• 미디어 >
  • 엔코아 리포트
Weekly Brief
[조회수 : 21365]  다운로드
메타데이터(Metadata)를 통한 효과적인 데이터 관리 전략
데이터 관리의 주요 현안은 실시간으로 획득되는 이질적인 대량의 데이터들을 어떻게 통합ㆍ처리 할 것인가에 관한 것이다. 이를 지원하기 위해 데이터베이스의 개념은 단일 부서의 정보 자원들을 관리하는 파일 시스템의 개념에서 전사적인 정보 자원을 통합 관리하는 데이터웨어하우스(이하 DW)의 개념으로 진화되었다. DW는 데이터의 재구성을 위해 원시 데이터 계층에서 획득된 서로 다른 데이터들을 이해할 수 있어야 하며 각각의 데이터들에 대한 이력을 유지해야 한다. 이러한 DW의 데이터 통합 관리는 DW 내의 메타데이터 관리를 통해 가능하다. 

그러나 전사적인 메타데이터의 관리는 기업의 효율적인 정보 활용을 통한 비즈니스 가치 제고를 위한 중요한 요소임에도 불구하고 이를 위한 노력은 아직까지 미비한 상황이다. 그 주된 이유는 DW 내에 사용된 데이터를 위한 매트릭스(Metric)와 차원(Dimension)을 정의한다는 것이 어렵고, 정의된 메타데이터를 유지ㆍ보수하기 위한 방안이 많지 않으며 비용과 시간을 이유로 메타데이터의 규칙적인 관리가 미미한 노력에 그치기 때문이다.  

이번 엔코아 리포트에서는 데이터 관리의 문제점을 해결하기 위한 방안으로 메타데이터를 기반으로 한 데이터 통합 아키텍처를 제시하고자 한다.


1. 메타데이터(Metadata)란 무엇인가?

DW를 효과적으로 운영하기 위해 데이터 구조와 데이터들간의 관계, 그리고 데이터들의 특성에 관한 정보 관리의 중요성 대두되기 시작했다. 

DW는 프로세스 중심의 운영 시스템보다 데이터의 유지 보수에 많은 노력이 소요됐으며 소스 시스템 데이터 구조와 타겟 시스템 데이터 구조가 다대다 관계 특성을 가지고 있기 때문에 효율적인 관리를 위해서 데이터베이스를 구성하는 각 오브젝트들의 목록과 특성, 그리고 각 오브젝트들간의 관계에 관한 정보를 일관적으로 관리하는 것이 요구됐다. 이에 등장하게 된 것이 바로 메타데이터다. 

메타데이터 관리는 종종 MDM과 혼동되곤 한다. 메타데이터라는 것 역시 기준 정보로 이해할 수 있기 때문이다. 그러나 MDM으로 통칭하는 마스터 데이터, 즉 기준 정보는 메타데이터와 구분되어야 한다.

쉽게 말해 메타데이터 관리는 데이터를 구성하는 정보를 관리하는 것이고 MDM은 실제 데이터를 관리하는 것이다. 이 때문에 MDM을 위해서는 메타데이터를 먼저 수집해야 한다. 데이터 통합뿐만 아니라 고객, 제품, 공급업체 등 데이터의 의미를 이해하기 위해서는 경험이 집적된 메타데이터 관리가 요구된다.

그림1.jpg
 
IT 시장 전문 분석 기업 가트너(Gartner)는 메타데이터를 ‘특정 정보 자산의 여러 측면을 기술하여 정보의 수명 주기 전반에 걸쳐 그 유용성을 개선하기 위한 정보’로 정의하고 있다. 즉, 정보를 자산으로 만들어 주는 것은 바로 이 메타데이터다. 메타데이터는 구조화된 정보를 분석, 분류하고 부가적 정보를 추가하기 위해 데이터에 따라가는 정보, 즉, 데이터를 위한 데이터라 할 수 있다. 

좀 더 구체적으로 표현 한다면 ‘데이터의 통합적인 관리를 위해서 파악해야 하거나 통제해야 할 대상이나 항목’이다. 메타데이터를 협의로 해석한다면 데이터 구조에 대한 데이터, 즉 DB Scheme로 국한할 수 있지만, 데이터 통합 관리에 필요한 내용으로 확대한다면 데이터 구조 뿐 아니라, 데이터 표준, 데이터 흐름, 데이터 권한 등 앞에서 언급했던 것들이 모두 메타데이터의 범주에 포함된다.

관계형 데이터베이스를 기반으로 생성되는 메타데이터는 비즈니스 메타데이터와 테크니컬 메타데이터로 구분된다. 비즈니스 메타데이터는 DW(또는 Data Mart)와 비즈니스 사용자들 사이의 연결고리로서, 비즈니스 관점에서 서로 관련 있는 정보들을 비즈니스 용어가 같은 사용자가 알기 쉬운 형태의 말로 표현하여 제공하는 데이터를 말한다. DW 내에 있는 리포트, 질의, 데이터의 종류, 데이터의 위치, 데이터의 신뢰도, 운영계 데이터의 변환 규칙 등을 보여 준다. 

이에 반해 테크니컬 메타데이터는 ETL, 즉 추출(Extract), 변환(Transform), 이동(Move), 탑재(Load) 기능을 수행하고 소스 데이터 위치와 형태 정보를 가지고 있으며 소스 데이터를 DW 준비 단계의 형태로 변환하기 위하여 필요한 로직을 보유하고 있는 데이터로서 DW 개발자나 관리자로 하여금 데이터의 정확성을 확신하는 용도로 사용된다. 데이터의 최종 변경 시간, 엔티티의 정의에 대한 정보를 포함하며 이러한 정보는 특히 시스템의 유지 보수나 확장에 절대적으로 필요하다. 즉 테크니컬 메타데이터가 없다면 시스템을 분석하고 변경하는 작업은 많은 시간이 소요된다. 

2. 메타데이터 관리 시스템의 구축 효과 

앞서 살펴 본 바와 같이 메타데이터는 현재 DW가 가지고 있는 모든 정보에 대해 알 수 있으므로 데이터의 중복을 최소화하고, 유지 보수 및 변경 관리를 효율적으로 수행하게 해준다. 

즉 메타데이터 관리 시스템을 구축할 경우 각 데이터베이스에 대한 상세 설명은 물론 데이터 유형, 담당자, 보관 주기, 데이터간의 매핑 관계, 작업 흐름도 등을 효과적으로 관리할 수 있게 된다. 

메타데이터 자체가 시스템 구조를 기술하고 있으므로 그 자체로 시스템 구조에 대해 문서화하는 효과가 있으며, 기업 정보 자산에 대한 체계적인 파악 및 관리 기존 시스템에 대한 투자 보호가 가능하다. 뿐만 아니라 이기종 관계형 데이터베이스에 대해 일반적인 관계형 모델을 만들 수 있으며 케이스(CASE)를 표준화할 수 있어 개발 과정에서 중복 업무 발생을 사전에 예방할 수 있게 해준다.

따라서 메타데이터를 관리함으로써 데이터 관리 기능의 유연성과 확장성이 제공되고, 데이터 의미 공유 및 교환이 용이하여 정보의 유용성이 증가한다. 또한 일관성 있는 의미 정보 관리를 통해 보다 정확한 의미 교환이 가능한 온톨로지로 확장이 가능하며 적은 비용으로 전사적 데이터 연계•통합 효과가 창출된다. 뿐만 아니라 효율적인 데이터 위치 검색 및 활용 용이성이 제공되고, 데이터의 활용도를 제고하고 데이터의 가치 향상에 기여한다.

연관된 데이터의 변화와 흐름을 정확하게 파악할 수 있으며, 데이터의 일관된 관리로 데이터의 이용 방향을 모르는 업무 담당자에게 데이터에 대한 이해도를 향상시켜 줄 수 있을 뿐 아니라,  다양한 메타데이터를 제공함에 따라 전사적 차원에서 IT 자산에 대해 능률적이고, 효율적인 관리 환경을 제공할 수 있는 것이다. 

또한 업무 시스템을 효과적으로 관리하고, 개발 과정에서 오류를 줄일 수 있을 뿐만 아니라 시스템을 구축한 후 데이터의 활용도를 측정할 수 있으며, 업무 시스템이 복잡하게 구축되어 있을 경우 변경된 데이터와 이로 인해 변경되는 데이터의 상관 관계가 분명해져 상대적으로 오류가 적은 프로그램을 구현할 수 있다.

3. 메타데이터 관리 시스템의 기능

메타데이터는 공동 사업 목적 또는 공통의 관심사를 갖는 기관 또는 기업들이 정보를 연계•통합하여 데이터를 공유하기 위한 목적으로 사용하거나 주로 효율적인 데이터 검색과 데이터 해석을 위한 목적으로 사용된다. 또는 데이터 거버넌스, 규칙, 보안 관리와 정보 공유 및 시스템 변경에 대한 영향도 분석, 갭(gap) 분석 등에 활용된다. 

이러한 메타데이터의 관리는 일반적으로 정보 자산의 가치가 높을수록 더욱 중요해진다. 메타데이터의 정의를 이해함으로써 데이터의 가치가 발현되기 때문이다. 때문에 메타데이터의 관리는 기업 정보 자산의 통합, 공유, 조정과 같이 기업 정보 관리(EIM) 능력의 보다 넓은 영역에 영향을 미친다. 

메타데이터를 효과적으로 관리하기 위해서는 필요한 내용들을 단순히 문서로 관리하는 것이 아니라, 이들을 정형화하고 이들 간의 관계를 설정하여 DB로 관리해야 한다. 메타데이터를 DB로 관리하는 것을 가르켜 메타데이터 리파지토리(Repository)라고 부른다. 데이터 통합 관리 조직에서는 메타데이터 리파지토리안에 존재하는 메타데이터를 바탕으로 전사적인 데이터 통제를 수행한다. 

메타데이터를 보다 편리하게 활용하기 위해서는 메타데이터 리파지토리를 근간으로 한 메타데이터 관리 시스템을 구축해야 한다. 메타데이터 관리 시스템은 다음과 같이 크게 3가지 기능으로 나누어진다. 

먼저 메타데이터를 수집하는 기능이다. 각 시스템에 흩어져 있는 데이터에 관한 데이터, 즉 메타데이터를 수집하여 메타데이터 리파지토리에 집중시키는 역할을 수행한다. 두번째는 메타데이터에 대한 통제 및 조정을 수행할 수 있는 기능이다. 새로운 시스템이 개발되거나, 기존 시스템에 변경이 발생할 경우 데이터의 변경 사항을 파악하고 이것이 전체적인 데이터 관리 상에서 어떤 영향을 미칠 것인지를 분석하여 통제 및 조정을 수행할 수 있는 기능이다. 세번째는 메타데이터를 여러 사람이 활용할 수 있도록 제공하는 기능이다. 메타데이터는 DA, DBA 등 데이터 관리자 뿐 아니라 시스템 개발자, 전산 책임자, 더 나아가서 업무를 수행하는 현업들까지 보고 싶어하는 내용을 담고 있다. 그러므로 필요한 사용자 그룹별로 원하는 메타데이터를 손쉽게 찾아볼 수 있는 기능을 제공해 줘야 한다.

데이터 통합 관리를 효과적으로 수행하기 위해서는 메타데이터 관리 시스템도 필요하지만, 실제적이고 유효한 메타데이터를 확보하는 것이 무엇보다도 중요하다. 각 시스템에 산재해 있는 메타데이터를 수집하고 정제하는 것은 많은 시간과 노력이 필요한 작업이다. 특히 수집하고자 하는 메타데이터가 원하는 형태로 관리되고 있지 않은 경우가 많기 때문에 어려움이 더 가중된다. 

4. 메타데이터의 효과적인 확보 방안

메타데이터는 데이터 관리를 위한 가이드와도 같은 역할을 수행한다. 메타데이터를 통해서 원하는 데이터가 어디에 존재하는지를 알 수 있고, 데이터들 간의 연관 관계나 데이터 품질의 상태 등을 파악할 수 있다. 따라서 메타데이터가 확보되어 있는 조직은 데이터의 활용을 극대화 할 수 있다. 그러나 메타데이터 혹은 메타데이터 관리 시스템을 구축하는 것은 단시일에 이루어지는 것이 아니다.

메타데이터를 효과적으로 확보하기 위해서는 다음과 같은 절차가 필요하다. 

1) 데이터 구조 정보 습득
메타데이터 중에서 제일 먼저 수집되어야 하는 것은 데이터 구조에 대한 정보이다. 각 시스템에 접속하여 DBMS의 Catalog 등에서 물리적인 DB Scheme 정보를 수집할 수 있다. 그러나 이것만으로는 부족하다. DB Scheme로는 데이터의 정확한 의미 파악이 어렵기 때문이다. 즉, 데이터의 구조가 영문으로 이루어져 있고 한글명이나 데이터에 대한 설명이 존재하는 경우는 드물다. 그래서 개발 과정이나 운영 과정에 작성된 여러 가지 산출물을 참조해 보아야 하고, 만일 데이터 모델링 도구를 활용했다면 이를 통해서 부가적인 정보를 얻을 수 있다. 그리고 나서 부족한 정보에 대해서는 관련자들과 커뮤니케이션을 통해 확인을 거쳐 내용을 파악해야 한다.

데이터 표준이 설정되어 있고 모든 시스템에서 이를 준수하였다면, 데이터 구조의 의미를 보다 쉽게 파악할 수 있다. 데이터 표준은 모든 사람이 데이터 관련된 용어나 내용을 정확하게 이해하고 의사소통 할 수 있는 근간을 제공한다. 그러나 대부분의 경우 데이터 표준이 아예 없거나, 일부 시스템에서 제한적으로 데이터 표준을 적용한 것이 일반적이다. 만일 데이터 표준이 없는 상태라면 전사적인 데이터 표준을 설정하고 이를 기존 시스템과 매핑하는 작업이 필요하다. 

이를 통해서 기존 시스템을 표준화된 형태로 조회해 볼 수 있다. 메타데이터는 단지 수집만 해 놓으면 되는 것이 아니고, 수집된 데이터를 여러 사람이 이해하고 활용할 수 있어야 하기 때문에, 데이터 표준을 확보하는 것은 무엇보다 중요하다. 그러므로 메타데이터 관리 시스템에서 데이터 표준을 설정하고, 이를 모든 시스템에서 활용하도록 제공해 주는 기능이 필요하다.


2) 데이터간 상호 연계성 파악

데이터 구조에 대한 파악 및 표준화가 이루어지면 각 시스템의 데이터가 어떤 형태를 갖고 있는지를 알 수 있다. 이들 데이터들의 상호 비교를 통하여 서로 동일한 데이터가 어떤 것이고, 데이터 간에 인터페이스는 어떻게 이루어지고 있는지를 파악해야 한다. 만일 ETT Tool이나 EAI Tool이 있다면 이를 통해서 데이터 간의 인터페이스를 파악할 수 있다. 

Tool을 활용하지 않는 경우에는 기존 시스템을 운영하는 담당자를 통하거나 일일이 프로그램을 확인해 보아야 한다. 데이터 간의 중복이나 인터페이스는 데이터 정합성을 유지하고 통합적인 데이터를 도출하는데 필수적인 내용이다. 그리고 향후 새로운 시스템을 개발하게 되면 기존 데이터 구조들과의 상관 관계 분석을 통해 중복 데이터 간의 일관성을 유지하고 필요한 부분에 인터페이스를 설정하도록 관리할 수 있다.

데이터 구조를 일목요연하게 파악하게 되면 전체 데이터 중에서 중요한 항목들의 데이터 품질을 점검해 보아야 한다. 데이터 품질을 점검하는 기준은 여러 가지가 있으나 가장 기초적인 것부터 점검하는 것이 필요하다. 기초적 검증이 완료되면 중복 데이터 간의 데이터 정합성 검증, 업무적으로 연관되는 데이터 간의 검증 등을 수행한다. 데이터 품질 관리 대상 및 품질 점검 결과에 대한 지속적인 관리를 통하여 데이터 품질을 제고하여 데이터를 신뢰하고 사용할 수 있는 환경을 구축하는 것이 중요하다.

메타데이터를 활용한 데이터 모델 설계 기반의 데이터 구조 관리 

10여 년 전 고가의 내비게이션 시스템을 장착하지 못한 운전자들은 대게 자동차에 전국 도로 교통 지도 책 한 권 정도는 구비해 두고 있었다. 처음 가보는 곳을 가기 위해서는 미리 지도 책을 열고 몇 번 국도를 타고 어느 사거리에서 어떻게 찾아 갈 지를 생각해두고 운전을 하였다. 

그러나 이렇게 준비를 하고 떠나도 막상 실제 지도와 현실의 도로 사정은 많이 달랐다. 지도에 있었던 도로가 공사로 인해 없어 지기나 없던 새로운 도로가 생겨나기도 해서 운전자들을 혼란에 빠트리기도 했었다. 바로 지도가 만들어 진 시점의 정보와 현재 도로 정보 간의 괴리가 존재한다는 것이다. 

IT 시스템도 이와 유사한 점이 있다. 시스템을 구축할 시 생성한 설계 산출물을 운영 시 그대로 활용하기가 쉽지 않다는 것이다. 많은 프로젝트에서 설계 시점에 작성한 ERD와 각종 산출물들이 개발 후 현행화 되지 않아 운영 시점에 이를 제대로 활용할 수 없거나 운영 시 현행화 하는데 많은 수고와 비용이 들어 포기하는 경우도 있다. 심각하게는 데이터 모델의 설계도인 ERD 한 장 없이 수 년간 시스템을 운영하는 경우도 보았다. 

수 억짜리 일반 주택을 하나 짓는데도 정확한 설계도와 이를 기준으로 준공 검사를 받는 현실에 수 백 억 이상의 SW를 설계, 구축, 운영하는데 설계도 없이 제대로 운영하는 것이 과연 말이 될까 싶지만 실제로 이런 일들이 존재하고 있다.

따라서 이러한 문제들을 바로 잡기 위해서 기업들은 메타데이터를 활용한 데이터 모델 설계 기반의 데이터 구조 관리를 체계화하고 이를 기반으로 한 데이터 품질 관리 및 데이터 흐름 관리를 구축하여 기업의 비즈니스 운영에 필요로 하는 정보를 빠르고 정확하게 공급해야 한다.

그림2.jpg
 1) 데이터 모델 설계 기반의 데이터 구조 관리
데이터 모델 설계 기반의 데이터 구조 관리 프로세스는 아래와 같이 최소 7단계로 정의할 수 있다.

 그림 3.gif

① 메타데이터를 활용한 논리 모델 작성
미리 정의된 메타데이터를 활용하여 데이터 모델을 작성하여 기업의 구성원들간 명확한 의사소통을 가능하도록 돕는다.
  예1) 메타데이터 : 단어, 도메인, 코드, 용어 등의 표준 사전 / DBMS 수집 데이터 등
  예2) 명확한 표준용어 : 담당자 => 담당자명, 담당자사원번호
② 메타데이터에 의한 물리 모델 자동 생성
메타데이터의 표준 사전을 활용하여 작성된 논리 모델을 기반으로 자동화된 물리 모델을 생성한다.
예) 논리모델 속성명 : 고객번호 
    물리모델 컬럼명 : CUST_NUM VARCHAR2(12)
③ 모델링 도구에서 직접 모델 신청
모델러는 모델 작성을 완료하면 자동화된 표준 준수, 충실도 등을 수행하고 모델링 도구에서 현재 버전의 Publishing을 위한 승인 신청을 한다.
④ DBMS 반영 스크립트 자동 생성
직전 Publishing한 모델과의 갭분석을 통한 DDL 스크립트 생성
현재 DBMS와의 갭분석을 통한 DDL 스크립트 생성
⑤ DDL 스크립트 반영
명확한 작업 대상을 통한 DBMS 변경 작업 진행
⑥ DDL 반영된 DBMS 최종 정보 수집
변경된 DBMS 카탈로그 정보 수집(배치/수시)
⑦ 물리 모델과 DBMS 정보 갭 분석
최종 Publishing 된 데이터 모델과 최신 DBMS 카탈로그 정보간 갭 분석 지원

2) 데이터 구조 기반의 품질 검증 및 데이터 흐름 관리
메타데이터를 활용한 데이터 모델 기반의 데이터 구조 관리가 확립되었다면 이를 데이터 품질 검증 및 흐름 관리로 확장할 수 있다.

그림 4.gif

① 데이터 구조 기반의 데이터 품질 검증
데이터 품질 관리를 위해서는 프로파일링을 통해 데이터 현황을 파악하고, 업무 규칙 검증을 통해 지속적인 품질 관리를 수행해야 한다. 프로파일링을 위해서는 각 테이블, 컬럼별로 프로파일을 지정해야 하는데, 데이터 구조 기반 프로파일링은 각 컬럼별로 매핑되어 있는 도메인의 정보(코드, 패턴, 유효값, 최대/최소값)를 이용하여 프로파일을 자동 생성하고, 같은 방법으로 업무 규칙 생성을 지원한다.

그림6.gif

② 데이터 구조 기반의 데이터 흐름 관리
소스/AS-IS 데이터 모델 매핑관리를 통해서 기본적인 매핑 정의서를 자동 생성하고 데이터 전환 룰을 ETL 솔루션에 반영하여, 이행소스 자동 생성, 검증소스 자동 생성, 실행 Job 자동 생성, 결과에 대한 데이터 검증 등의 시스템화된 데이터 흐름 관리를 지원한다.

그림5.gif

3) 종합적인 메타데이터 관리 방안 마련 
데이터 성능을 관리하기 위해서는 데이터의 건수나 크기와 같은 물리적인 속성에 대한 정보가 필요하다. 또한 데이터를 활용하는 프로그램이 어떤 것이며 처리 시간이 얼마나 걸렸는지에 대한 통계 정보도 필요하다. 데이터 품질이나 데이터 성능에 대해서는 이를 관리하는 별도의 Tool이 존재하는 경우가 많다. 이 경우에는 이들 Tool과의 연동을 통하여 필요한 정보를 제공할 수 있도록 메타데이터 관리 시스템이 구현되어야 한다.

데이터 보안을 위해서는 사용자 권한 관리가 필요하다. 각 시스템의 사용자 권한에 대한 정보를 메타데이터에서 통합적으로 관리하여 전사 데이터에 대한 총체적인 통제를 수행할 수 있다. 또한 메타데이터 자체에 대한 사용자 권한 관리도 수행한다.

이상에서 살펴본 것과 같이 메타데이터를 수집하고 관리하는 것은 방대하고도 복잡한 일이다. 그러므로 한꺼번에 모든 메타데이터를 구현하려고 하기 보다는 단계적이고 점진적으로 접근하는 것이 바람직하다. 또한 메타데이터는 한 번의 구현으로 완료되는 것이 아니고 지속적으로 변경하고 보완해야 한다. 특히 각 시스템에서 메타데이터 관련 항목이 변경되었을 때, 이를 효과적으로 파악하고 반영할 수 있는 체계를 구축하는 것이 중요하다.

더불어 각 시스템의 데이터 관련자들의 적극적인 협조가 필요할 뿐만 아니라 향후 메타데이터를 변경하고 유지하기 위해서도 관련자들이 원칙이나 절차를 준수하는 노력이 지속적으로 필요하다. 전사적 데이터 관리를 위한 강력한 통제 권한을 갖고 있는 조직, 체계화된 관리 원칙 및 절차, 메타데이터 관리 시스템과 데이터 관련 Tool의 적극적인 접목과 함께, 데이터 관련자들의 참여와 노력이 있을 때만 데이터의 통합적인 관리가 가능한 것이다.


결론 및 시사점 

빅데이터 시대에서는 방대한 데이터를 수집해서 단순히 통계 데이터를 생성하는 수준에 그쳐서는 안된다. 내외부 데이터의 본질 식별, 데이터간의 관계 정의 등 데이터에 대한 구체적인 정의가 필요하며, 전사적 데이터 통합 관리와 이를 체계적으로 관리할 수 있는 데이터 관리 체계와 메타데이터 관리 기반이 구축되어야 한다. 

즉, H/W 부분의 DW 인프라 기술만 구축할 것이 아니라 보다 스마트한 데이터 분석을 위한 데이터 아키텍처 관리와 메타데이터 관리 기술이 성숙되어야 한다. 데이터 통합 모델링을 통해 데이터간의 관계를 단순화하고 조직화하고, 메타데이터 관리를 통해 전사적 정보 자원 파악 및 공유를 용이하게 하며 데이터 고립과 중복을 방지해야 한다. 또한 내외부 데이터의 본질과 데이터 간의 관계를 파악하여 전사적 메타데이터로 관리해야 한다. 더불어 전문가를 통한 고급 데이터 분석을 통해 비즈니스에 의미 있는 정보를 생산해야 한다. .

그러나 빅데이터 환경에서 그 많은 데이터의 본질과 관계를 정의하는 것은 어렵기 때문에 우리가 관리해야 할 데이터, 우리 비즈니스에 필요한 데이터부터 정의하는 것에서부터 시작해야 한다. 이때 단순히 메타데이터 관리 시스템을 도입하는 것이 아닌 데이터 아키텍처 기반의 설계 사상과 전사적인 정보 시스템과의 연계를 고려했을 때 훨씬 더 기업에서 필요한 가치 있는 데이터를 분석할 수 있는 근간이 되고, 정보 시스템이 기업의 핵심 경쟁력으로 자리 잡을 수 있을 것이다. 


※ 다음 엔코아 리포트에서는 데이터 이행에 대해 연구한 자료를 공유하고자 한다.

 


목록