엔터프라이즈는 정보화 시대를 거치며 비즈니스 아키텍처를 달성하는 통합 데이터 모델을 통해 데이터에 기반한 정보시스템을 구축했다. 경제환경이 급속히 변화하는 4차 산업혁명 시대인 현재 엔터프라이즈는 데이터의 형태가 다양한 ‘빅데이터(Big Data)’를 기반으로 AI & Deep Learning과 같은 사고(Thinking) 시스템을 통해 고객 개개인의 욕구를 만족하는 제품과 서비스의 가치를 창조하려고 노력해 나가고 있다.

래거시(Lagacy) 시스템의 구조적(Structured) 데이터는 관계형(Relational) 모델에 기반하여 통계 분석 기법을 통해 비즈니스 동향과 추이와 같은 정보를 찾아왔다. 엔터프라이즈 데이터의 70~80%를 차지하는 반구조적(Semi-Structured), 비구조적(Unstructured) 데이터는 특별히 격리(isolated)된 시스템에 관리해 왔다. 이것은 엔터프라이즈 전체 데이터를 통해 비즈니스 아키텍처를 달성하는 정보를 발견하지 못했음을 의미한다. 고객 개개인의 욕구를 만족하는 제품과 서비스의 가치를 창조하여 고객 개개인을 만족시켜 나가려는 4차산업혁명시대에는 고객 개개인과 주고받은 비구조적 데이터인 이메일과 메시지도 기존 구조적 데이터와 결합하여 분석해야만 한다.

엔터프라이즈는 4차 산업혁명을 통한 혁신의 기회로 고객 개개인의 욕구를 만족시키려는 비즈니스 아키텍처를 수립하고 달성하기 위한 정보 아키텍처를 정립해야 한다. 정립된 데이터 아키텍처에는 비즈니스 아키텍처를 달성하기 수행하는 비즈니스 활동을 통해 얻어지는 모든 형태의 데이터를 정의해야 한다. 이것이 엔터프라이즈 데이터 리모델링의 시작이며 데이터를 생성하고 이용하는 비즈니스 활동을 재구성하여 비즈니스 시스템을 바꾸어 나갈 때 리엔지니어링(Re-engineering)이 이루어진다.

엔터프라이즈가 데이터 아키텍처를 통해 발견한 모든 형태의 데이터를 하나의 통합 데이터 모델로 표현할 수 있을까?

구조적 데이터를 모델링하는 방법은 전산화 시대부터 관계형(Relational) 개념에 바탕을 둔 엔티티-관계도(Entity-Relationship)이다. 관계형 모델링은 데이터에 대한 관심의 대상 실체를 엔티티라고 정의하고 엔티티간의 관계를 정의하여 표현한다. 데이터 모델의 완성은 엔티티의 집합을 개념적 유형을 범주(Category)로 정의하고 엔티티 유형(Entity Type)내에 속성 유형(Attribute Type)을 정의하여 데이터 하나하나가 가지는 값의 범주를 정의한다. 이때 엔티티 유형의 생애주기(Lifecycle)에 영향을 주는 비즈니스 활동과의 연관관계는 상호작용(Interaction) 모델을 통해서만 이해할 수 있다.

반구조적 데이터와 비구조적 데이터는 단어로 구성된 문장이나 그림, 동영상과 같이 수많은 엔티티의 속성 값과 관계들이 존재하고 상위(Meta)적 데이터를 포함하고 있다. 복잡한 데이터를 모델로 형상화하기 위해서는 데이터 모델에 행위를 포함한 객체 모델링(Object Modeling)을 권한다 (주: ‘Semantics in Business Systems: The Savvy Manager’s Guide’, Dave McCom, Morgan Kaufmann, 2003-11-25). 또한 객체 모델링을 수행하며 비즈니스 규칙(Business Rule)을 상세히 정의하여 비즈니스 데이터를 통해 의미(Semantics)를 찾아나갈 수 있다.

엔터프라이즈가 고객 개개인의 이메일이나 메세지에 귀 기울이고 의미를 찾아나가는 것은 자신의 비즈니스 전략을 다시 수립하고 비즈니스 활동을 혁신해 나가는데 중요해졌다. 비즈니스 아키텍처를 달성하기 위한 데이터 아키텍처도 모든 형태의 데이터를 포함하여 수립하고 행위를 내포하는 객체 모델링을 통해 볼륨(Volume), 속도(Velocity)도 정의하여 통합 데이터 모델을 완성해야 한다. 엔터프라이즈 데이터가 의미를 가지기 위해서는 정의된 데이터가 비즈니스 아키텍처와 어떤 관계로 영향성을 주고 있는지에 대한 비즈니스 규칙과의 결합이 중요하다.

비즈니스 아키텍처, 데이터 아키텍처, 객체 모델, 비즈니스 규칙을 담고 있는 메타-데이터 리포지토리(Meta-data Repository)는 엔터프라이즈가 비즈니스 의미를 찾아 나가는 데 조정자(Coordinator) 및 통합자(Integrator) 역할을 수행한다. 빅데이터를 수용하여 래거시 시스템을 리엔지니어링하기 위해서는 메타-데이터 리포지토리 매니지먼트 시스템(Meta-data RMS)을 갖추는 것이 필수불가결하다.

결론적으로 4차 산업혁명을 이끄는 빅데이터와 AI및 Deep Learning은 엔터프라이즈 래거시 시스템과 통합 데이터 모델을 통해 통합 데이터베이스를 구축하고 메타-데이터 리포지토리를 기반으로 엔터프라이즈가 스스로 사고하며 비즈니스 의미를 찾아가는 지식화 시대의 시작임을 깨닫는다. 우리는 새로운 시대로 발돋움하기 위해 무엇을 준비하고 어떻게 변화해야 하는가? 우리의 현재를 비춰보고 기본을 먼저 갖추어 리엔지니어링해 나가야 할 것 같다.

(*이 칼럼은 Nextdaily의 편집방향과 다를 수 있습니다.)

온라인뉴스팀 (news@nextdaily.co.kr)