이미 소장하고 있다면 판매해 보세요.
|
저자 서문 |
|
인사 관리 시스템을 재구축하는 프로젝트에 데이터 모델러로 투입된 모만데씨는 어떤 기준에 의해 엔티티타입을 도출해야 할지 기준을 잡지 못했다. 그래서 선배들이 예전에 구축해 놓은 메인 프레임 내에 설치된 데이터베이스에 역공학을 적용하여 그 모델을 그대로 활용했다. 그런데 이로 인해 다양한 비즈니스 요건을 처리하는 데 있어 한계점을 보이고 말았다. 기존 시스템에서 문제로 인식되었던 데이터 모델링의 문제가 새로 구축된 시스템에서도 마찬가지로 문제가 되었으며, 새롭게 추가된 업무 규칙을 적용할 때도 기존의 적절하지 않은 모델에 억지로 끼워 맞춰야 하는 임시적인 데이터 모델이 만들어진 탓이다.
모만데: 어떤 엔티티타입을 선택해야 할지 너무 막막해요. 그냥 7년 전 선배님이 만들어 놓은 구 모델에 역공학을 적용하여 그 모델을 그대로 활용하면 안 되나요? 아만데: 뭐가 그리 막막한데? 모만데: 새롭게 엔티티타입을 도출하면 일단 위험하니 검증을 해야 하잖아요. 검증은 어떻게 하는지, 아니 그 이전에 어떤 절차로 엔티티타입을 선택해야 할지 도대체 감이 안 잡혀요. 아만데: 뭘 도출해야 할지 잘 모르겠다면 일단 명사를 이용하여 차근차근 엔티티타입을 도출해 봐. 그리고 검증은 데이터 모델과 프로세스 모델 그리고 상관 모델링을 함께 진행하면서 수행하면 돼. --- Story 07 _엔티티타입, 이렇게 도출하라 중에서 |
|
데이터 모델링에 자신감을 불어넣는 설계와 구축 노하우
데이터베이스 설계와 구축에 참여했던 데이터베이스 설계자 중에도 데이터 모델링을 하는데 두려움을 가진 사람이 적지 않다. 해당 업무를 정확하게 파악하기가 어려울 뿐만 아니라 그것을 모델링으로 식별하는 것이 쉽지 않기 때문이다. 그러다 보니 이미 설계되어 있던 시스템을 그대로 참조하여 시스템을 재설계하는 우를 흔히 범하게 된다. 이런 일이 반복되는 것은 데이터 모델링에 첫 단추를 끼울 자신이 없기 때문이다. 이것은 곧 많은 수의 설계자가 자신이 데이터 모델링을 전개할 수 있는 전문가가 아님을 스스로 인정하고 있다는 것을 의미한다. 데이터 모델링에 대해 자신감이 결여되었다 해도 그것이 문제로 도출되지 않으면 상관없을 지도 모른다. 하지만 그러 인해 과거의 잘못된 데이터 모델을 그대로 활용하고, 새롭게 구축된 시스템의 데이터 모델 역시 과거의 문제를 그대로 포함해버리는 문제의 악순환이 반복되는 것은 심각한 문제이다. 결국 아무리 공부를 많이 하고 좋은 책을 많이 읽어도 스스로에게 자신감을 불어넣지 않고 데이터 모델링을 하면 또다시 옛날의 습관을 반복하게 된다는 말이다. 이제, 훌륭한 데이터 모델을 만들어 낼 수 있다는 자신감을 갖자. 여러분과 같은 시행착오를 거친 필자의 노하우가 바로 이 책에 있다. |