ADsP 필기 02 — 데이터의 이해 (정의·유형·데이터베이스·수집과 저장)

올드 IT직장인 2026. 9. 27. 02:22

ADsP 필기 02 — 데이터의 이해 (정의·유형·데이터베이스·수집과 저장)

출제기준 대단원 1: 데이터 이해 — 데이터의 정의 / 데이터베이스 / 데이터의 수집과 저장 / 데이터의 종류
최근 7개 회차(44~50회, 350문항) 분석 결과 이 챕터에서
데이터베이스 일반특성·빅데이터 개념·정형/반정형/비정형 구분이 1과목 최다 출제 포인트예요!

데이터란 무엇인가 ⭐⭐

정의: 데이터(Data)는 추론과 판단의 근거가 되는 사실 그 자체입니다. 현실에서 관찰·측정한 값을 수치·문자·기호로 표현한 것으로, 아직 해석이나 판단이 더해지지 않은 "가공되지 않은 객관적 사실"을 말해요.

존재적 특성 — 데이터가 태생적으로 갖는 성질 (예: 국어 90점)
당위적 특성 — 가공·해석되어 정보가 되는 성질 (예: 평균 85점이라는 해석)

⚠️ 함정 포인트: "의사결정의 근거"는 데이터가 아니라 정보의 역할입니다.

데이터에 의미와 맥락이 더해지는 순간 "정보"가 됩니다.

"45, 50, 60"은 데이터, "평균이 51.6으로 증가"는 해석이 들어간 정보예요.

DIKW 피라미드 ⭐⭐⭐

데이터가 가치를 더해가며 지혜로 발전하는 4단계 위계 구조입니다.

단계	키워드	예시
Data(데이터)	사실(Fact)	한울이 수학 80점, 영훈이 수학 70점
Information(정보)	맥락(Context)	한울이 점수가 영훈이보다 높다
Knowledge(지식)	패턴(Pattern)	지난 시험에서도 한울이가 더 높았다 → "한울이는 수학을 잘한다"
Wisdom(지혜)	원리(Principle)	"응용 문제에 강하다"는 원리를 파악해 경시대회 대표로 선발

💡 암기 팁: "사실(데이터) → 맥락(정보) → 패턴(지식) → 원리(지혜)"로 키워드를 짝지어 외우세요.

기출 문제

Q. (49회) 다음 중 DIKW 피라미드의 분류가 나머지와 다른 하나는?

① 8월 반도체 총매출 중 내수 판매가 차지하는 비중은 32%이다.
② 이 제품은 날씨가 더워질수록 잘 팔리므로, 여름철 재고를 미리 늘려두는 것이 좋다.
③ 최근 강수량이 늘어 우산 매출이 증가했으므로, 장마철에 맞춰 우산을 매장 입구에 배치한다.
④ 금리가 오르면 대출 수요가 줄어드는 경향이 있으므로, 금리 인상기에는 보수적으로 자금을 운용한다.

A. ① — ①은 가공되지 않은 사실(Data) 그 자체이고, ②③④는 모두 패턴을 근거로 한 행동 권고(Knowledge~Wisdom 영역)입니다.

데이터·정보의 품질 요소 ⭐⭐

데이터가 사용 목적에 맞게 정확·완전·일관되게 유지되는 정도입니다. 품질이 낮으면 잘못된 의사결정과 비용 낭비로 이어져요.

정확성 — 사실을 얼마나 정확히 반영하는가 (주소 오기재 → 오배송)
완전성 — 누락 없이 다 포함됐는가 (전화번호 누락 → 연락 불가)
일관성 — 여러 시스템·시점에서 값이 같은가
적시성 — 필요한 시점에 최신 상태로 제공되는가
유효성 — 정해진 형식·범위 규칙을 만족하는가 (나이란에 "250")
유일성 — 중복 없이 한 번만 존재하는가

💡 GIGO(Garbage In, Garbage Out) 원칙: "품질이 낮은 데이터를 입력하면 분석 결과도 품질이 낮다"는 격언으로, 데이터 품질 관리의 중요성을 압축한 표현입니다.

⚠️ "데이터 표준 준수"는 품질 저하 원인이 아니라 품질 확보 방안입니다 — 반대 개념으로 뒤바뀐 오답이 자주 나옵니다.

데이터의 유형 ⭐⭐⭐ (최빈출)

데이터는 표현 방식(수치 유무)에 따라 정량적/정성적으로, 구조화 정도에 따라 정형/반정형/비정형으로 나뉩니다.

구분 기준	유형	핵심 특징
표현 방식	정량적 데이터	숫자·기호로 표현, 수학적 연산 가능 (나이, 키, 점수)
표현 방식	정성적 데이터	언어·문자·이미지, 주관적, 연산 불가 ("만족", "빨강")
구조화 정도	정형 데이터	고정된 행·열 구조 (RDB 테이블, 엑셀)
구조화 정도	반정형 데이터	구조는 있으나 행·열은 아님. 태그/스키마로 형태 유지 (XML, JSON, HTML, 웹로그, 센서데이터)
구조화 정도	비정형 데이터	고정 형식 없음, 정보량은 풍부. 전체 데이터의 80% 이상 차지 (텍스트, 이미지, 동영상)

⚠️ 함정 포인트: JSON은 "정형처럼 구조가 있다"는 문장으로 오답을 유도하지만, 고정된 행-열 구조가 없으므로 반정형입니다.

스마트폰 사진도 이미지(비정형) + 촬영시간·위치 정보(메타데이터, 반정형)가 함께 저장되는 대표적 반정형 예시예요.

기출 문제

Q. (46회) 데이터에 대한 설명으로 옳은 것은?

① 습도, 기온, 체온 데이터는 정성적 데이터이다.
② 정량적 데이터는 분석하기 매우 어렵다.
③ 정성적 데이터는 주로 비정형 형태로, 정량적 데이터에 비해 상대적으로 가공, 분석, 활용에 많은 비용과 기술이 필요하다.
④ 음성, 비디오, SNS 데이터는 반정형 데이터이다.

A. ③ — 습도·기온·체온은 수치로 표현되는 정량적 데이터이고(① 오답), 음성·비디오·SNS 데이터는 비정형 데이터입니다(④ 오답). 정량적 데이터는 오히려 분석이 쉬운 편이라 ②도 오답입니다.

메타데이터 ⭐

"데이터에 대한 데이터(data about data)"입니다. 데이터 자체는 담지 않지만 그 데이터의 속성·구조·의미를 설명해 원본 데이터를 더 쉽게 찾고 관리하도록 돕습니다.

구조 메타데이터 — 데이터의 구조·형식 (예: 테이블 구조, 열 이름)
기술 메타데이터 — 데이터의 내용·주제·작성자 (예: 문서 제목, 작성일)
관리 메타데이터 — 생성·수정·접근권한·보존기간 (예: 파일 생성일, 접근 제한)

⚠️ 메타데이터는 데이터를 "관리·설명"하는 역할이지, 그 자체로 새로운 비즈니스 통찰을 도출하지는 않습니다 — 통찰 도출은 데이터 분석의 역할입니다.

데이터베이스(DB)와 DBMS ⭐⭐⭐

정의: 검색과 활용을 목적으로 논리적이고 체계적으로 정돈된 데이터의 집합체입니다. 핵심은 "체계적 정리"와 "쉬운 접근(검색)" 두 가지예요.

DB: 체계적으로 정리된 "데이터의 집합" 그 자체 (예: 도서관의 책들)
DBMS: DB를 효율적으로 구축·유지·활용하도록 돕는 "소프트웨어" (예: 사서·도서 관리 프로그램). MySQL, Oracle, SQL Server 등

DB의 4대 특성 (빈출)

통합된 데이터 — 중복 최소화
저장된 데이터 — 컴퓨터가 접근 가능한 매체에 물리적으로 저장
공용 데이터 — 여러 사용자가 공동으로 공유·이용
변화하는 데이터 — 삽입·수정·삭제를 통해 항상 최신 상태 유지

기출 문제

Q. (49회) 데이터베이스의 다양한 측면 중 '정보관리 측면'의 특징으로 가장 적절한 것은?

① 원격지에서 네트워크를 통해 접속하여 정보를 이용할 수 있다.
② 사용자가 필요로 할 때 언제든지 원하는 정보를 이용할 수 있다.
③ 방대한 정보를 일정한 형태로 체계적으로 축적할 수 있다.
④ 일정한 구조에 따라 데이터를 저장하며, 저장된 데이터는 갱신 및 수정이 가능하다.

A. ④ — ①은 통신 측면, ②는 이용자 측면, ③은 저장 측면의 특징이고, ④가 데이터를 구조에 따라 저장·갱신하는 정보관리 측면의 특징입니다.

Q. (45회) 데이터의 일관성과 정확성을 유지하고 검증하는 DBMS의 특징은 무엇인가?

① 데이터의 다양성 ② 데이터의 확장성 ③ 데이터의 무결성 ④ 데이터의 중복성

A. ③ — 무결성(Integrity)은 데이터가 정확하고 일관된 상태를 유지하도록 보장하는 DBMS의 핵심 특징입니다.

OLTP와 OLAP ⭐⭐

데이터베이스 활용 목적에 따른 두 가지 시스템 유형입니다.

구분	OLTP	OLAP
목적	'거래'와 '입력' 중심 — 실시간 거래를 신속히 처리	'분석'과 '조회' 중심 — 축적된 데이터를 다양한 관점에서 분석
예시	편의점 POS 결제, 은행 ATM 이체	"이번 달 가장 많이 팔린 상품은?"

💡 암기: OLTP=거래·입력, OLAP=분석·조회로 짝지어 외우세요.

기출 문제

Q. (47회) 아래에서 설명하는 데이터베이스 시스템은 무엇인가?

은행 거래, 온라인 쇼핑, 예약 등 실시간으로 발생하는 대규모 데이터 삽입, 업데이트, 삭제와 같은 짧고 빈번한 트랜잭션을 수시로 처리하는 정보 시스템

① OLAP ② OLTP ③ CRM ④ SCM

A. ② — 짧고 빈번한 '거래' 처리는 OLTP의 정의 그대로입니다.

데이터베이스의 종류: RDB vs NoSQL ⭐⭐

모델	구조	비고
관계형(RDB)	행·열로 구성된 2차원 표	정형 데이터에 특화, SQL로 조작. Oracle·MySQL 등
NoSQL	고정 스키마 없이 대용량 비정형 데이터 처리	'관계형이 아니다'라는 의미. 수평 확장·분산 처리에 강점

NoSQL 등장 배경: 2000년대 후반 SNS 게시글·트윗처럼 형식이 정해지지 않은 비정형 데이터가 폭발적으로 증가 → 관계형 DB의 대용량 비정형 처리·수평 확장 한계 → NoSQL 등장
NoSQL 종류: Document-Oriented(MongoDB), Key-Value(Redis), Column-Oriented(Cassandra)

💡 RDB vs NoSQL 강점 비교(자주 출제): RDB는 정형 데이터·일관성에, NoSQL은 비정형/대용량·유연성/확장성에 강점 — "NoSQL이 일관성에서 더 강점"이라는 설명은 뒤바뀐 오답입니다.

SQL 기초 ⭐⭐

관계형 데이터베이스와 소통하기 위한 표준 언어입니다.

구분	명령어	의미
DDL(정의어)	CREATE / ALTER / RENAME / DROP	테이블 생성 / 구조 변경 / 이름 변경 / 테이블 자체 삭제
DML(조작어)	SELECT / INSERT / UPDATE / DELETE	조회 / 삽입 / 변경 / 데이터 삭제
DCL(제어어)	GRANT / REVOKE	권한 부여 / 권한 회수
TCL(트랜잭션 제어어)	COMMIT / ROLLBACK / SAVEPOINT	영구 저장 / 취소 후 복귀 / 임시 저장 지점

⚠️ DROP vs DELETE 혼동 주의(빈출): DROP은 테이블이라는 '그릇' 자체를 삭제(DDL)하고, DELETE는 테이블은 그대로 둔 채 '데이터'만 지웁니다(DML).

처리 순서(빈출): WHERE(개별 행 필터, 집계함수 불가) → GROUP BY(그룹화 기준) → HAVING(그룹 필터, 집계함수 가능)

데이터 수집과 저장: DW·DL·DM ⭐⭐⭐

데이터가 아무리 많아도 분석하기 좋게 모아두지 않으면 쓸모없습니다.

구분	데이터 웨어하우스(DW)	데이터 레이크(DL)	데이터 마트(DM)
목적	전사적 통합 분석	모든 데이터의 원본 저장	특정 부서의 신속한 분석
데이터	정형(정제·가공 완료)	모든 유형(정형·비정형)	정형(DW에서 추출)
구조화 시점	저장 시(Schema-on-Write)	분석 시(Schema-on-Read)	저장 시(DW와 동일)
범위	전사적	전사적(모든 소스)	특정 부서·주제

DW 4대 특성: 주제 지향성·통합성·시계열성·비휘발성
💡 DW가 정제된 물을 '병'에 담는 것이라면, DL은 '저수지'에 모든 물을 받아두고 필요할 때 정수해 쓰는 것과 같습니다.
DM: DW는 전사적 데이터라 너무 크고 복잡하므로, 특정 부서가 필요한 부분만 뽑아 작게 만든 DW의 축소판입니다.

💡 실무에서는?

인프라 아키텍트로 시스템을 설계할 때 가장 먼저 부딪히는 질문이 "이 데이터를 RDB에 넣을까, NoSQL에 넣을까"입니다.

정형 로그(접속 이력, 트랜잭션 기록)는 RDB로, 비정형·반정형 로그(애플리케이션 로그, 센서 데이터, JSON 형태의 API 응답)는 NoSQL이나 데이터 레이크로 보내는 설계가 많아요.

또 SIEM(보안 이벤트 관리) 구축 경험을 떠올려보면,

실시간으로 쌓이는 보안 이벤트는 OLTP성 처리(빠른 삽입)가 필요하고,

이를 나중에 "지난달 대비 이상 접속이 얼마나 늘었나"로 분석할 때는 OLAP 관점의 질의가 필요합니다.

하나의 데이터가 생성 시점(OLTP)과 활용 시점(OLAP)에 전혀 다른 성격으로 쓰인다는 걸 체감할 수 있는 대목이에요.

핵심 정리

✅ 데이터=가공 안 된 사실 / 정보=맥락이 더해진 것
✅ DIKW: 사실(데이터)→맥락(정보)→패턴(지식)→원리(지혜)
✅ 정형(행·열)/반정형(태그·스키마, JSON·XML)/비정형(텍스트·이미지)
✅ 품질 6요소: 정확성·완전성·일관성·적시성·유효성·유일성
✅ DB 4대특성: 통합·저장·공용·변화하는 데이터 / 무결성=정확·일관 유지
✅ OLTP=거래·입력 / OLAP=분석·조회
✅ RDB=정형·일관성 / NoSQL=비정형·확장성
✅ DDL(CREATE·DROP)/DML(SELECT·DELETE) — DROP≠DELETE
✅ WHERE→GROUP BY→HAVING 순서
✅ DW(정제·전사)/DL(원본 그대로)/DM(부서별 축소판)

다음 편에서는 데이터의 가치와 미래 + 데이터 사이언스와 전략 인사이트로 이어갑니다.

빅데이터의 3V/5V, 데이터 사이언티스트의 역량까지 정리할게요!

궁금한 점은 댓글로 남겨주세요!

저작자표시 비영리 동일조건 (새창열림)