2006. 10. 17

1. 2006. 10. 17

2. IT 시스템과 비즈니스의 GAP 극복을 위한 SOA의 출현 • Loosely Coupled Service • 플랫폼/언어에 상관없이 상호작용 증대 • 통합의 유연성을 보장 • Reuse of Service • 사용자 관점에서의 재사용성 증대 • 개발, 운영, 유지보수 비용 절감 효과 • Business Extensibility • 기업 내부의 비즈니스 기능이 서비스로 도출 • 프로세스 통합 및 비즈니스 기회 창출 • IT 시스템의 근본적인 어려움은 비즈니스와 IT의 GAP에서 시작 • GAP을 효과적으로 극복할 수 있는 SOA 탄생 • 애플리케이션을 서비스 중심으로 분할 • 개방형 표준을 통해 IT 자산을 서비스로 표현 • 유연한 결합으로 비즈니스 변화에 효과적 대응 • 서비스는 SOA를 이끌어 내는 가장 큰 원동력 • 전체 애플리케이션 구축용 소프트웨어 아키텍처 ESB를 중심으로 서비스가 유연하게 연계 기존의 다양한 기능들이 서비스로 표준화

3. 국부적으로 관리되는 MASTER DATA • 과도한 데이터 적재 발생 • 시스템간 커뮤니케이션 저해 • 중첩 및 중복된 데이터 관리 일관성/정확성 없는 데이터 제공 • 데이터 간의 정합성 불일치 • 데이터 품질 문제 저하 우려 • 최소공배수 집합을 구하기 곤란 서비스의 재활용 저하 • 상이한 데이터로 인해 정보흐름 악화 • Point–to–point 로 연결 • 정합성 유지를 위한 비용 증가 SOA 구축에 MASTER 데이터의 출현 배경 • 업무별로 특성화된 시스템이 구축 • 시스템간에 많은 데이터의 연계 작업을 수행 • 복잡성과 한계 존재 • SOA환경에서 하나의 시스템과 데이터베이스를 생성하여 통합하는 것이 최선이지만 현실적으로는 불가능

4. Point to Point Service Hub and Spoke Service H SOA 구축에 MASTER 데이터의 출현 배경 • FedEx’s Hub-and-Spoke Model Indirect, Heavy Routes via Hub Central to Market Direct Flights, Thin Routes Low Frequency, Low Load Factor, Smaller Aircraft High Frequency, Higher Load Factor, Larger Aircraft 물류센터 = 교통요지 = 금융 허브 = 데이터 허브 = 네트워크 허브

5. SOA 구축에 MASTER 데이터의 출현 배경 • 핵심 데이터의 시스템간 상호운용 요구는 크게 증가하고 있다! • 실제 동일 개체가 데이터 상으로는 상이 • 동일 목적의 데이터가 다양한 형태로 분리 • 관리 속성의 일관성 부재 • 논리적인 최소공배수는 존재하나 인식 불가능 • 서비스의 단순화 • 신속한 접근 가능 • 정확성, 일관성이 크게 향상 • 상호운용성, 다양성 증대

6. Point to Point Data Service SOA 구축에 MASTER 데이터의 출현 배경 • 과도한 매칭 대상 • 복잡도 및 난이도 크게 증가 • 일관성 및 신뢰도 저하 • 낮은 활용도

7. Hub and Spoke Data Service SOA 구축에 MASTER 데이터의 출현 배경 • 매칭 대상 크게 감소 • 단순하고 명확 • 일관성 및 신뢰도 향상 • 높은 활용도 • 발전성 및 유연성 증가

8. 필수 요건 통합 UI UFO Client CTI ARS Members Monitor Monitor 통합 운영/ 모니터링 Presentation 계층 / 채널 계층 .. .. .. CRMM ERP .. .. APM SLA Presentation Server Administration Administration Monitor Channel Gateway Management SOA 계층 SOA Governance Service Composition Layer 서비스 저장소 Management Management Service Enablement Layer Service Registry & Repository Process-Based Shared Business Service Shared Business Service Information & Access Service MASTER DATA Legacy 시스템 EAI MASTER 데이터의 필수 요건 엔터프라이즈 레벨의 공통성이 강한 핵심 데이터의 통합 관리를 통해 정확성 및 일관성을 유지하여 보다 유연하고 신속한 서비스를 제공 고객 접점에서 발생되는 모든 서비스 수용 유연성을 최대한 보장한 데이터 구조 Legacy 시스템에 대한 유연성 확보 Legacy 시스템과 양방향 데이터 Interface 가능 정확한 데이터 일관성 보장 (One View) 데이터 거버넌스 실현 메타데이터 시스템과 통합관리 정보 및 데이터 품질에 대한 신뢰도 보장 비즈니스 프로세스와 느슨하게 연결되어 유연성과 데이터의 재사용이 가능

9. Source Data OLTP ETL & Cleansing Data Quality CRM Reverse EDW Master Data Portal 보강 & 변환 참조/복제 ERP Mapping Rule 표준화 매칭 & 연결 용어 도메인 코드 프로 세스 메타데이터 시스템 애플리케이션관리 데이터모델관리 표준관리 데이터베이스관리 형상 관리 품질관리 보안 관리 보안 관리 MASTER DATA 기반 데이터 아키텍처 Data Synchronization 프로파일링

10. 현재를 정확히 분석하는 것은 해결방안은 무엇인가? 프로파일링 & 아키텍처 수립 무엇이 문제인가? • 온고지신(溫故知新) • 소스 시스템의 데이터를 이해하는 것은 매우 중요 • 정확히 알아야만 통합이 가능 • 환골탈태된 통합이 필요 • 용이성 : 높은 난이도 • 채산성 : 많은 시간 소요 • 가능성 : 분석 전문가 부재 우리가 통합할 데이터는 방대하게 흩어져 있다. SAMPLE

11. Source Parsing Data Parsing 프로파일링 & 아키텍처 수립 문제해결 전략은? 의료처방 프로세스를 원용 종합검진 단계 정밀검사 단계 처방/치료 단계 • 의료장비 위주 • 넓은 범위 • 신속하게 • 저렴한 비용 • 의료보조자 위주 • 좁은 범위 • 깊이 있게 • 저렴한 비용 • 전문의 위주 • 좁은 범위 • 성패를 좌우 • 저렴한 비용 • 분석 TOOL 위주 • 넓은 범위 • 신속하게 • 저렴한 비용 • 설계자 위주 • 좁은 범위 • 깊이 있게 • 저렴한 비용 • 전문가 위주 • 좁은 범위 • 성패를 좌우 • 저렴한 비용 정보수집 단계 정밀분석 단계 To-Be 설계 단계

12. 단계별 중점 추진 사항 Data Parsing Data Auto Reverse Data Model 상세화 Data Model 통합화 추진 전략 Repository 화 Meta Data 시스템 Meta Repository Database Schema 설계 프로파일링 & 아키텍처 수립 추진 전략 및 절차 자동화 툴을 이용한 신개념의 수집 및 분석 모든 과정 정보를 리파지 토리 화 및 메타데이터화 전 단계(개괄,개념,논리, 물리)에 대한 아키텍처 매우 정밀한 수준의 상세화 수행 높은 수준의 전문가에 의한 목표아키텍처 수립 각 단계들 간의 확실한 얼라인먼트를 유지 조감도 평면도 입체도 청사진 개괄적 모델 개념적 모델 논리적 모델 물리적 모델

13. Application에서 데이터 부분(SQL)을 분리 • SQL에서 데이터 연결(조인,서브쿼리,..) 분석 • 자동 참조관계 생성 Inverter 소스 영역 Application Parsing 자동 참조 관계 생성 기존 Application • 먼저 골격을 그려보고 • 필요하다면 일부를 고정시키고 • 원하는 만큼을 다시 배치 모델 생성기 (자동배치) Documentation Reverse Data Modeling 컬럼 속성 자동 번역 DBMS 분석사전 현행 물리모델 리버스 자동화 방안 Merge 데이터 표준화 대상

14. 입체도 평면도 통합영역 모델의 상세화 수행절차 엔터티 명칭/정의 보완 본질 식별자 지정 보조 식별자 지정 상세 서브타입 지정 다차원 서브타입 지정 관계 명칭의 구체화 관계의 통합 및 구체화 관계속성 → 릴레이션쉽 속성 명칭/정의 보완 속성의 종속성 정의 유사 속성의 그룹화 속성 Ownership 정의 속성의 특성 상세 정의 속성의 유형 정의 엔터티 정의 상세화 속성 정의 상세화 결합속성 Level down 속성의 배타적 관계 정의 • 평면도를 입체도로 진화 !! • X-ray  MRI • 정밀하지 않으면 통합 불가능 선택사양 정확화 현 데이터 분석 및 검증 사례 데이터 작성 기타 특기 사항 기록

15. 데이터 모델 통합화의 개념 As-is와 To-be가 같이 공존하는 그림 통합모델과 물리모델이 서로 연결됨 통합 엔터티 통합모델을 생성하는 가장 좋은 방법 Migration Rule 수립에 확실한 정보를 제공 모든 새로운 결정을 상세하게 표현 가능 서브타입세트1 전문 데이터 아키텍트가 필요함 현행 테이블 가상 속성 현행 컬럼 서브타입세트2 가상 배타적 관계 현행 컬럼 가상 속성 제거할 속성 가상 릴레이션쉽 가상 서브타입

16. 데이터 모델 통합화의 개념 고객 통합 사례

17. 표준화 대상 정의 및 분석 자료 DB구축 분류 및 표준 후보 선정 형태소 분석 및 단어, 용어 추출 상세 수행 계획수립 분석 툴 커스터마이징 형태소 분석 기준 설정 BRM 기준 분류 표준 확정 반영 용어 대상 자료수집 및 분석 자료 vs 분석 조직 맵핑 형태소 분석 정의서 항목 정의 관리시스템 적용 기본제공 용어사전 분석 추출 용어 DB에 입력 단어, 용어 추출 및 일반 사전에 등록 이음 동의어 선정 관리시스템 커스터마이징 표준용어 자료사전 구축 표준용어 지원체계 구축 기존 용어사전 수집 및 분석 형태소 분석 작업 할당 표준 후보 선정 시범 운용 용어 추출 및 표준 형식 변환 표준 확정 데이터 표준화 수행절차 • 오프라인 자료에서 용어 추출 • 형태소 분석을 통해 단어를 추출하고 용어 정의 • 표준 확정, 용어사전 리파지토리에 반영

18. 업계 갱신율 계약차량사항 매칭룰 엔터티 매칭 속성 매칭 고객차량 고객 TMR 고객차량 수리서비스 차량 청구보험담보 고객차량 Incubator 매칭 & 연결 고객차량사항 데이터 매칭의 개념 • 최소공배수 집합 • 변칙성과 충돌 간파 • 선택 및 머지 룰 정의 • Rule_based Approach • 실시간 처리 계약차량사항 청구보험담보 Master 고객차량 업계 갱신율 고객차량 계약차량사항 수리서비스.차량 TRM 고객 차량 청구보험담보 업계갱신율 고객차량 수리서비스.차량 TRM 고객 차량

19. 마스터 데이터 보강 마스터 데이터 변환 데이터 동기화 연합(Federation) 데이터 처리 및 연합 • Master Data, Source Data의 전반에 걸친 일관성 유지 작업 • 모든 변동사항의 Logging 필요 • 트랜잭션 무결성 유지 • Locking, Rollback • 신뢰성 보장 • 외부 고급 정보와 연결 • 부족한 정보의 보완 및 확장 • 정보의 부가가치 향상 • 예: • 인구통계, 금융감독원, • 인증기관, 기업정보 등 • Master Data는 참조 데이터 소스 • 다양한 후속 시스템의 서비스 기반 • 매우 다양한 온디맨드 발생 • 외부의 온디맨드 권한에 대한 연합 • 연관된 정보의 변환 메커니즘 제공 • 소스 시스템의 다량 데이터 변환 • 복잡한 배치처리를 통해 공통화 • 변환 및 전달 규칙의 명확한 정의 • 일관성 있는 처리 • 분석적 뷰를 제공하기 위한 경우

20. Business 변화에 유연한 구조 전사적 관점에서 통합된 모델 혁신적인시스템 기반 수립 수행속도를 보장 구조 다양한 고객 관계 지향 Master DB 구축 전략 MASTER DATA 구축 전략 • Business 변화를 모델의 서브타입의 추가와 관계정의를 통해 가능한 구조 • 향후 비즈니스를 모두 수용할 수 있는 Account 모델 • 모든 신상품 및 복합 상품을 수용할 수 있는 Rule_base 모델 • 상품의 모든 속성을 Data Rule 화 • 모든 행위 주체들의 최소공배수 통합 • Billing/Service Account 체계 재정립 • 모든 유형의 Product/Service의 통합 • Asset 통합 및 일원화 • Order Management를 포함 • 진정한 의미의 S/R & Activity 통합 • 고객, 청구계정, 가입계정을 독립 개체로 정의하고 이들 간의 관계 정의로 처리하는 유연한 구조 • 상품/서비스 확장으로 확장성 증대 • 기존 시스템의 구조적 문제를 근본적으로 해결 • 정보 수집 채널의 통합 및 Ownership 일원화로 단순화 및 수행속도 보장 • Master Data는 현재시점 기준 유지 • 이력은 Business Log를 통해 관리 • MMDB를 최적으로 활용한 물리적 구조

21. Customer Customer Profile Best Fit For SOA MASTER DATA 범위 Product or Service Service Account Billing Account Business Log Service Request & Activity Asset Service Agreement SOA 환경하에서 MASTER DATA 적용 범위 • Multi-channel application • Interactive composite application • New Interactive application • Information Lookup • 전사적 통합 고객 • 고객 기본정보의 통합 • ACCOUNT 통합 • Agreement, Asset 통합 • PRODUCT/SERVICE 통합 • 비즈니스 서비스 처리 S/R 통합 • 고객관련 이력 데이터의 통합 • ORDER MANAMEMENT OLTP CRM EDW Portal ERP

22. SOA의 주요 적용 분야 • Composite Application 여러 애플리케이션과 다양한 환경에서 이용되는 모듈의 조합으로 실행되는 애플리케이션 • Multi-Channel Application 재사용 가능한 Back-end 비즈니스 로직을 이용하는 관련 애플리케이션

23. 시스템 거버넌스의 추진 목적 시스템의 모든 구성요소에 대한 구체적이고 체계적인 관리 및 통제 메타데이터 관리시스템 전사 데이터 품질 보장 Application 관리의 효율화 DB 관리의 효율화 체계적인 데이터 모델 통합 관리 전사 데이터 품질 관리 조직 구축 시스템의 품질 문제 체계적인 시스템 관리 문제 시스템 관리의 복잡성 문제 • 여러 기종의 복수 시스템간 다양한 데이터 Interface 증가 • 각 시스템간 데이터 모델, DB의 형상 관리 어려움 • 대용량 데이터로 인한 데이터의 정합성 유지의 어려움 • 각 업무별 데이터의 특성상 집계와 통계에 대한 • 데이터 품질유지곤란 • 전사 Data 품질에 대한 통합 관리 체계 및 조직이 미흡 • 체계적인 데이터 분류 작업 미비 • 데이터의 이동 MAP에 대한 자료 미비 • 데이터의 접근 및 활용에 중복 및 복잡 • 전사 데이터 포괄 능력 한계

24. 표준화 관리 데이터 모델 관리 애플리케이션 관리 개괄모델 추상화 개념모델 개념화 논리모델 논리화 물리모델 역공학 ETL Repository 데이터 품질 관리 데이터베이스 관리 DQ Repository 영향도 분석 관리 메타 시스템의 구성

25. 모델 관리 Data Model Repository 기능성 확장성 • 모든 데이터 모델을 서버에 통합하여 데이터로 관리 독립성 통합성 • 원하는 형태로 분리하여 팀 모델링을 수행해도 통합성은 항상 유지 Local Area 이력관리 Database Connect Module (ADO) Model Architect 버전관리 • 버전과 이력을 자동관리 하며 모든 변경이력 관리 Check-Out 개괄모델 논리모델 물리모델 RDB 획기적 참조기능 File  DB • 전사 모델에 대한 주제 영역별 계층 관리 (버전, 이력, 얼라인먼트 관리) Architect Repository 협업기능 File  DB • 데이터 모델의 자문과 형상 관리 전문인력 육성 메타와 연결성 Check-in 변경의 용이성 데이터 모델 관리 변화되는 데이터모델의 버전과 이력을 리파지토리에 관리함으로써 데이터의 품질을 지속적으로 확보하는 모델관리

26. 기본사항 분석 연관 사항 분석 변경 이력관리/산출물 통계 분석 / 검색 애플리케이션 관리 • 프로그램 요약 정보 • 구조Tree • 함수정보 등 • 종속 분석 • 프로그램간의 호출 관계 • 동적 추적 관련 다이어그램 • 프로그램/DB 연관 맵 • 프로그램/DB간 전체 연관 맵 • 동종, 이기종 간의 연관 맵 • 프로그램 하위레벨 연관 관계 • Matrix 분석 • 프로그램과 테이블 CRUD 분석 • 프로그램과 함수 연관 분석 • 프로그램과 프로그램 연관분석 • 프로그램과 파일 연관 분석 • 변경 이력 관리 • 프로그램/테이블 변경 이력 • 프로그램/테이블 변경 추적 • 산출물 생성 • Web Reporting, Excel 등 • 프로그램 사양서, 목록표 등 • 프로그램 관련 산출물 • 통계 분석 기능 • 프로그램 현황 통계 분석 • 프로그램 변경 이력 통계 • 테이블 현황 통계 분석 등 • 검색 기능 • 주석 검색 및 조회 • 칼럼/테이블 검색 및 조회 • SQL 검색 및 조회

27. 데이터 품질 확보 및 유지를 위한 관리체계 데이터 품질 관리 현황 분석 품질 점검/정제 프로세스 데이터 품질관리 시스템 데이터 품질기준 도출 데이터 품질관리 조직 • 품질 점검 데이터 항목별 품질 점검기준 마련 • 전사 DB 및 시스템 관리의 명확한 기준 척도 현재 수준 DQ System 필요 요건 Expected Level 100 데이터 품질을 측정하고 관리하는 시스템 Current Level 50 30 70 • 정기적 품질 평가 • 결과 분석 및 개선책 • 품질 관리 프로세스 100 데이터 품질 중요성을 인지하고 책임 있게 수행할 수 있는 조직 100 DQ Organization DQ Process 데이터 품질 관리 체계 수립

28. CTQ 선정 DR 도출 및 변경 (DR 설계서) CRIF* 작성 및 비정형 SQL 입력 CTQ 선정 DQI 정의 2 4 6 4 3 8 5 1 7 상시 모니터링 데이터 품 질 평 가 데이터 정제, APPL 수정 품질 점검 결과 통합 평가 결과 Review /개선안 권고 평가결과통계 데이터 품질 관리 절차 Data Loading • 업무 규칙에 따라 DR 도출 및 변경 • 품질 점검 시스템을 통해 점검을 위한 도출된 DR의 정형화된 폼 작성 및 변경 Iteration • 통계적 기법을 통한 데이터 전수검사 • DR 도출 항목 선정 (CTQ 선정) • DR 도출 가이드 • DQI 정의 전사 Meta Repository • 점검된 품질결과를 품질관리시스템의 통합 저장소인 메타 리파지토리에 통합 • 통합된 결과를 업무별로 계량화 • 분석된 개선안 및 오류 리포트 피드백 * CTQ : Critical to Quality(품질영향요소) . DQI : Data Quality Indicators(데이터 품질지표) . DR정의서 : Data Rule 정의서(업무 규칙), 데이터 점검 규칙으로 활용 * CRIF : Check Rule Input Format