본문내용
1. 데이터 이해
1.1. 데이터의 유형
1.1.1. 정성적 데이터
정성적 데이터는 언어나 문자로 표현되는 데이터로, 데이터의 저장과 검색, 분석에 많은 비용이 소모된다. 정성적 데이터는 주관적이고 정성적인 내용을 기술하며, 숫자나 도형, 기호로 표현되지 않는다. 예를 들어 "회사 매출이 증가했다"와 같은 문장은 정성적 데이터에 해당한다. 이처럼 정성적 데이터는 사람의 경험, 생각, 의견 등을 언어나 텍스트로 표현한 데이터이다. 정성적 데이터는 기존의 정량적 데이터로는 파악할 수 없는 다양한 사회문화적 맥락을 포함하고 있어 깊이 있는 통찰을 제공할 수 있다는 장점이 있다. 그러나 비정형성으로 인해 데이터의 수집, 저장, 분석에 많은 비용과 노력이 필요하다는 단점도 있다.정성적 데이터의 활용도가 높아짐에 따라 이를 효과적으로 관리하고 분석하는 기술들이 발전하고 있다. 텍스트 마이닝, 자연어 처리, 감성 분석 등의 기법을 통해 정성적 데이터에서 숨겨진 의미와 패턴을 발견할 수 있다. 또한 온라인상의 리뷰, 소셜미디어 데이터 등 비정형 데이터를 정성적 데이터의 주요 원천으로 활용하는 사례가 늘어나고 있다. 이처럼 정성적 데이터는 단순히 숫자로 표현되지 않는 주관적인 내용을 담고 있지만, 분석 기술의 발전으로 새로운 통찰을 제공하는 중요한 데이터 자원으로 인정받고 있다.
1.1.2. 정량적 데이터
정량적 데이터는 수치로 표현되는 데이터로, 수학적 분석과 통계적 처리가 가능한 데이터이다. 숫자, 도형, 기호로 나타나는 데이터로, 정성적 데이터와 달리 저장과 검색, 분석에 비용이 적게 든다. 예를 들어 나이, 몸무게, 매출액 등이 정량적 데이터에 해당한다.
정량적 데이터는 데이터 분석 시 계량적 분석이 가능하다는 장점이 있다. 통계 기법, 모델링, 시뮬레이션 등을 통해 데이터의 패턴과 특성을 파악하고, 예측과 의사결정에 활용할 수 있다. 또한 수치로 표현되어 정형화된 데이터이기 때문에 데이터베이스와 같은 구조화된 저장소에 효과적으로 관리될 수 있다.
반면 정량적 데이터만으로는 데이터의 맥락과 의미를 충분히 반영하기 어려울 수 있다. 따라서 정량적 데이터와 정성적 데이터를 함께 활용하여 종합적인 데이터 분석을 수행하는 것이 중요하다.
1.1.3. 정형 데이터
정형 데이터는 관계형 데이터베이스나 CSV와 같이 명확한 구조를 가지고 있는 데이터를 말한다. 이러한 정형 데이터는 데이터의 유형, 형태, 크기 등이 미리 정의되어 있어 데이터를 처리하고 관리하기 용이하다.
정형 데이터는 일반적으로 행과 열로 구성된 테이블 형태로 관리되며, 각 셀에는 숫자, 문자, 날짜 등의 데이터 유형이 저장된다. 이러한 구조화된 데이터는 RDBMS(관계형 데이터베이스)나 스프레드시트 프로그램 등을 통해 효율적으로 저장, 관리, 검색이 가능하다.
정형 데이터의 주요 특징은 다음과 같다:
- 데이터 유형, 형태, 크기 등이 미리 정의되어 있어 구조화되어 있다.
- 관계형 데이터베이스나 CSV 파일 등 정해진 포맷으로 저장된다.
- 데이터의 무결성이 보장되며, 데이터 간 관계를 정의할 수 있다.
- SQL과 같은 구조화된 쿼리 언어를 통해 데이터 검색 및 분석이 용이하다.
- 데이터의 정제, 통합, 변환 등의 전처리 작업이 상대적으로 용이하다.
- 데이터 웨어하우스, 데이터 마트 등 다차원 분석을 위한 기반 데이터로 활용된다.
이처럼 정형 데이터는 구조화되고 정형화된 형태로 존재하기 때문에 데이터베이스, 데이터 마이닝, 비즈니스 인텔리전스 등 다양한 분야에서 널리 활용되고 있다.
1.1.4. 반정형 데이터
반정형 데이터란 일정한 구조와 형식을 가지고 있지만, 데이터의 내용이나 표현방식이 정형화되어 있지 않은 데이터를 의미한다. 예를 들어 센서 데이터, 웹 로그 데이터, 전자메일 데이터 등이 대표적이다.
이러한 반정형 데이터는 데이터의 내용이나 표현방식이 정형화되어 있지 않기 때문에 정형 데이터에 비해 수집과 저장, 분석이 어렵다. 하지만 최근 기술의 발달로 인해 반정형 데이터에 대한 처리와 활용이 점점 더 용이해지고 있다.
특히 IoT 기술의 발달로 인해 생성되는 센서 데이터와 같은 반정형 데이터는 기업 및 기관에게 많은 가치를 제공할 수 있다. 이러한 데이터를 활용하면 실시간 모니터링, 예측 분석, 최적화 등 다양한 서비스를 제공할 수 있다.
따라서 기업 및 기관에서는 반정형 데이터에 대한 관심과 투자가 증가하고 있다. 이를 위해 데이터 수집, 정제, 저장, 분석 등 일련의 데이터 처리 프로세스를 자동화하고 효율화하는 기술들이 지속적으로 개발되고 있다.반정형 데이터는 정형 데이터와 비정형 데이터의 중간 형태로, 일정한 구조는 가지고 있지만 내용이나 표현방식이 정형화되어 있지 않다. 이러한 데이터는 XML, JSON, CSV 등의 형태로 존재하며, 데이터의 의미와 구조를 파악하기 위해서는 별도의 전처리 과정이 필요하다.
반정형 데이터의 대표적인 예로는 웹 로그 데이터, 센서 데이터, 전자메일 데이터 등이 있다. 이러한 데이터는 시간 순서에 따른 이벤트 정보, 센서 측정값, 메시지 내용 등 다양한 형태의 정보를 포함하고 있다.
반정형 데이터는 정형 데이터와 비정형 데이터의 장점을 모두 가지고 있다. 정형 데이터와 같이 일정한 구조를 가지고 있어 분석이 용이하지만, 비정형 데이터와 같이 다양한 형태의 정보를 포함하고 있어 더 풍부한 인사이트를 얻을 수 있다.
최근에는 반정형 데이터 처리를 위한 다양한 기술들이 발전하고 있다. 하둡, Spark 등의 빅데이터 기술과 NoSQL 데이터베이스 기술을 활용하여 반정형 데이터를 효과적으로 저장, 처리, 분석할 수 있게 되었다.
이처럼 반정형 데이터는 데이터 분석과 의사결정 지원을 위해 점점 더 중요해지고 있다. 기업과 기관에서는 반정형 데이터를 효과적으로 활용하기 위한 기술과 인력, 프로세스를 갖추는 것이 중요해지고 있다.
1.1.5. 비정형 데이터
비정형 데이터는 문서, 이미지, 음성, 동영상 등과 같이 체계적인 구조를 가지고 있지 않은 데이터를 의미한다. 이러한 데이터는 기존의 데이터베이스 시스템에서 효과적으로 처리하기 어려운 특징을 가지고 있다.
비정형 데이터는 정형 데이터나 반정형 데이터와 달리 데이터의 형식이나 구조가 정해져 있지 않아 데이터의 분석과 관리가 어렵다. 하지만 최근 들어 빅데이터 기술의 발달로 인해 비정형 데이터를 활용할 수 있는 다양한 방법들이 등장하고 있다.
대표적인 비정형 데이터로는 SNS 데이터, 웹문서, 이미지, 동영상, 음성 데이터 등이 있다. 이러한 데이터들은 텍스트 마이닝, 이미지 분석, 음성 인식 등의 기술을 활용하여 분석할 수 있다.
예를 들어, 고객 리뷰 데이터를 분석하여 고객의 의견을 파악할 수 있으며, 동영상 데이터를 분석하여 특정 장면을 자동으로 인식할 수 있다. 또한 음성 데이터를 분석하여 고객의 반응을 파악할 수 있다.
이와 같이 비정형 데이터는 기존의 정형 데이터와는 다른 형태의 정보를 제공할 수 있어 다양한 산업 분야에서 활용되고 있다. 특히 SNS 데이터나 웹 문서 데이터와 같은 비정형 데이터는 고객의 행동 패턴, 선호도, 의견 등을 파악할 수 있어 마케팅 분야에서 중요한 역할을 하고 있다.
하지만 비정형 데이터를 처리하기 위해서는 데이터 수집, 정제, 분석 등의 과정이 복잡하고 어려운 편이다. 따라서 효과적인 비정형 데이터 관리와 활용을 위해서는 데이터 분석 기술과 함께 데이터 거버넌스, 데이터 품질 관리 등과 같은 데이터 관리 체계가 중요하다.
1.2. 데이터 단위
1.2.1. 데이터 단위 변환
데이터 단위 변환은 데이터를 분석하고 처리하는데 필수적인 과정이다. 데이터의 저장 단위는 비트(bit)에서부터 바이트(byte), 킬로바이트(KB), 메가바이트(MB), 기가바이트(GB), 테라바이트(TB), 페타바이트(PB), 엑사바이트(EB), 제타바이트(ZB), 요타바이트(YB)까지 다양하게 나뉜다.
데이터 단위는 일반적으로 파일 크기, 저장 공간, 네트워크 데이터 전송 속도 등을 나타내는 데 사용된다. 데이터 단위 변환은 데이터 처리 과정에서 필요에 따라 작은 단위에서 큰 단위로, 혹은 큰 단위에서 작은 단위로 데이터 크기를 변환하는 것을 의미한다.
예를 들어, 파일 크기가 1.5GB인 경우 이를 MB로 변환하면 1,500MB가 된다. 또한 네트워크 데이터 전송 속도가 100Mbps인 경우 이를 Kbps로 변환하면 100,000Kbps가 된다.
데이터 단위 변환은 데이터를 효율적으로 표현하고 계산하기 위해 필요하다. 데이터 분석 과정에서 다양한 데이터 형태와 단위가 혼재되어 있는 경우가 많기 때문에, 단위 변환을 통해 데이터를 통일된 형태로 만드는 것이 중요하다. 이를 통해 데이터를 쉽게 이해하고 정확한 분석을 수행할 수 있다.
1.3. 데이터베이스의 특징
데이터베이스의 특징은 다음과 같다.
데이터베이스는 통합된 데이터, 저장된 데이터, 공용 데이터, 변화되는 데이터의 특징을 가진다.
첫째, 데이터베이스는 중복된 데이터가 없이 통합된 데이터 구조를 가진다. 즉, 데이터베이스 내에 동일한 내용이 중복되어 저장되지 않는다.
둘째, 데이터베이스의 데이터는 컴퓨터가 접근할 수 있는 저장 매체에 저장되어 있다. 과거에는 종이 문서로 저장되었던 데이터들이 데이터베이스를 통해 전산화되어 컴퓨터로 관리되고 있다.
셋째, 데이터베이스의 데이터는 여러 사용자가 공동으로 이용할 수 있다. 데이터베이스를 통해 데이터를 효율적으로 공유하고 관리할 수 있다.
넷째, 데이터베이스의 데이터는 지속적으로 변화한다. 새로운 데이터의 삽입, 기존 데이터의 삭제, 갱신 등을 통해 데이터베이스의 데이터는 항상 현재 상황을 반영하고 있다.
데이터베이스의 설계 절차는 요구사항 분석, 개념적 설계, 논리적 설계, 물리적 설계의 순서로 진행된다. 이를 통해 데이터베이스의 구조와 제약 조건을 체계적으로 명세할 수 있다.
1.4. 기업 내부 데이터베이스
1.4.1. OLTP
OLTP(On-Line Transaction Processing)는 데이터베이스의 데이터를 수시로 갱신하는 프로세싱 방식이다. 온라인 거래 처리로서 다양한 과정의 연산이 하나의 단위 프로세싱으로 실행되도록 하는 단순 자동화 시스템이라고 할 수 있다.
OLTP 시스템의 주요 특징은 다음과 같다. 첫째, 데이터베이스의 데이터를 수시로 갱신한다. 즉, 실시간으로 최신 데이터를 유지하고 있다. 둘째, 다양한 과정의 연산이 하나의 단위 프로세싱으로 실행된다. 이를 통해 신속한 데이터 처리가 가능하다. 셋째, 단순 자동화된 프로세스 중심의 시스템이다. 복잡한 분석이나 의사결정 지원 기능은 포함하지 않는다. 넷째, 데이터의 정확성과 무결성 유지가 가장 중요한 목표이다.
OLTP 시스템은 은행, 항공사, 소매업 등 거래 처리 중심의 기업에서 주로 활용된다. 실시간으로 데이터를 갱신하여 최신 정보를 유지하고, 빠른 거래 처리를 지원한다. 반면 의사결정 지원을 위한 분석 기능은 부족하다는 한계가 있다.
1.4.2. OLAP
OLAP(On-Line Analytical Processing)은 다차원의 데이터를 대화식으로 분석하는 방법이다. 기업 내부 데이터베이스의 하나로, OLTP와는 달리 의사결정을 위한 복잡한 분석을 지원한다.
OLAP은 데이터를 다차원 큐브 형태로 저장하여 빠른 속도로 데이터를 가공하고 분석할 수 있도록 지원한다. 사용자가 다양한 관점에서 데이터를 탐색하고 분석할 수 있으며, 보고서 생성, 질의, 시각화 등의 기능을 제공한다.
OLAP 시스템의 주요 특징은 다음과 같다:
- 다차원 데이터 모델: 데이터를 주제 중심의 다차원 큐브 구조로 저장하여 유연한 분석이 가능하다.
- 신속한 쿼리 응답: 데이터 집약적 분석을 신속하게 처리하여 사용자에게 제공한다.
- 다차원 분석: 데이터를 다양한 관점에서 탐색할 수 있어 복잡한 분석이 가능하다.
- 사용자 친화적 인터페이스: 사용자가 직관적으로 데이터를 탐색하고 분석할 수 있는 인터페이스를 제공한다.
OLAP은 의사결정 지원을 목적으로 하는 데이터 분석 기술로, 기업의 의사결정 프로세스를 지원한다. 기업 내부의 다양한 데이터를 효과적으로 통합하고 분석하여 경영진에게 필요한 인사이트를 제공한다.
1.4.3. CRM
CRM(Customer Relationship Management)은 고객과 관련된 내·외부 자료를 분석해 고객 중심 자원을 극대화하고, 이를 토대로 효율적인 마케팅에 활용하는 시스템이다.
CRM 시스템은 고객과의 관계 형성과 관리를 위해 기업이 도입하는 정보기술 기반의 솔루션이다. 고객 정보와 상호작용 데이터를 통합하여 체계적으로 관리하고, 이를 바탕으로 개별 고객에 대한 이해도를 높여 고객 맞춤형 서비스와 마케팅을 제공한다.
CRM의 주요 기능은 다음과 같다. 첫째, 고객 정보 통합 관리로 고객 개개인의 정보와 행동 데이터를 체계적으로 관리한다. 둘째, 고객 세분화와 타깃 마케팅으로 고객의 특성과 구매 패턴을 분석하여 개인화된 마케팅 전략을 수립한다. 셋째, 고객 상호작용 관리로 각 채널의 고객 응대 내역과 고객 만족도를 관리하여 고객 서비스를 개선한다. 넷째, 마케팅 성과 측정과 분석으로 고객 관리 전략의 효과를 측정하고 지속적으로 개선한다.
CRM은 기업이 고객 중심으로 전환하고 고객 가치를 극대화하는 데 핵심적인 역할을 한다. 기업은 CRM을 통해 고객과의 관계를 장기적으로 관리하고, 고객 행동 데이터 분석을 바탕으로 고객 니즈를 선제적으로 파악할 수 있다. 이를 통해 고객 유치와 유지, 교차판매 및 추가판매 등 다양한 수익원을 창출할 수 있다.
최근 CRM은 빅데이터와 AI 기술의 발전에 힘입어 더욱 진화하고 있다. 기업은 SNS, 웹사이트, 콜센터 등 다양한 채널에서 수집된 고객 데이터를 통합하고, 이를 AI 기반 분석 모델에 적용하여 고객 행동 예측과 개인화 서비스 제공 등 차별화된 CRM 전략을 수립하고 있다. 또한 챗봇, 음성 인식 등 AI 기술을 활용한 고객 응대 자동화로 고객 경험을 개선하고 있다.
종합적으로 CRM은 기업이 고객 중심적 마인드로 전환하고, 고객과의 장기적인 관계 유지와 고객 가치 극대화를 위해 도입하는 핵심 정보시스템이라고 할 수 있다.
1.4.4. SCM
SCM(Supply Chain Management)은 공급망 관리 시스템으로, 제품이나 서비스 생산을 위해 필요한 자재와 정보, 자금의 흐름을 최적화함으로써 고객의 수요를 효율적으로 충족시키는 것을 말한다.
SCM 시스템은 기업 간의 협력을 통해 전반적인 공급망 프로세스를 관리하여 제품 공급과 생산, 재고관리, 배송 등의 전 과정을 통합적으로 최적화한다. 주요 기능으로는 구매, 생산계획, 재고관리, 물류 및 배송, 고객서비스 등이 있다.
SCM은 기업 내부의 운영 프로세스뿐만 아니라 공급업체, 유통업체, 고객 등 기업 외부 조직과의 관계도 관리한다. 공급망 참여 기업들이 정보를 공유하고 상호 협력하여 비효율을 제거하고 전체적인 성과를 높일 수 있도록 돕는다. 이를 통해 재고 감축, 배송시간 단축, 비용 절감 등의 효과를 얻을 수 있다.
SCM은 기업의 경쟁력 향상을 위한 핵심 전략 중 하나로 자리잡고 있다. 기업들은 SCM 시스템을 도입하여 운영의 효율성을 높이고, 고객 만족도를 제고하며, 시장에서의 경쟁 우위를 확보하고자 한다. 또한 최근에는 빅데이터와 IoT 기술의 발달로 SCM 시스템이 더욱 고도화되고 있다.
출처=[2]
1.4.5. ERP
ERP(Enterprise Resource Planning)는 기업 전체를 경영자원의 효과적 이용이라는 관점에서 통합적으로 관리하고 경영의 효율화를 기하기 위한 시스템이다.
과거 기업들은 업무별로 정보시스템을 구축하여 운영하였으나, 이로 인해 시스템 간 연계 어려움, 정보의 중복 저장 및 불일치 등의 문제가 발생하였다. ERP는 이러한 문제를 해결하고자 개발되었으며, 기업 전체의 데이터와 프로세스를 통합하여 관리함으로써 경영 자원의 효율적 활용을 가능하게 한다.
ERP는 기업의 주요 경영 자원인 재무, 생산, 인사, 구매, 물류, 영업 등의 데이터를 통합하여 관리하며, 이를 통해 기업 전반의 의사결정을 지원한다. 주요 특징으로는 기업의 모든 정보를 통합 관리, 실시간 정보 제공, 표준화된 프로세스 운영, 의사결정 지원 등이 있다.
ERP 도입 시 기대효과로는 업무 효율성 향상, 비용 절감, 의사결정 지원, 고객 만족도 제고 등이 있다. 제조업, 서비스업, 유통업 등 다양한 산업 분야에서 ERP가 널리 활용되고 있다.
ERP 시스템은 크게 재무 관리, 생산 관리, 인사 관리, 구매 관리, 영업 관리 등의 모듈로 구성된다. 이들 모듈은 상호 연계되어 있어 한 모듈의 변화가 다른 모듈에 즉시 반영된다. 이를 통해 기업은 통합적이고 실시간적인 의사결정을 내릴 수 있다.
ERP 도입 시 고려해야 할 주요 사항으로는 프로세스 혁신, 변화 관리, 시스템 통합, 데이터 품질 관리 등이 있다. 특히 기존 업무 프로세스의 혁신이 선행되어야 하며, 조직 구성원의 저항 관리와 교육도 중요하다.
최근에는 클라우드 컴퓨팅, 빅데이터, 모바일 등 새로운 기술 동향에 따라 ERP 시스템도 발전하고 있다. 클라우드 ERP는 IT 인프라 관리 부담을 줄이고 구축 속도를 높일 수 있으며, 빅데이터 분석 기능 탑재로 의사결정 지원 역량이 강화되고 있다. 또한 모바일 ERP를 통해 언제 어디서나 업무 처리가 가능해지고 있다.
이처럼 ERP는 기업의 경영 효율성 제고를 위한 핵심 시스템으로, 지속적인 기술 혁신을 통해 기업의 경쟁력 향상에 기여하고 있다.
1.4.6. BI
BI(Business Intelligence)는 기업이 보유하고 있는 데이터를 정리하고 분석하여 의사결정에 활용하는 방법이다. 경영 정보 시스템의 하나로, 과거와 현재의 데이터를 분석하여 미래에 대한 예측과 통찰을 제공한다.
BI는 리포팅, 대시보드, 온라인 분석 처리(OLAP), 데이터 마이닝 등의 기술을 활용하여 기업의 의사결정을 지원한다. 과거와 현재의 데이터를 분석하여 미래에 대한 예측과 전략적 의사결정에 필요한 정보를 제공한다.
BI는 데이터 기반의 의사결정을 지원하기 때문에 OLTP 시스템의 운영데이터와 DW(Data Warehouse)에 저장된 통합 데이터를 활용한다. OLTP 시스템은 일상적인 업무 처리를 담당하고, DW는 의사결정을 위한 데이터를 제공한다.
BI는 리포트 중심의 도구로, 기업이 보유한 데이터를 체계적으로 정리하고 분석하여 경영진의 의사결정을 지원한다. 재무, 마케팅, 영업, 생산 등 각 부서의 성과와 현황을 파악하고, 문제점을 발견하며 대안을 제시한다. 또한 미래에 대한 예측 및 시뮬레이션을 통해 전략적 의사결정을 지원한다.
종합적으로 BI는 기업이 보유한 데이터를 활용하여 경영 성과를 분석하고, 의사결정을 지원하는 경영정보시스템이라고 할 수 있다.
1.4.7. BA
BA(Business Analytics)는 데이터 통계를 기반으로 성과와 비즈니스 통찰력에 초점을 둔 분석 방법이다.
BI(Business Intelligence)가 리포트 중심의 도구라면, BA는 통계·수학에 초점을 두고 있다. BI가 과거에 초점을 맞췄다면, BA는 미래에 초점을 맞추어 성과와 비즈니스 가치 창출에 목적을 두고 있다.
BA는 데이터 분석을 통해 비즈니스 문제를 해결하고 새로운 기회를 발견하는 것을 목표로 한다. 과거 데이터 분석이 단순 리포팅이나 데이터 시각화에 그쳤다면, BA는 이를 넘어 조직의 의사결정을 지원하고 전략을 수립할 수 있는 고도화된 분석을 지향한다.
따라서 BA에서는 단순한 데이터 분석을 넘어 비즈니스 문제 해결을 위한 예측 모델링, 시뮬레이션, 최적화 등의 기법을 활용한다. 또한 분석 결과를 실제 비즈니스에 활용하고 피드백을 반영하는 등 분석과 의사결정이 순환적으로 이루어지는 것이 특징이다.
BA를 실현하기 위해서는 데이터 수집·처리·분석·시각화에 대한 전문적인 기술과 더불어 비즈니스에 대한 이해, 문제 해결 능력, 의사소통 능력 등 융합적인 역량이 요구된다. 이러한 이유로 BA 전문가는 데이터 사이언티스트, 비즈니스 애널리스트 등 다양한 명칭으로 불리며, 기업에서 주목받는 핵심 인재로 자리잡고 있다.
1.5. DBMS
DBMS(Data Base Management System)은 데이터베이스를 공유하고 관리할 수 있는 환경을 제공하는 소프트웨어이다. DBMS는 데이터베이스 내의 데이터를 생성, 저장, 조회, 수정, 삭제할 수 있는 기능을 제공한다.
관계형 DBMS는 데이터를 테이블(표)의 형태로 정리하며, 테이블 내의 데이터 간 관계를 설정할 수 있다. SQL(Structured Query Language)은 관계형 데이터베이스 시스템에 접근하기 위한 언어로 널리 사용된다. SQL을 통해 데이터를 조회, 삽입, 수정, 삭제할 수 있다.
객체지향 DBMS는 정보를 객체(이미지나 영상)의 형태로 정리한다. 객체지향 DBMS는 복잡한 데이터 유형을 효과적으로 저장하고 관리할 수 있다.
DBMS는 데이터의 무결성, 보안, 동시성 제어 등의 기능을 제공한다. 데이터의 무결성은 데이터가 정확하고 일관되게 유지되도록 하는 것이며, 보안은 권한 관리 등을 통해 데이터에 대한 무단 접근을 막는 ...
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38