현대적 데이터 아키텍처 데이터 페브릭과 데이터 메시 기술 동향 및 시장 전망-빅데이터와 딥데이터 기술의 전반적인 활용 방안과 발전 방향
목차
제1장 데이터 기술 개요
1. 데이터 시대
1-1. 데이터 시대 도래
1-1-1. 21세기 새로운 원유 데이터
1-1-2. 데이터 가치의 급상승
1-1-3. 데이터의 복잡성
1-1-4. 데이터 관리의 중요성
1-2. 디지털 시대 기업의 새로운 화두, 성공적인 데이터 운영
1-2-1. 데이터 기반 비즈니스
(1) 데이터 기반 접근 방식
(2) 데이터 기반 비즈니스 구축의 중요성
1-2-2. 데이터 거버넌스(Data Governance)
(1) 데이터 거버넌스(Data Governance) 등장 배경
(2) 데이터 통합 관리시스템의 필요성
(3) 데이터 거버넌스(Data Governance) 개념 및 정의
(4) 데이터 거버넌스의 중요성
(5) 데이터 거버넌스 프레임워크
(6) 데이터 거버넌스 프레임워크 주요 요소
(7) 데이터 거버넌스 목표 및 이점
1-3. 빅데이터 기술 성장
1-3-1. 빅데이터 기술
(1) 미래사회의 핵심 빅데이터
(2) 빅데이터의 7V 특성
가. 볼륨(Volume)
나. 속도(Velocity)
다. 다양성(Variety)
라. 가변성(Variability)
마. 정확성(Veracity)
바. 시각화(Visualization)
사. 가치(Value)
1-3-2. 빅데이터 트렌드 및 빅데이터의 한계
(1) 빅데이터 트렌드
(2) 빅데이터의 한계
1-3-3. 빅데이터를 보완하는 딥데이터(Deep Data) 기술
(1) 딥데이터(Deep Data) 개념
(2) 딥데이터(Deep Data) 특징
(3) 딥데이터(Deep Data) 분석
(4) 딥데이터 사례
(5) 딥데이터 한계
1-4. 마이데이터(MyData) 시대 데이터 활용과 데이터옵스(DataOps)
1-4-1. 마이데이터(MyData)
(1) 마이데이터(MyData) 개념
(2) 마이데이터(MyData) 등장 배경
(3) 마이데이터(MyData) 특징
1-4-2. 데이터옵스(DataOps)
(1) 데이터옵스(DataOps) 개념
(2) 데이터옵스(DataOps)의 아키텍처
(3) 데이터옵스의 운영 프로세스
(4) AI옵스(AIOps)
(5) AI옵스 활용
2. 데이터 인프라(Data infrastructure)
2-1. 데이터웨어하우스(Data Warehouse)
2-1-1. 데이터웨어하우스 역사 및 등장 배경
2-1-2. 데이터웨어하우스(Data Warehouse) 기술 개요
(1) 데이터웨어하우스(Data Warehouse) 개념 및 정의
(2) 데이터웨어하우스 특징 및 장점
2-1-3. 데이터웨어하우스 아키텍처
(1) 데이터웨어하우스 작동 방식
(2) 데이터웨어하우스의 구성 요소
2-1-4. 데이터웨어하우스의 유형(Types of Data Warehouses)
(1) 온프레미스 데이터웨어하우스(On-premises Data warehouse)
(2) 클라우드 데이터웨어하우스(Cloud data warehouse)
(3) 하이브리드 클라우드 데이터웨어하우스(Hybrid Cloud Data Warehouse)
2-1-5. 데이터웨어하우스의 한계
2-2. 데이터 레이크(Data lake)
2-2-1. 데이터 레이크(Data lake) 기술 개요
(1) 데이터 레이크(Data lake) 등장 배경
(2) 데이터 레이크(Data lake) 개념
(3) 데이터 레이크(Data lake) 특징
(4) 데이터 레이크 아키텍처(Data Lake architecture)
2-2-2. 데이터 레이크 한계
2-3. 데이터 레이크하우스
2-3-1. 데이터 레이크 대 데이터웨어하우스
2-3-2. 데이터 레이크하우스 기술 개요
(1) 데이터 레이크하우스 개념
(2) 데이터 레이크하우스 특징
(3) 데이터 레이크하우스 장점
2-3-3. 데이터 레이크하우스 작동 방식
2-3-4. 데이터 레이크하우스 가치 및 한계
제2장 데이터 페브릭(Date fabric) 기술 동향
1. 데이터 페브릭(Date fabric) 기술 개요
1-1. 데이터 산업의 진화
1-1-1. 빅데이터의 힘
1-1-2. 데이터 관리 진화 과정
1-2. 데이터 페브릭(Date fabric) 개념 및 특징
1-2-1. 데이터 페브릭(Date fabric) 등장 배경
1-2-2. 데이터 페브릭(Date fabric) 개념 및 정의
(1) 데이터 패브릭(Data Fabric) 개념
(2) 데이터 패브릭(Data Fabric)의 정의
1-2-3. 데이터 페브릭(Date fabric) 특징
(1) 데이터 패브릭의 이점
(2) 데이터 패브릭의 위험 요소
1-3. 데이터 패브릭 아키텍처 개요
1-3-1. 데이터 페브릭 아키텍처
1-3-2. 데이터 패브릭 설계 원칙
1-3-3. 데이터 패브릭 솔루션
(1) 앱 및 서비스 개발
(2) 생태계 개발 및 통합
(3) 데이터 보안 솔루션
(4) 저장소 관리
(5) 데이터 전송
(6) 엔드포인트용 소프트웨어
1-3-4. 데이터 패브릭 접근방식
(1) 지능형 데이터 통합
(2) 데이터 민주화
(3) 데이터 보안 역량 향상
(4) 신뢰할 수 있는 AI 제공
1-3-4. 데이터 패브릭의 빅데이터 활용
2. 데이터 페브릭 기술 동향
2-1. 데이터 가상화(Data Virtualization)
2-1-1. 데이터 가상화 개념
2-1-2. 데이터 가상화 소프트웨어
2-1-3. 데이터 가상화 특징 및 단점
2-2. 데이터의 카탈로그화(Data Catalog)
2-2-1. 데이터 카탈로그 개념
2-2-2. 데이터 카탈로그 특징
2-2-3. 머신러닝 기반 데이터 카탈로그
2-3. 데이터 메시(Data Mesh)와 데이터 패브릭의 상호 보완하기
2-3-1. 데이터 메시(data mesh) 개념 및 접근 방식
(1) 데이터 메시(data mesh) 개념
(2) 데이터 메시 접근 방식
2-3-2. 데이터 페브릭과 디지털 메시 주요 차이점
3. 데이터 페브릭 시장 전망 및 발전방향
3-1. 데이터 페브릭 시장 전망
3-2. 데이터 패브릭 발전방향
참고문헌
그림목차
[그림 1] IT를 기반으로한 사회 변천사
[그림 2] 데이터 아키텍처 개념도
[그림 3] 데이터 가치 평가
[그림 4] 데이터의 가치
[그림 5] 빅데이터 솔루션
[그림 6] 효과적인 데이터 관리
[그림 7] 데이터 권한 부여를 위한 플랫폼
[그림 8] 데이터 기반 접근 방식
[그림 9] 데이터 기반 비즈니스를 위한 최적의 아키텍처
[그림 10] 가트너(Gartner)의 정보 관리 성숙도 모델
[그림 11] 데이터 사일로와 그 영향
[그림 12] 데이터에 대한 신뢰를 강화하기 위한 데이터 거버넌스
[그림 13] 데이터 거버넌스 모델
[그림 14] 데이터거버넌스의 정의
[그림 15] 효과적인 데이터 거버넌스 전략
[그림 16] 데이터 거버넌스의 역할
[그림 17] 데이터 거버넌스 프레임워크
[그림 18] 데이터 거버넌스 목표
[그림 19] 데이터 기반 의사결정
[그림 20] 다양한 데이터 생태계
[그림 21] 빅데이터 특성
[그림 22] 빅데이터 볼륨
[그림 23] 빅데이터 3V
[그림 24] 빅데이터의 7V 특성
[그림 25] 소셜 미디어의 빅데이터 분석
[그림 26] 빅데이터 품질
[그림 27] 빅데이터 가치
[그림 28] 빅데이터 기술
[그림 29] 빅데이터 가치사슬
[그림 30] 빅데이터 기술
[그림 31] 빅데이터 분석
[그림 32] 딥데이터와 빅데이터
[그림 33] 데이터 과학
[그림 34] 데이터 프로세스
[그림 35] 딥데이터 프레임워크(DeepData Framework)
[그림 36] 마이데이터(MyData) 모델 및 역할
[그림 37] 새로운 데이터 활용 플랫폼
[그림 38] 데이터옵스의 혜택
[그림 39] 데이터옵스(DataOps) 개요
[그림 40] 데이터옵스(DataOps) 아키텍처
[그림 41] 데이터옵스(DataOps) 라이프사이클
[그림 42] 데이터 옵스를 사용한 통합 접근 방식
[그림 43] 머신러닝과 DataOps 사례
[그림 44] AIOps 접근 방식
[그림 45] AI옵스 플랫폼 시각화
[그림 46] 데이터 인프라
[그림 47] 마이크로소프트 애저(Microsoft Azure)의 데이터웨어하우스
[그림 48] 데이터웨어하우스(Data Warehouse)의 주요 특징
[그림 49] 데이터웨어하우스(Data Warehouse)
[그림 50] 데이터웨어하우스 아키텍처
[그림 51] 데이터웨어하우징 ETL 도구
[그림 52] 데이터웨어하우스 구현
[그림 53] Narwal의 클라우드 데이터 웨어하우징 접근 방식
[그림 54] 하이브리드 클라우드 데이터웨어하우스(Hybrid Cloud Data Warehouse)
[그림 55] 최신 데이터웨어하우스
[그림 56] 데이터 레이크의 개략도
[그림 57] 데이터 레이크 구조
[그림 58] 데이터 레이크 프레임워크(Data Lake Framework)
[그림 59] 다양한 데이터 소스
[그림 60] 데이터 레이크 세 가지 접근 방식
[그림 61] 데이터 레이크 아키텍처
[그림 62] 데이터 레이크 가치
[그림 63] 데이터웨어하우스 vs 데이터 레이크 vs 데이터 레이크하우스(Data Lakehouse)
[그림 64] 최신 데이터 웨어하우스와 데이터 레이크하우스 접근 방식 비교
[그림 65] 데이터 레이크하우스 개념
[그림 66] 데이터 레이크하우스 아키텍처
[그림 67] 데이터 레이크하우스의 데이터 흐름
[그림 68] 데이터 레이크하우스의 작동방식
[그림 69] 데이터 레이크하우스의 실시간 데이터 처리
[그림 70] 데이터의 진화
[그림 71] 데이터 관리의 진화
[그림 72] 데이터 유형
[그림 73] 데이터 수명 관리
[그림 74] 데이터 페브릭의 필요성
[그림 75] 데이터 페브릭(Data Fabric)의 주요 요소
[그림 76] 데이터 패브릭(Date fabric) 개념
[그림 77] 데이터 페브릭 정의
[그림 78] 데이터 패브릭 작동 방식
[그림 79] 데이터 페브릭 플랫폼
[그림 80] 데이터 패브릭의 이점
[그림 81] 데이터 패브릭 설계
[그림 82] 데이터 패브릭의 구성요소
[그림 83] 데이터 패브릭 데이터 관리 계층
[그림 84] 데이터 페브릭 활용
[그림 85] 데이터 패브릭 사용 사례
[그림 86] 데이터 페브릭(Data Fabric) 아키텍처의 핵심
[그림 87] 네트워크 토폴로지
[그림 88] 데이터 페브릭 구현 과정
[그림 89] 데이터 패브릭의 빅데이터 활용
[그림 90] 클라우드 데이터 스토리지 솔루션
[그림 91] 데이터 가상화를 이용한 논리적 DW
[그림 92] 데이터 가상화
[그림 93] 데이터 가상화 아키텍처
[그림 94] ETL 기반의 데이터 분석 및 관리 아키텍처 vs. 데이터 가상화 아키텍처
[그림 95] Without Data Catalog vs. With Dat Catalog
[그림 96] 데이터 스택을 위한 NextPhased의 현대적인 데이터 카탈로그 워크플로우
[그림 97] 데이터 카탈로그(Data Catalog)
[그림 98] 데이터 카탈로그 역할
[그림 99] 데이터 카탈로그 메타데이터
[그림 100] 데이터 메시
[그림 101] 데이머 메시 접근 방식
[그림 102] 데이터 페브릭 컴포넌트별 데이터 관리 시장 매핑
표 목차
[표 1] 빅데이터의 다양한 정의
[표 2] 정형·반정형·비정형 데이터 비교 및 빅데이터의 다양성
[표 3] 빅데이터 시각화
[표 4] 스크래핑과 표준API 방식의 차이점 및 마이데이터 생태계
[표 5] 데이터웨어하우스(Data Warehouse)의 특징
[표 6] 데이터웨어하우스의 구성요소
[표 7] 데이터웨어하우스와 데이터 레이크 비교
[표 8] 데이터 패브릭 도입으로 얻을 수 있는 이점
[표 9] 데이터웨어하우스, 데이터 레이크, 데이터 레이크하우스, 및 데이터 메시 비교
