 세탁기 반포 1, 냉장고 잠실 1, 냉장고 잠실 1, 강남 1, 냉장고 강남 1, 반포 1, 세탁기 강남 세탁기 강남 세탁기 잠실 잠실 OLAP조인 질의과정에서 다수의 큐브를 논리적으로 조인할 필요가 있 는데 이를 OLAP 조인이라 한다. 일반적으로 OLAP조인은 큐브들 사이에 공유된 차원을 중심으로 이루어진다. 의사결정지원시스템 38 의사결정지원시스템 39 10

11 1. 인덱싱 : 포인터를 사용하여 행의 검색을 촉진시킬 수 있는 스키마 객 체 - 인덱스 생성이 유용할 때 : 열이 Where절 또는 조인 조건에서 자주 사용 될 때, 열이 광범위한 값을 포함할 때, 열이 많은 수의 Null 값을 포함할 때, 그리고 테이블이 대형이고 대부분의 질의가 10-12% 이상을 읽을 것으로 예상될 때 - 인덱스 생성이 비효율적일 때 : 테이블이 작을 때, 칼럼이 질의 조건으로 잘 사용 되지 않을 때, 대부분의 질의가 10-12% 이하를 읽을 것으로 예 상될 때, 그리고 테이블이 자주 갱신될 때 2 Non-Unique Index - 인덱스로 지정된 열의 값이 key 값을 가 지지 않는 경우 3 Single-Column Index - 인덱스 테이블이 단 한 개의 열로 인덱 스가 구성된 경우 1 Unique Index - 지정된 열의 값이 고유한 값을 가지는 key 인덱스 의사결정지원시스템 40 의사결정지원시스템 41 4 Composite Index - 인덱스 테이블이 두 개 이상의 열로 구성된 경우 2. 비트맵 인덱싱(bitmap indexing) - 데이터의 변화정도(cardinality)가 크지 않을 경우, 데이터베이스 마 케팅 분야, 고객 분석 분야 CREATE BITMAP INDEX PROD_INDEX ON PROD(PNAME); PROD 테이블 id PNAME id PNAME 1 TV 11 카메라 2 VCR 12 오디오 3 카메라 13 TV 4 오디오 14 VCR 5 TV 15 카메라 6 VCR 16 오디오 7 카메라 17 TV 8 오디오 18 VCR 9 TV 19 카메라 10 VCR 20 오디오 의사결정지원시스템 42 의사결정지원시스템 43 11

$의 하여 재결합이 가능하여야 하기 때문에 전역 테이블의 키를 포함 한다 예 ) 고객_테이블 = {고객번호, 고객명, 주소, 총매출액, 신용잔고} 고객_신장 = {고객번호, 고객명, 주소} 고객_거래 = {고객번호, 총매출액, 신용잔고} 4.$

12 3. 분할(partitioning) 1 수평분할 - 테이블의 크기가 상당히 크기 때문에 일정한 차원의 값에 의해 전체 사실 테이블을 쪼개는 방식 예 ) 고객_서울 주소 = 서울(고객) 고객_대구 주소 = 대구(고객) 2 수직분할 - 전역 테이블을 구성하는 속성들을 몇 개의 부분 집합 으로 분할하는 것, 수직 분할에 의한 테이블들은 조인연산에 의 하여 재결합이 가능하여야 하기 때문에 전역 테이블의 키를 포함 한다 예 ) 고객_테이블 = {고객번호, 고객명, 주소, 총매출액, 신용잔고} 고객_신장 = {고객번호, 고객명, 주소} 고객_거래 = {고객번호, 총매출액, 신용잔고} 4. 상세성(Granularity) Space/Row의 계산 의사결정지원시스템 44 의사결정지원시스템 45 은행 환경에서 상세성의 dual level의 예 5. 메타 데이터(meta data) DW에 있는 데이터에 대한 모든 정보, 즉 수록된 데이터의 내용, 품질, 조건 및 그 데이터가 갖고 있는 특징을 알려주는 데이터이다.(데이터에 대한 정보) 의사결정지원시스템 46 의사결정지원시스템 47 12

슬라이드 제목 없음

슬라이드 제목 없음 MS SQL Server 마이크로소프트사가윈도우운영체제를기반으로개발한관계 DBMS 모바일장치에서엔터프라이즈데이터시스템에이르는다양한플랫폼에서운영되는통합데이터관리및분석솔루션 2 MS SQL Server 개요 3.1 MS SQL Server 개요 클라이언트-서버모델을기반으로하는관계 DBMS 로서윈도우계열의운영체제에서만동작함 오라클관계 DBMS 보다가격이매우저렴한편이고,