[ADP] 필기 1과목 데이터의 이해 요약 - 1

@notepad_jj2

츄르사려고 코딩하는 코집사입니다.

---

1. 데이터의 정의

- 추론과 추정의 근거를 이루는 사실

- 단순한 객체로서의 가치뿐만 아니라 다른 객체와의 상호관계 속에서 가치를 갖는 것

- 기술적이고 사실적인 의미로 변화

- 1646년 영국 문헌에서 처음 등장 -> 라틴어인 dare(주다)의 과거분사형으로 주어진 것이란 의미로 사용

 

2. 데이터의 특성

1) 존재적 특성

- 객관적 사실(fact, raw material)

 

2) 당위적 특성

- 추론, 예측, 전망, 추정을 위한 근거(basis)

 

3. 데이터의 유형

1) 정성적 데이터(qualitative data)

- 언어, 문자 등

- 저장, 검색, 분석에 많은 비용 소모

- 비정형 데이터이면서 주관적 내용과 통계분석이 어려움

 

2) 정량적 데이터(quantitative data)

- 수치, 도형, 기호 등

- 정형화된 데이터로 비용 소모가 적음

- 정형 데이터, 객관적 내용, 통계분석이 쉬움

 

4. 지식경영의 핵심 이슈

- 암묵지 : 개인에게 축적된 내면화된 지식 -> 조직의 지식으로 공통화

- 형식지 : 언어, 기호, 숫자로 표출화된 지식 -> 개인의 지식으로 연결화

	의미	예	특징	상호작용
암묵지	학습과 경험을 통해 개인에게 체화되어 있지만 겉으로 드러나지 않는 지식	김장김치 담그기, 자전거 타기	사회적으로 중요하지만 다른 사람에게 공유되기 어려움	공통화, 내면화
형식지	문서나 메뉴얼처럼 형상화된 지식	교과서, 비디오, DB	전달과 공유 용이	표출화, 연결화

 

5. DIKW

- Data : 개별 데이터 자체로는 의미가 중요하지 않은 객관적인 사실 / A는 100원, B는 200원에 C를 판매한다.

- Information : 데이터의 가공, 처리와 데이터간 연관관계 속에서 의미 도출 / A의 C가 더 싸다.

- Knowledge : 데이터를 통해 도출된 다양한 정보를 구조화하여 유의미한 정보를 분류하고 개인적인 경험을 결합시켜 고유의 지식으로 내재화 / A마트에서 C를 사야겠다.

- Wisdom : 지식의 축적과 아이디어가 결합된 창의적인 산물 / 다른 상품들도 A가 더 쌀 것이다.

 

6. 데이터베이스의 트징

1) 통합된 데이터(Integrated Data)

- 데이터가 중복되어 있지 않다는 것을 의미

 

2) 저장된 데이터(Stored Data)

- 자기 디스크나 테이프 등의 저장매체에 저장되는 것을 의미

 

3) 공용 데이터(Shared Data)

- 데이터를 공동으로 이용한다는 것을 의미

 

4) 변화되는 데이터(Changable Data)

- 데이터의 CRUD가 되면서 항상 변화하면서도 최신의 정확한 데이터 유지

 

7. OLTP(On-Line Transaction Processing)

- 컴퓨터가 데이터 베이스를 액세스하고, 바로 처리 결과를 돌려보내는 형태

- 데이터베이스의 데이터를 수시로 갱신하는 프로세싱

- 주문입력시스템, 재고관리 시스템 등

- 데이터 갱신 위주

 

8. OLAP(On-Line Analytical Processing)

- 정보 위주의 분석 처리를 의미

- 다양한 비즈니스 관점에서 쉽고 빠르게 다차원적인 데이터에 접근하여 의사 결정에 활용할 수 있는 정보를 얻을 수 있게 해주는 기술

- 제품의 판매 추이, 구매 성향 파악 등

- 데이터 조회 위주

 

	OLTP	OLAP
데이터 구조	복잡	단순
데이터 갱신	동적으로 순간적	정적으로 주기적
응답 시간	수 초 이내	수 초에서 몇 분 사이
데이터 범위	수 십일 전후	오랜 기간 저장
데이터 성격	정규적인 핵심 데이터	비정규적인 읽기 전용 데이터
데이터 크기	GB	TB
데이터 내용	현재 데이터	요약 데이터
데이터 특성	트랜잭션 중심	주제 중심
데이터 액세스 빈도	높음	보통
질의 결과 예측	주기적이며 예측 가능	예측하기 어려움

 

9. CRM(Customer Relationship Management)

- 고객관계관리

- 기업이 고객과 관련된 내외부 자료를 분석 및 통합해 고객 중심 자원을 극대화하여 고객특성에 맞게 마케팅 활동을 계획, 지원, 평가하는 과정

 

10. SCM(Supply Chain Management)

- 공급망 관리

- 기업에서 원재료의 생산, 유통 등 모든 공급망 단계를 최적화해 수요자가 원하는 제품을 원하는 시간과 장소에 제공하는 것

 

11. 제조 데이터베이스 

1) ERP(Enterprise Resource Planning)

- 인사, 재무, 생산 등 기업의 전 부문에 걸쳐 독립적으로 운영되던 각종 관리 시스템의 경영자원을 하나의 통합 시스템으로 재구축함으로 생산성을 극대화하려는 기법

 

2) BI(Business Intelligence)

- 기업이 보유하고 있는 수많은 데이터를 정리하고 분석해 기업의 의사결저에 활용하는 일련의 프로세스

 

3) RTE(Real-Time Enterprise)

- 회사의 주요 경영정보를 통합관리하는 실시간 기업의 새로운 기업경영시스템

- 회사 전 부문의 정보를 하나로 통합

 

12. 금융 데이터베이스

1) EAI(Enterprise Application Integration)

- 기업 내 상호 연관된 모든 애플리케이션을 유기적으로 연동하여 필요한 정보를 중앙 집중적으로 통합, 관리, 사용할 수 있는 환경을 구현하는 것

 

2) EDW(Enterprise Data Warehouse)

- 기존 데이터 웨어하우스를 전사적으로 확장한 모델로 BPR과 CRM, BSC 등의 다양한 분석 애플리케이션들을 위한 원천

 

13. 유통부문

1) KMS(Knowledge Management System)

- 지식관리시스템

- 기업의 환경이 물품을 주로 생산하던 산업사회에서 지적 재산의 중요성이 커지는 지식사회로 급격히 이동함에 따라 기업 경영을 지식이라는 관점에서 새롭게 조명하는 접근방식

 

2) RFID(Radio Frequency)

- 주파수를 이용해 ID를 식별하는 시스템

 

14. EDI(Electronic Data Interchange)

- 표준화된 양식을 통해 전자적 신호로 바꿔 컴퓨터통신망을 이용하여 거래처에 전송하는 시스템

 

15. VAN(Value Added Network)

- 부가가치통신망

- 부가가치가 높은 서비스

 

16. CALS(Commerce At Light Speed)

- 전자상거래 구축을 위해 기업 내에서 비용 절감과 생산성 향상을 추구할 목적으로 시작된 경영통합정보시스템

 

17. 물류부문

- CVO

- PORT-MIS
- KROIS

 

18. 지리교통부문

- GIS

- RS

- GPS

- ITS

- LBS(Location Based Service, 위치 기반 서비스)

- SIM(Spatial Information Management, 공간정보관리)

 

19. 의료부문

- PACS

- U헬스

 

20. 교육부문

- NEIS

 

21. 빅데이터의 3V

- Volume : 양, 데이터의 규모 측면

- Velocity : 속도, 데이터의 수집과 처리 측면

-  Variety : 다양성, 데이터의 유형과 소스 측면

 

22. 빅데이터의 4V

- 3V + Value(가치) or Visualization(시각화) or Veracity(정확성)

 

23. 빅데이터 정의의 범주 및 효과

- 데이터 변화 ->기술 변화 -> 인재, 조직 변화

1) 데이터 변화

- 규모(Volume)

- 형태(Variety)

- 속도(Velocity)

 

2) 기술 변화

- 데이터 처리, 저장, 분석 기술 및 아키텍처

- 클라우드 컴퓨팅 활용

 

3) 인재, 조직 변화

- Data Scientist 같은 새로운 인재 필요

- 데이터 중심 조직

 

24. 빅데이터에 거는 기대를 표현한 비유

- 산업혁명의 석탄, 철

- 21세기의 원유

- 렌즈

- 플랫폼

 

25. 빅데이터가 만들어 내는 본질적인 변화

1) 사전처리에서 사후처리

- 필요하든 필요하지 않든 다 수집해서 다양한 방식으로 조합해 숨은 정보 찾아내는 것

 

2) 표본조사에서 전수조사

- 전수조사를 통해 샘플링이 주지 못하는 패턴이나 정보를 발견하는 방식

 

3) 질에서 양

- 데이터의 질보단 양에서 가치를 찾음

 

4) 인과관계에서 상관관계

- 상관관계를 통해 특정 현상의 발생 가능성 포착