반응형
정보계 시스템 구축을 검토하다 보면 DW, BI, 데이터레이크, DAP, EDW 등 수많은 용어가 등장한다. 이름은 들어봤지만 각각이 무엇을 의미하고, 어떻게 다른지 명확히 구분하기 어려운 경우가 많다. 이번 글에서는 정보계 시스템을 구성하는 주요 용어들의 의미와 차이점, 그리고 실무적으로 어떻게 연결되는지를 쉽게 풀어본다.
1. 용어 정리
| 용어 | 정의 | 비유 |
| 정보계 시스템 | 기업의 다양한 데이터를 수집·가공하여 분석 가능한 형태로 제공하는 통합 시스템 | 보고서를 만들어주는 공장 전체 |
| DW (Data Warehouse) | 운영계 데이터를 통합하여 저장하는 분석용 데이터 저장소 | 공장에서 원자재(데이터)를 모아두는 창고 |
| BI (Business Intelligence) | DW 등에 저장된 데이터를 분석하고 시각화하는 도구 또는 시스템 | 완성된 보고서를 만들어주는 기계 |
| 데이터레이크 (Data Lake) | 정형·비정형 데이터를 원시 상태로 저장하는 대규모 저장소 | 아무 가공 없이 모아둔 데이터 연못 |
| DAP (Data Analytics Platform) | 분석을 위한 플랫폼 전반 (ETL, 분석 도구, 머신러닝 등 포함) → 정보계를 포함하며 조금 더 확장된 개념 |
고도화된 공정과 분석기계를 갖춘 스마트 팩토리 |
2. DW, BI, 데이터레이크의 기능 비교
| 항목 | DW(데이터 웨어하우스) | BI | DataLake(데이터레이크) |
| 목적 | 통합된 데이터 저장 및 집계 | 시각화, 리포트, 탐색형 분석 | 원시 데이터 수집 및 저장 |
| 데이터 형태 | 정형, 정제된 구조 | DW 기반 또는 직접 쿼리 | 정형 + 비정형 (이미지, 로그 등 포함) |
| 사용자 | 데이터 엔지니어, 분석가 | 경영진, 실무자, 기획자 | 데이터 사이언티스트, AI 엔지니어 등 |
| 기술 스택 | Oracle, SQL Server, SAP BW 등 | Power BI, Tableau, Qlik 등 | Hadoop, AWS S3, Azure Data Lake 등 |
3. 이 관계를 그림으로 보면?
➡️ 정보계는 이 전체 구조를 통합적으로 설계한 '시스템 체계'를 의미한다. 과거에 정형 데이터들을 분석하고 리포트를 제공하는 것을 '정보계'라고 불렀다면, 현대에는 조금 더 그 의미가 확장되었다고 볼 수 있다.
4. 실무자가 가장 많이 헷갈리는 포인트들
- BI 툴만 도입해도 정보계가 되는가? → 아니다. BI는 단지 '보여주는' 역할일 뿐, 정보계는 데이터 수집부터 저장, 정제, 분석, 시각화까지 전 과정이 포함된다.
- DW와 데이터레이크는 중복인가? → 아니다. DW는 구조화된 정제 데이터 저장소이고, 데이터레이크는 모든 데이터를 일단 모아두는 원천 저장소다. 각각의 목적과 활용 방식이 다르다.
- DAP는 BI의 상위 개념인가? → DAP는 BI 포함, 데이터 전처리, 모델링, ML 등 다양한 기능을 포괄하는 '데이터 분석 플랫폼'이다.
5. 정리하며: 정보계는 개념이 아니라 '통합 구조'다
정보계는 단일 시스템이 아니라, DW, BI, 데이터레이크 등 여러 구성요소가 결합된 '아키텍처' 개념이다.
각 용어의 차이를 이해하면 정보계 프로젝트 기획 시 구성 요소를 적절히 조합해 나갈 수 있다.
👉 다음 편에서는 정보계 시스템 구축 시 어떤 단계들을 거쳐야 하는지, 전반적인 프로세스를 살펴본다.
< 주제명 클릭시 해당 편으로 이동합니다>
| 편수 | 주제 | 핵심 키워드 |
| 1편 | 정보계란 무엇인가 | 운영계 vs 정보계, 구성요소 이해 |
| 2편 | 정보계가 필요한 이유 | 실무, 경영, 미래 대응 관점 필요성 강조 |
| 3편 | 용어 정리 | DW, BI, DAP, 데이터레이크 구분 |
| 4편 | 구축 단계 | 5단계 접근법 및 주요 산출물 소개 |
| 5편 | 고려 요소 | 데이터 품질, 리포트 설계, 운영 체계 등 |
| 6편 | 연계 전략 | 운영계/외부 시스템과의 연동 설계 |
| 7편 | 예산 구성 | TCO 관점, SaaS vs 온프레미스 비교 |
| 8편 | 사용자 활용도 | 교육, 데이터 문화, 커뮤니티 운영 등 |
| 9편 | 핵심 리포트 | 현업이 꼭 필요로 하는 Top 10 리포트 |
| 10편 | 실패 사례 | 실무에서 흔히 겪는 실패와 교훈 |
| 마무리 | 정보계 구축 실전 가이드를 마치며 | 마무리 |
📌 참고 자료 및 출처
- Microsoft – What is a Data Warehouse: https://learn.microsoft.com/en-us/azure/architecture/data-guide/relational/data-warehousing
- Tableau – What is Business Intelligence: https://www.tableau.com/learn/articles/business-intelligence
- AWS – What is a Data Lake: https://aws.amazon.com/big-data/datalakes-and-analytics/what-is-a-data-lake/
반응형
'디지털 전환(DX), IT' 카테고리의 다른 글
| 정보계 구축 시 반드시 고려해야 할 5가지 핵심 요소 [정보계 구축 실전 가이드 #5] (0) | 2025.03.25 |
|---|---|
| 정보계 구축 단계별 접근 방법 [정보계 구축 실전 가이드 #4] (0) | 2025.03.25 |
| 우리 회사에 정보계가 필요한 이유 [정보계 구축 실전 가이드 #2] (1) | 2025.03.25 |
| 정보계 시스템이란 무엇인가? [정보계 구축 실전 가이드 #1] (0) | 2025.03.25 |
| DX 전략 실전 가이드 시리즈를 마치며 [DX전략 실전 가이드 #Final] (0) | 2025.03.23 |