데이터베이스는 조직에서 발생하는 데이터를 일정한 구조로 통합하여 저장하고, 여러 사용자가 필요한 정보를 정확하고 신속하게 활용할 수 있도록 만든 데이터의 집합입니다. 데이터베이스 관리 시스템(DBMS)은 이러한 데이터베이스의 정의·검색·수정·보안·동시 접근·복구를 통합적으로 관리하는 소프트웨어입니다.
이 장에서는 자료와 정보, 정보 시스템과 자료 처리 방식부터 데이터베이스의 정의와 특성, 데이터베이스 시스템의 구성 요소, DBMS의 정의·조작·제어 기능과 장단점을 정리합니다. 이어서 데이터웨어하우스, OLAP, 빅데이터, 데이터 마이닝, Apache Hadoop의 기본 개념과 시험에서 자주 혼동되는 용어를 살펴봅니다.
이 장의 핵심 내용
- 자료는 관찰·측정으로 얻은 사실이나 값이고, 정보는 자료를 목적에 맞게 처리하여 의미를 부여한 결과입니다.
- 자료 처리 방식은 일괄 처리·온라인 처리·분산 처리 등으로 구분할 수 있습니다.
- 데이터베이스는 통합된 데이터·저장된 데이터·운영 데이터·공용 데이터의 성격을 가집니다.
- 데이터베이스의 주요 특성은 실시간 접근성·계속적인 변화·동시 공유·내용에 의한 참조입니다.
- DBMS는 데이터의 저장·구성·검색을 통제하고 응용 프로그램과 데이터베이스 사이의 인터페이스를 제공합니다.
- DBMS의 필수 기능은 정의 기능·조작 기능·제어 기능으로 구분합니다.
- DBMS는 중복과 종속성을 줄이고 무결성·일관성·보안·공유를 지원하지만 도입 비용과 운영 복잡성이 증가할 수 있습니다.
- 데이터웨어하우스는 의사결정과 분석을 위해 주제 중심·통합적·시계열적·비휘발적으로 구성한 데이터 저장소입니다.
- OLAP의 대표 연산에는 Roll-Up·Drill-Down·Slice·Dice·Pivot이 있습니다.
- 데이터 마이닝은 대규모 데이터에서 기존에 알려지지 않은 패턴·관계·경향을 발견하는 분석 기법입니다.
- Apache Hadoop은 여러 컴퓨터로 이루어진 클러스터에서 대용량 데이터를 분산 저장·처리하는 오픈소스 프레임워크입니다.
자료와 정보는 어떻게 다를까?
자료(Data)는 현실 세계에서 관찰하거나 측정하여 얻은 사실·수치·기호 등의 값입니다. 정보(Information)는 자료를 특정 목적에 맞게 분류·계산·요약·분석하여 의사결정에 활용할 수 있도록 의미를 부여한 결과입니다.
| 구분 | 자료 | 정보 |
|---|---|---|
| 의미 | 관찰·측정으로 수집한 사실이나 값 | 자료를 처리하여 의미와 목적을 부여한 결과 |
| 상태 | 가공 전 또는 해석 전의 값 | 분류·계산·요약·분석된 결과 |
| 활용 | 처리와 분석의 입력 | 판단·계획·의사결정의 근거 |
| 예시 | 일별 판매량 80, 95, 110 | 판매량이 최근 3일 동안 증가 추세임 |
정보 시스템은 어떤 역할을 할까?
정보 시스템은 조직의 업무에서 발생하는 데이터를 수집·처리·저장·전달하여 운영과 의사결정에 필요한 정보를 제공하는 시스템입니다. 인사·회계·생산·판매·행정처럼 사용 목적과 업무 영역에 따라 다양한 형태로 구성할 수 있습니다.
| 구성 활동 | 설명 | 활용 예 |
|---|---|---|
| 입력 | 업무에서 발생한 자료를 수집 | 주문·출퇴근·결제 기록 |
| 처리 | 자료를 분류·계산·요약·검증 | 급여 계산, 매출 집계 |
| 저장 | 처리 전후의 자료와 정보를 보관 | 고객·상품·재고 데이터베이스 |
| 출력 | 사용자가 활용할 수 있는 형태로 정보를 제공 | 보고서·대시보드·알림 |
| 제어와 피드백 | 처리 결과를 확인하고 오류나 기준을 수정 | 입력 오류 검증, 재고 기준 조정 |
자료 처리 방식은 어떻게 구분할까?
자료 처리 시스템은 입력되는 자료의 처리 시점과 시스템 구성 방식에 따라 구분할 수 있습니다. 일괄 처리는 일정량의 자료를 모아 한꺼번에 처리하고, 온라인 처리는 단말이나 네트워크를 통해 입력된 자료를 즉시 또는 짧은 시간 안에 처리합니다. 분산 처리는 여러 컴퓨터가 통신망으로 연결되어 저장과 처리 업무를 분담합니다.
| 처리 방식 | 특징 | 적합한 업무 |
|---|---|---|
| 일괄 처리 | 일정 기간 동안 자료를 모은 뒤 한꺼번에 처리 | 월 급여 계산, 정기 요금 청구 |
| 온라인 처리 | 사용자가 단말을 통해 입력한 자료를 즉시 또는 짧은 시간 안에 처리 | 좌석 예약, 계좌 조회, 주문 처리 |
| 실시간 처리 | 정해진 시간 제약 안에 처리 결과가 반드시 제공되어야 함 | 공정 제어, 의료 감시, 항공 제어 |
| 분산 처리 | 네트워크로 연결된 여러 컴퓨터가 저장·처리 업무를 분담 | 지점별 업무 시스템, 대규모 데이터 처리 |
일괄 처리
처리할 자료를 일정 기간 모아 한꺼번에 실행하므로 대량의 정형 업무에 적합하지만 결과가 즉시 제공되지 않습니다.
온라인 처리
사용자의 입력과 조회 요청을 네트워크를 통해 처리하므로 최신 상태를 빠르게 반영하는 업무에 적합합니다.
구분 참고: 온라인 처리는 네트워크를 통한 상호작용 방식에 초점을 두고, 실시간 처리는 정해진 제한 시간 안에 결과를 제공해야 한다는 시간 요건에 초점을 둡니다.
데이터베이스는 어떤 데이터의 집합일까?
데이터베이스(Database)는 서로 관련된 데이터를 일정한 구조로 조직하여 저장하고, 응용 프로그램이나 사용자가 필요한 내용을 검색·추가·수정·삭제할 수 있도록 만든 데이터의 집합입니다. 시험에서는 데이터베이스의 정의를 통합된 데이터·저장된 데이터·운영 데이터·공용 데이터의 성격으로 구분합니다.
| 데이터베이스의 정의 | 설명 |
|---|---|
| 통합된 데이터 | 여러 사용자가 개별적으로 관리하던 관련 데이터를 중복을 줄여 하나의 체계로 통합한 데이터 |
| 저장된 데이터 | 컴퓨터가 접근할 수 있는 저장 장치에 기록된 데이터 |
| 운영 데이터 | 조직의 업무를 수행하기 위해 계속 사용되는 필수 데이터 |
| 공용 데이터 | 여러 사용자와 응용 프로그램이 공동으로 이용하는 데이터 |
데이터베이스의 주요 특성은 무엇일까?
| 특성 | 설명 | 예시 |
|---|---|---|
| 실시간 접근성 | 사용자의 질의에 필요한 데이터를 신속하게 검색하여 응답 | 현재 재고 수량 조회 |
| 계속적인 변화 | 삽입·수정·삭제 작업으로 데이터의 내용이 지속적으로 갱신 | 주문 상태 변경 |
| 동시 공유 | 여러 사용자가 같은 데이터에 동시에 접근하여 이용 | 여러 직원의 고객 정보 조회 |
| 내용에 의한 참조 | 저장 주소가 아니라 데이터의 값·조건·관계로 필요한 내용을 검색 | 매출액이 100만 원 이상인 주문 검색 |
실시간 접근성 주의: 모든 데이터베이스 작업이 반드시 실시간 제어 시스템처럼 엄격한 시간 제한을 가진다는 의미는 아닙니다. 사용자의 질의에 필요한 데이터를 적절한 시간 안에 신속하게 제공한다는 특성으로 이해합니다.
데이터베이스 시스템은 어떻게 구성될까?
데이터베이스 시스템은 데이터베이스 자체뿐 아니라 이를 관리하는 DBMS, 데이터 구조를 설명하는 스키마와 메타데이터, 데이터에 접근하는 언어와 응용 프로그램, 데이터베이스 관리자와 일반 사용자, 하드웨어와 운영 절차를 포함합니다.
| 구성 요소 | 역할 |
|---|---|
| 데이터베이스 | 조직화된 실제 데이터와 관련 구조를 저장 |
| DBMS | 데이터의 저장·구성·검색·수정·보안·동시 접근·복구를 관리 |
| 스키마 | 테이블·필드·관계·제약조건 등 데이터베이스의 논리적 구조를 정의 |
| 데이터 사전 | 데이터 구조·개체·권한·제약조건 등에 관한 메타데이터를 저장 |
| 데이터베이스 언어 | 구조 정의·데이터 조작·권한 제어를 위한 명령 제공 |
| 응용 프로그램 | 사용자의 업무 요청을 DBMS에 전달하고 결과를 화면이나 보고서로 제공 |
| 데이터베이스 사용자 | DBA·개발자·최종 사용자 등이 데이터베이스를 설계·관리·이용 |
| 하드웨어·절차 | 서버·저장 장치·네트워크와 백업·보안·운영 규칙을 제공 |
DBMS는 어떤 소프트웨어일까?
DBMS(Database Management System)는 데이터의 저장·조직·검색을 통제하는 소프트웨어입니다. 사용자가 저장 위치와 파일 구조를 직접 관리하지 않아도 데이터베이스를 정의하고 검색·추가·수정·삭제할 수 있도록 하며, 여러 사용자의 동시 접근과 데이터 무결성·보안·복구를 관리합니다.
| DBMS 역할 | 설명 |
|---|---|
| 데이터 독립성 지원 | 응용 프로그램과 데이터 저장 구조 사이의 결합을 줄임 |
| 데이터 공유 | 여러 사용자와 응용 프로그램이 같은 데이터를 이용하도록 조정 |
| 무결성 유지 | 제약조건과 검증 규칙으로 부정확한 데이터 저장을 방지 |
| 동시성 제어 | 동시에 수행되는 작업이 서로의 결과를 잘못 변경하지 않도록 관리 |
| 보안과 권한 | 사용자 인증과 권한에 따라 데이터 접근 범위를 제한 |
| 백업과 복구 | 장애나 오류 발생 후 데이터베이스를 일관된 상태로 복원 |
| 메타데이터 관리 | 스키마·개체·제약조건·권한 등의 정보를 데이터 사전에 관리 |
DBMS의 필수 기능은 어떻게 구분할까?
DBMS의 기능은 데이터베이스의 구조를 만드는 정의 기능, 저장된 데이터를 검색·추가·수정·삭제하는 조작 기능, 데이터의 정확성·보안·동시성·복구를 관리하는 제어 기능으로 구분합니다.
| 기능 | 주요 내용 | 관련 작업 |
|---|---|---|
| 정의 기능 | 데이터베이스 구조·데이터 형식·관계·제약조건을 정의하고 논리 구조와 물리 구조 사이의 대응을 설정 | 테이블 생성, 필드 형식과 키 정의 |
| 조작 기능 | 사용자와 응용 프로그램이 데이터를 검색·삽입·수정·삭제하도록 인터페이스 제공 | SELECT·INSERT·UPDATE·DELETE |
| 제어 기능 | 무결성·보안·권한·동시성·트랜잭션·백업·복구를 관리 | 권한 부여, 동시 실행 제어, 장애 복구 |
정의·조작
- 데이터 구조와 제약조건 정의
- 데이터 검색·추가·수정·삭제
- 응용 프로그램과 데이터의 인터페이스 제공
제어
- 무결성과 일관성 유지
- 사용자 권한과 보안 관리
- 동시성·트랜잭션·백업·복구 관리
시험 포인트: 응용 프로그램이 요구하는 데이터 구조와 저장될 데이터의 형식·관계·제약조건을 정의하는 기능은 정의 기능입니다.
DBMS를 사용하면 어떤 장점과 단점이 있을까?
DBMS의 장점
- 데이터 중복과 응용 프로그램 종속성 감소
- 여러 사용자와 응용 프로그램의 데이터 공유
- 무결성·일관성·동시성 유지
- 보안과 접근 권한의 중앙 관리
- 표준화와 백업·복구 체계 지원
DBMS의 단점
- 소프트웨어·서버·운영 인력 비용 증가
- 설계·운영·백업·복구 구조의 복잡성 증가
- 전문적인 데이터베이스 관리 지식 필요
- 중앙 시스템 장애가 여러 업무에 영향을 줄 가능성
- 잘못된 권한이나 설계가 전체 데이터에 영향을 줄 위험
복구 관련 주의: DBMS가 복구 기능을 제공하더라도 적절한 백업 정책과 복원 절차가 없으면 장애 발생 시 데이터를 안전하게 복구하기 어렵습니다. 복구 목표와 백업 주기, 복원 절차를 사전에 설계하고 정기적으로 시험해야 합니다.
데이터웨어하우스는 어떤 데이터 저장소일까?
데이터웨어하우스(Data Warehouse)는 여러 운영 시스템에서 수집한 데이터를 분석과 의사결정에 적합하도록 통합하여 저장한 데이터 저장소입니다. 일상적인 거래 처리보다 과거 데이터의 비교·추세·요약 분석에 초점을 두며, 일반적으로 주제 중심·통합적·시계열적·비휘발적 특성으로 설명합니다.
| 특성 | 설명 | 예시 |
|---|---|---|
| 주제 중심 | 업무 절차보다 고객·상품·매출 같은 분석 주제를 중심으로 구성 | 고객별 구매 분석 |
| 통합적 | 서로 다른 시스템의 이름·형식·단위·코드를 일관된 기준으로 통합 | 지점별 상품코드 통일 |
| 시계열적 | 시간에 따른 변화와 추세를 분석할 수 있도록 과거 데이터를 유지 | 최근 5년 매출 추이 |
| 비휘발적 | 적재된 과거 데이터는 운영 데이터처럼 빈번하게 수정·삭제하지 않고 분석에 이용 | 월별 마감 실적 보존 |
운영 데이터베이스와 데이터웨어하우스는 어떻게 다를까?
| 구분 | 운영 데이터베이스·OLTP | 데이터웨어하우스·OLAP |
|---|---|---|
| 목적 | 일상적인 거래와 업무 처리 | 분석·보고·의사결정 지원 |
| 데이터 | 현재 상태 중심의 상세 데이터 | 통합된 과거·시계열 데이터 |
| 작업 | 짧고 빈번한 입력·수정·삭제·조회 | 복잡한 집계·비교·다차원 조회 |
| 사용자 | 현업 담당자와 거래 처리 응용 프로그램 | 관리자·분석가·의사결정자 |
| 최적화 | 빠른 트랜잭션과 동시 처리 | 대량 조회와 집계 성능 |
OLAP은 데이터를 어떻게 분석할까?
OLAP(On-Line Analytical Processing)은 대량의 데이터를 여러 차원과 계층에서 빠르게 집계·비교·탐색하도록 지원하는 분석 방식입니다. 예를 들어 매출을 시간·지역·상품 차원으로 구성하면 연도에서 분기·월로 내려가거나, 전국에서 지역·지점으로 범위를 좁혀 분석할 수 있습니다.
| OLAP 연산 | 기능 | 예시 |
|---|---|---|
| Roll-Up | 세부 데이터를 상위 계층으로 집계하여 요약 수준을 높임 | 월별 매출 → 분기별 매출 |
| Drill-Down | 요약 데이터에서 하위 계층으로 이동하여 세부 수준을 확인 | 연간 매출 → 분기 → 월별 매출 |
| Slice | 하나의 차원에서 특정 값을 선택하여 데이터의 한 단면을 조회 | 2026년 데이터만 선택 |
| Dice | 여러 차원의 조건을 조합하여 더 작은 부분 집합을 조회 | 2026년·수도권·노트북 매출 |
| Pivot | 행과 열의 차원을 회전하여 데이터의 관점을 변경 | 지역별 상품 표를 상품별 지역 표로 전환 |
시험 포인트: OLAP의 기본 연산이 아닌 항목을 고르는 문제에서는 Translate처럼 데이터 분석 계층이나 부분 집합 탐색과 관계없는 용어를 구분해야 합니다.
빅데이터는 단순히 크기만 큰 데이터일까?
빅데이터(Big Data)는 기존의 전통적인 처리 방식만으로 저장·처리·분석하기 어려운 규모와 특성을 가진 데이터와 이를 다루는 기술 환경을 의미합니다. 단순히 데이터의 양이 많다는 의미를 넘어 데이터의 규모·생성 속도·형식의 다양성 등을 함께 고려합니다.
| 빅데이터 특성 | 의미 | 설명 | 예시 |
|---|---|---|---|
| Volume | 규모 | 기존 시스템에서 처리하기 어려울 정도로 데이터의 양이 방대함 | 대규모 거래 기록·로그·센서 데이터 |
| Velocity | 속도 | 데이터가 빠르게 생성·유입되며 신속한 저장과 처리가 필요함 | 실시간 결제·주식 거래·클릭 스트림 |
| Variety | 다양성 | 정형·반정형·비정형 등 데이터의 형식과 출처가 다양함 | 테이블·JSON·문서·이미지·음성·영상 |
| Veracity | 신뢰성 | 오류·중복·누락·편향을 통제하여 데이터의 정확성과 신뢰성을 확보해야 함 | 중복 고객 정보 제거·센서 오류값 검증 |
| Value | 가치 | 수집한 데이터에서 업무와 의사결정에 유용한 의미와 성과를 만들어야 함 | 고객 이탈 예측·수요 예측·공정 최적화 |
분류 참고: 빅데이터의 특성은 자료에 따라 Volume·Velocity·Variety의 3V, Value를 추가한 4V, Veracity까지 추가한 5V 등으로 설명할 수 있습니다. 시험에서는 제시된 분류 기준과 선택지를 확인해야 합니다.
정의 주의: 빅데이터는 단순히 데이터의 양이 많은 것을 의미하지 않습니다. 데이터의 규모(Volume)·생성 속도(Velocity)·형식의 다양성(Variety)뿐 아니라 데이터의 신뢰성(Veracity)과 활용 가치(Value)까지 함께 고려해야 합니다.
데이터 마이닝은 어떤 패턴을 찾을까?
데이터 마이닝(Data Mining)은 대규모 데이터에서 단순 조회나 보고만으로는 발견하기 어려운 패턴·관계·경향을 자동 또는 반자동으로 찾아내는 분석 기법입니다. 발견한 패턴을 이용해 대상을 분류하거나 값을 예측하고, 유사한 집단을 찾거나 함께 발생하는 항목의 관계를 분석할 수 있습니다.
| 분석 유형 | 목적 | 활용 예 |
|---|---|---|
| 분류 | 대상을 미리 정한 범주 중 하나로 구분 | 정상 거래와 이상 거래 분류 |
| 예측·회귀 | 과거 데이터로 미래의 수치나 결과를 추정 | 다음 달 매출 예측 |
| 군집화 | 정답 범주 없이 특성이 비슷한 대상을 묶음 | 고객 유형 세분화 |
| 연관 분석 | 항목 사이의 동시 발생 관계를 탐색 | 함께 구매되는 상품 분석 |
| 이상 탐지 | 일반적인 패턴에서 크게 벗어난 사례를 발견 | 부정 결제 탐지 |
Apache Hadoop은 어떤 프레임워크일까?
Apache Hadoop은 여러 컴퓨터로 구성된 클러스터에서 대용량 데이터 세트를 분산 저장하고 병렬 처리하도록 지원하는 오픈소스 프레임워크입니다. 한 대의 대형 컴퓨터에 모든 작업을 집중하기보다 여러 노드의 저장 공간과 계산 자원을 함께 사용하여 확장성과 장애 대응 능력을 확보합니다.
| Hadoop 모듈 | 주요 역할 |
|---|---|
| Hadoop Common | 다른 Hadoop 모듈이 사용하는 공통 라이브러리와 유틸리티 제공 |
| HDFS | 데이터를 여러 노드에 나누어 저장하는 분산 파일 시스템 |
| YARN | 클러스터 자원 관리와 작업 스케줄링을 담당 |
| MapReduce | 대규모 데이터 세트를 여러 노드에서 병렬 처리하는 프로그래밍·실행 모델 |
시험 포인트: 일반 컴퓨터 여러 대로 클러스터를 구성하고 대용량 데이터를 분산 저장·병렬 처리하도록 지원하는 자바 기반 오픈소스 프레임워크는 Apache Hadoop입니다.
구분 주의: Hadoop은 전통적인 관계형 DBMS 자체가 아닙니다. HDFS·YARN·MapReduce 등을 이용해 대용량 데이터의 분산 저장과 처리를 지원하는 프레임워크입니다.
시험에서 자주 혼동되는 개념
자료와 정보
자료는 관찰·측정으로 얻은 값이고, 정보는 자료를 목적에 맞게 처리하여 의미를 부여한 결과입니다.
데이터베이스와 DBMS
데이터베이스는 구조화된 데이터의 집합이고, DBMS는 데이터베이스를 정의·조작·제어하는 소프트웨어입니다.
일괄 처리와 온라인 처리
일괄 처리는 자료를 일정 기간 모아 한꺼번에 처리하고, 온라인 처리는 사용자의 입력과 요청을 네트워크를 통해 즉시 또는 짧은 시간 안에 처리합니다.
온라인 처리와 실시간 처리
온라인 처리는 상호작용과 네트워크 연결 방식에 초점을 두고, 실시간 처리는 정해진 시간 안에 결과를 제공해야 한다는 시간 제약에 초점을 둡니다.
정의·조작·제어 기능
정의 기능은 구조를 만들고, 조작 기능은 데이터를 검색·변경하며, 제어 기능은 무결성·보안·동시성·복구를 관리합니다.
OLTP와 OLAP
OLTP는 일상적인 거래 처리에, OLAP은 데이터웨어하우스의 대량 데이터를 다차원적으로 집계·분석하는 데 초점을 둡니다.
Roll-Up과 Drill-Down
Roll-Up은 세부 데이터를 상위 수준으로 집계하고, Drill-Down은 요약 데이터에서 하위 세부 수준으로 내려갑니다.
Slice와 Dice
Slice는 한 차원의 특정 값을 선택하고, Dice는 여러 차원의 조건을 조합하여 데이터의 부분 집합을 선택합니다.
OLAP과 데이터 마이닝
OLAP은 사용자가 차원과 계층을 탐색하며 집계 결과를 분석하고, 데이터 마이닝은 알고리즘을 이용해 숨겨진 패턴과 관계를 발견합니다.
DBMS와 Hadoop
DBMS는 데이터베이스의 정의·조작·제어를 담당하고, Hadoop은 클러스터에서 대용량 데이터를 분산 저장·처리하는 프레임워크입니다.
이번 장 핵심 요약
- 자료는 관찰·측정으로 얻은 사실이나 값이고, 정보는 자료를 처리하여 의미를 부여한 결과입니다.
- 정보 시스템은 데이터를 수집·처리·저장·출력하여 운영과 의사결정에 필요한 정보를 제공합니다.
- 일괄 처리는 자료를 모아 한꺼번에 처리하고, 온라인 처리는 사용자의 요청을 즉시 또는 짧은 시간 안에 처리합니다.
- 분산 처리는 여러 컴퓨터가 네트워크로 연결되어 저장과 처리 업무를 분담합니다.
- 데이터베이스는 통합된 데이터·저장된 데이터·운영 데이터·공용 데이터의 성격을 가집니다.
- 데이터베이스의 주요 특성은 실시간 접근성·계속적인 변화·동시 공유·내용에 의한 참조입니다.
- 데이터베이스 시스템은 데이터베이스·DBMS·스키마·언어·사용자·응용 프로그램·하드웨어와 절차로 구성됩니다.
- DBMS는 데이터의 저장·구성·검색·수정·보안·동시성·백업과 복구를 관리합니다.
- 정의 기능은 데이터 구조를 만들고, 조작 기능은 데이터를 검색·추가·수정·삭제합니다.
- 제어 기능은 무결성·보안·권한·동시성·트랜잭션·백업·복구를 관리합니다.
- DBMS는 데이터 중복과 종속성을 줄이고 공유·무결성·일관성·보안을 지원합니다.
- 데이터웨어하우스는 주제 중심·통합적·시계열적·비휘발적으로 구성한 분석용 데이터 저장소입니다.
- OLTP는 거래 처리에, OLAP은 대량 데이터의 다차원 분석에 초점을 둡니다.
- Roll-Up은 요약 수준을 높이고 Drill-Down은 세부 수준으로 내려갑니다.
- Slice는 한 차원의 특정 값을, Dice는 여러 차원의 조건을 조합한 부분 집합을 선택합니다.
- 빅데이터는 Volume·Velocity·Variety·Veracity·Value의 5V 특성을 가진 데이터 환경입니다.
- 데이터 마이닝은 대규모 데이터에서 알려지지 않은 패턴·관계·경향을 발견합니다.
- Apache Hadoop은 HDFS·YARN·MapReduce 등을 이용해 대용량 데이터를 분산 저장·처리합니다.
복습 문제
관찰이나 측정을 통해 수집한 사실이나 값을 무엇이라고 할까?
자료(Data)입니다.
자료를 처리하여 의사결정에 활용할 수 있도록 만든 결과는?
정보(Information)입니다.
자료를 일정 기간 모아 한꺼번에 처리하는 방식은?
일괄 처리입니다.
여러 컴퓨터가 네트워크를 통해 저장과 처리 업무를 분담하는 방식은?
분산 처리입니다.
여러 사용자의 관련 데이터를 중복을 줄여 하나의 체계로 구성한 데이터는?
통합된 데이터입니다.
저장 주소가 아니라 값과 조건을 이용해 데이터를 검색하는 특성은?
내용에 의한 참조입니다.
데이터베이스의 저장·조직·검색·수정·보안·복구를 관리하는 소프트웨어는?
DBMS입니다.
데이터베이스 구조와 데이터 형식·관계·제약조건을 정의하는 DBMS 기능은?
정의 기능입니다.
데이터를 검색·삽입·수정·삭제하도록 지원하는 DBMS 기능은?
조작 기능입니다.
무결성·보안·동시성·백업·복구를 관리하는 DBMS 기능은?
제어 기능입니다.
주제 중심·통합적·시계열적·비휘발적 특성을 가진 분석용 데이터 저장소는?
데이터웨어하우스입니다.
세부 데이터를 상위 계층으로 집계하는 OLAP 연산은?
Roll-Up입니다.
요약 데이터에서 하위 세부 수준으로 이동하는 OLAP 연산은?
Drill-Down입니다.
한 차원의 특정 값을 선택하여 데이터의 한 단면을 보는 OLAP 연산은?
Slice입니다.
여러 차원의 조건을 조합하여 부분 집합을 선택하는 OLAP 연산은?
Dice입니다.
대량 데이터에서 변수 사이의 관계와 숨겨진 패턴을 발견하는 분석 기법은?
데이터 마이닝입니다.
대용량 데이터를 여러 컴퓨터에서 분산 저장·처리하는 오픈소스 프레임워크는?
Apache Hadoop입니다.
Hadoop에서 데이터를 여러 노드에 분산 저장하는 파일 시스템은?
HDFS입니다.
참고자료
- 학습 범위 — 사무자동화산업기사 제1과목 사무자동화 시스템, 데이터베이스의 개념과 DBMS
- Q-Net — 사무자동화산업기사 종목별 상세정보 및 출제기준
- Oracle Database Concepts — 데이터베이스와 DBMS 개요
- Oracle Database Concepts — 데이터 사전과 메타데이터
- Oracle Database Data Warehousing Guide — 데이터웨어하우스 개념
- Microsoft Learn — OLAP 큐브와 주요 연산
- Oracle Data Mining Concepts — 데이터 마이닝 개요
- Oracle Stream Analytics — 빅데이터의 주요 특성
- Apache Hadoop — 프레임워크 개요
- Apache Hadoop — HDFS·YARN·MapReduce 모듈
이 글은 사무자동화산업기사 시험 범위에 포함된 자료 처리, 데이터베이스, DBMS, 데이터웨어하우스, OLAP, 데이터 마이닝과 Hadoop의 기본 개념을 이해하고 복습할 수 있도록 재구성한 정리입니다. 데이터베이스 시스템의 구성 요소와 용어 분류는 교재·표준·제품에 따라 표현 범위가 달라질 수 있으며, 빅데이터와 분석 기술은 계속 발전하고 있습니다. 실제 시스템 설계와 운영에서는 사용하는 DBMS와 데이터 플랫폼의 최신 공식 문서를 함께 확인해야 합니다.