데이터 거버넌스란? 구성요소 5가지·마스터데이터·메타데이터·데이터 사전·카탈로그·온톨로지 쉽게 이해하기

1장 데이터 거버넌스란 무엇인가#

기업에는 수많은 데이터가 존재합니다.

예를 들어 고객과 관련된 데이터만 생각해도:

고객 이름
고객 ID
주소
연락처
주문 이력
상담 이력
마케팅 동의 여부

등이 여러 시스템에 저장될 수 있습니다.

그런데 부서마다 고객을 서로 다른 기준으로 관리한다고 생각해봅시다.

마케팅팀에서는 고객번호를 CUSTOMER_ID라고 부르고, 영업팀에서는 CUST_NO, 고객센터에서는 MEMBER_ID라고 부를 수 있습니다.

심지어 같은 고객이라도 시스템마다 주소나 연락처가 다를 수도 있습니다.

이 상태에서 전사적인 데이터 분석을 수행하면 다음과 같은 문제가 발생할 수 있습니다.

어떤 데이터가 정확한지 알기 어렵다.
같은 데이터의 의미가 부서마다 다르다.
데이터가 중복된다.
책임자가 누구인지 알기 어렵다.
보안과 접근 권한을 일관성 있게 관리하기 어렵다.

따라서 회사 전체에서:

데이터는 어떤 기준으로 관리할 것인가?

누가 책임질 것인가?

어떤 표준을 사용할 것인가?

데이터 품질은 어떻게 보장할 것인가?

를 정할 필요가 있습니다.

이것이 데이터 거버넌스 Data Governance입니다.

2장 데이터 거버넌스의 정의#

제공된 ADsP 학습자료에서는 데이터 거버넌스를 다음과 같이 설명합니다.

전사 차원의 모든 데이터에 대하여 정책 및 지침, 표준화, 운용조직 및 책임 등의 표준화된 관리체계를 수립하는 것

입니다.

여기서 가장 중요한 단어는:

전사 차원

입니다.

특정 부서의 데이터만 관리하는 것이 아니라 회사 전체의 데이터를 일관된 기준으로 관리하는 체계라는 점이 핵심입니다.

3장 데이터 거버넌스를 가장 쉽게 이해하면#

아주 간단하게 표현하면:

회사 데이터를 체계적으로 관리하는 규칙

입니다.

조금 더 구체적으로 말하면:

누가, 무엇을, 어떤 기준과 절차로 관리할 것인지 정하는 것

입니다.

데이터 거버넌스는 특정 데이터베이스 프로그램이나 특정 분석도구를 의미하는 것이 아닙니다.

데이터를 관리하는:

정책
역할
책임
절차
표준
조직
시스템

전체를 아우르는 관리체계입니다.

4장 데이터 거버넌스가 필요한 이유#

데이터 거버넌스의 주요 목적은 제공된 학습자료 기준으로 다음과 같습니다.

데이터 품질 확보
데이터 일관성 유지
데이터 보안 강화

각각 어떤 의미인지 살펴보겠습니다.

5장 데이터 품질 확보#

잘못된 데이터로 분석하면 잘못된 결과가 나올 수 있습니다.

예를 들어 고객 나이에:

25
36
999
-5

같은 값이 저장되어 있다면 데이터 품질에 문제가 있습니다.

데이터 거버넌스를 통해:

데이터 입력 규칙
데이터 검증 기준
관리 책임
데이터 표준

을 정하면 데이터 품질을 체계적으로 관리할 수 있습니다.

핵심#

Data Governance → 데이터 품질 관리

입니다.

6장 데이터 일관성 유지#

같은 의미의 데이터를 여러 시스템에서 서로 다르게 관리하면 문제가 발생합니다.

예를 들어 동일한 상품의 코드가:

시스템 A → P001

시스템 B → 001

시스템 C → PRODUCT-001

처럼 관리된다면 데이터를 통합할 때 추가적인 변환 작업이 필요합니다.

데이터 거버넌스를 통해 표준을 만들면 동일한 의미의 데이터를 보다 일관성 있게 관리할 수 있습니다.

핵심#

일관성 = 같은 데이터는 같은 의미와 기준으로 관리

입니다.

7장 데이터 보안 강화#

기업 데이터에는 다음과 같은 민감한 정보가 포함될 수 있습니다.

개인정보
거래정보
내부 경영정보
고객정보

따라서:

누가 데이터를 볼 수 있는가
누가 수정할 수 있는가
어떤 데이터는 외부로 반출할 수 없는가

같은 규칙을 관리해야 합니다.

데이터 거버넌스는 이러한 데이터 접근과 관리 책임 체계를 명확하게 하는 데도 중요합니다.

8장 데이터 거버넌스의 관리 범위#

제공된 학습자료에서는 데이터 거버넌스의 관리 범위로 다음을 강조합니다.

마스터 데이터
메타데이터
표준 데이터

즉 데이터 자체만 관리하는 것이 아니라 데이터의 기준과 의미까지 전사적으로 관리합니다.

9장 데이터 거버넌스의 5가지 구성요소#

제공된 ADsP 학습자료에서는 데이터 거버넌스의 구성요소를 다섯 가지로 정리합니다.

조직 Organization
프로세스 Process
시스템 System
데이터 Data
인력 자원 Human Resource

이를 질문으로 바꾸면 이해하기 쉽습니다.

누가 관리하는가?

→ 조직

어떻게 관리하는가?

→ 프로세스

무엇으로 관리하는가?

→ 시스템

무엇을 관리하는가?

→ 데이터

관리할 사람을 어떻게 확보하는가?

→ 인력 자원

입니다.

10장 조직 Organization이란 무엇인가#

첫 번째 구성요소는 조직 Organization입니다.

데이터를 체계적으로 관리하려면 누가 어떤 업무를 담당할 것인지 명확해야 합니다.

예를 들어:

데이터 표준 담당자
데이터 품질 담당자
데이터 정책 담당자
데이터 소유자
데이터 관리자

등의 역할을 정할 수 있습니다.

제공된 학습자료에서는:

데이터 관리 역할과 책임 정의

를 핵심으로 제시합니다.

핵심#

Organization = 누가 책임지는가

입니다.

11장 프로세스 Process란 무엇인가#

두 번째는 프로세스 Process입니다.

조직과 담당자가 정해졌다고 해도 데이터 관리방법이 사람마다 달라지면 일관된 관리가 어렵습니다.

따라서:

데이터 등록
변경
승인
사용
폐기

등에 대한 절차와 규칙이 필요합니다.

제공된 학습자료에서는:

데이터 사용·관리 절차와 규칙

으로 설명합니다.

핵심#

Process = 어떻게 관리하는가

입니다.

12장 시스템 System이란 무엇인가#

세 번째는 시스템 System입니다.

데이터 관리 정책과 프로세스를 실제로 운영하려면 이를 지원하는 IT 도구가 필요할 수 있습니다.

예를 들어:

데이터 관리 시스템
메타데이터 관리도구
데이터 품질 관리도구

등이 데이터 거버넌스 운영을 지원할 수 있습니다.

제공된 학습자료에서는:

데이터 관리 도구 및 IT 환경

이라고 설명합니다.

핵심#

System = 데이터를 관리하기 위한 기술적 도구

입니다.

13장 데이터 Data란 무엇인가#

네 번째 구성요소는 실제 관리 대상인 데이터 Data입니다.

제공된 학습자료에서는 대표적으로:

마스터 데이터
메타데이터
표준 데이터

관리를 제시합니다.

즉 단순히 데이터를 저장하는 것이 아니라 데이터의 기준·정의·구조까지 체계적으로 관리합니다.

핵심#

Data = 무엇을 관리하는가

입니다.

14장 인력 자원 Human Resource이란 무엇인가#

다섯 번째는 인력 자원 Human Resource입니다.

데이터 관리체계를 만들더라도 이를 이해하고 운영할 사람이 없다면 제대로 작동하기 어렵습니다.

따라서:

데이터 관리자 양성
데이터 관련 교육

등이 필요합니다.

제공된 학습자료에서는:

데이터 관리자 양성 및 교육

을 핵심으로 제시합니다.

핵심#

Human Resource = 데이터 관리 사람과 역량

입니다.

15장 Data Resource라는 구성요소가 있는가#

제공된 학습자료의 대표적인 함정입니다.

데이터 거버넌스 구성요소에는 Data Resource가 있다.

틀립니다.

구성요소는:

Human Resource

즉 인력 자원입니다.

시험에서는 Data Resource와 Human Resource를 바꾸어 제시할 수 있으므로 주의해야 합니다.

16장 데이터 거버넌스를 도서관에 비유하면#

데이터 거버넌스는 도서관 운영과 비슷하게 생각할 수 있습니다.

조직#

사서와 도서관 운영조직

→ 누가 책을 관리할 것인가?

프로세스#

책 대출·반납 규칙

→ 어떻게 관리할 것인가?

시스템#

도서 검색과 대출 시스템

→ 어떤 도구를 사용할 것인가?

데이터#

도서관의 책

→ 무엇을 관리할 것인가?

인력 자원#

사서 교육

→ 관리자를 어떻게 양성할 것인가?

이 비유를 기억하면 다섯 요소를 쉽게 구분할 수 있습니다.

17장 마스터 데이터 Master Data란 무엇인가#

마스터 데이터는 기업의 핵심 업무에서 반복적으로 사용하는 기준이 되는 핵심 데이터입니다.

제공된 학습자료의 대표 사례는:

고객
제품
공급업체

입니다.

예를 들어 쇼핑몰에서 고객 정보는 여러 업무에서 공통으로 사용됩니다.

주문
배송
마케팅
고객 상담

모두 동일한 고객을 기준으로 업무를 수행해야 합니다.

따라서 고객처럼 여러 업무에서 공통 기준으로 사용하는 핵심 데이터를 마스터 데이터와 연결하여 이해할 수 있습니다.

18장 마스터 데이터가 중요한 이유#

고객 정보를 예로 들어보겠습니다.

CRM에는 고객 주소가:

서울시 A구

로 저장되어 있고,

배송 시스템에는:

서울특별시 A구

마케팅 시스템에는:

서울 A구

처럼 저장되어 있다고 하겠습니다.

같은 고객 정보가 시스템마다 달라지면 데이터 통합과 분석에 문제가 생길 수 있습니다.

그래서 핵심 기준 데이터를 일관성 있게 관리할 필요가 있습니다.

핵심#

Master Data = 업무에서 기준이 되는 핵심 데이터

입니다.

19장 메타데이터 Metadata란 무엇인가#

메타데이터는 흔히:

데이터에 관한 데이터

라고 설명합니다.

조금 더 정확하게 이해하면 다른 데이터의 의미·구조·속성·관리정보를 설명하는 데이터입니다.

예를 들어 데이터베이스에 CUSTOMER_ID라는 컬럼이 있다고 하겠습니다.

값 자체는:

100001

입니다.

하지만 이 값만 보고는 무엇을 의미하는지 알기 어렵습니다.

메타데이터에는 다음과 같은 설명이 포함될 수 있습니다.

컬럼명: CUSTOMER_ID
의미: 회원 식별번호
데이터 타입: VARCHAR
담당 부서: 마케팅팀
최근 갱신일: 2026-09-28

즉 실제 데이터 자체가 아니라 그 데이터를 설명하는 정보입니다.

20장 메타데이터는 왜 중요한가#

기업의 데이터가 많아지면 단순히 데이터를 저장하는 것만으로는 충분하지 않습니다.

다음 질문에 답할 수 있어야 합니다.

이 데이터는 무엇을 의미하는가?
어디에 저장되어 있는가?
어떤 형식인가?
누가 관리하는가?
언제 변경되었는가?

이런 정보를 관리하는 것이 메타데이터입니다.

따라서 대규모 조직에서는 메타데이터 관리가 데이터 검색·이해·품질관리와 밀접하게 연결됩니다.

21장 메타데이터의 3가지 유형#

제공된 ADsP 학습자료에서는 메타데이터를 세 가지 유형으로 구분합니다.

업무 메타데이터 Business Metadata
기술 메타데이터 Technical Metadata
운영 메타데이터 Operational Metadata

시험에서 자주 출제되는 부분입니다.

22장 업무 메타데이터 Business Metadata란 무엇인가#

업무 메타데이터는 비즈니스 관점에서 데이터의 의미를 설명하는 정보입니다.

제공된 학습자료에서는:

업무 규칙
데이터 정의
데이터 소유자

등을 예로 제시합니다.

예:

고객ID

→ 회원을 고유하게 식별하기 위한 번호

담당 부서:

→ 마케팅팀

처럼 해당 데이터가 업무에서 어떤 의미를 갖는지 설명합니다.

핵심#

Business Metadata = 업무 의미

입니다.

23장 기술 메타데이터 Technical Metadata란 무엇인가#

기술 메타데이터는 데이터의 기술적인 구조와 저장정보를 설명합니다.

대표적인 예:

테이블명
컬럼명
데이터 타입
저장 위치
인덱스 정보

입니다.

예를 들어:

테이블명 → CUSTOMER

컬럼명 → CUSTOMER_ID

데이터 타입 → VARCHAR

처럼 시스템과 데이터베이스 관점의 정보를 나타냅니다.

핵심#

Technical Metadata = 기술 구조

입니다.

24장 운영 메타데이터 Operational Metadata란 무엇인가#

운영 메타데이터는 데이터가 실제 운영 과정에서 언제 생성되고 변경되고 사용되었는지를 설명합니다.

제공된 학습자료의 예는:

최근 갱신일
배치 처리 시간
접근 횟수

입니다.

즉:

이 데이터가 실제로 어떻게 운영되고 있는가?

를 보여주는 정보입니다.

핵심#

Operational Metadata = 운영 이력

입니다.

25장 메타데이터 3종을 쉽게 구분하면#

유형	질문	대표 정보
업무 메타데이터	이 데이터의 업무 의미는?	정의·규칙·소유자
기술 메타데이터	기술적으로 어떻게 구성됐나?	테이블·컬럼·타입
운영 메타데이터	언제 어떻게 사용됐나?	갱신일·배치시간·접근횟수

가장 쉽게 줄이면:

업무 = 의미

기술 = 구조

운영 = 이력

입니다.

26장 예제로 메타데이터 3종 구분하기#

CUSTOMER_ID라는 데이터가 있다고 하겠습니다.

업무 메타데이터#

CUSTOMER_ID는 회원을 고유하게 식별하는 번호다.

→ 업무 의미

기술 메타데이터#

컬럼 타입은 VARCHAR(20)이며 CUSTOMER 테이블에 저장되어 있다.

→ 기술 구조

운영 메타데이터#

어젯밤 02시에 배치 작업을 통해 갱신되었다.

→ 운영 이력

이 사례를 이해하면 세 유형을 쉽게 구분할 수 있습니다.

27장 데이터 사전 Data Dictionary란 무엇인가#

데이터 사전은 데이터 속성·정의·형식 등을 정리한 목록입니다.

쉽게 말해 데이터에 사용되는 용어와 항목의 뜻과 규칙을 정리한 사전입니다.

예를 들어:

데이터 항목	의미
CUSTOMER_ID	고객 고유 식별번호
JOIN_DATE	회원 가입일
ORDER_AMOUNT	주문금액

처럼 관리할 수 있습니다.

제공된 학습자료에서는:

개별 데이터 항목의 의미와 규칙 명세

를 핵심 특징으로 제시합니다.

28장 데이터 사전은 왜 필요한가#

AMT라는 컬럼이 있다고 생각해봅시다.

누군가는 이를:

Amount

즉 금액이라고 이해할 수 있습니다.

하지만:

주문 총액인지
할인 전 금액인지
할인 후 결제금액인지

는 알 수 없습니다.

데이터 사전에 명확한 정의를 기록하면 누구나 같은 의미로 데이터를 이해할 수 있습니다.

즉 데이터 사전은 데이터의 의미를 표준화하는 데 도움을 주는 도구입니다.

29장 메타데이터와 데이터 사전은 같은 것인가#

아닙니다.

제공된 ADsP 학습자료에서 중요한 함정입니다.

메타데이터 = 데이터 사전

틀립니다.

메타데이터는 데이터에 관한 다양한 정보를 포함하는 더 넓은 개념입니다.

데이터 사전은 이러한 정보를 관리하는 한 형태로 이해할 수 있습니다.

따라서:

메타데이터 > 데이터 사전

이라는 관계로 기억하면 쉽습니다.

즉:

메타데이터가 더 넓고, 데이터 사전은 그 일부

입니다.

30장 데이터 카탈로그 Data Catalog란 무엇인가#

데이터 카탈로그는 조직 안에 존재하는 데이터 자산을 찾고 탐색할 수 있도록 지원하는 도구입니다.

제공된 학습자료에서는 다음 특징을 강조합니다.

조직 내 모든 데이터 자산 발견
데이터 위치 정보
데이터 접근 정보
검색 기능

즉:

우리 회사에 어떤 데이터가 있고 어디에 있지?

라는 질문에 답할 수 있게 도와줍니다.

핵심#

Data Catalog = 데이터 검색과 발견

입니다.

31장 데이터 사전과 데이터 카탈로그 차이#

둘 다 데이터 관리도구이지만 목적이 다릅니다.

데이터 사전#

개별 데이터 항목의:

의미
정의
규칙
형식

을 설명합니다.

데이터 카탈로그#

조직 내 데이터 자산을:

찾고
검색하고
위치를 확인하고
접근정보를 파악

하는 데 초점을 둡니다.

한 줄로 구분하면:

Dictionary = 의미를 찾는다

Catalog = 데이터를 찾는다

입니다.

32장 온톨로지 Ontology란 무엇인가#

온톨로지는 개념들 사이의 관계와 구조를 형식적으로 표현한 지식 모델입니다.

단순히 데이터 이름을 목록으로 정리하는 수준이 아닙니다.

예를 들어 다음 개념이 있다고 하겠습니다.

고객
주문
상품
브랜드

온톨로지는 단순히 이 네 단어를 나열하는 것이 아니라:

고객 → 주문한다 → 상품

상품 → 소속된다 → 브랜드

처럼 개념 사이의 관계와 의미를 함께 표현합니다.

핵심#

Ontology = 개념 + 관계 + 의미

입니다.

33장 온톨로지는 어디에서 활용되는가#

제공된 학습자료에서는 대표적으로:

AI
시맨틱 웹

에서 활용된다고 설명합니다.

컴퓨터가 단어 자체만 처리하는 것이 아니라 개념 사이의 의미 관계를 이해하고 활용할 수 있도록 구조화하는 데 도움이 됩니다.

예를 들어:

서울은 대한민국의 도시다.

라는 관계를 단순 텍스트가 아니라 구조화된 지식으로 표현할 수 있습니다.

34장 온톨로지는 단순한 데이터 목록인가#

아닙니다.

시험에서 자주 나오는 함정입니다.

온톨로지는 데이터 이름을 나열한 목록이다.

틀립니다.

온톨로지는:

개념
관계
계층
의미

까지 표현하는 지식 모델입니다.

따라서 단순 목록보다 훨씬 풍부한 구조를 가집니다.

35장 데이터 사전·데이터 카탈로그·온톨로지 비교#

도구	핵심 목적	주요 특징
데이터 사전	데이터 항목의 의미 정의	속성·정의·형식·규칙
데이터 카탈로그	데이터 자산 발견	위치·접근·검색
온톨로지	개념 관계와 의미 표현	계층·연관관계·지식모델

가장 쉽게 외우면:

사전 = 뜻

카탈로그 = 찾기

온톨로지 = 관계

입니다.

36장 도서관 비유로 세 도구 이해하기#

도서관을 다시 생각해보겠습니다.

데이터 사전#

용어사전입니다.

ISBN이 무엇인가?

저자코드는 무엇인가?

처럼 항목의 뜻을 설명합니다.

데이터 카탈로그#

도서 검색 시스템입니다.

이 책이 어디에 있는가?

를 찾습니다.

온톨로지#

책과 지식 사이의 관계망입니다.

이 책은 AI 분야에 속하고, 머신러닝과 관련되며, 딥러닝의 상위 개념은 무엇인가?

처럼 개념 간 관계까지 표현합니다.

이렇게 생각하면 세 도구의 역할이 쉽게 구분됩니다.

37장 마스터데이터와 메타데이터 차이#

두 개념도 시험에서 혼동할 수 있습니다.

마스터데이터#

실제 업무에서 기준이 되는 핵심 데이터입니다.

예:

고객
제품
공급업체

메타데이터#

다른 데이터를 설명하는 데이터입니다.

예:

고객ID의 정의
컬럼 타입
데이터 소유 부서
최근 갱신일

즉:

Master Data = 업무의 기준 데이터

Metadata = 데이터를 설명하는 데이터

입니다.

38장 표준 데이터란 무엇인가#

제공된 학습자료에서는 데이터 거버넌스 관리 범위로 표준 데이터도 제시합니다.

표준 데이터는 조직에서 데이터의:

이름
정의
형식
코드

등을 일관된 기준으로 사용하기 위한 데이터 표준과 연결하여 이해할 수 있습니다.

예를 들어 어떤 부서는 고객번호, 다른 부서는 회원번호, 또 다른 시스템에서는 CUST_ID라고 부른다면 전사 분석과 통합에서 혼란이 생길 수 있습니다.

표준을 정의하면 조직 전체에서 같은 의미를 일관되게 사용할 수 있습니다.

39장 데이터 거버넌스를 실제 회사 사례로 이해하기#

온라인 쇼핑몰 회사가 있다고 하겠습니다.

회사에는:

쇼핑몰 시스템
CRM
배송 시스템
마케팅 시스템

이 존재합니다.

각 시스템에서 고객 데이터를 서로 다르게 관리하면서 오류가 발생하고 있습니다.

조직#

누가 고객 데이터 표준과 품질을 책임질지 정합니다.

프로세스#

고객 데이터의 생성·변경·승인 규칙을 정합니다.

시스템#

데이터 품질과 메타데이터를 관리할 도구를 구축합니다.

데이터#

고객·상품 등의 마스터데이터와 메타데이터를 관리합니다.

인력 자원#

데이터 관리자와 관련 담당자를 교육합니다.

이 모든 요소가 함께 작동해야 데이터 거버넌스가 실제로 운영될 수 있습니다.

40장 데이터 거버넌스는 특정 부서만의 업무가 아니다#

시험에서 가장 먼저 기억해야 할 핵심입니다.

데이터 거버넌스는:

전사 차원

의 체계입니다.

예를 들어 IT 부서에서만 데이터 표준을 만들고 영업·마케팅·생산·재무 부서가 이를 따르지 않는다면 전사적인 데이터 일관성을 확보하기 어렵습니다.

따라서 데이터 거버넌스는 데이터 관리자만의 문제가 아니라 조직 전체가 공통 기준으로 데이터를 관리하기 위한 체계입니다.

41장 ADsP 시험에서 자주 헷갈리는 함정#

함정 1. 데이터 거버넌스는 특정 부서 데이터를 관리하는 체계다#

틀립니다.

핵심은 전사 차원입니다.

함정 2. Data Resource가 데이터 거버넌스의 구성요소다#

틀립니다.

제공된 학습자료에서는:

Human Resource

즉 인력 자원이 구성요소입니다.

함정 3. 메타데이터와 데이터 사전은 같은 개념이다#

틀립니다.

메타데이터가 더 넓은 개념이며 데이터 사전은 관련 정보를 관리하는 한 형태입니다.

함정 4. 업무 메타데이터는 컬럼 데이터 타입을 나타낸다#

틀립니다.

컬럼 데이터 타입은 기술 메타데이터에 해당합니다.

함정 5. 운영 메타데이터는 데이터의 업무적 의미를 설명한다#

틀립니다.

업무 의미는 Business Metadata입니다.

운영 메타데이터는 갱신일·처리시간·접근 횟수 같은 운영정보입니다.

함정 6. 데이터 카탈로그는 단순히 데이터 정의만 관리한다#

틀립니다.

데이터 카탈로그는 조직 내 데이터 자산의 발견·탐색·검색과 연결됩니다.

함정 7. 온톨로지는 데이터 목록이다#

틀립니다.

개념 사이의 관계·구조·의미까지 표현하는 지식 모델입니다.

42장 데이터 거버넌스 구성요소 시험 직전 암기#

Organization#

→ 조직

→ 역할과 책임

Process#

→ 프로세스

→ 관리 절차와 규칙

System#

→ 시스템

→ 관리도구·IT 환경

Data#

→ 데이터

→ 마스터·메타·표준 데이터

Human Resource#

→ 인력 자원

→ 관리자 양성·교육

가장 중요한 함정:

Data Resource X

Human Resource O

입니다.

43장 메타데이터 시험 직전 암기#

Business Metadata#

→ 업무

→ 데이터 의미·규칙·소유자

Technical Metadata#

→ 기술

→ 테이블·컬럼·데이터 타입·인덱스

Operational Metadata#

→ 운영

→ 갱신일·배치 시간·접근 횟수

한 줄로:

업무 = 의미

기술 = 구조

운영 = 이력

입니다.

44장 데이터 관리도구 시험 직전 암기#

Data Dictionary#

→ 사전

→ 데이터 항목의 의미와 규칙

Data Catalog#

→ 카탈로그

→ 데이터 자산 발견과 검색

Ontology#

→ 온톨로지

→ 개념 사이의 관계와 의미

한 줄로:

사전 = 뜻

카탈로그 = 찾기

온톨로지 = 관계

입니다.

데이터 거버넌스 FAQ#

데이터 거버넌스란 무엇인가#

전사 차원의 모든 데이터에 대해 정책·지침·표준화·운영조직·책임 등을 정의하여 표준화된 데이터 관리체계를 수립하는 것입니다.

데이터 거버넌스의 목적은 무엇인가#

제공된 학습자료에서는 데이터 품질 확보, 일관성 유지, 보안 강화를 주요 목적으로 제시합니다.

데이터 거버넌스는 특정 부서에만 적용되는가#

아닙니다.

핵심은 전사 차원입니다.

데이터 거버넌스의 구성요소는 무엇인가#

Organization
Process
System
Data
Human Resource

다섯 가지입니다.

Data Resource도 구성요소인가#

아닙니다.

제공된 학습자료에서 구성요소는 Human Resource 인력 자원입니다.

마스터데이터란 무엇인가#

고객·제품·공급업체처럼 기업의 핵심 업무에서 기준으로 사용하는 데이터입니다.

메타데이터란 무엇인가#

다른 데이터의 의미·구조·속성·운영정보 등을 설명하는 데이터입니다.

메타데이터의 세 가지 유형은 무엇인가#

Business Metadata
Technical Metadata
Operational Metadata

입니다.

Business Metadata란 무엇인가#

데이터의 업무적 의미, 업무규칙, 정의, 소유자 등을 설명합니다.

Technical Metadata란 무엇인가#

테이블명·컬럼·데이터 타입·인덱스 등 기술적인 데이터 구조를 설명합니다.

Operational Metadata란 무엇인가#

데이터 생성·변경 이력, 최근 갱신일, 배치 처리시간, 접근 횟수 등 운영정보를 설명합니다.

데이터 사전과 메타데이터는 같은가#

아닙니다.

메타데이터가 더 넓은 개념이며 데이터 사전은 데이터의 속성·정의·형식과 규칙을 정리한 관리도구입니다.

데이터 카탈로그란 무엇인가#

조직의 데이터 자산을 발견하고 검색하며 위치와 접근정보 등을 탐색할 수 있도록 지원하는 도구입니다.

온톨로지란 무엇인가#

개념 사이의 관계와 구조를 형식적으로 표현하는 지식 모델입니다.

데이터 사전·카탈로그·온톨로지를 가장 쉽게 구분하면#

데이터 사전 = 데이터의 뜻

데이터 카탈로그 = 데이터 찾기

온톨로지 = 개념의 관계

로 기억하면 쉽습니다.

자기 점검#

다음 질문에 바로 답할 수 있는지 확인해봅니다.

데이터 거버넌스가 무엇인지 한 문장으로 설명할 수 있는가?
데이터 거버넌스가 전사 차원이라는 것을 기억하고 있는가?
데이터 거버넌스의 주요 목적을 설명할 수 있는가?
데이터 거버넌스 5가지 구성요소를 모두 말할 수 있는가?
Human Resource와 Data Resource를 혼동하지 않을 수 있는가?
마스터데이터의 대표 사례를 말할 수 있는가?
메타데이터가 무엇인지 설명할 수 있는가?
업무·기술·운영 메타데이터를 구분할 수 있는가?
컬럼 데이터 타입이 Technical Metadata라는 것을 알고 있는가?
최근 갱신일이 Operational Metadata라는 것을 알고 있는가?
데이터 사전과 메타데이터가 동일한 개념이 아니라는 것을 알고 있는가?
데이터 사전과 데이터 카탈로그의 차이를 설명할 수 있는가?
온톨로지가 단순 데이터 목록이 아니라는 것을 알고 있는가?
데이터 사전·카탈로그·온톨로지를 각각 뜻·찾기·관계로 연결할 수 있는가?

이 글을 마치며#

데이터 거버넌스의 핵심은 복잡하지 않습니다.

회사 전체의 데이터를:

누가 관리할 것인가?

어떤 규칙으로 관리할 것인가?

어떤 시스템으로 관리할 것인가?

어떤 데이터를 관리할 것인가?

관리할 사람을 어떻게 확보할 것인가?

를 정하는 것입니다.

이를 구성요소로 바꾸면:

Organization → Process → System → Data → Human Resource

입니다.

데이터 관리 대상에서는:

Master Data = 업무의 기준 데이터

Metadata = 데이터를 설명하는 데이터

를 구분합니다.

메타데이터는 다시:

Business = 의미

Technical = 구조

Operational = 운영 이력

으로 나눌 수 있습니다.

그리고 데이터 관리도구는:

Data Dictionary = 뜻

Data Catalog = 찾기

Ontology = 관계

로 기억하면 됩니다.

마지막으로 시험 직전에는 다음 네 줄을 기억합니다.

데이터 거버넌스 = 전사 차원의 표준화된 데이터 관리체계

구성요소 = 조직·프로세스·시스템·데이터·인력 자원

메타데이터 = 업무·기술·운영

사전은 뜻, 카탈로그는 찾기, 온톨로지는 관계