[출처] by. 날신이
▶ 카카오톡 이메일 등록방법과 비밀번호 찾기(카톡 대화백업 전에 할일)
[출처]여유맘
[출처]시그니처
2023년 2월 8일 수요일
2013년 1월 19일 토요일
옛날 전화기들(Old telephone)
갑자기 오래전의 전화기가 생각났다.
전화기 명칭이 좌석식 전화기란다.
오른쪽에 보이는 손잡이를 잡고 돌려서 교환원에게 전화 연결이 되면
상대방의 전화번호를 불려주고 기다리면 된다.
그럼 교환원에게서 다시 전화가 온다.
그 후 교환원이 연결해주면 상대방과 통화를 시작하는 구조다.
(정확한 기억은 가물가물하다.)
위의 전화기는 80년대까지는 현역으로 뛰었다.
지금의 스마트(?)한 세상의 전화와는 너무 차이가 난다.
그 후 보편화 된 다이얼 식 전화기다.
수화기 들고 번호를 돌리면 또로록~ 소리를 내며 돌아가던 다이얼이다.
이미지 출처
2012년 1월 5일 목요일
[cowon]하드디스크타입 포터블 오디오 기기 iAudio M5 시리즈
코원에서 하드형으로 만든 2번째 작품으로 기억됩니다.(2005년 8월출시)
X5, X5L 시리즈의 하위 버전으로
흑백으로 출시된 하드형 MP3 입니다.
iAudio M5 시리즈도 M5, M5L 2가지 버전이 있으며 'L'이 붙은 제품이 재생시간이 더 길었습니다.
M5의 장점은 큰 용량이라고 불 수 있습니다. 당시의 제품으로선 MP3 중 큰 용량을 자랑했습니다. 하지만 하드형이기 때문에 안전성(?)이 플레시 메모리의 MP3보다는 약하다는 평가를 많이 받았습니다.(하드형의 단점이죠)
제가 좋아하는 기능 중 하나인 텍스트뷰어(Text Viewer)가 지원되었던 제품 중의 하나입니다.
제품사양은 ...
M5
파일지원
MPEG1/2/2.5 Layer 3, MWA, OGG, ASF, FLAC, WAV(11/22/44,16Bit, MONO/STEREO)
하드디스크
20GB
PC인터페이스
USB 2.0(MAX 480Mbps)
인식개수
폴더 1999 개 / 파일 1,0000 개
배터리
빌트인 Lithium lon Battery
전원
AC adapter DC 5.0V, 2A
연속재생시간
최대 14시간(당사 테스트 기준, LCD 이용시 재생시간이 감소될 수 있습니다.)
충전시간
AC 전원 어댑터 사용시 약 3시간
버튼
본체 : 5-way Jog(NAVI/MENU, VOL+, VOL-, REW, FF) PLAY, REC, POWER & HOLD Switch
리모콘 : PLAY/PAUSE, FF, REW, MENU, VOL+, VOL-, MODE, REC
표시
160 x 128 Pixel 4Gray LCD
SNR
95dB
출력
16 Ohm 이어폰 : 20mW + 20mW
출력 주파수
20Hz ~ 20KHz
크기
본체 103.7 mm x 60.8 mm x 14.3 mm ( 높이 x 폭 x 두께, 액정부외)
리모콘 33.2mm x 58.6mm x 14.4mm (높이 x 폭 x 두께, 클립두께는 제외)
무게
145g (내장 리튬이온 전지 포함)
나머지 사양은 기존 iAUDIO M5와 동일합니다.
M5L
연속재생시간
최대 35시간(당사 테스트 기준, LCD 이용시 재생시간이 감소될 수 있습니다.)
충전시간
AC 전원 어댑터 사용시 약 6시간
크기
103.7 mm x 60.8 mm x 18.3 mm ( 높이 x 폭 x 두께, 액정부외)
무게
180g (내장 리튬이온 전지 포함)
2011년 12월 19일 월요일
[모토로라] - 아트릭스[Atrix]
* 모토로라 아트릭스!!
SKT 와 KT에 출시된 아트릭스는 스마트폰 + 알파(a)를 보여주는 제품이다.
멀티미디어독, 차량용 독, 랩독 등을 부가제품으로 발매하였다.
처음 구입 때 진저브레드로 되어 있는 제품을 받았기 때문에
이용상에 큰 문제점은 없었다.
하지만 테그라2 칩의 단점인 동영상 재상부분에서는 단점이 있다.
(테그라 3에서는 동영상 재생 부분이 많이 개선 되었다고 한다.)
그리고 사진 촬영시 색감이 약간은 푸른 빛으로 나오는 부분이 단점이다.
그 외의 부분은 사용하기 무난한 제품이라는게 개인 적인 생각이다.
2011년 4월 국내에 출시되었으며, 제품 정보는 아래와 같다.
AP
nVidia 테그라2 1Ghz 듀얼코어
OS
진저브레드 2.3.x (2011.12월 현재 진저브레드임)
Memory
DDR2 1GB RAM
Internal Memory
16GB 내장 메모리
External Memory
마이크로 SD 최대 32GB 확장 가능
화면크기
4.0인치 qHD(Quarter High Definition) LCD 정전식 터치, 고릴라 글래스
해상도
960 * 540
카메라
500만 화소 AF/LED 플래시/전면 30만 화소
무게
135g
색상
블랙 색상
네트웍
802.11 b/g/n
동영상
촬영 720p 30fps / 재생 1080p 30fps
밧데리(Battery)
1930 mAh
등으로 구성되어 있다.
이미지는 아래에서 참조
http://www.tworld.co.kr/normal.do?serviceId=S_PHOW0010&viewId=V_PHOW2003&productId=MTWT&modelNo=MB860
SKT 와 KT에 출시된 아트릭스는 스마트폰 + 알파(a)를 보여주는 제품이다.
멀티미디어독, 차량용 독, 랩독 등을 부가제품으로 발매하였다.
처음 구입 때 진저브레드로 되어 있는 제품을 받았기 때문에
이용상에 큰 문제점은 없었다.
하지만 테그라2 칩의 단점인 동영상 재상부분에서는 단점이 있다.
(테그라 3에서는 동영상 재생 부분이 많이 개선 되었다고 한다.)
그리고 사진 촬영시 색감이 약간은 푸른 빛으로 나오는 부분이 단점이다.
그 외의 부분은 사용하기 무난한 제품이라는게 개인 적인 생각이다.
2011년 4월 국내에 출시되었으며, 제품 정보는 아래와 같다.
AP
nVidia 테그라2 1Ghz 듀얼코어
OS
진저브레드 2.3.x (2011.12월 현재 진저브레드임)
Memory
DDR2 1GB RAM
Internal Memory
16GB 내장 메모리
External Memory
마이크로 SD 최대 32GB 확장 가능
화면크기
4.0인치 qHD(Quarter High Definition) LCD 정전식 터치, 고릴라 글래스
해상도
960 * 540
카메라
500만 화소 AF/LED 플래시/전면 30만 화소
무게
135g
색상
블랙 색상
네트웍
802.11 b/g/n
동영상
촬영 720p 30fps / 재생 1080p 30fps
밧데리(Battery)
1930 mAh
등으로 구성되어 있다.
이미지는 아래에서 참조
http://www.tworld.co.kr/normal.do?serviceId=S_PHOW0010&viewId=V_PHOW2003&productId=MTWT&modelNo=MB860
2011년 1월 3일 월요일
“활력소 ‘α’도전… 감성을 깨워라”
** 자신이 원하는 일을 하라
스트레스는 원하지 않는 일을 했을 때 발생한다.
단순노동을 통해 땀을 흘려라
집안 청소나 사회봉사 활동을 통해 배출되는 땀은 스트레스 해소에 도움이 된다.
비만, 변비 등 신체의 문제를 해결하라.
스트레스는 심리적 문제지만 신체적 질병으로 나타나 또 다른 스트레스가 된다.
버리는 습관을 길러라
스트레스는 부족한 부분을 채우려는 욕심의 결과물이다.
** 행복의 기대치를 낮춰라
성공과 행복의 기준을 외부의 평가보다 자신 안에서 찾도록 노력해야 한다,
일상생활에 운동을 접목시켜라
약속장소에 갈 때 걷거나, 서류를 볼 때 사무실을 서성거리는 것도 운동이다.
나이 어린 친구를 만들기 위해 노력하라
자식을 친구처럼 대하거나, 젊은이들과 어울리다 보면 초심을 유지할 수 있다.
2주에 한 번씩 행복했던 일을 3씩 정리하라
행복한 순간을 생각하는 것 자체만으로도 스트레스를 줄일 수 있다.
참조사이트 : 링크
스트레스는 원하지 않는 일을 했을 때 발생한다.
단순노동을 통해 땀을 흘려라
집안 청소나 사회봉사 활동을 통해 배출되는 땀은 스트레스 해소에 도움이 된다.
비만, 변비 등 신체의 문제를 해결하라.
스트레스는 심리적 문제지만 신체적 질병으로 나타나 또 다른 스트레스가 된다.
버리는 습관을 길러라
스트레스는 부족한 부분을 채우려는 욕심의 결과물이다.
** 행복의 기대치를 낮춰라
성공과 행복의 기준을 외부의 평가보다 자신 안에서 찾도록 노력해야 한다,
일상생활에 운동을 접목시켜라
약속장소에 갈 때 걷거나, 서류를 볼 때 사무실을 서성거리는 것도 운동이다.
나이 어린 친구를 만들기 위해 노력하라
자식을 친구처럼 대하거나, 젊은이들과 어울리다 보면 초심을 유지할 수 있다.
2주에 한 번씩 행복했던 일을 3씩 정리하라
행복한 순간을 생각하는 것 자체만으로도 스트레스를 줄일 수 있다.
참조사이트 : 링크
2010년 10월 3일 일요일
빨래하실 때, 소금을 넣어보세요
- 진한 색의 옷을 더욱 진하게
소금은 색깔이 빠지는 것을 억제하는 작용을 한다.
그래서 물이 빠질 염려가 있는 진한 색의 옷은
소금물에 30분 정도 담가두었다가 빨면 좋다.
물 한 대야에 한줌 정도의 소금을 넣고, 소금이 녹기를
기다렸다가 빨랫감을 담근다. 특히 빨간색과 검은색의 옷에 효과가 크다.
견직물이나 모직물은 중성세제를 물 1ℓ에 2g의 비율로 섞어 풀고
식초 한 큰 술을 넣은 다음 빨면 탈색을 막을 수 있다.
- 부글거리는 거품을 소금으로 가라앉힌다.
세탁물의 종류와 양에 따라 알맞은 양의 세제를 넣는 것은 세탁의 기본.
그러나 자칫 세제를 너무 많이 넣으면 거품이 부글부글 위로 솟아오를 수 있다.
이렇게 되면 시간과 전기를 낭비할 뿐만 아니라 세탁도 깨끗이 되지 않는다.
이때 세탁기 안에 소금을 약간 집어 넣으면 부글거리던 거품도 단숨에 가라앉고
때도 깨끗이 제거된다.
- 소금은 소독과 표백효과도 키워준다.누렇게 변한 의류엔 소금을 표백제로 -
오래된 면티나 내의는 삶아도 누런채로 있는 경우가 많다.
이럴때 소금을 1-2스푼 넣고 삶으면 속옷이 하얗게 된다.면으로 된 속옷이나 양말 등은
아무래도 삶아야 개운하다.할 때는 귀찮아도 갤 때나 입을 때의 그 까끌까끌한 느낌이란
꼭 꼬들꼬들한 맛있는 음식을 씹을때의 그 맛이다.빨래를 삶는 이유는 소독과 표백효과에 있다.
이때 더욱 효과적인 표백을 원한다면 소금을 넣고 삶는다.
이렇게 하면 섬유도 상하지 않는다. 물 1ℓ에 소금 한 큰 술 정도 넣고
세탁물을 넣어 20~30분 정도 삶으면 된다.
- 심하게 찌든 때
물에 소금을 넣고 푹 삶는다.
이렇게 해서 빨면 옷이 희어져 산뜻하다.
- 조화를 세척하려면
조화를 잘못 세척하면 변색되거나 흠집이 생기기 십상.
그러나 비닐봉지에 소금 한 줌을 넣은 다음 조화를 넣고
잘 흔들어 주면 조화에 있는 먼지가 소금에 묻어나 새 것처럼 깨끗해진다.
그런 다음 물로 헹구어주면 된다.
- 물이 빠지는 옷을 세탁할 때
소금은 색깔이 빠지는 것을 막는 작용을 하므로
물 빠질 염려가 있는 옷은 소금에 30분정도 담가 두었다가 빤다.
물 한 양동이에 한 줌의 소금을 넣어 30분 경과하면 색이 빠지지 않게 되는데
특히 빨간색과 검정색은 매우 효과적이다.
견직물이나 모직물은 중성세제를 물 1리터에 2g의 비율로
섞어 풀고 식초 1큰술을 넣으면 물이 빠지는 것을 막을 수 있다.
- 소금으로 청바지 물을
청바지의 물을 예쁘게 뺀다.오래 입은 청바지의
색깔을 바꿀때는 소금물이 좋다.소금과 물을 1대 10의
비율로 섞은 다음 청바지를 20-30분정도 삶아 세탁하면 물이 곱게 빠진다
참고사이트 빨래하실 때, 소금을 넣어보세요
소금은 색깔이 빠지는 것을 억제하는 작용을 한다.
그래서 물이 빠질 염려가 있는 진한 색의 옷은
소금물에 30분 정도 담가두었다가 빨면 좋다.
물 한 대야에 한줌 정도의 소금을 넣고, 소금이 녹기를
기다렸다가 빨랫감을 담근다. 특히 빨간색과 검은색의 옷에 효과가 크다.
견직물이나 모직물은 중성세제를 물 1ℓ에 2g의 비율로 섞어 풀고
식초 한 큰 술을 넣은 다음 빨면 탈색을 막을 수 있다.
- 부글거리는 거품을 소금으로 가라앉힌다.
세탁물의 종류와 양에 따라 알맞은 양의 세제를 넣는 것은 세탁의 기본.
그러나 자칫 세제를 너무 많이 넣으면 거품이 부글부글 위로 솟아오를 수 있다.
이렇게 되면 시간과 전기를 낭비할 뿐만 아니라 세탁도 깨끗이 되지 않는다.
이때 세탁기 안에 소금을 약간 집어 넣으면 부글거리던 거품도 단숨에 가라앉고
때도 깨끗이 제거된다.
- 소금은 소독과 표백효과도 키워준다.누렇게 변한 의류엔 소금을 표백제로 -
오래된 면티나 내의는 삶아도 누런채로 있는 경우가 많다.
이럴때 소금을 1-2스푼 넣고 삶으면 속옷이 하얗게 된다.면으로 된 속옷이나 양말 등은
아무래도 삶아야 개운하다.할 때는 귀찮아도 갤 때나 입을 때의 그 까끌까끌한 느낌이란
꼭 꼬들꼬들한 맛있는 음식을 씹을때의 그 맛이다.빨래를 삶는 이유는 소독과 표백효과에 있다.
이때 더욱 효과적인 표백을 원한다면 소금을 넣고 삶는다.
이렇게 하면 섬유도 상하지 않는다. 물 1ℓ에 소금 한 큰 술 정도 넣고
세탁물을 넣어 20~30분 정도 삶으면 된다.
- 심하게 찌든 때
물에 소금을 넣고 푹 삶는다.
이렇게 해서 빨면 옷이 희어져 산뜻하다.
- 조화를 세척하려면
조화를 잘못 세척하면 변색되거나 흠집이 생기기 십상.
그러나 비닐봉지에 소금 한 줌을 넣은 다음 조화를 넣고
잘 흔들어 주면 조화에 있는 먼지가 소금에 묻어나 새 것처럼 깨끗해진다.
그런 다음 물로 헹구어주면 된다.
- 물이 빠지는 옷을 세탁할 때
소금은 색깔이 빠지는 것을 막는 작용을 하므로
물 빠질 염려가 있는 옷은 소금에 30분정도 담가 두었다가 빤다.
물 한 양동이에 한 줌의 소금을 넣어 30분 경과하면 색이 빠지지 않게 되는데
특히 빨간색과 검정색은 매우 효과적이다.
견직물이나 모직물은 중성세제를 물 1리터에 2g의 비율로
섞어 풀고 식초 1큰술을 넣으면 물이 빠지는 것을 막을 수 있다.
- 소금으로 청바지 물을
청바지의 물을 예쁘게 뺀다.오래 입은 청바지의
색깔을 바꿀때는 소금물이 좋다.소금과 물을 1대 10의
비율로 섞은 다음 청바지를 20-30분정도 삶아 세탁하면 물이 곱게 빠진다
참고사이트 빨래하실 때, 소금을 넣어보세요
2010년 7월 28일 수요일
세상에서 가장 얇은 CDP iMP-550
나의 첫번째 MP3P iMP-550
음악재생 : MPEG 1/2/2.5 Layer 3, WMA, ASF, Ogg
대응비트 : 8Kbps ~ 320Kbps
전원 : Ni-MH(니켈 수소) 스틱형 충전지 2개
디스플레이 : 본체 액정 없음, 리모콘 4line Graphic LCD
연속재생시간 : MP3: 20시간, Audio CD: 10시간 (기본설정, MP3는 128K) / MP3: 55시간, Audio CD: 24시간 (기본설정, MP3는 128K, 외장배터리팩 포함)
다이렉트인코딩 : X
ID태그정보 : ID3 V1 Tag, ID3 V2 2.0, ID3 V2 3.0
이미지 : X
텍스트 : X
DMB : X
헤드폰최대출력 : 12mW(R)＋12mW(L) (16 Ohm) at Max. Volume
S/N비 : CD-DA: 90dB, MP3 CD: 90dB; A weighted
이퀄라이저 : 8 Preset EQ(Normal, POP, Rock, Jazz, Dance, Classic, Metal, U Bass) & 1 User EQ
FM레코딩 : X
보이스레코딩 : X
인터페이스 : X
사용가능온도 : 0℃ ~ 40℃
크기 : 130.5 X 140 X 13.5(H)mm
무게 : 145g (배터리 제외)
동작환경 : 윈도우즈 2000/XP, 펜티엄 300Mhz 이상, CD-ROM드라이브, USB인터페이스 필요
참조 사이트 : 아이리버
* 당시로서는 파격적인 디자인과 장시간 사용가능한 mp3p
대부분의 플레쉬 메모리 mp3의 용량이 128MB 또는 256MB인 시절 700MB의 CD에 저장할 수 있어 많은 인기를 누렸다.
음악재생 : MPEG 1/2/2.5 Layer 3, WMA, ASF, Ogg
대응비트 : 8Kbps ~ 320Kbps
전원 : Ni-MH(니켈 수소) 스틱형 충전지 2개
디스플레이 : 본체 액정 없음, 리모콘 4line Graphic LCD
연속재생시간 : MP3: 20시간, Audio CD: 10시간 (기본설정, MP3는 128K) / MP3: 55시간, Audio CD: 24시간 (기본설정, MP3는 128K, 외장배터리팩 포함)
다이렉트인코딩 : X
ID태그정보 : ID3 V1 Tag, ID3 V2 2.0, ID3 V2 3.0
이미지 : X
텍스트 : X
DMB : X
헤드폰최대출력 : 12mW(R)＋12mW(L) (16 Ohm) at Max. Volume
S/N비 : CD-DA: 90dB, MP3 CD: 90dB; A weighted
이퀄라이저 : 8 Preset EQ(Normal, POP, Rock, Jazz, Dance, Classic, Metal, U Bass) & 1 User EQ
FM레코딩 : X
보이스레코딩 : X
인터페이스 : X
사용가능온도 : 0℃ ~ 40℃
크기 : 130.5 X 140 X 13.5(H)mm
무게 : 145g (배터리 제외)
동작환경 : 윈도우즈 2000/XP, 펜티엄 300Mhz 이상, CD-ROM드라이브, USB인터페이스 필요
참조 사이트 : 아이리버
* 당시로서는 파격적인 디자인과 장시간 사용가능한 mp3p
대부분의 플레쉬 메모리 mp3의 용량이 128MB 또는 256MB인 시절 700MB의 CD에 저장할 수 있어 많은 인기를 누렸다.
하드디스크타입 포터블 오디오 기기 iRiver H100 시리즈
H100
하드디스크타입 포터블 오디오 기기
음악재생 : MPEG 1/2/2.5 Layer 3, WMA, ASF, OGG
대응비트 : MP3: 32Kbps ~ 320Kbps
전원 : 내장형 리튬폴리머 배터리
디스플레이 : 160*128 Graphic LCD
연속재생시간 : 최대 약 16시간 (기본설정, MP3 128K)
다이렉트인코딩 : O
ID태그정보 : ID3 V1 Tag, ID3 V2 2.0, ID3 V2 3.0
이미지 : X
텍스트 : XT
DMB : X
헤드폰최대출력 : 좌 20mW ＋ 우 20mW : (16Ω) 볼륨 최대
S/N비 : 90dB(MP3)
이퀄라이저 : 5 Preset EQ(Normal, Rock, Jazz, Classic, Ultra Bass) & 1 User EQ
FM레코딩 : X
보이스레코딩 : O
인터페이스 : USB 2.0
사용가능온도 : 0℃ ~ +40℃
크기 : iHP-110, 115, 120: 105 x 60 x 19 (mm) iHP-140 : 105 x 60 x 22 (mm)
무게 : iHP-120 : 160g iHP-140 : 172g
동작환경 : Windows 98se/Me/2000/XP, 펜티엄 300Mhz 이상, CD-ROM드라이브, USB인터페이스 필요
참조 사이트 : 아이리버
* 나름 아이리버가 잘나가던 시기에 만들어진 제품이다.
하드타입의 시리즈로서 120, 140 등이 있었다. 용량은 20GB, 40GB로 출시 되었다.
* 화면의 1.8인치타입으로 되어있으며, 단지 그래이 색상의 단순 색상이다.
현재와 같은 컬러타입은 상상하기 힘던 시기였다.
하지만, 대용량으로 ipot, ipot 하드형이 잘 알려지지 않았을 때 출시되었는 제품으로 기억된다.
하드디스크타입 포터블 오디오 기기
음악재생 : MPEG 1/2/2.5 Layer 3, WMA, ASF, OGG
대응비트 : MP3: 32Kbps ~ 320Kbps
전원 : 내장형 리튬폴리머 배터리
디스플레이 : 160*128 Graphic LCD
연속재생시간 : 최대 약 16시간 (기본설정, MP3 128K)
다이렉트인코딩 : O
ID태그정보 : ID3 V1 Tag, ID3 V2 2.0, ID3 V2 3.0
이미지 : X
텍스트 : XT
DMB : X
헤드폰최대출력 : 좌 20mW ＋ 우 20mW : (16Ω) 볼륨 최대
S/N비 : 90dB(MP3)
이퀄라이저 : 5 Preset EQ(Normal, Rock, Jazz, Classic, Ultra Bass) & 1 User EQ
FM레코딩 : X
보이스레코딩 : O
인터페이스 : USB 2.0
사용가능온도 : 0℃ ~ +40℃
크기 : iHP-110, 115, 120: 105 x 60 x 19 (mm) iHP-140 : 105 x 60 x 22 (mm)
무게 : iHP-120 : 160g iHP-140 : 172g
동작환경 : Windows 98se/Me/2000/XP, 펜티엄 300Mhz 이상, CD-ROM드라이브, USB인터페이스 필요
참조 사이트 : 아이리버
* 나름 아이리버가 잘나가던 시기에 만들어진 제품이다.
하드타입의 시리즈로서 120, 140 등이 있었다. 용량은 20GB, 40GB로 출시 되었다.
* 화면의 1.8인치타입으로 되어있으며, 단지 그래이 색상의 단순 색상이다.
현재와 같은 컬러타입은 상상하기 힘던 시기였다.
하지만, 대용량으로 ipot, ipot 하드형이 잘 알려지지 않았을 때 출시되었는 제품으로 기억된다.
죽을 때 후회하는 스물다섯 가지 - 1000명의 죽음을 지켜본 호스피스 전문의가 말하는
프롤로그-죽음을 앞에 두고
첫 번째 후회, 사랑하는 사람에게 고맙다는 말을 많이 했더라면
두 번째 후회, 진짜 하고 싶은 일을 했더라면
세 번째 후회, 조금만 더 겸손했더라면
네 번째 후회, 친절을 베풀었더라면
다섯 번째 후회, 나쁜 짓을 하지 않았더라면
여섯 번째 후회, 꿈을 꾸고 그 꿈을 이루려고 노력했더라면
일곱 번째 후회, 감정에 휘둘리지 않았더라면
여덟 번째 후회, 만나고 싶은 사람을 만났더라면
아홉 번째 후회, 기억에 남는 연애를 했더라면
열 번째 후회, 죽도록 일만 하지 않았더라면
열한 번째 후회, 가고 싶은 곳으로 여행을 떠났더라면
열두 번째 후회, 고향을 찾아가보았더라면
열세 번째 후회, 맛있는 음식을 많이 맛보았더라면
열네 번째 후회, 결혼했더라면
열다섯 번째 후회, 자식이 있었더라면
열여섯 번째 후회, 자식을 혼인시켰더라면
열일곱 번째 후회, 유산을 미리 염두에 두었더라면
열여덟 번째 후회, 내 장례식을 생각했더라면
열아홉 번째 후회, 내가 살아온 증거를 남겨두었더라면
스무 번째 후회, 삶과 죽음의 의미를 진지하게 생각했더라면
스물두 번째 후회, 건강을 소중히 여겼더라면
스물세 번째 후회, 좀 더 일찍 담배를 끊었더라면
스물네 번째 후회, 건강할 때 마지막 의사를 밝혔더라면
스물다섯 번째 후회, 치료의 의미를 진지하게 생각했더라면
첫 번째 후회, 사랑하는 사람에게 고맙다는 말을 많이 했더라면
두 번째 후회, 진짜 하고 싶은 일을 했더라면
세 번째 후회, 조금만 더 겸손했더라면
네 번째 후회, 친절을 베풀었더라면
다섯 번째 후회, 나쁜 짓을 하지 않았더라면
여섯 번째 후회, 꿈을 꾸고 그 꿈을 이루려고 노력했더라면
일곱 번째 후회, 감정에 휘둘리지 않았더라면
여덟 번째 후회, 만나고 싶은 사람을 만났더라면
아홉 번째 후회, 기억에 남는 연애를 했더라면
열 번째 후회, 죽도록 일만 하지 않았더라면
열한 번째 후회, 가고 싶은 곳으로 여행을 떠났더라면
열두 번째 후회, 고향을 찾아가보았더라면
열세 번째 후회, 맛있는 음식을 많이 맛보았더라면
열네 번째 후회, 결혼했더라면
열다섯 번째 후회, 자식이 있었더라면
열여섯 번째 후회, 자식을 혼인시켰더라면
열일곱 번째 후회, 유산을 미리 염두에 두었더라면
열여덟 번째 후회, 내 장례식을 생각했더라면
열아홉 번째 후회, 내가 살아온 증거를 남겨두었더라면
스무 번째 후회, 삶과 죽음의 의미를 진지하게 생각했더라면
스물두 번째 후회, 건강을 소중히 여겼더라면
스물세 번째 후회, 좀 더 일찍 담배를 끊었더라면
스물네 번째 후회, 건강할 때 마지막 의사를 밝혔더라면
스물다섯 번째 후회, 치료의 의미를 진지하게 생각했더라면
<죽기 전에 꼭 해야 할 88가지>
댄 펜웰의 책 <죽기 전에 꼭 해야 할 88가지>
- 나는 지금까지 왜 못하고 살았을까(부제)
죽기 전에 해야 할 88가지
1. 토요일 오후를 도서관에서 보내라
2. 매일 8잔의 물을 마셔라
3. 오래된 사진들을 정리하라
4. 한달에 한번 새로운 요리를 시도해 보라
5. 매달 한 권 이상의 책을 읽어라
6. 혼자 영화를 보러 가라
7. 시사 주간지를 구독하라
8. 당신의 고등학교를 다시 방문해 보라
9. 헌책방에서 한나절을 보내라
10. 옷장을 정리해 안 입는 옷을 기증하라
12. 댄스 강좌에 등록하라
12. 인생에서 가장 중요한 100가지 사건을 목록으로 작성하라
13. 학창 시절 친구들에게 전화하라
14. 정보의 바다를 헤엄쳐라
15. 당신의 정신적인 측면과 끊임없이 대화를 나눠라
16. 이웃을 위해 과자를 구워라
17. 개인 타임캡슐을 만들어라
18. 당신의 의견을 신문에 투고하라
19. 간단한 일지나 일기를 써라
20. 국회의원들과 당신의 의견을 나누어라
21. 목표를 정해 체중을 감량하라
22. 촛불 밝힌 저녁 식사로 배우자를 놀라게 하라
23. 당신의 가계(家系)를 추적해 보라
24. 집안의 서류들을 체계적으로 정리하라
25. 매달 수입의 5%를 저축하고, 그것을 투자하라
26. 일 주일 동안 TV를 꺼라
27. 지갑에 항상 백 달러(우리 돈 십만원 정도)를 넣어 다녀라
28. 롤러 블레이드 타는 법을 배워라
29. 비디오를 빌려 배우자와 함께 보라
30. 자원봉사 활동에 참여하라
31. 당신 생의 마지막 해에 관해 간략한 글을 써라
32. 수확의 기쁨을 즐겨라
33. 매일 새로운 단어를 하나씩 습득하라
34. 자신의 장점과 단점을 나열해 보라
35. 삶을 단순화시켜라
36. 신용카드 하나를 완전히 갚아라
37. 성공 강좌에 등록하라
38. 자신의 책을 써라
39. 연주회 티켓을 네 장 구입하라
40. 단지 '사랑한다'는 말을 전하기 위해 꽃을 보내라
41. 열기구를 타라
42. 단축 마라톤에 도전하라
43. 혼자만의 조용한 시간을 갖기 위해 아침에 일찍 일어나 보라
44. 건강 검진을 받아라
45. 사랑하는 이와 바닷가 모래사장을 맨발로 걸어라
46. 날마다 하나씩 진심어린 칭찬을 하라
47. 삶의 질을 높여줄 새로운 취미를 만들어라
48. 좋은 목적을 위해 기금 모집에 자원하라
49. 그대가 받은 온갖 축복들이 목록을 적어 보라
50. 황금률을 당신의 인생철학으로 삼아라
51. 한 가지 멋진 마술을 배워라
52. 이메일을 활용해 사랑하는 사람들에게 마음을 전하라
53. <아낌없이 주는 나무>를 한 권 사라
54. 이번 해에는 나쁜 습관을 하나 고쳐라
55. 장기 기증 서약서를 써라
56. 고마운 분들에게 감사 카드를 보내라
57. 당신의 공포를 극복하라
58. 동료들을 위해 피자를 주문하라
59. 해묵은 원한을 풀어 버려라
60. 매달, 배우자에게 "사랑해요"라고 쓴 카드를 보내라
61. 최고급 레스토랑에서 식사하라
62. 생명보험에 가입하라
63. 관심 있던 분야의 강좌에 등록하라
64. 유언장을 써라
65. 카메라를 가지고 다녀라
66. 당신이 사는 지역의 역사적인 장소를 방문하라
67. 자녀들에게 사랑의 쪽지를 보내라
68. 당신의 고향을 방문하라
69. 국가와 민족을 위해 기도하라
70. 사랑하는 이와 직소 퍼즐을 하라
71. 화내지 않고 온전히 하루를 보내라
72. 21세기 스크랩북을 만들어라
73. 다트판을 사서 시합을 하라
74. 동료들에게 점심을 한턱 내라
75. 생일의 진정한 의미를 새겨 보라
76. 스포츠 경기를 관람하라
77. 당신의 자녀를 위해 한 그루의 나무를 심어라
78. 혼자 여행을 떠나라
79. 박물관이나 수족관, 동물원을 방문하라
80. 외국어를 배워라
81. 헌혈을 하라
82. 꿈 같은 휴가계획을 세워라
83. 하루 동안 금식하라
84. 맛있는 아이스크림을 한 통 다 먹어라
85. 날마다 무언가 새로운 것을 배우겠다고 결심하라
86. 공공 도서관을 위해 책을 한 권 사라
87. 악기를 하나 배워라
88. 참신한 유머집을 한 권 사서 몇 가지 외워 두라
- 나는 지금까지 왜 못하고 살았을까(부제)
죽기 전에 해야 할 88가지
1. 토요일 오후를 도서관에서 보내라
2. 매일 8잔의 물을 마셔라
3. 오래된 사진들을 정리하라
4. 한달에 한번 새로운 요리를 시도해 보라
5. 매달 한 권 이상의 책을 읽어라
6. 혼자 영화를 보러 가라
7. 시사 주간지를 구독하라
8. 당신의 고등학교를 다시 방문해 보라
9. 헌책방에서 한나절을 보내라
10. 옷장을 정리해 안 입는 옷을 기증하라
12. 댄스 강좌에 등록하라
12. 인생에서 가장 중요한 100가지 사건을 목록으로 작성하라
13. 학창 시절 친구들에게 전화하라
14. 정보의 바다를 헤엄쳐라
15. 당신의 정신적인 측면과 끊임없이 대화를 나눠라
16. 이웃을 위해 과자를 구워라
17. 개인 타임캡슐을 만들어라
18. 당신의 의견을 신문에 투고하라
19. 간단한 일지나 일기를 써라
20. 국회의원들과 당신의 의견을 나누어라
21. 목표를 정해 체중을 감량하라
22. 촛불 밝힌 저녁 식사로 배우자를 놀라게 하라
23. 당신의 가계(家系)를 추적해 보라
24. 집안의 서류들을 체계적으로 정리하라
25. 매달 수입의 5%를 저축하고, 그것을 투자하라
26. 일 주일 동안 TV를 꺼라
27. 지갑에 항상 백 달러(우리 돈 십만원 정도)를 넣어 다녀라
28. 롤러 블레이드 타는 법을 배워라
29. 비디오를 빌려 배우자와 함께 보라
30. 자원봉사 활동에 참여하라
31. 당신 생의 마지막 해에 관해 간략한 글을 써라
32. 수확의 기쁨을 즐겨라
33. 매일 새로운 단어를 하나씩 습득하라
34. 자신의 장점과 단점을 나열해 보라
35. 삶을 단순화시켜라
36. 신용카드 하나를 완전히 갚아라
37. 성공 강좌에 등록하라
38. 자신의 책을 써라
39. 연주회 티켓을 네 장 구입하라
40. 단지 '사랑한다'는 말을 전하기 위해 꽃을 보내라
41. 열기구를 타라
42. 단축 마라톤에 도전하라
43. 혼자만의 조용한 시간을 갖기 위해 아침에 일찍 일어나 보라
44. 건강 검진을 받아라
45. 사랑하는 이와 바닷가 모래사장을 맨발로 걸어라
46. 날마다 하나씩 진심어린 칭찬을 하라
47. 삶의 질을 높여줄 새로운 취미를 만들어라
48. 좋은 목적을 위해 기금 모집에 자원하라
49. 그대가 받은 온갖 축복들이 목록을 적어 보라
50. 황금률을 당신의 인생철학으로 삼아라
51. 한 가지 멋진 마술을 배워라
52. 이메일을 활용해 사랑하는 사람들에게 마음을 전하라
53. <아낌없이 주는 나무>를 한 권 사라
54. 이번 해에는 나쁜 습관을 하나 고쳐라
55. 장기 기증 서약서를 써라
56. 고마운 분들에게 감사 카드를 보내라
57. 당신의 공포를 극복하라
58. 동료들을 위해 피자를 주문하라
59. 해묵은 원한을 풀어 버려라
60. 매달, 배우자에게 "사랑해요"라고 쓴 카드를 보내라
61. 최고급 레스토랑에서 식사하라
62. 생명보험에 가입하라
63. 관심 있던 분야의 강좌에 등록하라
64. 유언장을 써라
65. 카메라를 가지고 다녀라
66. 당신이 사는 지역의 역사적인 장소를 방문하라
67. 자녀들에게 사랑의 쪽지를 보내라
68. 당신의 고향을 방문하라
69. 국가와 민족을 위해 기도하라
70. 사랑하는 이와 직소 퍼즐을 하라
71. 화내지 않고 온전히 하루를 보내라
72. 21세기 스크랩북을 만들어라
73. 다트판을 사서 시합을 하라
74. 동료들에게 점심을 한턱 내라
75. 생일의 진정한 의미를 새겨 보라
76. 스포츠 경기를 관람하라
77. 당신의 자녀를 위해 한 그루의 나무를 심어라
78. 혼자 여행을 떠나라
79. 박물관이나 수족관, 동물원을 방문하라
80. 외국어를 배워라
81. 헌혈을 하라
82. 꿈 같은 휴가계획을 세워라
83. 하루 동안 금식하라
84. 맛있는 아이스크림을 한 통 다 먹어라
85. 날마다 무언가 새로운 것을 배우겠다고 결심하라
86. 공공 도서관을 위해 책을 한 권 사라
87. 악기를 하나 배워라
88. 참신한 유머집을 한 권 사서 몇 가지 외워 두라
2009년 6월 10일 수요일
와인빛깔의 유혹 iriver imp-400
아이리버 iMP-400
감각적인 디자인과 유행을 주도한 슬림 MP3CDPlayer
CDP의 고정관념을 깨뜨리는 감각적인 디자인으로 21세기 유행을 주도할 크롬스타일의 걸작품입니다. 8개월에 걸친 완성된 한치의 오차도 허용하지 않은 완벽한 기구설계와 조형적 아름다움까지 갖춘 CDP의 걸작품 입니다.
스펙(SPEC)
음악재생 MPEG 1/2/2.5 Layer 3, WMA, ASF, Ogg
대응비트 8Kbps ~ 320Kbps
전원 Ni-MH(니켈 수소) 스틱형 충전지 2개
디스플레이 본체 액정 없음, 리모콘 4line Graphic LCD
연속재생시간 MP3: 10시간, Audio CD: 5시간 (기본설정, MP3는 128K) / MP3: 23시간,
Audio CD: 11시간 (기본설정, MP3는 128K, 외장배터리팩 포함)
다이렉트인코딩 X
ID태그정보 ID3 V1 Tag, ID3 V2 2.0, ID3 V2 3.0
이미지 X
텍스트 X
DMB X
헤드폰최대출력 12mW(R)＋12mW(L) (16 Ohm) at Max. Volume
S/N비 CD-DA: 90dB, MP3 CD: 90dB; A weighted
이퀄라이저 8 Preset EQ(Normal, POP, Rock, Jazz, Dance, Classic, Metal, U Bass)
& 1 User EQ
FM레코딩 X
보이스레코딩 X
인터페이스
사용가능온도 0℃ ~ 40℃
크기 130.5 x 140 x 16.7 (mm)
무게 193g (배터리 제외)
동작환경 윈도우즈 2000/XP
펜티엄 300Mhz 이상, CD-ROM드라이브, USB인터페이스 필요
여기까지는 아이리버 홈페이지(아이리버 iMP-400
)에서 찾은 내용이다.
아마 2002년 당시 출시되었을때, 아이리버 슬림X imp-400은 획기적인 상품이었다.
대용량은 700메가바이트의 시디를 인식하고, 약 170여곡의 mp3파일을 담을 수 있었다.
(그 당시는 대부분 mp3파일의 비트레이트는 128Kbps였다.)
심플한 디자인, 3줄의 리모트컨트롤...^^&
감각적인 디자인과 유행을 주도한 슬림 MP3CDPlayer
CDP의 고정관념을 깨뜨리는 감각적인 디자인으로 21세기 유행을 주도할 크롬스타일의 걸작품입니다. 8개월에 걸친 완성된 한치의 오차도 허용하지 않은 완벽한 기구설계와 조형적 아름다움까지 갖춘 CDP의 걸작품 입니다.
스펙(SPEC)
음악재생 MPEG 1/2/2.5 Layer 3, WMA, ASF, Ogg
대응비트 8Kbps ~ 320Kbps
전원 Ni-MH(니켈 수소) 스틱형 충전지 2개
디스플레이 본체 액정 없음, 리모콘 4line Graphic LCD
연속재생시간 MP3: 10시간, Audio CD: 5시간 (기본설정, MP3는 128K) / MP3: 23시간,
Audio CD: 11시간 (기본설정, MP3는 128K, 외장배터리팩 포함)
다이렉트인코딩 X
ID태그정보 ID3 V1 Tag, ID3 V2 2.0, ID3 V2 3.0
이미지 X
텍스트 X
DMB X
헤드폰최대출력 12mW(R)＋12mW(L) (16 Ohm) at Max. Volume
S/N비 CD-DA: 90dB, MP3 CD: 90dB; A weighted
이퀄라이저 8 Preset EQ(Normal, POP, Rock, Jazz, Dance, Classic, Metal, U Bass)
& 1 User EQ
FM레코딩 X
보이스레코딩 X
인터페이스
사용가능온도 0℃ ~ 40℃
크기 130.5 x 140 x 16.7 (mm)
무게 193g (배터리 제외)
동작환경 윈도우즈 2000/XP
펜티엄 300Mhz 이상, CD-ROM드라이브, USB인터페이스 필요
여기까지는 아이리버 홈페이지(아이리버 iMP-400
)에서 찾은 내용이다.
아마 2002년 당시 출시되었을때, 아이리버 슬림X imp-400은 획기적인 상품이었다.
대용량은 700메가바이트의 시디를 인식하고, 약 170여곡의 mp3파일을 담을 수 있었다.
(그 당시는 대부분 mp3파일의 비트레이트는 128Kbps였다.)
심플한 디자인, 3줄의 리모트컨트롤...^^&
2009년 6월 8일 월요일
2009년 2월 1일 일요일
데이터 아키텍처의 이해 ①
데이터 아키텍처의 이해 ①
데이터 아키텍처의 필요성
윤성호 | 엔코아컨설팅 책임컨설턴트
연·재·목·차
제1회: 데이터 아키텍처의 필요성
제2회: 데이터 아키텍처의 구성요건
제3회: 데이터 아키텍처 활용방안
제4회: 데이터 아키텍처의 단계별 접근전략
제5회: 데이터 아키텍처의 확장
IT시스템을 활용해 기업의 목적을 달성하기 위해서는 체계적인 정보기술 아키텍처의 도입이 필수적이다. 이에 따라 최근 들어 EA가 주목 받고 있는데 그 중에서도 데이터 아키텍처의 중요성이 더욱 커지고 있다. 데이터 모델링을 포함해 데이터에 관한 모든 것을 체계화하는 데이터 아키텍처는 향후에 나타날 수 있는 IT의 시행착오를 현격하게 감소시켜 줄 수 있는 불요불급한 방법론이다.
최근 국내 소프트웨어산업의 피폐함을 탄식하는 분들을 많이 만나게 된다. 제품 기획부터 설계, 프로덕트 마케팅, 유통, 기업 솔루션 영업의 난맥상에 이르기까지 국내 소프트웨어산업 태동기부터 감지되어 왔던 문제점들이 끊임없이 확대 재생산되는 느낌이다. 아무래도 기업이 요구하는 전반적인 IT시스템 규모가 커지면서 소프트웨어분야도 이에 상응하는 발전과 진보를 보여야 함에도 불구하고 여전히 구습을 이어가고 있기 때문에 그만큼 문제점이 크게 드러나고 있는 것이다.
무엇이든 다급하게 당장 눈에 보이는 것을 만들어 내는데 익숙한 우리 문화가 전문 소프트웨어업체의 소프트웨어 제작 과정이나 기업 전산팀의 시스템 설계에도 그대로 반영되고 있다. 물론 빠른 대응이 전반적인 IT 산업의 외면적인 발전에 크게 기여한 요인이었던 것을 부인할 수는 없으나 그 발전이라는 것이 편중된 사상누각이라면 언제까지고 심각한 부작용으로 남을 것임은 자명하다.
많은 기관과 업체에서 근본적인 문제를 해소하기 위해 다각도의 노력을 기울여 왔음에도 10년 전의 상황에 비해 개선이 없는 원인은 무엇일까? 그 실마리를 필자는 ‘근본으로 돌아가자’는 여전히 유효한 구호에서 찾고 싶다. 가장 상식적인 기본들이 지켜지고 있지 않은 현실이 지금까지도 근본으로 돌아가야 하는 상황을 만들어 내고 있는 것이다.
일례로 소프트웨어 솔루션을 개발하는 과정을 들여다보자. 시장과 고객의 요구를 정확히 분석, 수요를 예측하고 이를 구체적인 컨셉으로 정의하여 제품 설계에 반영한 후 점차 세밀한 집적도를 완성해 가는 ‘체계화’를 기대하기란 거의 불가능하다. 심지어 상황이 다급하면 설계도도 없이 일단 당장 필요한 기능에 맞추어 소스를 붙이는데 급급해 왔다. 전문 개발사에서조차도 이런 상황이 되풀이되고 있으니 참으로 답답한 현실이라 하겠다.
그러다 보면 결국 시스템을 통합하거나 근본적으로 개·보수해야 하는 큰 변화에 부딪히면 단순한 비효율을 뛰어넘는 위기상황이 연출되고야 마는 것이다. 지극히 비상식적으로 보이지만 주변을 돌아보면 어디서나 발견되는 현상이다. 많은 분들이 공감하듯 원칙과 근본을 무시해왔기 때문에 벌어지는 일이다. 만약 책임 있는 담당자가 당장의 이익과 조건에 연연하지 않고 제대로 하는 것을 목표로 하여 진행했다면 결코 일어나지 않았을 시스템 사고들이 아직도 되풀이되는 것은 바로 근본을 무시했기 때문이다.
ITA 도입 필요성
패러다임의 변화와 IT환경의 급격한 변화는 오늘날의 경영 환경을 본격적인 정보화 시대로 도래하게 하였고, 국제화의 급속한 전진, 기업간의 인수, 합병, 소비자 요구의 고급화 등에 따라 국제화와 산업 개편이 가속화되었으며, 더욱 전문화되고 다각화 된 형태로 나타나고 있다. 이에 따라 경영환경의 목적이 효율과 효과를 지향하는 패러다임으로 확실하게 변해가고 있다. 이러한 변화는 필연적으로 모든 변화의 기반이 되는 정보기술 환경의 변화를 불러와 네트워크의 보편화, 전자상거래, 보안, 데이터 마이닝의 필요성과 신속한 경영 의사 자료의 요구성을 크게 높여 주었고, 이를 위해 클라이언트/서버 및 분산·객체 환경으로 변화가 더욱 가속화되고 있다.
그럼에도 불구하고 기존의 개발 방법론의 문제점에 따라 엔터프라이즈의 목적과 아키텍처 부문의 연계는 아주 미흡하였다. 정보 시스템 활용을 통한 조직의 목표의 효과적인 달성과 전략적 우위 선점이라는 기업의 목적을 위해서는 체계적인 정보기술 아키텍처의 도입이 절실히 요구되고 있다.
오늘날 기업 활동은 ‘비즈니스’와 ‘정보 기술’이라는 두 개의 큰 축으로 유지된다. 이들 간의 원활한 상호 작용을 구체화하기 위한 모델의 중심에 ‘정보기술 아키텍처(ITA)’의 사상이 있다. 패러다임과 IT환경의 급격한 변화는 경영 환경의 목적을 효율과 효과지향적으로 확실하게 변모시키고 있지만 기존의 개발 방법론의 문제점에 따라 기업의 목적과 아키텍처 부문과의 연계는 아주 미흡하였다. 이로 인해 경영의 기반인 정보 시스템이 근본적으로 불안하게 되어 빈번하게 아키텍처를 조정해야 하는 악순환이 반복되고 있다.
따라서 정보 시스템 활용을 통한 조직 목표의 효과적인 달성과 전략적 우위 선점이라는 기업의 목적을 위해서는 비즈니스의 실행에 필요한 정보와 기술, 업무의 변경 요구에 적용할 새로운 기술로의 전환 프로세스를 설명한 전략적 정보 자원인 정보기술 아키텍처의 도입이 절실하게 요구된다. 정보기술 아키텍처(ITA, Information Technology Architecture)는 정보 시스템에 대한 요구 사항을 충족시키고, 상호 운용성 및 보안성을 보장하기 위해 조직의 업무와 사용되는 정보, 그리고 이들을 지원하기 위한 정보 기술 등의 구성 요소를 분석하고, 이들 간의 관계를 구조적으로 정리한 체계로서 전사적 아키텍처, 기술 참조 모델, 표준 프로파일로 구성된다.
정보 기술 아키텍처에서 가장 대표적인 쟈크만 프레임워크는 가로축에 아키텍처를 수립해야 할 대상을 육하원칙에 입각해서 정의하였으며, ‘What’을 ‘데이터’로 인정함으로써 데이터야말로 정보 시스템의 근원이라는 것을 나타내고 있다. 세로축은 상세화 수준을 정의한 것으로써 가로축의 모든 구성 요소들이 최상위 단계에서부터 최하위 단계에 이르기까지 모두 아키텍처를 수립해야 한다고 주장하고 있다.
<그림 1> 쟈크만 프레임워크
전사적 아키텍처의 도입 의미
필자는 최근 공공 부문과 금융권 대형 프로젝트를 중심으로 큰 이슈가 되고 있는 EA(Enterprise Architecture) 역시 결국 ‘설계’라는 근본으로 돌아가서 체계를 바로 잡는 방법론이라고 믿고 있다. 비즈니스 설계(Business Architecture), 애플리케이션 설계(Application Archi-tecture), 기술적 설계(Technical Archi-tecture), 데이터 설계(Data Archi-tecture) 등 4가지 중심축으로 구성되는 EA는 단순화시켜 말하자면 각 하부 영역의 구조적인 설계를 서로 유기적으로 통합하는 과정으로 설명할 수 있을 것이다. EA의 최종적인 키워드는 역시 설계 또는 체계화로 정의될 수 있는 아키텍처(Architecture)로 귀착된다.
체계화란 최상위의 개괄적인 단계에서부터 출발하여 개념적인 단계, 논리적인 단계, 물리적인 단계, 부가적인 상세화 단계, 실제 운용 단계에 이르기까지 모든 진행 과정이 서로 완벽한 연결(얼라인먼트)이 되도록 해야 한다는 것을 말하며, 이것이 지금까지의 접근 방법과는 크게 다른 점이다.
전사적 아키텍처(Enterprise Archi-tecture)는 업무와 업무 실행에 필요한 정보, 이것을 지원하는 기술, 그리고 새로운 기술의 실행을 위한 전환 프로세스를 설명한 전략적 정보 자원의 기초이다. 전사적 아키텍처(Enterprise Architecture)의 기반이라고 할 수 있는 데이터의 완벽한 아키텍처를 수립하기 위해서는 체계적인 접근 방법과 내용의 합리성을 극대화시킬 수 있는 구체적인 판단 기준들이 필요하다.
DA의 정의와 구성
이러한 EA의 각 하위 요소 중에서도 특히 중요하게 여겨지는 요소가 바로 데이터 아키텍처(DA, Data Architecture)인 것도 우연이 아니다. 애플리케이션이나 기술적인 요소보다 언제나 먼저 정의되어야 하는 것이 시스템의 근본을 구성하는 데이터 요소다. 기업 정보 시스템을 구성하는 가장 기본적인 원자라 할 수 있는 데이터에 관련된 모든 구조를 상세한 설계 과정을 통해 체계화하는 것이 바로 데이터 아키텍처다. EA중에서 데이터 아키텍처가 특히 중요성을 인정받는 이유 역시 데이터의 이런 근본 지향적인 특성에서 찾을 수 있다.
데이터 아키텍처란 데이터 모델링을 비롯해 그보다 더 개괄적인 영역과 물리적인 영역까지도 포함한 데이터에 관한 한 모든 구조를 체계화하는 것을 말한다. 체계화란 최상위의 개괄적인 단계에서부터 출발하여 개념적인 단계, 논리적인 단계, 물리적인 단계, 부가적 상세화 단계, 실제 운용하는 단계에 이르기까지 서로 완벽한 연결(얼라인먼트)이 되도록 해야 한다는 말이며, 이것이 지금까지의 접근 방법과 크게 다른 점이다.
특히 인간이 결정해야 할 모든 것들을 체계적으로 형상화해야 하는 논리적 모델 구현 단계는 데이터 아키텍처 수립의 핵심이다. 어떤 방법론을 이용해 정보 시스템을 구축하든지 데이터는 언제나 존재하는 필수적이고, 본질적인 것이므로 결코 홀대할 수 없는 귀중한 자산이다.
이처럼 데이터 아키텍처는 데이터에 관한 모든 계층을 총망라해서 객관적이고 구체적인 접근 방법을 명시한 체계적인 방법론이다. 마치 건물을 구축할 때 전체적인 전략을 설계한 조감도를 먼저 작성한 다음, 개념적인 구조를 결정하고, 점차 상세한 설계와 시방서를 작성해 가는 것과 유사하다. 기업 정보의 골격인 데이터를 이처럼 체계적으로 접근해 내려오는 것은 매우 가치 있는 일이고, 앞으로 나타날 수 있는 시행착오를 현격하게 감소시켜 주는 한 차원 높은 접근 방법이다.
<그림 2> 데이터 아키텍처의 구성
제공 : DB포탈사이트 DBguide.net
[출처] 데이터 아키텍처의 이해 ①|작성자 눈꽃천사
[참조사이트] http://blog.naver.com/oyukihana.do?Redirect=Log&logNo=60007657362
데이터 아키텍처의 필요성
윤성호 | 엔코아컨설팅 책임컨설턴트
연·재·목·차
제1회: 데이터 아키텍처의 필요성
제2회: 데이터 아키텍처의 구성요건
제3회: 데이터 아키텍처 활용방안
제4회: 데이터 아키텍처의 단계별 접근전략
제5회: 데이터 아키텍처의 확장
IT시스템을 활용해 기업의 목적을 달성하기 위해서는 체계적인 정보기술 아키텍처의 도입이 필수적이다. 이에 따라 최근 들어 EA가 주목 받고 있는데 그 중에서도 데이터 아키텍처의 중요성이 더욱 커지고 있다. 데이터 모델링을 포함해 데이터에 관한 모든 것을 체계화하는 데이터 아키텍처는 향후에 나타날 수 있는 IT의 시행착오를 현격하게 감소시켜 줄 수 있는 불요불급한 방법론이다.
최근 국내 소프트웨어산업의 피폐함을 탄식하는 분들을 많이 만나게 된다. 제품 기획부터 설계, 프로덕트 마케팅, 유통, 기업 솔루션 영업의 난맥상에 이르기까지 국내 소프트웨어산업 태동기부터 감지되어 왔던 문제점들이 끊임없이 확대 재생산되는 느낌이다. 아무래도 기업이 요구하는 전반적인 IT시스템 규모가 커지면서 소프트웨어분야도 이에 상응하는 발전과 진보를 보여야 함에도 불구하고 여전히 구습을 이어가고 있기 때문에 그만큼 문제점이 크게 드러나고 있는 것이다.
무엇이든 다급하게 당장 눈에 보이는 것을 만들어 내는데 익숙한 우리 문화가 전문 소프트웨어업체의 소프트웨어 제작 과정이나 기업 전산팀의 시스템 설계에도 그대로 반영되고 있다. 물론 빠른 대응이 전반적인 IT 산업의 외면적인 발전에 크게 기여한 요인이었던 것을 부인할 수는 없으나 그 발전이라는 것이 편중된 사상누각이라면 언제까지고 심각한 부작용으로 남을 것임은 자명하다.
많은 기관과 업체에서 근본적인 문제를 해소하기 위해 다각도의 노력을 기울여 왔음에도 10년 전의 상황에 비해 개선이 없는 원인은 무엇일까? 그 실마리를 필자는 ‘근본으로 돌아가자’는 여전히 유효한 구호에서 찾고 싶다. 가장 상식적인 기본들이 지켜지고 있지 않은 현실이 지금까지도 근본으로 돌아가야 하는 상황을 만들어 내고 있는 것이다.
일례로 소프트웨어 솔루션을 개발하는 과정을 들여다보자. 시장과 고객의 요구를 정확히 분석, 수요를 예측하고 이를 구체적인 컨셉으로 정의하여 제품 설계에 반영한 후 점차 세밀한 집적도를 완성해 가는 ‘체계화’를 기대하기란 거의 불가능하다. 심지어 상황이 다급하면 설계도도 없이 일단 당장 필요한 기능에 맞추어 소스를 붙이는데 급급해 왔다. 전문 개발사에서조차도 이런 상황이 되풀이되고 있으니 참으로 답답한 현실이라 하겠다.
그러다 보면 결국 시스템을 통합하거나 근본적으로 개·보수해야 하는 큰 변화에 부딪히면 단순한 비효율을 뛰어넘는 위기상황이 연출되고야 마는 것이다. 지극히 비상식적으로 보이지만 주변을 돌아보면 어디서나 발견되는 현상이다. 많은 분들이 공감하듯 원칙과 근본을 무시해왔기 때문에 벌어지는 일이다. 만약 책임 있는 담당자가 당장의 이익과 조건에 연연하지 않고 제대로 하는 것을 목표로 하여 진행했다면 결코 일어나지 않았을 시스템 사고들이 아직도 되풀이되는 것은 바로 근본을 무시했기 때문이다.
ITA 도입 필요성
패러다임의 변화와 IT환경의 급격한 변화는 오늘날의 경영 환경을 본격적인 정보화 시대로 도래하게 하였고, 국제화의 급속한 전진, 기업간의 인수, 합병, 소비자 요구의 고급화 등에 따라 국제화와 산업 개편이 가속화되었으며, 더욱 전문화되고 다각화 된 형태로 나타나고 있다. 이에 따라 경영환경의 목적이 효율과 효과를 지향하는 패러다임으로 확실하게 변해가고 있다. 이러한 변화는 필연적으로 모든 변화의 기반이 되는 정보기술 환경의 변화를 불러와 네트워크의 보편화, 전자상거래, 보안, 데이터 마이닝의 필요성과 신속한 경영 의사 자료의 요구성을 크게 높여 주었고, 이를 위해 클라이언트/서버 및 분산·객체 환경으로 변화가 더욱 가속화되고 있다.
그럼에도 불구하고 기존의 개발 방법론의 문제점에 따라 엔터프라이즈의 목적과 아키텍처 부문의 연계는 아주 미흡하였다. 정보 시스템 활용을 통한 조직의 목표의 효과적인 달성과 전략적 우위 선점이라는 기업의 목적을 위해서는 체계적인 정보기술 아키텍처의 도입이 절실히 요구되고 있다.
오늘날 기업 활동은 ‘비즈니스’와 ‘정보 기술’이라는 두 개의 큰 축으로 유지된다. 이들 간의 원활한 상호 작용을 구체화하기 위한 모델의 중심에 ‘정보기술 아키텍처(ITA)’의 사상이 있다. 패러다임과 IT환경의 급격한 변화는 경영 환경의 목적을 효율과 효과지향적으로 확실하게 변모시키고 있지만 기존의 개발 방법론의 문제점에 따라 기업의 목적과 아키텍처 부문과의 연계는 아주 미흡하였다. 이로 인해 경영의 기반인 정보 시스템이 근본적으로 불안하게 되어 빈번하게 아키텍처를 조정해야 하는 악순환이 반복되고 있다.
따라서 정보 시스템 활용을 통한 조직 목표의 효과적인 달성과 전략적 우위 선점이라는 기업의 목적을 위해서는 비즈니스의 실행에 필요한 정보와 기술, 업무의 변경 요구에 적용할 새로운 기술로의 전환 프로세스를 설명한 전략적 정보 자원인 정보기술 아키텍처의 도입이 절실하게 요구된다. 정보기술 아키텍처(ITA, Information Technology Architecture)는 정보 시스템에 대한 요구 사항을 충족시키고, 상호 운용성 및 보안성을 보장하기 위해 조직의 업무와 사용되는 정보, 그리고 이들을 지원하기 위한 정보 기술 등의 구성 요소를 분석하고, 이들 간의 관계를 구조적으로 정리한 체계로서 전사적 아키텍처, 기술 참조 모델, 표준 프로파일로 구성된다.
정보 기술 아키텍처에서 가장 대표적인 쟈크만 프레임워크는 가로축에 아키텍처를 수립해야 할 대상을 육하원칙에 입각해서 정의하였으며, ‘What’을 ‘데이터’로 인정함으로써 데이터야말로 정보 시스템의 근원이라는 것을 나타내고 있다. 세로축은 상세화 수준을 정의한 것으로써 가로축의 모든 구성 요소들이 최상위 단계에서부터 최하위 단계에 이르기까지 모두 아키텍처를 수립해야 한다고 주장하고 있다.
<그림 1> 쟈크만 프레임워크
전사적 아키텍처의 도입 의미
필자는 최근 공공 부문과 금융권 대형 프로젝트를 중심으로 큰 이슈가 되고 있는 EA(Enterprise Architecture) 역시 결국 ‘설계’라는 근본으로 돌아가서 체계를 바로 잡는 방법론이라고 믿고 있다. 비즈니스 설계(Business Architecture), 애플리케이션 설계(Application Archi-tecture), 기술적 설계(Technical Archi-tecture), 데이터 설계(Data Archi-tecture) 등 4가지 중심축으로 구성되는 EA는 단순화시켜 말하자면 각 하부 영역의 구조적인 설계를 서로 유기적으로 통합하는 과정으로 설명할 수 있을 것이다. EA의 최종적인 키워드는 역시 설계 또는 체계화로 정의될 수 있는 아키텍처(Architecture)로 귀착된다.
체계화란 최상위의 개괄적인 단계에서부터 출발하여 개념적인 단계, 논리적인 단계, 물리적인 단계, 부가적인 상세화 단계, 실제 운용 단계에 이르기까지 모든 진행 과정이 서로 완벽한 연결(얼라인먼트)이 되도록 해야 한다는 것을 말하며, 이것이 지금까지의 접근 방법과는 크게 다른 점이다.
전사적 아키텍처(Enterprise Archi-tecture)는 업무와 업무 실행에 필요한 정보, 이것을 지원하는 기술, 그리고 새로운 기술의 실행을 위한 전환 프로세스를 설명한 전략적 정보 자원의 기초이다. 전사적 아키텍처(Enterprise Architecture)의 기반이라고 할 수 있는 데이터의 완벽한 아키텍처를 수립하기 위해서는 체계적인 접근 방법과 내용의 합리성을 극대화시킬 수 있는 구체적인 판단 기준들이 필요하다.
DA의 정의와 구성
이러한 EA의 각 하위 요소 중에서도 특히 중요하게 여겨지는 요소가 바로 데이터 아키텍처(DA, Data Architecture)인 것도 우연이 아니다. 애플리케이션이나 기술적인 요소보다 언제나 먼저 정의되어야 하는 것이 시스템의 근본을 구성하는 데이터 요소다. 기업 정보 시스템을 구성하는 가장 기본적인 원자라 할 수 있는 데이터에 관련된 모든 구조를 상세한 설계 과정을 통해 체계화하는 것이 바로 데이터 아키텍처다. EA중에서 데이터 아키텍처가 특히 중요성을 인정받는 이유 역시 데이터의 이런 근본 지향적인 특성에서 찾을 수 있다.
데이터 아키텍처란 데이터 모델링을 비롯해 그보다 더 개괄적인 영역과 물리적인 영역까지도 포함한 데이터에 관한 한 모든 구조를 체계화하는 것을 말한다. 체계화란 최상위의 개괄적인 단계에서부터 출발하여 개념적인 단계, 논리적인 단계, 물리적인 단계, 부가적 상세화 단계, 실제 운용하는 단계에 이르기까지 서로 완벽한 연결(얼라인먼트)이 되도록 해야 한다는 말이며, 이것이 지금까지의 접근 방법과 크게 다른 점이다.
특히 인간이 결정해야 할 모든 것들을 체계적으로 형상화해야 하는 논리적 모델 구현 단계는 데이터 아키텍처 수립의 핵심이다. 어떤 방법론을 이용해 정보 시스템을 구축하든지 데이터는 언제나 존재하는 필수적이고, 본질적인 것이므로 결코 홀대할 수 없는 귀중한 자산이다.
이처럼 데이터 아키텍처는 데이터에 관한 모든 계층을 총망라해서 객관적이고 구체적인 접근 방법을 명시한 체계적인 방법론이다. 마치 건물을 구축할 때 전체적인 전략을 설계한 조감도를 먼저 작성한 다음, 개념적인 구조를 결정하고, 점차 상세한 설계와 시방서를 작성해 가는 것과 유사하다. 기업 정보의 골격인 데이터를 이처럼 체계적으로 접근해 내려오는 것은 매우 가치 있는 일이고, 앞으로 나타날 수 있는 시행착오를 현격하게 감소시켜 주는 한 차원 높은 접근 방법이다.
<그림 2> 데이터 아키텍처의 구성
제공 : DB포탈사이트 DBguide.net
[출처] 데이터 아키텍처의 이해 ①|작성자 눈꽃천사
[참조사이트] http://blog.naver.com/oyukihana.do?Redirect=Log&logNo=60007657362
데이터웨어하우스 및 데이터마이닝 개요
데이터웨어하우스 및 데이터마이닝
* 세부사항 첨부참조
1. 데이터웨어하우스
가. 데이터웨어하우스 개요
(1) 데이터웨어하우스의 정의와 특징
데이터웨어하우스(Data Warehouse)는 1990년대 중반 이후 데이터베이스 분야에서 특히 학문계에서보다 산업계에서 그 태동이 시작되었다. 많고 다양한 형태의 오퍼레이셔날 데이터베이스(Operational Database)가 운용되고 시간이 지날수록 그 데이터베이스의 크기가 커지게 되었다. 따라서 데이터베이스 위에서 의사 결정(decision making) 등을 위해 사용되는 다양한 종류의 응용프로그램들은 그 질의(query) 수행이 원만하게 이루어지기 위하여 오퍼레이셔날 데이터베이스 위에 새로운 형태의 통합된 데이터 저장소(repository)가 필요했는데, 이것이 데이터웨어하우스가 등장한 배경이라 할 수 있다.
데이터웨어하우스의 정의에는 여러 가지가 있지만 데이터웨어하우스 시스템 아키텍처를 초창기에 이끈 W.H. Inmon에 따르면, "데이터웨어하우스란 의사 결정 프로세스를 지원하도록 데이터를 1) 주제 지향적(Subject-Oriented)이고, 2) 통합(Integrated) 되고, 3) 시계열적(Time- Variant)이고, 4) 비휘발성(Non-Volatile)이게 모아 놓은 것(collection)"을 의미한다. 이 정의에서 사용된 4개의 의미는 다음과 같다.
(가) 주제 지향(Subject-Oriented)
데이터웨어하우스는 조직이 통상적으로 운용하는 트랜잭션 프로세싱을 위한 일반적이고 다양한 종류의 데이터의 저장소가 아니며, 의사 결정에 필요한 특정 주제(subject)의 데이터만을 가지고 그 외의 데이터는 포함하지 않는다.
(나) 통합(Integrated)
데이터웨어하우스에 저장, 관리되는 데이터는 일반적으로 다수의 서로 다른 형태의 데이터베이스로부터 통합(integrated)된 것이다.
(다) 시계열 (Time-Variant)
데이터를 이용해 의사 결정을 하는데 가장 유용한 측면중의 하나는 데이터가 시간에 따라 어떻게 변하였는지를 살피는 것이다. 따라서 대부분의 데이터웨어하우스에는 시간에 따라 변화된 데이터 정보를 저장한다.
(라) 비휘발성(Non-Volatile)
데이터웨어하우스는 오퍼레이셔날 데이터베이스와는 물리적으로 별도로 데이터를 저장한다. 오퍼레이셔날 데이터베이스에서 필요한 트랜잭션 관리, 복구 기법, 동시성 제어 기법 등은 중요시되지 않는 경우가 대다수이다. 그 대신 정기적으로 데이터를 오퍼레이셔날 데이터베이스로부터 로딩하고 로딩된 데이터를 액세스하는 기법이 중요시된다.
(2) 오퍼레이셔날 데이터베이스와의 차이점
데이터웨어하우징 시스템을 현재 상업적으로 사용되는 데이터베이스 시스템과 비교하면 데이터웨어하우징 시스템의 이해가 더 쉽다. 오퍼레이셔날 데이터베이스 시스템이 주로 조직이 필요로 하는 일상 업무(day-to-day operations)를 위한 OLTP(On-Line Transaction Processing)을 위한 시스템이라면, 데이터웨어하우징 시스템은 데이터 분석이나 의사 결정 등을 지원하는 OLAP(On-Line Analytical Processing)을 위한 시스템이다.
OLTP시스템과 OLAP시스템의 주요 차이는 다음과 같은 측면으로 요약 될 수 있다.
나. 다차원 데이터 모델
(1) 데이터 큐브
데이터웨어하우스와 OLAP 도구들은 다차원(multi-dimensional) 데이터 모델을 기반으로 하는데, 조직이 원하는 여러 차원(측면, dimension)에서 데이터 모델링이 데이터 큐브(Data Cube)를 통해 이루어진다. 데이터 큐브와 다차원 데이터 모델링을 설명하기 위해 먼저 차원(Dimension)과 사실(Fact)이란 두 용어를 설명하자.
차원(Dimension)이란 조직이 데이터 레코드를 운용하는 이유의 대상이 되는 측면을 의미하고, 사실(Fact)이란 숫자적으로 표현되는 값을 의미한다. 예를 들어 가나다 백화점이 백화점 관리에 따른 의사 결정을 위한 ‘가나다 판매분석 데이터웨어하우스’를 만드는데, 관심 있는 측면이 연도, 품목, 지점에 따른 총 판매 금액이라 하자. 이 경우 차원(Dimension)은 연도, 품목, 지점 세 가지이고, 총 판매 금액은 사실(Fact)이 된다. 따라서 ‘가나다 판매분석 데이터웨어하우스’는 3차원 데이터 모델이 필요한데, 어떻게 데이터 큐브를 통해 이루어지는지 [그림 4-10-16]을 참고로 설명하기로 한다.
[그림 4-10-16] 상단 왼쪽 테이블은 연도라는 하나의 차원에 대한 총 판매 금액을 표시하며 이에 해당하는 1차원 데이터 큐브이다. 상단 오른쪽에는 연도와 품목이라는 두 개의 차원에 대한 총 판매 금액을 테이블 형태와 이에 해당하는 2차원 데이터 큐브가 있다. 여기에 지점별로 다시 총 판매 금액을 보여주기 위해 연도, 품목, 지점의 세 차원에 대한 테이블과 이에 상응하는 3차원 데이터 큐브가 그림 하단에 나타난다. 큐브란 용어 자체는 기하학적으로 3차원을 의미해 용어상 혼동을 줄 수 있겠지만 데이터 큐브에서는 원하는 차원의 일반적인 n차원을 의미한다.
다차원 데이터 모델을 위한 데이터 큐브에서 각각의 데이터 큐브를 큐보이드(cuboid)라고도 부르며, 이러한 큐보이드 간에는 [그림 4-10-17]과 같이 래티스(lattice) 관계가 형성되게 된다.
‘가나다 판매 분석 데이터웨어하우스’를 이용하여 예를 들어 경영자가 지점별 예산 편성이나 특화 분야 선정을 하는 의사 결정을 내리기 위해 질의 패턴중 대표적인 것으로는 드릴다운과 롤업이 있다. 연도별 총 판매 금액, 다시 연도와 품목별 총 판매 금액, 그리고 연도, 품목, 지점별 총 판매 금액 정보를 계산해 내는 방식으로 점점 더 기존 차원에 또 다른 차원을 첨가해 세분화된 질의를 하는 질의 패턴을 드릴다운(Drill- Down)이라 한다. 이와 반대로 차원 수를 줄여가며 점점 요약된 형태의 정보를 얻어 나가는 질의 패턴은 롤업(Roll-Up)이라 한다. 이 밖에 슬라이싱(Slicing), 다이싱(Dicing), 피봇(Pivot) 등도 흔히 나타나는 질의 패턴이다.
(2) 스타 스키마/스노우플레이크 스키마
앞서 살펴보았듯이 데이터웨어하우스에는 다차원 모델이 적합한데 이를 논리적 (Conceptual)으로 설계할 때 제일 자주 사용되는 스키마는 스타 스키마(Star Schema)와 스노우플레이크 스키마(Snowflake Schema)이다.
스타 스키마는 필요한 사실과 기타 속성들로 이루어진 사실 테이블과, 관심있는 차원과 그에 따른 부가적인 정보들을 각각 하나의 차원 테이블로 설계해, 사실 테이블과 차원 테이블을 외부키(Foreign Key)로 연결할 수 있도록 한다. 그림 상으로 보면 마치 별 모양이 되도록 구성한 스키마이다. 스타 스키마의 변형인 스노우플레이크 스키마(Snowflake Schema)는 차원 테이블을 다시 정규화(Normalize)함으로서 이들 테이블들이 마치 눈꽃(Snowflake) 모양이 되도록 만든 스키마이다.
다. 데이터웨어하우스 아키텍처와 데이터웨어하우징 시스템
(1) 아키텍처와 OLAP 구현 분류
데이터웨어하우징 시스템은 통상적으로 데이터 소스로부터 데이터를 클리닝하고 로딩하며 메타 정보 등을 관리하는 데이터웨어하우스 서버를 하위 티어에 두고, 중간 티어에 OLAP 프로세스 서버를 두며, 상위 티어에 데이터마이닝 등의 의사 결정 응용 프로그램 도구를 두는 3-티어 아키텍처를 가진다.
OLAP 서버는 크게 ROLAP과 MOLAP 그리고 HOLAP의 세 종류로 구분해 볼 수 있다. ROLAP(Relational OLAP) 서버란 관계형 데이터베이스나 확장된 관계형 데이터베이스를 사용해 다차원 모델링되는 데이터 큐브를 테이블 형태로 저장 운용하는 방식을 말한다. MOLAP (Multidimensional OLAP) 서버란 데이터 큐브를 실제로 어레이를 기반한 다차원 저장 엔진을 사용하여 저장 운용하는 방식이다. HOLAP (Hybrid OLAP) 서버는 말 그대로 ROLAP과 MOLAP을 혼용하는 방식을 의미한다.
(2) 데이터웨어하우징 시스템
현재 상업적으로 개발된 데이터웨어하우징 시스템은 많으나 그 중 몇 가지를 들면 다음과 같다. IBM사에서는 Informix eXtended Parallel Server(XPS), Readbrick Warehouse, DB2 OLAP Server 등이 있으며, Oracle사에서는 Oracle Data Warehousing이, Microsoft사에서는 MS SQL Server OLAP Services,NCR사에서는 TeraData Warehousing, Sybase사에서는 Sybase Anywhere Studio, Microstrategy사의 Microstrategy OLAP Services, Hyperion 사의 Essbase OLAP Server등을 들 수 있겠다.
2. 데이터마닝
가. 데이터마이닝 개요
데이터웨어하우스와 비슷한 시기에 데이터베이스 분야를 중심으로 연구가 활발하게 시작된 분야가 데이터마이닝(Data Mining)이다. 90년대 중반이후에 데이터베이스나 데이터웨어하우스의 크기는 웹 로봇과 같이 데이터를 수동이 아닌 자동으로 수집하는 도구의 대중화와 오랜 기간의 시계열적 데이터 량의 증가 등으로 그 크기가 급속도로 커졌고, 이를 시스템이 기술적으로 감당할 수 있게 됨으로서 데이터마이닝이란 새로운 응용 분야가 탄생할 수 있었다.
데이터마이닝은 ‘대용량의 데이터에서 필요한 지식(Knowledge)을 얻고자 하는 과정’이라 간단히 정의할 수 있는데, 데이터베이스에서 분야에서는 지식 발견(KDD : Knowledge Discovery in Databases)이라고도 불리며, 그 응용 분야에 따라 비즈니스 인텔리전스, 지식 추출, 정보 분석 등의 용어로도 불린다. 여기서 발견하고자하는 지식은 뻔한 사실이 아니고(Non-Trivial), 데이터에 직접적으로 나타나지 않고 내포되었으며(Implicit), 기존에 발견되지 않은, 잠재적으로 유용한 지식을 의미한다.
데이터마이닝은 잠재적으로 폭 넓은 응용 분야를 가지고 있는데 고객 구매 성향 분석, 타겟 마케팅, 크로스-마켓팅 등의 마켓팅 분석 및 관리 분야, 위험 분석 및 관리 분야, 사기 상행위 발견 및 예측 분야, 텍스트 나 웹 등에서의 정보 발견, DNA 데이터 분석 및 의료정보학, 기타 스포츠, 과학 등을 망라하는데 데이터마이닝 기술이 발전하면서 그 응용의 폭이 점점 더 커지고 있는 추세이다.
나. 지식발견과정 : 데이터마이닝
데이터마이닝은 일반적으로 다음 [그림 4-10- 20]과 같은 과정을 밟는다.
데이터 클리닝(cleaning)과 통합 : 데이터 소스는 서로 다른 관계형 데이터베이스로에서부터 파일 혹은 이메일 자료 등 다양할 수 있으며 그 데이터 형식도 다양할 수 있다. 이 과정에서는 에러를 보정하고 포맷을 통일시키고 데이터의 일관성을 유지하며 스키마를 통합하는 등의 작업을 수행한다.
데이터 선별과 변환 : 데이터웨어하우스와 같은 통합된 데이터 저장소로부터 분석작업에 필요한 데이터를 선별하고 데이터마이닝을 수행할 수 있는 형태로 데이터를 변환한다.
데이터마이닝 : 데이터로부터 다양한 형태의 마이닝 기법을 적용시켜 패턴을 추출해 낸다.
패턴 평가와 표현 : 추출된 패턴이 얻고자하는 지식에 필요한 것인지를 척도에 맞추어 평가해보고 궁극적으로 사람이 이해할 수 있는 방법으로 지식을 표현한다.
다. 데이터마이닝 시스템 아키텍처와 필요 기능
[그림 4-10-20]에서 제시된 데이터마이닝 과정을 처리하기 위한 데이터마이닝 시스템의 아키텍처는 [그림 4-10-21]과 같이 데이터베이스/데이터웨어하우스 서버, 데이터마이닝 엔진, 패턴 분석기, 사용자 인터페이스 등으로 구성될 수 있다.
데이터마이닝 시스템에서 필요한 기능적 요소를 요약해 보면 다음과 같다.
(1) 개념 설명 : 특징화(Characterization)와 비교(Discrimination)
예를 들어 백화점 판매 분석 데이터웨어하우스에서 고객들의 분류에 따른 물품별 판매 패턴을 분석하여 그로부터 백화점 경영에 대한 지식을 얻는데 데이터마이닝 기법을 도입한다 하자. 그러면 SRAM, DRAM 등은 메모리로 분류되고, 다시 이는 하드디스크, PC, 모니터 등을 포함하는 컴퓨터라는 물품으로 분류되는 등의 물품 분류가 필요하다. 또 고객별 성향을 20대 30대 등의 나이별 분류에서 씀씀이가 큰 고객, 신세대 고객 등의 분류도 필요할 수 있다. 이와 같이 데이터를 클래스화하고 개념화하기 위해서는 비슷한 부류의 데이터가 가지고 있는 성질 등을 일반적인 용어를 사용하여 요약(Summarize)하는 특징화(Characterization)와, 비교되는 부류의 데이터와 대조를 하여 클래스화하는 비교(Discrimination) 기법 등이 필요하다.
개념의 효율적인 요약, 특징화 등을 위하여, 데이터 큐브 기반 일반화 기법, 속성중심 추론(Attributed-Oriented Induction) 기법, 표준 편차(Standard Deviation)나 중앙집중 경향(CentralTendency)등의 통계적 요약기법, 일반화 기반 추론(Generalization-Based Induction) 기법, 속성 연관성(Attribute Relevance) 파악 기법 등이 사용된다.
(2) 연관성 법칙(Association Rule)
연관성 법칙(Association Rule)이란 어떤 속성들이 가지는 값이 자주 나타나는 조건을 보여주는 것인데,형식적으로는 A1∧A2∧...∧An⇒B1∧B2∧...∧Bm 같이 논리적 폼으로 쓰여질 수 있다. 여기서 프레디킷(Predicate) Ai와 Bj에는 각각 속성과 그 값이 나타내며 ∧는 논리곱을 의미한다. 예를 들어 나이(X,“35..45”)∧성별(X,“남자”)∧자녀여부(X,“예”)⇒구매(X,“컴퓨터”) [지지도=40%, 신뢰도=75%]라는 연관성 법칙은 “나이가 35에서 45세 사이에 있고 자녀가 있는 남자는 컴퓨터를 구매한다”를 의미한다. 연관성 법칙은 지지도(support)와 신뢰도(confidence)가 같이 수반될 때 연관성 법칙으로서의 의미가 제대로 파악될 수 있다.
지지도는 연관성 법칙에 나타나는 각 프레디킷을 모두 만족시키는 데이터가 전체 데이터에서 나타나는 확률을 의미하고, 신뢰도란 주어진 조건 안에서 법칙이 성립하는 확률을 의미한다: 지지도(A⇒B) = P(A∪B), 신뢰도(A⇒B) = P(A|B). (P는 확률을 의미함)
예를 들어 위에서 지지도와 신뢰도의 확률 계산이 트랜잭션 숫자에 기준한 통계로 이루어 졌다면, 지지도=40%가 의미하는 바는 전체 백화점 판매 데이터베이스에서 나타나는 트랜잭션 숫자 중에서 나이가 35에서 45세 사이에 있고 자녀가 있는 남자가 컴퓨터를 구매한 트랜잭션의 숫자의 비율이 0.4임을 의미한다. 또 신뢰도=75%가 의미하는 바는 나이가 35에서 45세 사이에 있고 자녀가 있는 남자가 구매한 트랜잭션 가운데 컴퓨터를 구매한 트랜잭션의 비율이 0.75라는 의미이다.
일반적으로 높은 지지도와 높은 신뢰도를 가진 연관성 법칙일수록 좋은 법칙이라 할 수 있겠는데, 최소지지도와 최소 신뢰도를 시스템이 정하고 이를 넘는 지지도와 신뢰도를 가진 연관성 법칙을 스트롱(Strong) 연관성 법칙이라 부른다. 대용량 데이터베이스에 존재하는 연관성(특히 스트롱 연관성)을 어떻게 효율적으로 찾을 수 있는지, 얼마만큼 많은 연관성 법칙들을 찾을 수 있는지, 혹은 필요한 연관성 법칙이 무엇인지를 알아내는 등이 주요 이슈가 된다.
(3) 클래스화(Classification) 혹은 클러스터링(Clustering)
클래스화란 서로 비슷한 특징을 보이는 데이터 혹은 객체들로 분류하는 모델을 찾는 과정인데, 흔히 훈련 데이터(Training Data)로부터 적당한 클래스화를 얻어본 후 실제 데이터에 구해진 클래스에 따른 클래스화 및 클래스에 속한 객체에 대한 특징 예측(Predict)을 해나간다. 클러스터링도 객체를 분류한다는 측면에서는 비슷하지만, 훈련 데이터를 통하거나 사전에 미리 클래스화해서 실제 데이터를 그 클래스화에 적용하는 방식이 아니고, 비슷한 특징을 가진 객체끼리 클러스터간 유사성은 커지면서 동일 클러스터내의 객체간 유사성은 높이도록 분류해 나간다는 것이 그 차이점이다. 흔히 기계학습(Machine Learning)분야에서는 이러한 클래스화와 클러스터링의 차이를 감독학습(Supervised Learning)과 비감독학습(Unsupervised Learning)으로 말하기도 한다.
클래스화 기법은 크게, 의사 결정 트리 추론(Decision Tree Induction)기법,인스턴스 기반(Instance Based) 기법, 베이지안 네트워크(BayesianNetwork)기법, 신경망(Neural-Net) 기반 기법, k-근접 이웃(k-Nearest Neighbor) 기법, 유전자(Genetic) 기법 등으로 분류될 수 있다. 이에 비해 클러스터링 기법은 파티셔닝(Partitioning) 기법, 계층화(Hierarchical) 기법, 밀집-기반(Density-Based) 기법, 그리드-기반(Grid-Based) 기법, 모델-기반 기법 등이 있다.
(4) 비쥬얼화(Visualization)
분석된 패턴이 이해할 수 있는 지식이 되기 위해서는 비쥬얼화가 중요하다. 비쥬얼화에는 데이터를 3차원 큐브, 분포 차트 등의 다양한 형태로 보여주는 데이터 비쥬얼화 뿐만 아니라, 데이터마이닝으로 얻어진 연관성 법칙이나 클러스터 등을 플로팅하는 등의 데이터마이닝 결과 비쥬얼화, 데이터마이닝 과정 자체에 대한 비쥬얼화 등이 포함된다.
라. 데이터마이닝 시스템
현재 상업적으로 개발된 데이터마이닝 시스템 중 몇 가지로서는, IBM사의 Intelligent Miner, SAS Institute 사의 Enterprise Miner,Silicon Graphic 사에서 개발한 MineSet, Oracle사의 Data Mining Suite 등을 들 수 있겠다.
마. 향후 전망
현재까지 데이터마이닝 연구 및 개발은 주로 수평적 시스템을 구성하기 위한 기본 연구에 치중하였으며, 그 응용 영역도 확대해 왔다. 앞으로의 연구는 특정 응용 분야에 한정한 수직적(Vertical) 데이터마이닝으로 그 활용 영역을 넓혀갈 것으로 보인다. 예를 들어 웹마이닝(Web Mining), 바이오정보학 마이닝(Bioinformatics Mining)은 좋은 예라 할 수 있다. 또 수직적 데이터마이닝 못지 않게 더 인텔리전트하고, 효율적이고, 또 대용량 데이터베이스에서도 적용 가능한(Scalable) 데이터마이닝 시스템을 만드려는 연구 개발도 당분간 지속되리라 본다. 관련분야의 세계적인 학술대회인 ACM SIGKDD International Conference on Knowledge Discovery and Data Mining이나, 데이터베이스전반을 다루는 ACM SIGMOD International Conference on Management of Data, 그리고 International Conference on Very Large Data Bases 등에서의 데이터웨어하우스나 데이터마이닝의 2001, 2002년도 최근 연구는 이를 반영한다 할 수 있다.
데이터웨어하우스와 데이터마이닝은 그 수요에 있어서는 별개의 제품으로서가 아닌, 데이터마트와 같은 전자상거래 시스템(e-Commerce), 고객관리시스템(CRM, Customer Relationship Management), 공급사슬관리(SCM, Supply Chain Management), 기업애플리케이션통합(EAI, Enterprise Application Integration), 비즈니스 인텔리전스(Business Intelligence)등의 비즈니스 시스템 통합형태로 시장을 형성해 왔으며, 앞으로도 그러한 수요가 지속되리라 예견된다.
[출처] 데이터웨어하우스 및 데이터마이닝 개요 |작성자 문식
[참조사이트] http://blog.naver.com/mylog?Redirect=Log&logNo=140004891281
* 세부사항 첨부참조
1. 데이터웨어하우스
가. 데이터웨어하우스 개요
(1) 데이터웨어하우스의 정의와 특징
데이터웨어하우스(Data Warehouse)는 1990년대 중반 이후 데이터베이스 분야에서 특히 학문계에서보다 산업계에서 그 태동이 시작되었다. 많고 다양한 형태의 오퍼레이셔날 데이터베이스(Operational Database)가 운용되고 시간이 지날수록 그 데이터베이스의 크기가 커지게 되었다. 따라서 데이터베이스 위에서 의사 결정(decision making) 등을 위해 사용되는 다양한 종류의 응용프로그램들은 그 질의(query) 수행이 원만하게 이루어지기 위하여 오퍼레이셔날 데이터베이스 위에 새로운 형태의 통합된 데이터 저장소(repository)가 필요했는데, 이것이 데이터웨어하우스가 등장한 배경이라 할 수 있다.
데이터웨어하우스의 정의에는 여러 가지가 있지만 데이터웨어하우스 시스템 아키텍처를 초창기에 이끈 W.H. Inmon에 따르면, "데이터웨어하우스란 의사 결정 프로세스를 지원하도록 데이터를 1) 주제 지향적(Subject-Oriented)이고, 2) 통합(Integrated) 되고, 3) 시계열적(Time- Variant)이고, 4) 비휘발성(Non-Volatile)이게 모아 놓은 것(collection)"을 의미한다. 이 정의에서 사용된 4개의 의미는 다음과 같다.
(가) 주제 지향(Subject-Oriented)
데이터웨어하우스는 조직이 통상적으로 운용하는 트랜잭션 프로세싱을 위한 일반적이고 다양한 종류의 데이터의 저장소가 아니며, 의사 결정에 필요한 특정 주제(subject)의 데이터만을 가지고 그 외의 데이터는 포함하지 않는다.
(나) 통합(Integrated)
데이터웨어하우스에 저장, 관리되는 데이터는 일반적으로 다수의 서로 다른 형태의 데이터베이스로부터 통합(integrated)된 것이다.
(다) 시계열 (Time-Variant)
데이터를 이용해 의사 결정을 하는데 가장 유용한 측면중의 하나는 데이터가 시간에 따라 어떻게 변하였는지를 살피는 것이다. 따라서 대부분의 데이터웨어하우스에는 시간에 따라 변화된 데이터 정보를 저장한다.
(라) 비휘발성(Non-Volatile)
데이터웨어하우스는 오퍼레이셔날 데이터베이스와는 물리적으로 별도로 데이터를 저장한다. 오퍼레이셔날 데이터베이스에서 필요한 트랜잭션 관리, 복구 기법, 동시성 제어 기법 등은 중요시되지 않는 경우가 대다수이다. 그 대신 정기적으로 데이터를 오퍼레이셔날 데이터베이스로부터 로딩하고 로딩된 데이터를 액세스하는 기법이 중요시된다.
(2) 오퍼레이셔날 데이터베이스와의 차이점
데이터웨어하우징 시스템을 현재 상업적으로 사용되는 데이터베이스 시스템과 비교하면 데이터웨어하우징 시스템의 이해가 더 쉽다. 오퍼레이셔날 데이터베이스 시스템이 주로 조직이 필요로 하는 일상 업무(day-to-day operations)를 위한 OLTP(On-Line Transaction Processing)을 위한 시스템이라면, 데이터웨어하우징 시스템은 데이터 분석이나 의사 결정 등을 지원하는 OLAP(On-Line Analytical Processing)을 위한 시스템이다.
OLTP시스템과 OLAP시스템의 주요 차이는 다음과 같은 측면으로 요약 될 수 있다.
나. 다차원 데이터 모델
(1) 데이터 큐브
데이터웨어하우스와 OLAP 도구들은 다차원(multi-dimensional) 데이터 모델을 기반으로 하는데, 조직이 원하는 여러 차원(측면, dimension)에서 데이터 모델링이 데이터 큐브(Data Cube)를 통해 이루어진다. 데이터 큐브와 다차원 데이터 모델링을 설명하기 위해 먼저 차원(Dimension)과 사실(Fact)이란 두 용어를 설명하자.
차원(Dimension)이란 조직이 데이터 레코드를 운용하는 이유의 대상이 되는 측면을 의미하고, 사실(Fact)이란 숫자적으로 표현되는 값을 의미한다. 예를 들어 가나다 백화점이 백화점 관리에 따른 의사 결정을 위한 ‘가나다 판매분석 데이터웨어하우스’를 만드는데, 관심 있는 측면이 연도, 품목, 지점에 따른 총 판매 금액이라 하자. 이 경우 차원(Dimension)은 연도, 품목, 지점 세 가지이고, 총 판매 금액은 사실(Fact)이 된다. 따라서 ‘가나다 판매분석 데이터웨어하우스’는 3차원 데이터 모델이 필요한데, 어떻게 데이터 큐브를 통해 이루어지는지 [그림 4-10-16]을 참고로 설명하기로 한다.
[그림 4-10-16] 상단 왼쪽 테이블은 연도라는 하나의 차원에 대한 총 판매 금액을 표시하며 이에 해당하는 1차원 데이터 큐브이다. 상단 오른쪽에는 연도와 품목이라는 두 개의 차원에 대한 총 판매 금액을 테이블 형태와 이에 해당하는 2차원 데이터 큐브가 있다. 여기에 지점별로 다시 총 판매 금액을 보여주기 위해 연도, 품목, 지점의 세 차원에 대한 테이블과 이에 상응하는 3차원 데이터 큐브가 그림 하단에 나타난다. 큐브란 용어 자체는 기하학적으로 3차원을 의미해 용어상 혼동을 줄 수 있겠지만 데이터 큐브에서는 원하는 차원의 일반적인 n차원을 의미한다.
다차원 데이터 모델을 위한 데이터 큐브에서 각각의 데이터 큐브를 큐보이드(cuboid)라고도 부르며, 이러한 큐보이드 간에는 [그림 4-10-17]과 같이 래티스(lattice) 관계가 형성되게 된다.
‘가나다 판매 분석 데이터웨어하우스’를 이용하여 예를 들어 경영자가 지점별 예산 편성이나 특화 분야 선정을 하는 의사 결정을 내리기 위해 질의 패턴중 대표적인 것으로는 드릴다운과 롤업이 있다. 연도별 총 판매 금액, 다시 연도와 품목별 총 판매 금액, 그리고 연도, 품목, 지점별 총 판매 금액 정보를 계산해 내는 방식으로 점점 더 기존 차원에 또 다른 차원을 첨가해 세분화된 질의를 하는 질의 패턴을 드릴다운(Drill- Down)이라 한다. 이와 반대로 차원 수를 줄여가며 점점 요약된 형태의 정보를 얻어 나가는 질의 패턴은 롤업(Roll-Up)이라 한다. 이 밖에 슬라이싱(Slicing), 다이싱(Dicing), 피봇(Pivot) 등도 흔히 나타나는 질의 패턴이다.
(2) 스타 스키마/스노우플레이크 스키마
앞서 살펴보았듯이 데이터웨어하우스에는 다차원 모델이 적합한데 이를 논리적 (Conceptual)으로 설계할 때 제일 자주 사용되는 스키마는 스타 스키마(Star Schema)와 스노우플레이크 스키마(Snowflake Schema)이다.
스타 스키마는 필요한 사실과 기타 속성들로 이루어진 사실 테이블과, 관심있는 차원과 그에 따른 부가적인 정보들을 각각 하나의 차원 테이블로 설계해, 사실 테이블과 차원 테이블을 외부키(Foreign Key)로 연결할 수 있도록 한다. 그림 상으로 보면 마치 별 모양이 되도록 구성한 스키마이다. 스타 스키마의 변형인 스노우플레이크 스키마(Snowflake Schema)는 차원 테이블을 다시 정규화(Normalize)함으로서 이들 테이블들이 마치 눈꽃(Snowflake) 모양이 되도록 만든 스키마이다.
다. 데이터웨어하우스 아키텍처와 데이터웨어하우징 시스템
(1) 아키텍처와 OLAP 구현 분류
데이터웨어하우징 시스템은 통상적으로 데이터 소스로부터 데이터를 클리닝하고 로딩하며 메타 정보 등을 관리하는 데이터웨어하우스 서버를 하위 티어에 두고, 중간 티어에 OLAP 프로세스 서버를 두며, 상위 티어에 데이터마이닝 등의 의사 결정 응용 프로그램 도구를 두는 3-티어 아키텍처를 가진다.
OLAP 서버는 크게 ROLAP과 MOLAP 그리고 HOLAP의 세 종류로 구분해 볼 수 있다. ROLAP(Relational OLAP) 서버란 관계형 데이터베이스나 확장된 관계형 데이터베이스를 사용해 다차원 모델링되는 데이터 큐브를 테이블 형태로 저장 운용하는 방식을 말한다. MOLAP (Multidimensional OLAP) 서버란 데이터 큐브를 실제로 어레이를 기반한 다차원 저장 엔진을 사용하여 저장 운용하는 방식이다. HOLAP (Hybrid OLAP) 서버는 말 그대로 ROLAP과 MOLAP을 혼용하는 방식을 의미한다.
(2) 데이터웨어하우징 시스템
현재 상업적으로 개발된 데이터웨어하우징 시스템은 많으나 그 중 몇 가지를 들면 다음과 같다. IBM사에서는 Informix eXtended Parallel Server(XPS), Readbrick Warehouse, DB2 OLAP Server 등이 있으며, Oracle사에서는 Oracle Data Warehousing이, Microsoft사에서는 MS SQL Server OLAP Services,NCR사에서는 TeraData Warehousing, Sybase사에서는 Sybase Anywhere Studio, Microstrategy사의 Microstrategy OLAP Services, Hyperion 사의 Essbase OLAP Server등을 들 수 있겠다.
2. 데이터마닝
가. 데이터마이닝 개요
데이터웨어하우스와 비슷한 시기에 데이터베이스 분야를 중심으로 연구가 활발하게 시작된 분야가 데이터마이닝(Data Mining)이다. 90년대 중반이후에 데이터베이스나 데이터웨어하우스의 크기는 웹 로봇과 같이 데이터를 수동이 아닌 자동으로 수집하는 도구의 대중화와 오랜 기간의 시계열적 데이터 량의 증가 등으로 그 크기가 급속도로 커졌고, 이를 시스템이 기술적으로 감당할 수 있게 됨으로서 데이터마이닝이란 새로운 응용 분야가 탄생할 수 있었다.
데이터마이닝은 ‘대용량의 데이터에서 필요한 지식(Knowledge)을 얻고자 하는 과정’이라 간단히 정의할 수 있는데, 데이터베이스에서 분야에서는 지식 발견(KDD : Knowledge Discovery in Databases)이라고도 불리며, 그 응용 분야에 따라 비즈니스 인텔리전스, 지식 추출, 정보 분석 등의 용어로도 불린다. 여기서 발견하고자하는 지식은 뻔한 사실이 아니고(Non-Trivial), 데이터에 직접적으로 나타나지 않고 내포되었으며(Implicit), 기존에 발견되지 않은, 잠재적으로 유용한 지식을 의미한다.
데이터마이닝은 잠재적으로 폭 넓은 응용 분야를 가지고 있는데 고객 구매 성향 분석, 타겟 마케팅, 크로스-마켓팅 등의 마켓팅 분석 및 관리 분야, 위험 분석 및 관리 분야, 사기 상행위 발견 및 예측 분야, 텍스트 나 웹 등에서의 정보 발견, DNA 데이터 분석 및 의료정보학, 기타 스포츠, 과학 등을 망라하는데 데이터마이닝 기술이 발전하면서 그 응용의 폭이 점점 더 커지고 있는 추세이다.
나. 지식발견과정 : 데이터마이닝
데이터마이닝은 일반적으로 다음 [그림 4-10- 20]과 같은 과정을 밟는다.
데이터 클리닝(cleaning)과 통합 : 데이터 소스는 서로 다른 관계형 데이터베이스로에서부터 파일 혹은 이메일 자료 등 다양할 수 있으며 그 데이터 형식도 다양할 수 있다. 이 과정에서는 에러를 보정하고 포맷을 통일시키고 데이터의 일관성을 유지하며 스키마를 통합하는 등의 작업을 수행한다.
데이터 선별과 변환 : 데이터웨어하우스와 같은 통합된 데이터 저장소로부터 분석작업에 필요한 데이터를 선별하고 데이터마이닝을 수행할 수 있는 형태로 데이터를 변환한다.
데이터마이닝 : 데이터로부터 다양한 형태의 마이닝 기법을 적용시켜 패턴을 추출해 낸다.
패턴 평가와 표현 : 추출된 패턴이 얻고자하는 지식에 필요한 것인지를 척도에 맞추어 평가해보고 궁극적으로 사람이 이해할 수 있는 방법으로 지식을 표현한다.
다. 데이터마이닝 시스템 아키텍처와 필요 기능
[그림 4-10-20]에서 제시된 데이터마이닝 과정을 처리하기 위한 데이터마이닝 시스템의 아키텍처는 [그림 4-10-21]과 같이 데이터베이스/데이터웨어하우스 서버, 데이터마이닝 엔진, 패턴 분석기, 사용자 인터페이스 등으로 구성될 수 있다.
데이터마이닝 시스템에서 필요한 기능적 요소를 요약해 보면 다음과 같다.
(1) 개념 설명 : 특징화(Characterization)와 비교(Discrimination)
예를 들어 백화점 판매 분석 데이터웨어하우스에서 고객들의 분류에 따른 물품별 판매 패턴을 분석하여 그로부터 백화점 경영에 대한 지식을 얻는데 데이터마이닝 기법을 도입한다 하자. 그러면 SRAM, DRAM 등은 메모리로 분류되고, 다시 이는 하드디스크, PC, 모니터 등을 포함하는 컴퓨터라는 물품으로 분류되는 등의 물품 분류가 필요하다. 또 고객별 성향을 20대 30대 등의 나이별 분류에서 씀씀이가 큰 고객, 신세대 고객 등의 분류도 필요할 수 있다. 이와 같이 데이터를 클래스화하고 개념화하기 위해서는 비슷한 부류의 데이터가 가지고 있는 성질 등을 일반적인 용어를 사용하여 요약(Summarize)하는 특징화(Characterization)와, 비교되는 부류의 데이터와 대조를 하여 클래스화하는 비교(Discrimination) 기법 등이 필요하다.
개념의 효율적인 요약, 특징화 등을 위하여, 데이터 큐브 기반 일반화 기법, 속성중심 추론(Attributed-Oriented Induction) 기법, 표준 편차(Standard Deviation)나 중앙집중 경향(CentralTendency)등의 통계적 요약기법, 일반화 기반 추론(Generalization-Based Induction) 기법, 속성 연관성(Attribute Relevance) 파악 기법 등이 사용된다.
(2) 연관성 법칙(Association Rule)
연관성 법칙(Association Rule)이란 어떤 속성들이 가지는 값이 자주 나타나는 조건을 보여주는 것인데,형식적으로는 A1∧A2∧...∧An⇒B1∧B2∧...∧Bm 같이 논리적 폼으로 쓰여질 수 있다. 여기서 프레디킷(Predicate) Ai와 Bj에는 각각 속성과 그 값이 나타내며 ∧는 논리곱을 의미한다. 예를 들어 나이(X,“35..45”)∧성별(X,“남자”)∧자녀여부(X,“예”)⇒구매(X,“컴퓨터”) [지지도=40%, 신뢰도=75%]라는 연관성 법칙은 “나이가 35에서 45세 사이에 있고 자녀가 있는 남자는 컴퓨터를 구매한다”를 의미한다. 연관성 법칙은 지지도(support)와 신뢰도(confidence)가 같이 수반될 때 연관성 법칙으로서의 의미가 제대로 파악될 수 있다.
지지도는 연관성 법칙에 나타나는 각 프레디킷을 모두 만족시키는 데이터가 전체 데이터에서 나타나는 확률을 의미하고, 신뢰도란 주어진 조건 안에서 법칙이 성립하는 확률을 의미한다: 지지도(A⇒B) = P(A∪B), 신뢰도(A⇒B) = P(A|B). (P는 확률을 의미함)
예를 들어 위에서 지지도와 신뢰도의 확률 계산이 트랜잭션 숫자에 기준한 통계로 이루어 졌다면, 지지도=40%가 의미하는 바는 전체 백화점 판매 데이터베이스에서 나타나는 트랜잭션 숫자 중에서 나이가 35에서 45세 사이에 있고 자녀가 있는 남자가 컴퓨터를 구매한 트랜잭션의 숫자의 비율이 0.4임을 의미한다. 또 신뢰도=75%가 의미하는 바는 나이가 35에서 45세 사이에 있고 자녀가 있는 남자가 구매한 트랜잭션 가운데 컴퓨터를 구매한 트랜잭션의 비율이 0.75라는 의미이다.
일반적으로 높은 지지도와 높은 신뢰도를 가진 연관성 법칙일수록 좋은 법칙이라 할 수 있겠는데, 최소지지도와 최소 신뢰도를 시스템이 정하고 이를 넘는 지지도와 신뢰도를 가진 연관성 법칙을 스트롱(Strong) 연관성 법칙이라 부른다. 대용량 데이터베이스에 존재하는 연관성(특히 스트롱 연관성)을 어떻게 효율적으로 찾을 수 있는지, 얼마만큼 많은 연관성 법칙들을 찾을 수 있는지, 혹은 필요한 연관성 법칙이 무엇인지를 알아내는 등이 주요 이슈가 된다.
(3) 클래스화(Classification) 혹은 클러스터링(Clustering)
클래스화란 서로 비슷한 특징을 보이는 데이터 혹은 객체들로 분류하는 모델을 찾는 과정인데, 흔히 훈련 데이터(Training Data)로부터 적당한 클래스화를 얻어본 후 실제 데이터에 구해진 클래스에 따른 클래스화 및 클래스에 속한 객체에 대한 특징 예측(Predict)을 해나간다. 클러스터링도 객체를 분류한다는 측면에서는 비슷하지만, 훈련 데이터를 통하거나 사전에 미리 클래스화해서 실제 데이터를 그 클래스화에 적용하는 방식이 아니고, 비슷한 특징을 가진 객체끼리 클러스터간 유사성은 커지면서 동일 클러스터내의 객체간 유사성은 높이도록 분류해 나간다는 것이 그 차이점이다. 흔히 기계학습(Machine Learning)분야에서는 이러한 클래스화와 클러스터링의 차이를 감독학습(Supervised Learning)과 비감독학습(Unsupervised Learning)으로 말하기도 한다.
클래스화 기법은 크게, 의사 결정 트리 추론(Decision Tree Induction)기법,인스턴스 기반(Instance Based) 기법, 베이지안 네트워크(BayesianNetwork)기법, 신경망(Neural-Net) 기반 기법, k-근접 이웃(k-Nearest Neighbor) 기법, 유전자(Genetic) 기법 등으로 분류될 수 있다. 이에 비해 클러스터링 기법은 파티셔닝(Partitioning) 기법, 계층화(Hierarchical) 기법, 밀집-기반(Density-Based) 기법, 그리드-기반(Grid-Based) 기법, 모델-기반 기법 등이 있다.
(4) 비쥬얼화(Visualization)
분석된 패턴이 이해할 수 있는 지식이 되기 위해서는 비쥬얼화가 중요하다. 비쥬얼화에는 데이터를 3차원 큐브, 분포 차트 등의 다양한 형태로 보여주는 데이터 비쥬얼화 뿐만 아니라, 데이터마이닝으로 얻어진 연관성 법칙이나 클러스터 등을 플로팅하는 등의 데이터마이닝 결과 비쥬얼화, 데이터마이닝 과정 자체에 대한 비쥬얼화 등이 포함된다.
라. 데이터마이닝 시스템
현재 상업적으로 개발된 데이터마이닝 시스템 중 몇 가지로서는, IBM사의 Intelligent Miner, SAS Institute 사의 Enterprise Miner,Silicon Graphic 사에서 개발한 MineSet, Oracle사의 Data Mining Suite 등을 들 수 있겠다.
마. 향후 전망
현재까지 데이터마이닝 연구 및 개발은 주로 수평적 시스템을 구성하기 위한 기본 연구에 치중하였으며, 그 응용 영역도 확대해 왔다. 앞으로의 연구는 특정 응용 분야에 한정한 수직적(Vertical) 데이터마이닝으로 그 활용 영역을 넓혀갈 것으로 보인다. 예를 들어 웹마이닝(Web Mining), 바이오정보학 마이닝(Bioinformatics Mining)은 좋은 예라 할 수 있다. 또 수직적 데이터마이닝 못지 않게 더 인텔리전트하고, 효율적이고, 또 대용량 데이터베이스에서도 적용 가능한(Scalable) 데이터마이닝 시스템을 만드려는 연구 개발도 당분간 지속되리라 본다. 관련분야의 세계적인 학술대회인 ACM SIGKDD International Conference on Knowledge Discovery and Data Mining이나, 데이터베이스전반을 다루는 ACM SIGMOD International Conference on Management of Data, 그리고 International Conference on Very Large Data Bases 등에서의 데이터웨어하우스나 데이터마이닝의 2001, 2002년도 최근 연구는 이를 반영한다 할 수 있다.
데이터웨어하우스와 데이터마이닝은 그 수요에 있어서는 별개의 제품으로서가 아닌, 데이터마트와 같은 전자상거래 시스템(e-Commerce), 고객관리시스템(CRM, Customer Relationship Management), 공급사슬관리(SCM, Supply Chain Management), 기업애플리케이션통합(EAI, Enterprise Application Integration), 비즈니스 인텔리전스(Business Intelligence)등의 비즈니스 시스템 통합형태로 시장을 형성해 왔으며, 앞으로도 그러한 수요가 지속되리라 예견된다.
[출처] 데이터웨어하우스 및 데이터마이닝 개요 |작성자 문식
[참조사이트] http://blog.naver.com/mylog?Redirect=Log&logNo=140004891281
EDW의 이해 - EDW의 필요성과 현황
EDW(Enterprise Data Warehouse)는 기존 DW(Data Warehouse)를 전사적으로 확장한 모델인 동시에 BPR과 CRM, BSC 같은 다양한 분석 애플리케이션들을 위한 원천이 된다. 따라서 EDW를 구축하는 것은 단순히 정보를 빠르게 전달하는 대형 시스템을 도입한다는 의미가 아니라 기업 리소스의 유기적 통합, 다원화된 관리 체계 정비, 데이터의 중복 방지 등을 위해 시스템을 재설계 하는 것으로 이해해야 한다.
데이터 웨어하우징(Data Ware-housing)의 개념은 기간계의 주요 데이터를 주제별로 통합하여 현업 부서의 정보분석 요구를 신속히 충족시키는 시스템을 의미한다. 이를 위해 기업의 정보기반이 되는 인프라를 구축하고 이를 IT부서의 도움 없이 액세스하는 방법을 제공하게 된다. EDW는 이 개념을 기업의 전사적인 영역으로 확장시킨 개념이라고 볼 수 있다.
그렇다면 EDW의 범주를 어디까지 보아야 할까? 기업에서 최근 일반적으로 구성되는 표준 모델의 형태는 <그림>과 같다.
<그림>에서 보면 이전과 같이 전면에 포지셔닝 되는 그림이 아닌 BI(Business Intelligence) 애플리케이션을 위한 데이터 인프라로서의 역할이 강조되는 것을 확인할 수 있다. 이와 같이 EDW란 것은 이전의 DW를 전사적으로 확장하려고 하는 부분에서 생긴 다양한 시스템간의 인터페이스와 데이터 통합, 표준화 등을 중요시한 DW의 확장 모델인 동시에 기업 정보에 관한 프로세스의 표준화와 개선, 즉 BPR적 영역을 포함한다. 또한 CRM, BSC 같은 다양한 분석적 애플리케이션들을 위한 데이터의 원천이 된다.
EDW의 출현 배경
IT시장에 DW의 개념이 나오고 일반화된지 거의 10년이 되어가고 있지만 초기의 정의와 역할과는 다르게 최근 DW의 의미는 거의 분석계 플랫폼의 전체를 지칭하는 명사로 인식되고 있다. 단순히 데이터를 주제별로 통합해 OLAP 시스템을 통한 다차원의 분석을 가능케 하는 초기 정의와는 달리 2000년대 들어서는 정제되고 통합된 데이터를 거의 모든 BI 애플리케이션(ABM, BSC, CRM 등)에게 제공해 주는 데이터 인프라 측면이 강조되었다.
이에 따라 ABM, BSC, 혹은 CRM 프로젝트란 이름 하에 각 시스템의 분석 마트를 설계하는 프로젝트들이 진행되어 왔다. 또한 근래에 들어서는 RTE(Real Time Enterprise), EAI와의 연동을 통한 좀더 기술적, 비즈니스적으로 진보된 플랫폼으로 구축하려는 시도를 보이고 있다.
사실 처음 EDW란 용어가 시장에 나왔을 때 당혹해 하는 사람들도 많았을 것이다. DW 시장 도입 초기단계에서는 시스템 발전에 따른 비용부담의 감소로 인해 이전에 할 수 없었던 대용량의 데이터 분석이 가능해졌고, 이로 인해 기업 내 데이터의 전사적인 인프라 구축과 정보 조회가 가능하다고 소개를 했다.
하지만 이후 단순한 데이터만으로는 사용자의 다양한 구미에 맞는 모든 경우의 주제 모델링이 불가능해지자 각각의 목적에 맞게 데이터 마트를 구축하는 것이 흐름으로 이어져 새로운 DW 구축 프로젝트를 만들어 나가기 시작했다. 그러나 데이터 마트도 기본적으로는 DW를 잘 설계했다면 불필요한 모델이었을 것이다.
그러나 중요한 것은 각 벤더의 이해가 달린 새로운 개념의 출현이 아니다. 새로운 개념이 출현했다고 해서 꼭 그것을 반영하고 도입해야 할 이유도 없고, 그것이 정답이 될 수도 없기 때문이다. 중요한 것은 각 기업의 상황에 맞는 가장 적절하고 유용한 시스템을 구축하는 것이다. 이는 DW 도입의 초기 단계에서부터 줄곧 주장되어 온 것으로 현재의 상황에서도 적합한 말이다. 단지 그것이 확장되고 진보되었을 뿐이다.
DW가 한 순간의 유행으로 끝나지 이유는 기업의 정보 데이터 인프라를 구축하는 최적의 개념이고 필수적인 요소이기 때문이다.
EDW의 이슈와 과제
각 컨설팅업체와 벤더들 사이에서 EDW에 대한 나름의 이론을 내놓고 있다. 기업 운영 과정에서 생산되는 전체 데이터를 한 통에 남김없이 모두 적재해 데이터의 중복을 방지하고 동기화를 보장해야 한다거나, 여러 종류의 마트 중심으로 데이터를 구축하는 것이 차후의 여러 BI 시스템의 확장에 유연하게 대처할 수 있다는 등 벤더 위주의 정의들을 내리고 있다.
그러나 실제 이상주의적인 개념들과는 달리 현실 세계에서의 EDW 구축에서는 정답이 없다는 것이 필자의 생각이다. 실제로 많은 회사에서 DW를 구축했고, 부서 단위의 분석 마트를 운영하며, 업무의 효율을 높이기 위해 노력하고 있다,
이들 또한 데이터들의 전사적인 관리와 통합이라는 측면에서 EDW 프로젝트를 준비하고 있는 것이 사실이다. 그러나 실제 EDW 프로젝트가 수행된 결과물을 보면, 단지 지금까지 있었던 DW를 크게 만들어 놓은 것과 크게 다르지 않아 보인다. I/O를 확장하고, 모델이 전사 영역으로 확장되고, CRM 등의 프론트 오피스를 하나 얹어 놓는 등의 형태로 구축되는 것이 현재 거의 모든 사이트에서 진행되는 EDW의 형태인 것이다.
물론 전사영역으로 확장하는 것만으로도 충분히 많은 경비와 인력과 노력을 요하는 것은 사실이다. 그러나 과연 이것이 EDW의 전부일까? 물리적으로 데이터를 모아놓는다는 측면에서만 생각하면 이같은 형태를 EDW라고 할 수도 있지만 진정한 기업의 인프라로서의 EDW란 데이터 측면만으로 부족하다.
기업 데이터를 하나의 분석플랫폼에 모아놓으려는 의도는 무엇인가? 모든 데이터의 접근성을 용이하게 하고, 각 데이터의 주제적 연관성을 보장하여 기업이 가진 정보의 가치를 높이는 것이 EDW라 하면 이 작업은 데이터의 수집만이 아닌 프로세스 개선과 POS에서 백오피스, 분석계까지의 모든 데이터 표준화와 동기화를 말하는 것이다.
이를 위해 필요한 것은 몹시 크고 빠른 공룡 같은 새로운 시스템을 도입하는 것이 아니다. 기업들이 모든 리소스들의 아키텍처 개선을 통한 유기적인 통합과 다원화된 관리 체계를 재정비하여 불필요하게 낭비되는 관리비용을 줄이고, 데이터의 중복을 방지할 수 있는 방향으로 시스템을 재설계 하는 것이 EDW의 중요한 초석일 것이다.
EDW의 기술적 문제점 시스템이 빨라지고 가격이 낮아져 대용량의 데이터를 처리할 수 있게 됐다고 하지만 그 속도에 맞추어 분석에 대한 요구도 복잡해지고, 데이터의 수도 크게 늘어난 것이 사실이다. 이에 따라 DW의 초기부터 논의되고 시간이 지나면 해결될 것으로 봤지만 여전히 해결되지 않고 있는 부분이 몇 가지 있다.
우선 추출에서의 Real Time, 즉 실시간 데이터 처리 문제와 인덱스의 발전에도 불구하고 수GB 이상의 테이블 간 결합을 통한 대량의 데이터 분석 문제, DRS 등으로 표현되는 백업과 복구에 관한 문제 등이 그것이다. 특히 EDW에서는 이와 같은 처리의 중요성이 더욱 부각되고 있지만 현재 시장에 나와 있는 기술로는 완벽한 해결책을 제시하지 못하고 있다.
실시간 처리의 대안으로 EAI 또는 DB의 로그를 처리하는 기술이 부각되고 있지만, 이 역시 많은 코딩을 필요로 하고 실시간으로 요약 데이터에 반영해줄 수는 없다. 실제 OLTP를 사용하는 것과 같은 EDW에 변경 분을 반영하는 것은 적어도 향후 5년 정도 뒤에나 가능할 것으로 보인다.
또한 대량의 트랜잭션을 처리하는 기업과 통신사의 콜 데이터나 은행의 트랜잭션들은 발전된 하드웨어의 속도가 무색할 정도로 증가하고 있다. 하루에도 수십 GB씩 쌓이는 이들 데이터를 처리하고 분석하기 위해 파티션 기법, 비트맵 인덱싱들의 기술들이 사용되고 있으나 근본적인 문제의 해법을 제시해 주지 못하고 있다.
한편 백업의 경우에는 각 DB 벤더들이 솔루션을 보유하고 있고, 나름의 복구 방안을 제시하고 있지만 사용이 어렵고 신뢰성도 부족하기 때문에 전체 파일 시스템의 백업 방법을 쓰고 있는 회사가 대부분이다.
EDW는 그 기술의 근간을 RDBMS에 두고 있다. 이는 분석의 한계 역시 SQL의 영역에 국한됨을 의미한다. 이러한 약점에 따라 이전의 OLTP용 DB를 사용할 경우는 MOLAP을 DW의 부가적인 분석을 제공하는 시스템으로 구축하고 마트를 만들어 왔다.
그러나 분석 전용 DB의 등장과 ROLAP 툴의 발달로 MOLAP은 서서히 그 효용가치를 잃어가고 있는 상황이다. 그러나 이와 같은 관계형 DB기술의 발달에도 불구하고, 여전히 관계형 DBMS는 사용자의 고차원적인 분석 욕구를 해결해 주지 못하고 있는 것 또한 현실이다.
EDW 시장 동향
근래 들어 전 산업에 걸쳐 고르게 EDW의 수요가 증가하고 있다. 작년 한해 동안 금융권에서는 조흥은행, 우리은행, 국민은행 등이 구축을 완료하거나 현재 진행 중이고 현대카드, 신용보증기금, 대한생명, 농협, 교보생명, 우리증권 등이 올해 신규로 EDW를 준비중이다. 또 제조·유통 쪽에서는 롯데백화점, 신세계 이마트, 제일모직, LG패션 등이 지난해 구축을 완료했거나 현재 진행 중이다.
통신산업에서는 KT가 현재 전사적인 EDW를 진행 중이고, 정보통신부도 각각의 업무 부서별로 여러 건의 DW 프로젝트가 진행 중이거나 신규도입을 준비하고 있다. 이외에도 연세의료원, 건국대 병원 등 많은 종합 병원들이 올해 DW의 도입을 계획하고 있는 상황이다.
근래에 와서 BI 애플리케이션의 수요가 증가하고 있다. 이는 기존의 모델링 방법론의 실패 요인을 줄이는 한편 각 인더스트리의 선진 기술에 프로세스를 맞추어 개발 기간을 단축하고, 많은 부분이 표준화되어 있는 리포지토리를 도입해 업무의 효율을 높이려는 시도라고 볼 수 있다.
그렇다면 높은 비용에도 불구하고 OLAP 툴을 쓰는 이유는 무엇일까? 이는 기존의 OLTP 시스템 개발과 같이 충분히 개발을 할 수 있는 기술이 있음에도 미리 개발되어 있는 컴포넌트들을 사용함으로써 빠른 시간에 프로젝트를 완료하고, 완성도 높은 분석을 제공하기 위함이다.
이러한 BI 애플리케이션들이 아무리 좋은 선진 프로세스와 첨단 기능을 제공한다할 지라도 기존 분석의 근간이 되는 데이터가 부족하고 데이터의 신뢰성이 없다면 또 하나의 유행에 의한 시스템이 될 뿐이다.
이러한 문제의식은 기반 데이터의 통합과 정제라는 기본에서 출발해야 하는 공통의 인식을 가지게 하였고, 거의 모든 기업에서 EDW는 필수적인 정보인프라로 자리매김하게 된 것이다.
또한 기존에 EDW를 구축한 기업에서는 고도화를 통해 새로운 활용처를 모색하게 되었고, 보다 고급화되고 정밀한 분석을 위해 즉시성의 데이터 요구가 생기게 되었다.
이 를 위해 기존의 일 배치나 월 배치의 형태에서 벗어나 데이터의 업데이트 주기를 최소화하는 Near Real Time 처리 방법에 대한 논의가 활발하게 이루어지고 있으며 기존의 DW, OLAP의 분석으로 만족할 수 없었던 집단(마케팅이나 정보분석실과 같은 부서)을 위해 IT의 주도 하에 이루어지던 주제 영역의 모델링, 데이터 조작 등의 작업 주도권과 사용권한을 사용자에게 줄 수 있는 고급분석 시스템에 대한 요구가 증가하고 있다.
[출처] EDW의 이해 - EDW의 필요성과 현황|작성자 문식
[참고사이트] http://blog.naver.com/mylog?Redirect=Log&logNo=140004891281
데이터 웨어하우징(Data Ware-housing)의 개념은 기간계의 주요 데이터를 주제별로 통합하여 현업 부서의 정보분석 요구를 신속히 충족시키는 시스템을 의미한다. 이를 위해 기업의 정보기반이 되는 인프라를 구축하고 이를 IT부서의 도움 없이 액세스하는 방법을 제공하게 된다. EDW는 이 개념을 기업의 전사적인 영역으로 확장시킨 개념이라고 볼 수 있다.
그렇다면 EDW의 범주를 어디까지 보아야 할까? 기업에서 최근 일반적으로 구성되는 표준 모델의 형태는 <그림>과 같다.
<그림>에서 보면 이전과 같이 전면에 포지셔닝 되는 그림이 아닌 BI(Business Intelligence) 애플리케이션을 위한 데이터 인프라로서의 역할이 강조되는 것을 확인할 수 있다. 이와 같이 EDW란 것은 이전의 DW를 전사적으로 확장하려고 하는 부분에서 생긴 다양한 시스템간의 인터페이스와 데이터 통합, 표준화 등을 중요시한 DW의 확장 모델인 동시에 기업 정보에 관한 프로세스의 표준화와 개선, 즉 BPR적 영역을 포함한다. 또한 CRM, BSC 같은 다양한 분석적 애플리케이션들을 위한 데이터의 원천이 된다.
EDW의 출현 배경
IT시장에 DW의 개념이 나오고 일반화된지 거의 10년이 되어가고 있지만 초기의 정의와 역할과는 다르게 최근 DW의 의미는 거의 분석계 플랫폼의 전체를 지칭하는 명사로 인식되고 있다. 단순히 데이터를 주제별로 통합해 OLAP 시스템을 통한 다차원의 분석을 가능케 하는 초기 정의와는 달리 2000년대 들어서는 정제되고 통합된 데이터를 거의 모든 BI 애플리케이션(ABM, BSC, CRM 등)에게 제공해 주는 데이터 인프라 측면이 강조되었다.
이에 따라 ABM, BSC, 혹은 CRM 프로젝트란 이름 하에 각 시스템의 분석 마트를 설계하는 프로젝트들이 진행되어 왔다. 또한 근래에 들어서는 RTE(Real Time Enterprise), EAI와의 연동을 통한 좀더 기술적, 비즈니스적으로 진보된 플랫폼으로 구축하려는 시도를 보이고 있다.
사실 처음 EDW란 용어가 시장에 나왔을 때 당혹해 하는 사람들도 많았을 것이다. DW 시장 도입 초기단계에서는 시스템 발전에 따른 비용부담의 감소로 인해 이전에 할 수 없었던 대용량의 데이터 분석이 가능해졌고, 이로 인해 기업 내 데이터의 전사적인 인프라 구축과 정보 조회가 가능하다고 소개를 했다.
하지만 이후 단순한 데이터만으로는 사용자의 다양한 구미에 맞는 모든 경우의 주제 모델링이 불가능해지자 각각의 목적에 맞게 데이터 마트를 구축하는 것이 흐름으로 이어져 새로운 DW 구축 프로젝트를 만들어 나가기 시작했다. 그러나 데이터 마트도 기본적으로는 DW를 잘 설계했다면 불필요한 모델이었을 것이다.
그러나 중요한 것은 각 벤더의 이해가 달린 새로운 개념의 출현이 아니다. 새로운 개념이 출현했다고 해서 꼭 그것을 반영하고 도입해야 할 이유도 없고, 그것이 정답이 될 수도 없기 때문이다. 중요한 것은 각 기업의 상황에 맞는 가장 적절하고 유용한 시스템을 구축하는 것이다. 이는 DW 도입의 초기 단계에서부터 줄곧 주장되어 온 것으로 현재의 상황에서도 적합한 말이다. 단지 그것이 확장되고 진보되었을 뿐이다.
DW가 한 순간의 유행으로 끝나지 이유는 기업의 정보 데이터 인프라를 구축하는 최적의 개념이고 필수적인 요소이기 때문이다.
EDW의 이슈와 과제
각 컨설팅업체와 벤더들 사이에서 EDW에 대한 나름의 이론을 내놓고 있다. 기업 운영 과정에서 생산되는 전체 데이터를 한 통에 남김없이 모두 적재해 데이터의 중복을 방지하고 동기화를 보장해야 한다거나, 여러 종류의 마트 중심으로 데이터를 구축하는 것이 차후의 여러 BI 시스템의 확장에 유연하게 대처할 수 있다는 등 벤더 위주의 정의들을 내리고 있다.
그러나 실제 이상주의적인 개념들과는 달리 현실 세계에서의 EDW 구축에서는 정답이 없다는 것이 필자의 생각이다. 실제로 많은 회사에서 DW를 구축했고, 부서 단위의 분석 마트를 운영하며, 업무의 효율을 높이기 위해 노력하고 있다,
이들 또한 데이터들의 전사적인 관리와 통합이라는 측면에서 EDW 프로젝트를 준비하고 있는 것이 사실이다. 그러나 실제 EDW 프로젝트가 수행된 결과물을 보면, 단지 지금까지 있었던 DW를 크게 만들어 놓은 것과 크게 다르지 않아 보인다. I/O를 확장하고, 모델이 전사 영역으로 확장되고, CRM 등의 프론트 오피스를 하나 얹어 놓는 등의 형태로 구축되는 것이 현재 거의 모든 사이트에서 진행되는 EDW의 형태인 것이다.
물론 전사영역으로 확장하는 것만으로도 충분히 많은 경비와 인력과 노력을 요하는 것은 사실이다. 그러나 과연 이것이 EDW의 전부일까? 물리적으로 데이터를 모아놓는다는 측면에서만 생각하면 이같은 형태를 EDW라고 할 수도 있지만 진정한 기업의 인프라로서의 EDW란 데이터 측면만으로 부족하다.
기업 데이터를 하나의 분석플랫폼에 모아놓으려는 의도는 무엇인가? 모든 데이터의 접근성을 용이하게 하고, 각 데이터의 주제적 연관성을 보장하여 기업이 가진 정보의 가치를 높이는 것이 EDW라 하면 이 작업은 데이터의 수집만이 아닌 프로세스 개선과 POS에서 백오피스, 분석계까지의 모든 데이터 표준화와 동기화를 말하는 것이다.
이를 위해 필요한 것은 몹시 크고 빠른 공룡 같은 새로운 시스템을 도입하는 것이 아니다. 기업들이 모든 리소스들의 아키텍처 개선을 통한 유기적인 통합과 다원화된 관리 체계를 재정비하여 불필요하게 낭비되는 관리비용을 줄이고, 데이터의 중복을 방지할 수 있는 방향으로 시스템을 재설계 하는 것이 EDW의 중요한 초석일 것이다.
EDW의 기술적 문제점 시스템이 빨라지고 가격이 낮아져 대용량의 데이터를 처리할 수 있게 됐다고 하지만 그 속도에 맞추어 분석에 대한 요구도 복잡해지고, 데이터의 수도 크게 늘어난 것이 사실이다. 이에 따라 DW의 초기부터 논의되고 시간이 지나면 해결될 것으로 봤지만 여전히 해결되지 않고 있는 부분이 몇 가지 있다.
우선 추출에서의 Real Time, 즉 실시간 데이터 처리 문제와 인덱스의 발전에도 불구하고 수GB 이상의 테이블 간 결합을 통한 대량의 데이터 분석 문제, DRS 등으로 표현되는 백업과 복구에 관한 문제 등이 그것이다. 특히 EDW에서는 이와 같은 처리의 중요성이 더욱 부각되고 있지만 현재 시장에 나와 있는 기술로는 완벽한 해결책을 제시하지 못하고 있다.
실시간 처리의 대안으로 EAI 또는 DB의 로그를 처리하는 기술이 부각되고 있지만, 이 역시 많은 코딩을 필요로 하고 실시간으로 요약 데이터에 반영해줄 수는 없다. 실제 OLTP를 사용하는 것과 같은 EDW에 변경 분을 반영하는 것은 적어도 향후 5년 정도 뒤에나 가능할 것으로 보인다.
또한 대량의 트랜잭션을 처리하는 기업과 통신사의 콜 데이터나 은행의 트랜잭션들은 발전된 하드웨어의 속도가 무색할 정도로 증가하고 있다. 하루에도 수십 GB씩 쌓이는 이들 데이터를 처리하고 분석하기 위해 파티션 기법, 비트맵 인덱싱들의 기술들이 사용되고 있으나 근본적인 문제의 해법을 제시해 주지 못하고 있다.
한편 백업의 경우에는 각 DB 벤더들이 솔루션을 보유하고 있고, 나름의 복구 방안을 제시하고 있지만 사용이 어렵고 신뢰성도 부족하기 때문에 전체 파일 시스템의 백업 방법을 쓰고 있는 회사가 대부분이다.
EDW는 그 기술의 근간을 RDBMS에 두고 있다. 이는 분석의 한계 역시 SQL의 영역에 국한됨을 의미한다. 이러한 약점에 따라 이전의 OLTP용 DB를 사용할 경우는 MOLAP을 DW의 부가적인 분석을 제공하는 시스템으로 구축하고 마트를 만들어 왔다.
그러나 분석 전용 DB의 등장과 ROLAP 툴의 발달로 MOLAP은 서서히 그 효용가치를 잃어가고 있는 상황이다. 그러나 이와 같은 관계형 DB기술의 발달에도 불구하고, 여전히 관계형 DBMS는 사용자의 고차원적인 분석 욕구를 해결해 주지 못하고 있는 것 또한 현실이다.
EDW 시장 동향
근래 들어 전 산업에 걸쳐 고르게 EDW의 수요가 증가하고 있다. 작년 한해 동안 금융권에서는 조흥은행, 우리은행, 국민은행 등이 구축을 완료하거나 현재 진행 중이고 현대카드, 신용보증기금, 대한생명, 농협, 교보생명, 우리증권 등이 올해 신규로 EDW를 준비중이다. 또 제조·유통 쪽에서는 롯데백화점, 신세계 이마트, 제일모직, LG패션 등이 지난해 구축을 완료했거나 현재 진행 중이다.
통신산업에서는 KT가 현재 전사적인 EDW를 진행 중이고, 정보통신부도 각각의 업무 부서별로 여러 건의 DW 프로젝트가 진행 중이거나 신규도입을 준비하고 있다. 이외에도 연세의료원, 건국대 병원 등 많은 종합 병원들이 올해 DW의 도입을 계획하고 있는 상황이다.
근래에 와서 BI 애플리케이션의 수요가 증가하고 있다. 이는 기존의 모델링 방법론의 실패 요인을 줄이는 한편 각 인더스트리의 선진 기술에 프로세스를 맞추어 개발 기간을 단축하고, 많은 부분이 표준화되어 있는 리포지토리를 도입해 업무의 효율을 높이려는 시도라고 볼 수 있다.
그렇다면 높은 비용에도 불구하고 OLAP 툴을 쓰는 이유는 무엇일까? 이는 기존의 OLTP 시스템 개발과 같이 충분히 개발을 할 수 있는 기술이 있음에도 미리 개발되어 있는 컴포넌트들을 사용함으로써 빠른 시간에 프로젝트를 완료하고, 완성도 높은 분석을 제공하기 위함이다.
이러한 BI 애플리케이션들이 아무리 좋은 선진 프로세스와 첨단 기능을 제공한다할 지라도 기존 분석의 근간이 되는 데이터가 부족하고 데이터의 신뢰성이 없다면 또 하나의 유행에 의한 시스템이 될 뿐이다.
이러한 문제의식은 기반 데이터의 통합과 정제라는 기본에서 출발해야 하는 공통의 인식을 가지게 하였고, 거의 모든 기업에서 EDW는 필수적인 정보인프라로 자리매김하게 된 것이다.
또한 기존에 EDW를 구축한 기업에서는 고도화를 통해 새로운 활용처를 모색하게 되었고, 보다 고급화되고 정밀한 분석을 위해 즉시성의 데이터 요구가 생기게 되었다.
이 를 위해 기존의 일 배치나 월 배치의 형태에서 벗어나 데이터의 업데이트 주기를 최소화하는 Near Real Time 처리 방법에 대한 논의가 활발하게 이루어지고 있으며 기존의 DW, OLAP의 분석으로 만족할 수 없었던 집단(마케팅이나 정보분석실과 같은 부서)을 위해 IT의 주도 하에 이루어지던 주제 영역의 모델링, 데이터 조작 등의 작업 주도권과 사용권한을 사용자에게 줄 수 있는 고급분석 시스템에 대한 요구가 증가하고 있다.
[출처] EDW의 이해 - EDW의 필요성과 현황|작성자 문식
[참고사이트] http://blog.naver.com/mylog?Redirect=Log&logNo=140004891281
2008년 10월 10일 금요일
비즈니스 인텔리전스 [ BI, business intelligence ]
▷ 비즈니스 인텔리전스 [ BI, business intelligence ] - 네이버 용어사전
기업들이 신속하고 정확한 비즈니스 의사 결정을 위해 사용하는 데이터의 접근, 수집, 보관, 분석 등의 애플리케이션과 기술의 집합. 비즈니스 인텔리전스(BI) 애플리케이션은 의사 결정 지원 시스템, 조회 및 응답, 올랩(OLAP), 통계 분석, 예측 및 데이터 마이닝 등이 기본이 되나, 필연적으로 기업의 데이터베이스와 데이터 웨어하우스(DW), 기업 자원 관리(ERP) 등과도 관련이 있으므로 넓은 의미로는 이 모든 분야를 포함하기도 한다.
참고사이트 : http://terms.naver.com/item.nhn?dirId=202&docId=25079
▷ 비즈니스 인텔리 전스 무엇입니까?
비즈니스 인텔리 전스 연구의 광범위한 분야입니다. 비즈니스 인텔리 전스 이론의 가장 큰 추진력이 특정 요인에 고품질의 의사 결정을 내릴 것으로 보인다. 이러한 요인을 고객, 경쟁 업체, 비즈니스 파트너, 경제 환경 및 내부 작업이 포함됩니다. 여기에서는 이러한 요인이 기업의 품질 결정을 내리는데 도움을 좀 더 정보입니다.
고객 :없이 고객의 비즈니스 살아남을 수 없다. 기업들은 제품과 서비스를 판매해야합니다. 비즈니스 인텔리 전스 사업을보다 효과적으로 그들의 환경에서 찾고, 기업들은 고객의 수요에 적응할 수 있도록 고객의 이해를 도와줍니다. 비즈니스 인텔리 전스 시장 이내에 고객의 데이터를 수집하는 데 사용됩니다. 이미 귀하의 고객 데이터를 수집하는 방법에는 여러 가지가있다; 그것으로 매각으로 POS 시스템 (지점)을 쉽게 할 수있는 고객과 그들에 관심이 없다 무엇을 구매하는 제품에 대한 데이터를 수집함으로써 고객의 습관과 환경에 대한 데이터를 수집 설문 조사 또는 여론 조사에서 그들을 요구했다. 심지어 거기 시장 전문가하는 시장에서 고객의 행동을 감시하고 그들에 어떻게 기업들이 고객의 매장, 인사 및 제품과 서비스를 판매하는 비즈니스 통찰력을주는 답변을 다시보고합니다.
이 데이터가 수집되면, 그것은 조직이 데이터를 적절하게 사용하도록한다. 비즈니스 인텔리 전스는 방대한 양의 데이터를 볼 수 있으며 그 수완이 될 수있는 관리자 및 비즈니스 소유자의 중요한 정보를 제공 엄밀히 조사하는 과정입니다.
경쟁사 :뿐만 아니라, 기업 고객들은 제품 구매에 만족 지키려고 또 담배 기업들은 고객의 끓는 물에 반숙으로해서 그들 자신을 찾고있는 경쟁 업체들과 경쟁을해야했습니다. 오늘날 기업들은 끊임없이 경쟁의 효과를 평가해야하며 현명한 전략만이 궁지에 자신의 경쟁자를 선택 못 버틸 것뿐만 아니라, 자신의 비즈니스 시장 점유율이 성장했다. 비즈니스 인텔리 전스 비즈니스 전략 귀하의 경쟁자 떨어져 고객을 훔칠뿐만 아니라 다른 사람들로부터 차별화로 자신의 비즈니스에 도움이, 효과적으로 더 많은 이익을 더 큰 성장을 사용하는 고객 기반을 확인할 수있습니다.
비즈니스 파트너 : 비즈니스 파트너들은 어떤 사업이든 그것을 공급, 지불 처리가 필수적인 기업, 고객 지원 기업이나 납품 업체는 자사의 사이클을 통해 귀하의 비즈니스에 도움이, 그 모든 비즈니스 파트너는 귀하의 비즈니스와 관련된에 있는지 확인하는 것이 중요합니다 당신과 균형. 귀하의 요구하거나 특정 지원 문제와 함께 당신을 도울 수없는 고객 서비스를 유지할 수없는 계약자가 함께 공급 데 실패에 귀하의 비즈니스를 일으킬 수있습니다. 원활하고 효과적으로 작동하는 경우에 귀하의 비즈니스 원하는 모든 비즈니스 파트너를 서로 라인에 있어야합니다. 예를 들어, 오늘날 많은 기업들이 공급되기 때문에 현재와 미래를 공유하여 주요 데이터들은 공급 업체와 재고 수준에 부응할 수 있도록 귀하의 비즈니스에 도움이 조정은 불가피했다. 정보 공유 및 정보를 수집하고 적절한 정보를 공유할 수있는 열쇠는 어디에 비즈니스 인텔리 전스 중요하다.
경제 환경 : 또 다른 방법은 그 조직을 도울 수있는 비즈니스 인텔리 전스 소비 지출, 인플레이션, 실업률, upturns과 경제 침체 등 비즈니스 인텔리 전스 등 주요 경제 지표가 없으면, 귀하의 조직을 효과적으로 정보를 처리할 수없습니다 고려 취함으로써이다 하기 위해서는 현재의 경제에 맞는 전략을 수정합니다.
내부 운영 : 내부 작업은 대개 하루로 사업 또는 조직의 활동가는 하루에 정의되어있습니다. 만약 귀사가 원하는 것, 당신이 필요 귀하의 비즈니스의 강점과 약점을 매일 볼 수 있기를 성공할 수있다. 당신은 어떤 순간에, 얼마나 이익을 귀사의 비즈니스와 부채 만들기를 볼 필요가있다. 끝내주는 예지력이 없으면, 당신 같은 새로운 지출을 저지 또는 귀하의 비즈니스에 그 자금을 할당할 수있을 때 빚을 갚는으로 성급한 결정을 내릴 수있는 몇 가지 다른 곳에있다. 비즈니스 인텔리 전스 극도로 사업의 현재 상태를 평가할뿐 아니라 자금을 필요가 어디 있는지 함께 사업의 전체를 구성하는 모든 부품, 비즈니스의 어느 부분이 나약하고 귀하의 비즈니스의 어떤 부분이 강한 것이 중요하다.
일단 기업에서 그들이 무엇을 분석하고 필요한 정보를주고, 그것이 데이터를 수집하는 것이 중요합니다 그리고보고 데이터를 통해 일상을 구별하는 일반적인 비즈니스 문제에 대한 해결책을 제공하는 방법론을 사용하여 비즈니스 인텔리 전스 알아요. 이러한 과제를 달성하기 위해 한 가지의 주요 성과 지표이다. 뮤직, 분석할 수있는 방법은 비즈니스 인텔리 전스와 비즈니스의 현재 상태를 평가하고 다음 전략을 선택하기 위해이 정보를 사용하여 다음이 전략을 실행할 수있습니다.
일부 기업은 매년 또는 분기 주요 성과 지표를 추적, 일부 매월 또는 주 단위와 수단을 가지고 있으면, 많은 기업들이 일상에서 특정 데이터를 세밀하게 조율하기 위해 그들의 전략이나 팅겨보고 추적하려고합니다.
컴퓨터, 데이터베이스 및 분석의 그룹을 일반적으로 비즈니스 인텔리 전스의 방법론에서 작업할 수있습니다. 일반적으로 각 회사들은 자신들의 특정 요구에 맞는 비즈니스 인텔리 전스 방법론이다. 일부 주요 성과 지표를 만드는 방법의 목표 정렬 더 인기 검색어, 기준선 통계를 통해 검색어와 관련된 검색어가없습니다.
목표는 귀하의 비즈니스 목표를 비즈니스 인텔리 전스를 사용하여 정렬 검색어 무엇인지 확인하는 방법이있다. 귀하의 비즈니스 목표, 물품 당 더 많은 이윤을 획득, 새로운 수익원을 시작하기 위해, 더 많은 시장 점유율이 성장의 새로운 제조 업체 또는 공급 업체 등을 찾아 가요
기준 검색어와 데이터를 수집하여 현재의 접근 방식을 이해하는 데 도움이 접근할지 여부를 어디에 자사의 약점과 강점이 무엇인지 만족입니다. 예를 들어, 고객의 행동을 좀 더 면밀히 모니터링하고 싶습니다, 어떻게 현재의 도구 장소에서 관리 (POS 시스템, 설문 조사, 시장 조사 등)이 현재의 도구를 할 방법은, 약한하는 것들을 조정하고 필요를 수행하고있다 어떤 도구를 추가할 수있습니다.
만약 당신이 그것을 측정하는 방법을 함께 올 수 있기 때문에 회사에 도움이 될 수있는 통계 데이터에는 관련 검색어 비즈니스 인텔리 전스 과정에서 매우 중요하다. 관련 검색어 통계 데이터를 쳐다본다과 솔루션 비즈니스 요구를 충족하는 데이터를 정확하게 측정할에게 다가와서. 일단 데이터를 측정할 수있다, 당신은 쉽게 분석할 수 있으며 어떤 일을하고 무엇을하지 있는지 확인합니다.
만약 당신이 그것을 극도로 비즈니스 인텔리 전스의 요인을 이해하는 것이 중요합니다 귀하의 비즈니스가 성공하고 싶습니다 방법을 분석하고 데이터를 사용하여 만든이 방법론 연구 내용은 비즈니스 인텔리 전스의 매우 광범위한 주제에 따름입니다.
참고사이트 : http://www.tech-faq.com/lang/ko/business-intelligence.shtml
기업들이 신속하고 정확한 비즈니스 의사 결정을 위해 사용하는 데이터의 접근, 수집, 보관, 분석 등의 애플리케이션과 기술의 집합. 비즈니스 인텔리전스(BI) 애플리케이션은 의사 결정 지원 시스템, 조회 및 응답, 올랩(OLAP), 통계 분석, 예측 및 데이터 마이닝 등이 기본이 되나, 필연적으로 기업의 데이터베이스와 데이터 웨어하우스(DW), 기업 자원 관리(ERP) 등과도 관련이 있으므로 넓은 의미로는 이 모든 분야를 포함하기도 한다.
참고사이트 : http://terms.naver.com/item.nhn?dirId=202&docId=25079
▷ 비즈니스 인텔리 전스 무엇입니까?
비즈니스 인텔리 전스 연구의 광범위한 분야입니다. 비즈니스 인텔리 전스 이론의 가장 큰 추진력이 특정 요인에 고품질의 의사 결정을 내릴 것으로 보인다. 이러한 요인을 고객, 경쟁 업체, 비즈니스 파트너, 경제 환경 및 내부 작업이 포함됩니다. 여기에서는 이러한 요인이 기업의 품질 결정을 내리는데 도움을 좀 더 정보입니다.
고객 :없이 고객의 비즈니스 살아남을 수 없다. 기업들은 제품과 서비스를 판매해야합니다. 비즈니스 인텔리 전스 사업을보다 효과적으로 그들의 환경에서 찾고, 기업들은 고객의 수요에 적응할 수 있도록 고객의 이해를 도와줍니다. 비즈니스 인텔리 전스 시장 이내에 고객의 데이터를 수집하는 데 사용됩니다. 이미 귀하의 고객 데이터를 수집하는 방법에는 여러 가지가있다; 그것으로 매각으로 POS 시스템 (지점)을 쉽게 할 수있는 고객과 그들에 관심이 없다 무엇을 구매하는 제품에 대한 데이터를 수집함으로써 고객의 습관과 환경에 대한 데이터를 수집 설문 조사 또는 여론 조사에서 그들을 요구했다. 심지어 거기 시장 전문가하는 시장에서 고객의 행동을 감시하고 그들에 어떻게 기업들이 고객의 매장, 인사 및 제품과 서비스를 판매하는 비즈니스 통찰력을주는 답변을 다시보고합니다.
이 데이터가 수집되면, 그것은 조직이 데이터를 적절하게 사용하도록한다. 비즈니스 인텔리 전스는 방대한 양의 데이터를 볼 수 있으며 그 수완이 될 수있는 관리자 및 비즈니스 소유자의 중요한 정보를 제공 엄밀히 조사하는 과정입니다.
경쟁사 :뿐만 아니라, 기업 고객들은 제품 구매에 만족 지키려고 또 담배 기업들은 고객의 끓는 물에 반숙으로해서 그들 자신을 찾고있는 경쟁 업체들과 경쟁을해야했습니다. 오늘날 기업들은 끊임없이 경쟁의 효과를 평가해야하며 현명한 전략만이 궁지에 자신의 경쟁자를 선택 못 버틸 것뿐만 아니라, 자신의 비즈니스 시장 점유율이 성장했다. 비즈니스 인텔리 전스 비즈니스 전략 귀하의 경쟁자 떨어져 고객을 훔칠뿐만 아니라 다른 사람들로부터 차별화로 자신의 비즈니스에 도움이, 효과적으로 더 많은 이익을 더 큰 성장을 사용하는 고객 기반을 확인할 수있습니다.
비즈니스 파트너 : 비즈니스 파트너들은 어떤 사업이든 그것을 공급, 지불 처리가 필수적인 기업, 고객 지원 기업이나 납품 업체는 자사의 사이클을 통해 귀하의 비즈니스에 도움이, 그 모든 비즈니스 파트너는 귀하의 비즈니스와 관련된에 있는지 확인하는 것이 중요합니다 당신과 균형. 귀하의 요구하거나 특정 지원 문제와 함께 당신을 도울 수없는 고객 서비스를 유지할 수없는 계약자가 함께 공급 데 실패에 귀하의 비즈니스를 일으킬 수있습니다. 원활하고 효과적으로 작동하는 경우에 귀하의 비즈니스 원하는 모든 비즈니스 파트너를 서로 라인에 있어야합니다. 예를 들어, 오늘날 많은 기업들이 공급되기 때문에 현재와 미래를 공유하여 주요 데이터들은 공급 업체와 재고 수준에 부응할 수 있도록 귀하의 비즈니스에 도움이 조정은 불가피했다. 정보 공유 및 정보를 수집하고 적절한 정보를 공유할 수있는 열쇠는 어디에 비즈니스 인텔리 전스 중요하다.
경제 환경 : 또 다른 방법은 그 조직을 도울 수있는 비즈니스 인텔리 전스 소비 지출, 인플레이션, 실업률, upturns과 경제 침체 등 비즈니스 인텔리 전스 등 주요 경제 지표가 없으면, 귀하의 조직을 효과적으로 정보를 처리할 수없습니다 고려 취함으로써이다 하기 위해서는 현재의 경제에 맞는 전략을 수정합니다.
내부 운영 : 내부 작업은 대개 하루로 사업 또는 조직의 활동가는 하루에 정의되어있습니다. 만약 귀사가 원하는 것, 당신이 필요 귀하의 비즈니스의 강점과 약점을 매일 볼 수 있기를 성공할 수있다. 당신은 어떤 순간에, 얼마나 이익을 귀사의 비즈니스와 부채 만들기를 볼 필요가있다. 끝내주는 예지력이 없으면, 당신 같은 새로운 지출을 저지 또는 귀하의 비즈니스에 그 자금을 할당할 수있을 때 빚을 갚는으로 성급한 결정을 내릴 수있는 몇 가지 다른 곳에있다. 비즈니스 인텔리 전스 극도로 사업의 현재 상태를 평가할뿐 아니라 자금을 필요가 어디 있는지 함께 사업의 전체를 구성하는 모든 부품, 비즈니스의 어느 부분이 나약하고 귀하의 비즈니스의 어떤 부분이 강한 것이 중요하다.
일단 기업에서 그들이 무엇을 분석하고 필요한 정보를주고, 그것이 데이터를 수집하는 것이 중요합니다 그리고보고 데이터를 통해 일상을 구별하는 일반적인 비즈니스 문제에 대한 해결책을 제공하는 방법론을 사용하여 비즈니스 인텔리 전스 알아요. 이러한 과제를 달성하기 위해 한 가지의 주요 성과 지표이다. 뮤직, 분석할 수있는 방법은 비즈니스 인텔리 전스와 비즈니스의 현재 상태를 평가하고 다음 전략을 선택하기 위해이 정보를 사용하여 다음이 전략을 실행할 수있습니다.
일부 기업은 매년 또는 분기 주요 성과 지표를 추적, 일부 매월 또는 주 단위와 수단을 가지고 있으면, 많은 기업들이 일상에서 특정 데이터를 세밀하게 조율하기 위해 그들의 전략이나 팅겨보고 추적하려고합니다.
컴퓨터, 데이터베이스 및 분석의 그룹을 일반적으로 비즈니스 인텔리 전스의 방법론에서 작업할 수있습니다. 일반적으로 각 회사들은 자신들의 특정 요구에 맞는 비즈니스 인텔리 전스 방법론이다. 일부 주요 성과 지표를 만드는 방법의 목표 정렬 더 인기 검색어, 기준선 통계를 통해 검색어와 관련된 검색어가없습니다.
목표는 귀하의 비즈니스 목표를 비즈니스 인텔리 전스를 사용하여 정렬 검색어 무엇인지 확인하는 방법이있다. 귀하의 비즈니스 목표, 물품 당 더 많은 이윤을 획득, 새로운 수익원을 시작하기 위해, 더 많은 시장 점유율이 성장의 새로운 제조 업체 또는 공급 업체 등을 찾아 가요
기준 검색어와 데이터를 수집하여 현재의 접근 방식을 이해하는 데 도움이 접근할지 여부를 어디에 자사의 약점과 강점이 무엇인지 만족입니다. 예를 들어, 고객의 행동을 좀 더 면밀히 모니터링하고 싶습니다, 어떻게 현재의 도구 장소에서 관리 (POS 시스템, 설문 조사, 시장 조사 등)이 현재의 도구를 할 방법은, 약한하는 것들을 조정하고 필요를 수행하고있다 어떤 도구를 추가할 수있습니다.
만약 당신이 그것을 측정하는 방법을 함께 올 수 있기 때문에 회사에 도움이 될 수있는 통계 데이터에는 관련 검색어 비즈니스 인텔리 전스 과정에서 매우 중요하다. 관련 검색어 통계 데이터를 쳐다본다과 솔루션 비즈니스 요구를 충족하는 데이터를 정확하게 측정할에게 다가와서. 일단 데이터를 측정할 수있다, 당신은 쉽게 분석할 수 있으며 어떤 일을하고 무엇을하지 있는지 확인합니다.
만약 당신이 그것을 극도로 비즈니스 인텔리 전스의 요인을 이해하는 것이 중요합니다 귀하의 비즈니스가 성공하고 싶습니다 방법을 분석하고 데이터를 사용하여 만든이 방법론 연구 내용은 비즈니스 인텔리 전스의 매우 광범위한 주제에 따름입니다.
참고사이트 : http://www.tech-faq.com/lang/ko/business-intelligence.shtml
2008년 10월 8일 수요일
대시보드란?
대시보드는 사이트의 로그 통계를 한눈에 확인할 수 있는 그런 서비스입니다.
대시보드를 통하여 내 블로그가 검색엔진에 어떻게 수집이 되고 어떤 형태로 나타나는지를 알 수가 있고 검색엔진 최적화 작업에 참고 할 수도 있습니다.
(저도 대시보드를 통하여 제가 검색엔진에 대한 기존 포스팅이 아주 크게 잘못되었다는 것을 알게되었습니다. 조만간 관련 포스팅을 할 것입니다.)
참고사이트 : http://ccoma.tistory.com/394
- 대시보드 [dashboard]
웹에서, 한 화면에서 다양한 정보를 중앙 집중적으로 관리하고 찾을 수 있도록 하는 사용자 인터페이스(UI) 기능. 여러 종류의 웹 기반 콘텐츠를 재사용할 수 있도록 구성하고, 문서, 웹 페이지, 메시징, 미디어 파일 등 다양한 콘텐츠를 한 화면에서 관리한다. 특징으로는 의사 결정과 작업 분석에 적절한 정보 제공과 사용자 및 그룹 관리가 용이하고, 무선 응용 통신 규약(WAP) 전화, 휴대형 PC 등 이동 장비 지원이 가능하다.
참고사이트 : http://enc.daum.net/dic100/contents.do?query1=15XXXX3552
대시보드를 통하여 내 블로그가 검색엔진에 어떻게 수집이 되고 어떤 형태로 나타나는지를 알 수가 있고 검색엔진 최적화 작업에 참고 할 수도 있습니다.
(저도 대시보드를 통하여 제가 검색엔진에 대한 기존 포스팅이 아주 크게 잘못되었다는 것을 알게되었습니다. 조만간 관련 포스팅을 할 것입니다.)
참고사이트 : http://ccoma.tistory.com/394
- 대시보드 [dashboard]
웹에서, 한 화면에서 다양한 정보를 중앙 집중적으로 관리하고 찾을 수 있도록 하는 사용자 인터페이스(UI) 기능. 여러 종류의 웹 기반 콘텐츠를 재사용할 수 있도록 구성하고, 문서, 웹 페이지, 메시징, 미디어 파일 등 다양한 콘텐츠를 한 화면에서 관리한다. 특징으로는 의사 결정과 작업 분석에 적절한 정보 제공과 사용자 및 그룹 관리가 용이하고, 무선 응용 통신 규약(WAP) 전화, 휴대형 PC 등 이동 장비 지원이 가능하다.
참고사이트 : http://enc.daum.net/dic100/contents.do?query1=15XXXX3552
데이타통합(DI), EAI, ETL 개념 이 어떻게 다른건가요?
데이타통합(DI), EAI, ETL 개념 이 어떻게 다른건가요?
DI
-Data Integrator의 약자로서 기업내 이기종 DBMS 데이터를 통합, 마이그레이션하는 작업을 말하다.
EAI
-기업 내 상호 연관된 모든 애플리케이션을 유기적으로 연동하여 필요한 정보를 중앙 집중적으로 통합, 관리, 사용할 수 있는 환경을 구현하는 것으로 e-비지니스를 위한 기본 인프라를 말한다.
ETL
-시스템에서 시스템으로 데이터를 이동시키는 기능의 3가지 형태. 보통 운영 체계의 데이터는 추출ㆍ변환ㆍ올려놓기(ETL) 기능을 말한다.
기본적으로 DI는 ETL작업의 확장된 방향을 말하며, 이러한 DI를 위한 대표적인 제품으로는 빅슨 비티엘에서 제공하는 DI3.0이 있으며, 각종 정보와 자료를 제공하고 있으니, 가셔서 참고해보세요.
http://www.btlglobal.com
참고사이트 : http://kin.naver.com/detail/detail.php?d1id=1&dir_id=101&eid=odw4gINBqLgirHDIn9nwFm+/AHIiCNED&qb=ZXRs&pid=fM27Ssoi5Tossb37cWRsss--421967&sid=SO2LVPJ07UgAAG3LEoQ
DI
-Data Integrator의 약자로서 기업내 이기종 DBMS 데이터를 통합, 마이그레이션하는 작업을 말하다.
EAI
-기업 내 상호 연관된 모든 애플리케이션을 유기적으로 연동하여 필요한 정보를 중앙 집중적으로 통합, 관리, 사용할 수 있는 환경을 구현하는 것으로 e-비지니스를 위한 기본 인프라를 말한다.
ETL
-시스템에서 시스템으로 데이터를 이동시키는 기능의 3가지 형태. 보통 운영 체계의 데이터는 추출ㆍ변환ㆍ올려놓기(ETL) 기능을 말한다.
기본적으로 DI는 ETL작업의 확장된 방향을 말하며, 이러한 DI를 위한 대표적인 제품으로는 빅슨 비티엘에서 제공하는 DI3.0이 있으며, 각종 정보와 자료를 제공하고 있으니, 가셔서 참고해보세요.
http://www.btlglobal.com
참고사이트 : http://kin.naver.com/detail/detail.php?d1id=1&dir_id=101&eid=odw4gINBqLgirHDIn9nwFm+/AHIiCNED&qb=ZXRs&pid=fM27Ssoi5Tossb37cWRsss--421967&sid=SO2LVPJ07UgAAG3LEoQ
2008년 9월 23일 화요일
자동차 긴급상황 발생시, 대처법 23가지
1. 주행중 브레이크가 미끌릴때
브레이크에서 이상음이 들리지 않는 경우는 브레이크액의 누설, 브레이크 페달을 밟을 때 [끼]하는 이상음이 발생하는 경우는 브레이크 라이닝의 마모나 헐거움을 생각할 수 있다.
① 주행중에 브레이크의 제동력이 떨어졌음을 느꼈으면, 엔진회전에 맞추면서, 기어단수를 서서히 감속한다.
② 충분히 감속이 되었으면, 핸드 브레이크를 천천히 당겨 더욱 감속하여 정지시킨다.이 때 급격히 핸드브레이크를 당기면 균형을 잃어 스핀하거나, 브레이크의 와이어가 끊어질 우려가 있으므로 주의하여야 한다. 또한, 당황하여 엔진 스위치를 끄면 핸들이 무거워 방향성을 잃게 되므로 도리어 위험하다.
③ 차를 정지시켰으면 본넷을 열고, 브레이크액의 양을 점검한다. 줄어 있다면, 브레이크 파이프등에 액 누설은 없는지 점검한다. 경상일 경우에는 브레이크액을 보충하면 다소 주행할 수 있으나, 탱크가 비었거나 하는 경우는 전문가에게 연락하여야 한다.
④ 브레이크에서 이상음이 발생할 경우 전문가의 점검을 받을 것.
※ 타이어가 수몰되어 휠이 잠기는 물웅덩이를 지나간 후에는 브레이크의 제동력이 약해지는 수가있다. 드럼과 슈에 물이 묻어 마찰력이 떨어지기 때문이다. 물웅덩이를 빠져나온 경우에는, 브레이크 페달을 2~3회 가볍게 밟아주면, 마찰열에 의해 수분이 증발하여 브레이크는 원상태로 회복된다.
2. 주행중 타이어가 펑크 났을때
최근의 자동차는 일반적으로 튜브리스 스틸 래디얼 타이어를 사용하고 있어서, [뻥]하고 요란스럽게 펑크나는 일은 없어졌다. 주행중에 자동차의 주행이 부자연스러워 타이어를 조사해 보니 펑크가 나 있더라는 경우가 많다. 그러나 펑크가 난 것을 인식하지 못하고 그대로 주행을 계속하면, 브레크 페달을 밟거나핸들을 꺾거나 했을 때 차가 한쪽편으로 쏠려 대단히 위험하다. 차의 이상한 흔들림이나 타이어의 이상음에 주의하여, 일찍 펑크를 발견하도록 유념하여야 한다.
① 타이어가 펑크난 것을 인지하였으면, 급브레이크를 밟는 것은 금물이다. 펑크난 타이어 쪽으로 미끄러질 수가 있다. 브레이크 페달을 여러번 나누어 천천히 밟고, 차를 길가에 바짝대어 정지시킨다. 이것을 펌핑 브레이크(단속 브레이크)라고 한다. 펌핑 브레이크를 이용하면, 스피드 컨트롤이 가능해 짐과 동시에, 순조로운 스피드 다운에 의해, 주의의 상황을 파악할 여유가 생긴다. 또한, 제동등이 점멸하므로, 후속차에게 이상발생을 알려 주의를 환기시킬 수있다.
② 고속 주행중에 펑크가 나서 타이어의 공기가 급격히 빠지거나 파열이 일어나면, 파열된 쪽으로 차체가 기울어져 급격히 핸들을 빼앗긴다. 이 때는 핸들을 단단히 잡고 직진방향으로 누르듯이 하고, 엔진브레이크로 서서히 속도를 떨어뜨려 길가에 댄다. 브레이크를 밟아서는안된다. 급브레이크를 밟으면 콘트롤을 잃어버려 오히려 위험하다
3. 타이어가 진창에 빠졌을때
모래밭이나 진창에 타이어가 빠졌을 때, 빠져나오려고 가속 페달을 밟으면, 밟는만큼 타이어는 더 빠져 버린다. 무턱대고 타이어를 공전시키면 탈출은 더욱 어렵게 되어 버린다. 가까이에 다른차가 있으면, 로프를 사용하여 견인을 받는 것이 제일이다. 로프는 소정의 훅에 단단히 연결할 것. 범퍼등에 걸면 파손의 우려가 있다. 자력으로 탈출할 수 밖에 없을 경우에는, 스콥, 판자, 돌 등을 준비한다. 주변에 사람이 있으면, 밀어줄 것을 부탁한다. 조급하게 서두는 것은 금물이다.
우선 잭업을 하고, 타이어의 밑에 판자나 돌, 골판지 등 단단한 것을 깐다. 타이어의 공기압을 조금 빼 보는 것도 좋다. 타이어의 공기압이 줄면 접지면적이 증가하여 마찰력이 커지므로 탈출이 쉬워진다. 탈출시에는 반드시 기어를 후진으로 하여, 후진주행으로 탈출한다. 기어중에서, 후진기어의 기어비가 가장 낮아 힘이 세기 때문이다.
무사히 탈출하였더라도 그곳에 그냥 정지하지 말고 노면이 단단한 곳까지 그대로 주행한다. 빠져나오는데 성공하였다 하더라도 한번 정지하면, 그속에서 다시 발진하지 못할 우려가 있다. 커버등에서 바깥쪽 바퀴가 진창에 빠져 공전하고, 단단한 노면에 있는 안쪽의 바퀴도 움직이지 않는 경우가 있다. 그런 경우에는 주차브레이크를 조금 당겨 차바퀴에 저항을 주면, 슬립을 하고 있지 않은 안쪽 차바퀴가 회전하여 탈출이 가능해진다.
4. 오버히트 되었을때
최근의 자동차는 냉각계통 장애 이외의 원인으로 돌연 오버히트되는 일은 거의없다. 오버히트가 일어나는 것은 냉각수의 누설, 부족, 팬벨트의 이완 절단, 라디에이터의 막힘이 주원인이다.
① 차를 그늘이나 통풍이 잘되는 곳에 세운다.
② 엔진이 작동하고 있는 상태로 본넷을 열어두어 통풍을 좋게 한다.
③ 온도가 떨어지면 엔진을 정지시킨다.
④ 엔진이 충분히 냉각되고 나서, 냉각수의 유무, 라디에이터 코어부(방열부)에 현저한 오염이나 오물 부착은 없는가, 팬벨트가 느슨해져 있지 않은가 등을 점검한다.
■ 냉각수이 부족일 경우
냉각수가 부족하다면 보충하여 주는데 수돗물이 좋다. 개울물이나 생수는 철분성분 때문에 부식가능성이 있다. 부득히 생수를 사용했다면 나중에 교체하도록 한다.
■ 라디에이터 호스가 손상된 경우
호스가 찢어져 있으면, 청테이프나 비닐테이프를 칭칭 감아 보수한다.
호스가 젖어 있으면 접착력이 약해지므로 천 등으로 잘 닦고나서 테이프를 많이 그리고 단단히 감아준다. 이대로 엔진의 시동을 걸면 압력이 걸려 보수 부위로부터 재차 누수가 발생하므로 라디에이터 캡을 열고 주행한다. 단, 엔진회전수를 올리지 말고, 서행하면서 수리공장으로 직행하도록 한다.
■ 팬팰트에 문제가 있는경우
팬벨트는 냉각팬과 워터펌프를 작동시키고 있다. 느슨해져 있으면 규정된 함량으로 조정한다. 또한 팬벨트가 끊어진 경우 ("뻥"하고 엔진이 폭발하는 것 같은 소리가 남)에는 곧 엔진을 정지시켜야 한다. 끊어진 벨트가 계속 돌면 배선이나 배관을 손상하기도 하고, 회전축에 감겨버리기도 한다. 끊어진 벨트가 엔진룸내에 있으면, 철사를 이용하여 일시적으로 보수할 수 있으나, 벨트없이도 수온계에 주의하면서 저속으로 주행하면 2~3km는 주행할 수 있다. 곧 수리공장에 집어넣는다. 단, 발전기도 움직이지 못하게 되므로, 카세트나 히터 등 전기를 사용하는 것은 모두 꺼 두어야 한다.
■ 라디에이터 코어 부분에 이물이 끼어 막혀 있으면 제거해 준다.
※ 라디에이터 캡을 열때 열이 어느정도 식은 다음 여는 것이 좋다. 냉각수에 압력이 걸려 있으므로 증기나 뜨거운 물이 분출되어 뜻하지 않은 화상을 입는 수가 있으므로 수건등을 덮고 캡을 조금 열어 [피시]하고 증기를 일단 빠지게 하는 것이 좋다.
5. 배터리가 방전되었을 때 시동하는 방법
배터리 방전으로 엔진시동이 불가능한 경우라도, 다른차의 배터리를 전원으로 하여 엔진의 시동을 걸수가 있다. 점퍼 와이어는 보통 빨강코드가 +용, 검정코드가 -용이다.
1. 점퍼 케이블을 아래 번호순서대로 접속한다.
① 배터리가 나간차의 배터리 +단자에 +용 케이블(빨강 코드)의 집게를 물린다.
② 그 케이블의 나머지 집게를 구원차 배터리 +단자에 연결한다.
③ -용 케이블(검정코드)의 집게를 구원차 배터리의 -단자에 연결한다.
④ 그 코드를 배터리가 나가차 배터리로부터 30cm 이상 떨어진 엔진 본체(훅등)에 연결한다.
※ 배터리와 배터리를 직접 연결하면 배터리에서 발생하는 가연성 가스에 인화하여 폭발이 일어날 우려가 있다.
2. 접속 후 구원차의 엔진회전수를 약간 높게 해 둔다. 이것은 전기를 받는 차의 엔진 시동이 어려워, 양쪽차가 모두 시동이 되지 않는 것을 방지하기 위함이다.
3. 배터리가 나간차의 시동을 건다.
4. 엔진의 시동이 걸리면, 연결시의 역순으로 점퍼 케이블을 분리한다.
스타트가 돌아 엔진의 시동이 걸렸어도, 잠시동안은 다소 엔진속도를 높여 그 장소에서 배터리를 회복시킨 후 주행을 시작하도록 한다.
■ 부스터 케이블이 없을 때
우산을 배터리코드 대용으로 사용할 수가 있다. 우선 2대의 자동차범퍼를 서로 맞대고, 배터리의 플러스 단자끼리 금속제 우산대를 연결시키고 시동을 건다. 접속을 확실히 하기위해 철사나 끈으로 매어 둔다.
6. 브레이크가 고장났을때
풋브레이크가 고장 났을 경우에는 엔진 브레이크 및 주차브레이크를 사용하면 된다. 우선 고장을 알리기 위해 비상등을 켜고 엔진브레이크를 사용하면서 속도를 줄여 나가는 것이다. 커브가 급하지 않은 곳에서는 엔진 브레이크를 사용하면서도 충분히 속도를 줄일 수가 있다. 갑작스럽게 주차브레이크를 당기면 차량이 흔들리고 핸들이 틀어져 있을 경우에는 차량이 돌아갈 수 있다. 이는 보통 주차 브레이크는 뒷바퀴에 연결되어 있어 뒤쪽에만 제동이 되기 때문이다. 매뉴얼 차량은 기어를 1단에 넣고, 오토매틱 차량은 레버를 'L'에 옮긴다. 우선 엔진을 끄고 속도가 줄면 사이드브레이크를 잡아당긴다.
두번째는 갑작스러운 돌발상황에서가 문제다. 이 때는 주차브레이크를 이용하여 차량을 90도 회전시켜 정지하는 방법으로 왼손으로 핸들을 오른쪽으로 45도 정도 돌리는 동시에 주차 브레이크를 오른손으로 당겨 올리면 차머리가 오른쪽으로 틀리며 미끄러지면서 멈출 수 있다. 왼쪽으로 차 머리를 틀리게 하려면 핸들 방향만 왼쪽으로 돌리고 조작방법은 동일하다.
7. 전조등이 안 켜질때
밀봉식 헤드라이트의 경우 전조등 렌즈 위를 '탕탕' 때려본다. 끊어진 필라멘트가 붙을 수 있기 때문이다. 일반적으로 헤드램프는 하향등이 끊어지므로 상향등을 켠 후 윗부분을 청테이프 등으로 살짝 가리면 하향등 대용으로 쓸 수 있다.
8. 와이퍼가 작동되지 않을때
와이퍼를 작동시키는 모터소리가 들리지 않는다면 휴즈가 끊어진 것이다.
만일 예비용 휴즈가 없다면 담배꽁초나 비누를 앞창에다 골고루 칠한다. 담배나 비누의 계면활성성분이 빗방울이 생기는 것을 막아주기 때문이다. 비오는 날 사이드 미러가 잘보이지 않는다면 이 방법을 응용할 수 있다.
9. 키가 돌아가지 않을때
차 시동을 걸려고 키를 돌려도 키가 돌아가지 않을 때가 있다. 이것은 핸들의 잠금장치가 작동하고 있기 때문이다. 이 때는 키를 가볍게 돌리면서 핸들을 좌우로 툭툭 치듯이 돌리면 잠금장치가 풀리면서 키가 돌아가게 된다.
10. 시동이 걸리지 않을때
우선 시동시에 스타트 모터가 돌아 가는가를 점검한다. 이 경우는 배터리나 모터에는 이상이 없는 것으로 연료계통에 이상이 있을 수 있다. 연료가 충분한 경우에는 연료펌프에 이상이 있을 수 있으며, 연료가 부족한 경우에는 연료탱크가 있는 뒤쪽을 흔들어 시동을 걸면 시동을 걸 수가 있다. 이 경우는 연료탱크 안에 있던 물이 아래로 내려가 물이 호스로 올라와 시동이 안 걸리는 수가 있기 때문다.
또 한가지는 타이밍 밸트가 끊어지거나 마모된 경우로 이 경우는 정비를 받아야만 한다. 모터가 안도는 경우는 배터리가 방전되었거나 발전기가 고장난 경우다. 발전기가 정상적으로 작동한다면 다른차와 점프를 하면 시동이 걸리고 시동이 꺼지지 않는 한 운행을 할 수가 있지만 발전기가 고장난 경우는 점프선을 떼면 시동이 꺼진다. 이 경우는 발전기를 교환하여야 한다. 응급조치로는 배터리만 갈면 배터리의 힘으로 어느 정도는 주행할 수가 있다.
■ 배터리가 나가 시동이 안걸릴 때
수동변속차량은 키를 시동거는 위치에 놓고, 기어를 2단에 넣은 다음 크러치를 밟은 상태에서 자동차를 내리막길로 내려가게 하거나 평지에서 뒷쪽에서 다른 사람이 밀게한다. 차가 움직이여 어느정도 탄력을 받았다고 판단이 되면 밟았던 클러치를 떼면서 시동을 걸 면 된다. 그러나, 오토매틱 차량은 이 방법을 쓸수 없으므로 평상시 부스터케이블을 가지고 다니도록 하는 것이 좋다.
■ 배터리가 약해 시동이 안걸릴 때
배터리가 약하고 불안한 경우는 시동을 끄기전 모든 전장품의 가동을 중지시키고 10분정도 쉰 후 다시 걸어본다. 그러나 시동모터를 지나치게 돌려서 배터리가 방전되었을 경우 30분 정도 기다린 후 다시 걸어본다.
■ 더위로 시동이 안걸릴 때
이는 열기로 인해 연료 펌프나 연료 파이프 속의 연료가 대기열과 엔진열에 의해 증기로 변화되어 연료의 양이 부족하여 생기는 베이퍼록 현상이다. 이로인해 연료 펌프가 충분히 제 역할을 한다 해도 연료 라인내의 공기가 이그러져(고무풍선 이그러지듯) 연료가 압송되지 못하게 되고 이에따라 연료 공급이 제대로 이루어지지 않아 시동이 꺼지게된다. 이 때는 보넷트를 열어 열을 식히거나, 헝겊을 물에 적셔 연료펌프나 연료 파이프를 식혀주면 시동이 쉽게 걸린다.
11. 스위치를 꺼도 시동이 꺼지지 않을때
엔진이 오버히트하면 스위치를 꺼도 시동이 꺼지지 않을 때가 있다. 이 때는 가속페달을 꽉 밟아 휘발유가 기화기에 다량 분출되면 혼합가스가 진해져 시동이 꺼진다.
12. 신호대기중 시동이 저절로 꺼질때
점화계통 불량일 가능성이 많다. 이 때는 차를 한가한 곳으로 옮겨 플러그와 디스트리뷰터 연결부위의 금속을 점검한다. 평상시 플러그와 디스트리뷰터는 점검을 해 두는 것이 좋다
13. 주차중인 차의 기어가 빠지지 않을때
비탈길에 주차된 차를 발차시킬 때 기어가 잘 빠지지 않는 경우가 있다. 이 때는 사람들이 자동차를 앞뒤로 밀면서 움직이면 된다. 이런 현상은 노후된 차에 자주 생기며 기어의 틈새가 벌어져 서로 완전히 물리지 않아 빠지지 않는 것이다.
14. 밟은 엑셀이 빠지지 않을때
주행중 액셀을 밟은 상태에서 나오지 않는 경우, 이 때는 차가 가속된 상태이므로 급브레이크를 밟으면 차가 미끄러지거나 돌 수 있다. 먼저 안전한 곳에서 시동을 끄고, 엔진브레이크를 걸어서 속도가 떨어지도록 하며, 길가로 대피시킨다.
15. 경음기가 꺼지지 않을때
배터리의 마이너스극 쪽을 빼놓는다. 자동차의 배선은 전화계통, 라이트 계통, 와이퍼계통, 워셔계통으로 분리되어 있다. 라이트나 경음기에 이상이 생기면 그 계통의 커넥터나 휴즈를 제거하면 된다. 배터리는 12V로 감전은 염려 안해도 된다.
16. 주행중 본닛에서 김이 날때
이는 라디에이터 호스가 찢어지면서 누출된 냉각수가 엔진에 튀어서 생기는 것이다. 이 때는 차를 안전한 곳에 세우고 잠시 기다리면 김이 사라진다. 찢어진 부분을 확인하여 닦아내고 테이프로 감는다. 엔진이 식으면 냉각수를 보충한다.
17. 라디에이터에서 물이 샐때
먼저 라디에이터캡을 열어 냉각계통의 압력을 줄여주어야 물이 새는 것을 줄일 수 있다. 임시로 구멍난 곳에 밥알을 으깨어 붙이면 밥알이 말라 붙으면서 구멍을 메워준다.
18. 배터리,브레이크액이 부족할 때
배터리액이 부족할 경우에는 보충해야 하는데 급할 때는 약국에서 증류수를 사 넣어도 된다. 브레이크 페달을 밟아 바닥까지 움직이면 브레이크 오일이 부족한 경우로 즉시 운행을 멈춰야 한다. 먼저 브레이크 마스터 실린더의 오일을 점검해서 부족시 브레이크 오일을 보충한다. 브레이크 오일이 없는 경우는 소주나 위스키를 붓는다.
19. 머플러에서 흰 연기가 날때
액셀레이터를 밟았을 때 머플러에서 흰 연기가 나면 엔진오일이 타는 것이다. 엔진오일이 과소모되는 이유는 피스톤, 링이 불결하거나 실린더, 밸브, 핀 가이드 등이 마모됐을 경우에 나타난다. 즉시 수리를 받도록 하는 것이 좋다.
20. 연료가 떨어졌을때
계기판이 E를 가리킬 때 기어를 1단이나 2단에 넣고 키를 돌리면 스타팅 모터의 구동력에 의해서 조금씩 10여 M는 갈 수 있다. 그래도 안되면 연료탱크 밑바닥에 잇는 너트 (드레인 플러그)를 풀면 약 2.5리터의 휘발유가 나오므로 20km 정도는 갈 수 있다.
21. 차안에 벌이 들어 왔을때
운전중에 벌레를 몰아내려 하면 매우 위험하다. 이 때는 우선 창문을 열고 송풍팬의 스위치를 켠 후, 전면 윈도우 쪽으로 바람이 세게 가게 하면 바람에 밀려 벌이 창밖으로 나가게 된다. 가장 확실한 방법은 차를 세워 몰아낸 후 주행하는 것이다.
22. 차가 모래/길밖/진흙웅덩이/눈길에 빠졌을때
■ 모래에 빠졌을때
여름 휴가철에 해수욕장을 갔을 경우에 가끔 발생하는 것 중에 하나가 모래에 차가 빠졌을 경우다. 이럴 때는 아무리 나오려 해도 모래만 밀려나오고 차가 더 깊숙이 들어가게 된다. 이 경우는 물을 모래에 부으면 모래가 물다짐으로 단단하게 되며 구동축 타이어의 공기를 빼내면 접지력이 높아져 쉽게 나올 수 있다. 이 때 중요한 것은 기어를 1단이 아닌 2단을 넣어야 합니다. 그래야만 회전수가 줄어들고 미끄러짐이 없이 서서히 빠져 나올 수 있다.
■ 바퀴가 길밖으로 빠졌을 때
바퀴가 하나만 빠졌을 때는 차를 좀 더 길밖으로 내민 다음, 크게 핸들을 꺾으면서 전진하면 올라 올 수 있다. 홈이 깊어 차바퀴가 공중에 떠 있을 때는 도로선에 거의 직각이 되게 바퀴를 돌려 후진하면 된다. 그래도 안되면 자키를 이용한다.
■ 진흙웅덩이에 차가 빠졌을 때
나무나 돌, 잡지, 신문지 등을 집어 넣은 후 기어를 2단에 놓고 천천히 출발시킨다. 그래도 안되는 경우는 구동축이 되는 타이어의 공기압을 약간 뽑으면 빠져 나올 수 있다. 나온 뒤에는 반드시 타이어의 공기압을 보충해 주어야 한다.
■ 눈길에 차가 빠졌을 때
바퀴밑에 흙이나 돌을 뿌린 후 낮은 단수의 기어를 넣고 천천히 빠져 나온다. 그래도 안되면 차를 앞뒤로 반복해 움직이면서 트랙션을 더 크게 얻어 빠져 나온다. 겨울에는 삽을 싣고 다니면 유용하게 쓸 수 있다.
23. 차가 물속에 빠졌을때
물이 있는곳을 지나가다 시동이 꺼져 정지했는지 아니면 차 전체가 물속에 잠겼는지에 따라 조치방법이 달라진다. 우선 물 있는곳을 지나가다 시동이 꺼졌을 경우는 보통 점화장치 부품인 배전기와 점화코일, 점화플러그, 점화플러그 배선에 물기가 묻어 전기가 정상적으로 흐르지 못하고 엔진으로 누전되어 시동이 꺼졌다고 볼 수 있다. 점화장치 부품에 묻어 있는 물기를 닦고 시동을 걸면 되는데 상태가 심각할 경우 한쪽으로 주차시킨 후 긴급 봉사반이나 정비업소에 의뢰하는 것이 좋다.
차가 물에 잠겼을 때에는 즉시 차에서 빠져 나와 견인 요청을 해야 한다. 그런데 문제는 물에 잠긴차를 곧바로 시동을 걸어도 되는지, 운행해도 되는지의 여부이다. 일반적으로 보넷트를 기준으로 그 아래까지 물에 잠겼다면 에어클리너 교환 및 케이스 내부 세척과 엔진 옆 부품 특피 점화장치 부품을 세척해야 운행이 가능하다. (정비업소나 세차장까지 운행)그러나 보넷트 위까지 물에 잠겼다면 엔진내부까지 물이 침입했을 우려가 있으므로 견인차로 견인해 정비업소에서 정밀 진단을 받아야 한다.
수해지역에서 자동차가 침수되었을 경우에는 절대로 시동을 걸지 않아야 한다. 시동을 걸 경우 엔진 내부가 파손될 우려가 많기 때문이다. 그리고 앞.뒤 바퀴의 허브 베어링 그리스를 점검해 필요때 교환해주고 브레이크 드럼에 이물질이 묻었을 때에는 드럼이나 라이닝이 이상 마모를 일으키므로 분해 점검하고 라이닝을 교환해 주는 것이 좋다.
[출처 : 인터넷 검색]
참조 사이트 : http://blog.empas.com/headcutter/22155945
브레이크에서 이상음이 들리지 않는 경우는 브레이크액의 누설, 브레이크 페달을 밟을 때 [끼]하는 이상음이 발생하는 경우는 브레이크 라이닝의 마모나 헐거움을 생각할 수 있다.
① 주행중에 브레이크의 제동력이 떨어졌음을 느꼈으면, 엔진회전에 맞추면서, 기어단수를 서서히 감속한다.
② 충분히 감속이 되었으면, 핸드 브레이크를 천천히 당겨 더욱 감속하여 정지시킨다.이 때 급격히 핸드브레이크를 당기면 균형을 잃어 스핀하거나, 브레이크의 와이어가 끊어질 우려가 있으므로 주의하여야 한다. 또한, 당황하여 엔진 스위치를 끄면 핸들이 무거워 방향성을 잃게 되므로 도리어 위험하다.
③ 차를 정지시켰으면 본넷을 열고, 브레이크액의 양을 점검한다. 줄어 있다면, 브레이크 파이프등에 액 누설은 없는지 점검한다. 경상일 경우에는 브레이크액을 보충하면 다소 주행할 수 있으나, 탱크가 비었거나 하는 경우는 전문가에게 연락하여야 한다.
④ 브레이크에서 이상음이 발생할 경우 전문가의 점검을 받을 것.
※ 타이어가 수몰되어 휠이 잠기는 물웅덩이를 지나간 후에는 브레이크의 제동력이 약해지는 수가있다. 드럼과 슈에 물이 묻어 마찰력이 떨어지기 때문이다. 물웅덩이를 빠져나온 경우에는, 브레이크 페달을 2~3회 가볍게 밟아주면, 마찰열에 의해 수분이 증발하여 브레이크는 원상태로 회복된다.
2. 주행중 타이어가 펑크 났을때
최근의 자동차는 일반적으로 튜브리스 스틸 래디얼 타이어를 사용하고 있어서, [뻥]하고 요란스럽게 펑크나는 일은 없어졌다. 주행중에 자동차의 주행이 부자연스러워 타이어를 조사해 보니 펑크가 나 있더라는 경우가 많다. 그러나 펑크가 난 것을 인식하지 못하고 그대로 주행을 계속하면, 브레크 페달을 밟거나핸들을 꺾거나 했을 때 차가 한쪽편으로 쏠려 대단히 위험하다. 차의 이상한 흔들림이나 타이어의 이상음에 주의하여, 일찍 펑크를 발견하도록 유념하여야 한다.
① 타이어가 펑크난 것을 인지하였으면, 급브레이크를 밟는 것은 금물이다. 펑크난 타이어 쪽으로 미끄러질 수가 있다. 브레이크 페달을 여러번 나누어 천천히 밟고, 차를 길가에 바짝대어 정지시킨다. 이것을 펌핑 브레이크(단속 브레이크)라고 한다. 펌핑 브레이크를 이용하면, 스피드 컨트롤이 가능해 짐과 동시에, 순조로운 스피드 다운에 의해, 주의의 상황을 파악할 여유가 생긴다. 또한, 제동등이 점멸하므로, 후속차에게 이상발생을 알려 주의를 환기시킬 수있다.
② 고속 주행중에 펑크가 나서 타이어의 공기가 급격히 빠지거나 파열이 일어나면, 파열된 쪽으로 차체가 기울어져 급격히 핸들을 빼앗긴다. 이 때는 핸들을 단단히 잡고 직진방향으로 누르듯이 하고, 엔진브레이크로 서서히 속도를 떨어뜨려 길가에 댄다. 브레이크를 밟아서는안된다. 급브레이크를 밟으면 콘트롤을 잃어버려 오히려 위험하다
3. 타이어가 진창에 빠졌을때
모래밭이나 진창에 타이어가 빠졌을 때, 빠져나오려고 가속 페달을 밟으면, 밟는만큼 타이어는 더 빠져 버린다. 무턱대고 타이어를 공전시키면 탈출은 더욱 어렵게 되어 버린다. 가까이에 다른차가 있으면, 로프를 사용하여 견인을 받는 것이 제일이다. 로프는 소정의 훅에 단단히 연결할 것. 범퍼등에 걸면 파손의 우려가 있다. 자력으로 탈출할 수 밖에 없을 경우에는, 스콥, 판자, 돌 등을 준비한다. 주변에 사람이 있으면, 밀어줄 것을 부탁한다. 조급하게 서두는 것은 금물이다.
우선 잭업을 하고, 타이어의 밑에 판자나 돌, 골판지 등 단단한 것을 깐다. 타이어의 공기압을 조금 빼 보는 것도 좋다. 타이어의 공기압이 줄면 접지면적이 증가하여 마찰력이 커지므로 탈출이 쉬워진다. 탈출시에는 반드시 기어를 후진으로 하여, 후진주행으로 탈출한다. 기어중에서, 후진기어의 기어비가 가장 낮아 힘이 세기 때문이다.
무사히 탈출하였더라도 그곳에 그냥 정지하지 말고 노면이 단단한 곳까지 그대로 주행한다. 빠져나오는데 성공하였다 하더라도 한번 정지하면, 그속에서 다시 발진하지 못할 우려가 있다. 커버등에서 바깥쪽 바퀴가 진창에 빠져 공전하고, 단단한 노면에 있는 안쪽의 바퀴도 움직이지 않는 경우가 있다. 그런 경우에는 주차브레이크를 조금 당겨 차바퀴에 저항을 주면, 슬립을 하고 있지 않은 안쪽 차바퀴가 회전하여 탈출이 가능해진다.
4. 오버히트 되었을때
최근의 자동차는 냉각계통 장애 이외의 원인으로 돌연 오버히트되는 일은 거의없다. 오버히트가 일어나는 것은 냉각수의 누설, 부족, 팬벨트의 이완 절단, 라디에이터의 막힘이 주원인이다.
① 차를 그늘이나 통풍이 잘되는 곳에 세운다.
② 엔진이 작동하고 있는 상태로 본넷을 열어두어 통풍을 좋게 한다.
③ 온도가 떨어지면 엔진을 정지시킨다.
④ 엔진이 충분히 냉각되고 나서, 냉각수의 유무, 라디에이터 코어부(방열부)에 현저한 오염이나 오물 부착은 없는가, 팬벨트가 느슨해져 있지 않은가 등을 점검한다.
■ 냉각수이 부족일 경우
냉각수가 부족하다면 보충하여 주는데 수돗물이 좋다. 개울물이나 생수는 철분성분 때문에 부식가능성이 있다. 부득히 생수를 사용했다면 나중에 교체하도록 한다.
■ 라디에이터 호스가 손상된 경우
호스가 찢어져 있으면, 청테이프나 비닐테이프를 칭칭 감아 보수한다.
호스가 젖어 있으면 접착력이 약해지므로 천 등으로 잘 닦고나서 테이프를 많이 그리고 단단히 감아준다. 이대로 엔진의 시동을 걸면 압력이 걸려 보수 부위로부터 재차 누수가 발생하므로 라디에이터 캡을 열고 주행한다. 단, 엔진회전수를 올리지 말고, 서행하면서 수리공장으로 직행하도록 한다.
■ 팬팰트에 문제가 있는경우
팬벨트는 냉각팬과 워터펌프를 작동시키고 있다. 느슨해져 있으면 규정된 함량으로 조정한다. 또한 팬벨트가 끊어진 경우 ("뻥"하고 엔진이 폭발하는 것 같은 소리가 남)에는 곧 엔진을 정지시켜야 한다. 끊어진 벨트가 계속 돌면 배선이나 배관을 손상하기도 하고, 회전축에 감겨버리기도 한다. 끊어진 벨트가 엔진룸내에 있으면, 철사를 이용하여 일시적으로 보수할 수 있으나, 벨트없이도 수온계에 주의하면서 저속으로 주행하면 2~3km는 주행할 수 있다. 곧 수리공장에 집어넣는다. 단, 발전기도 움직이지 못하게 되므로, 카세트나 히터 등 전기를 사용하는 것은 모두 꺼 두어야 한다.
■ 라디에이터 코어 부분에 이물이 끼어 막혀 있으면 제거해 준다.
※ 라디에이터 캡을 열때 열이 어느정도 식은 다음 여는 것이 좋다. 냉각수에 압력이 걸려 있으므로 증기나 뜨거운 물이 분출되어 뜻하지 않은 화상을 입는 수가 있으므로 수건등을 덮고 캡을 조금 열어 [피시]하고 증기를 일단 빠지게 하는 것이 좋다.
5. 배터리가 방전되었을 때 시동하는 방법
배터리 방전으로 엔진시동이 불가능한 경우라도, 다른차의 배터리를 전원으로 하여 엔진의 시동을 걸수가 있다. 점퍼 와이어는 보통 빨강코드가 +용, 검정코드가 -용이다.
1. 점퍼 케이블을 아래 번호순서대로 접속한다.
① 배터리가 나간차의 배터리 +단자에 +용 케이블(빨강 코드)의 집게를 물린다.
② 그 케이블의 나머지 집게를 구원차 배터리 +단자에 연결한다.
③ -용 케이블(검정코드)의 집게를 구원차 배터리의 -단자에 연결한다.
④ 그 코드를 배터리가 나가차 배터리로부터 30cm 이상 떨어진 엔진 본체(훅등)에 연결한다.
※ 배터리와 배터리를 직접 연결하면 배터리에서 발생하는 가연성 가스에 인화하여 폭발이 일어날 우려가 있다.
2. 접속 후 구원차의 엔진회전수를 약간 높게 해 둔다. 이것은 전기를 받는 차의 엔진 시동이 어려워, 양쪽차가 모두 시동이 되지 않는 것을 방지하기 위함이다.
3. 배터리가 나간차의 시동을 건다.
4. 엔진의 시동이 걸리면, 연결시의 역순으로 점퍼 케이블을 분리한다.
스타트가 돌아 엔진의 시동이 걸렸어도, 잠시동안은 다소 엔진속도를 높여 그 장소에서 배터리를 회복시킨 후 주행을 시작하도록 한다.
■ 부스터 케이블이 없을 때
우산을 배터리코드 대용으로 사용할 수가 있다. 우선 2대의 자동차범퍼를 서로 맞대고, 배터리의 플러스 단자끼리 금속제 우산대를 연결시키고 시동을 건다. 접속을 확실히 하기위해 철사나 끈으로 매어 둔다.
6. 브레이크가 고장났을때
풋브레이크가 고장 났을 경우에는 엔진 브레이크 및 주차브레이크를 사용하면 된다. 우선 고장을 알리기 위해 비상등을 켜고 엔진브레이크를 사용하면서 속도를 줄여 나가는 것이다. 커브가 급하지 않은 곳에서는 엔진 브레이크를 사용하면서도 충분히 속도를 줄일 수가 있다. 갑작스럽게 주차브레이크를 당기면 차량이 흔들리고 핸들이 틀어져 있을 경우에는 차량이 돌아갈 수 있다. 이는 보통 주차 브레이크는 뒷바퀴에 연결되어 있어 뒤쪽에만 제동이 되기 때문이다. 매뉴얼 차량은 기어를 1단에 넣고, 오토매틱 차량은 레버를 'L'에 옮긴다. 우선 엔진을 끄고 속도가 줄면 사이드브레이크를 잡아당긴다.
두번째는 갑작스러운 돌발상황에서가 문제다. 이 때는 주차브레이크를 이용하여 차량을 90도 회전시켜 정지하는 방법으로 왼손으로 핸들을 오른쪽으로 45도 정도 돌리는 동시에 주차 브레이크를 오른손으로 당겨 올리면 차머리가 오른쪽으로 틀리며 미끄러지면서 멈출 수 있다. 왼쪽으로 차 머리를 틀리게 하려면 핸들 방향만 왼쪽으로 돌리고 조작방법은 동일하다.
7. 전조등이 안 켜질때
밀봉식 헤드라이트의 경우 전조등 렌즈 위를 '탕탕' 때려본다. 끊어진 필라멘트가 붙을 수 있기 때문이다. 일반적으로 헤드램프는 하향등이 끊어지므로 상향등을 켠 후 윗부분을 청테이프 등으로 살짝 가리면 하향등 대용으로 쓸 수 있다.
8. 와이퍼가 작동되지 않을때
와이퍼를 작동시키는 모터소리가 들리지 않는다면 휴즈가 끊어진 것이다.
만일 예비용 휴즈가 없다면 담배꽁초나 비누를 앞창에다 골고루 칠한다. 담배나 비누의 계면활성성분이 빗방울이 생기는 것을 막아주기 때문이다. 비오는 날 사이드 미러가 잘보이지 않는다면 이 방법을 응용할 수 있다.
9. 키가 돌아가지 않을때
차 시동을 걸려고 키를 돌려도 키가 돌아가지 않을 때가 있다. 이것은 핸들의 잠금장치가 작동하고 있기 때문이다. 이 때는 키를 가볍게 돌리면서 핸들을 좌우로 툭툭 치듯이 돌리면 잠금장치가 풀리면서 키가 돌아가게 된다.
10. 시동이 걸리지 않을때
우선 시동시에 스타트 모터가 돌아 가는가를 점검한다. 이 경우는 배터리나 모터에는 이상이 없는 것으로 연료계통에 이상이 있을 수 있다. 연료가 충분한 경우에는 연료펌프에 이상이 있을 수 있으며, 연료가 부족한 경우에는 연료탱크가 있는 뒤쪽을 흔들어 시동을 걸면 시동을 걸 수가 있다. 이 경우는 연료탱크 안에 있던 물이 아래로 내려가 물이 호스로 올라와 시동이 안 걸리는 수가 있기 때문다.
또 한가지는 타이밍 밸트가 끊어지거나 마모된 경우로 이 경우는 정비를 받아야만 한다. 모터가 안도는 경우는 배터리가 방전되었거나 발전기가 고장난 경우다. 발전기가 정상적으로 작동한다면 다른차와 점프를 하면 시동이 걸리고 시동이 꺼지지 않는 한 운행을 할 수가 있지만 발전기가 고장난 경우는 점프선을 떼면 시동이 꺼진다. 이 경우는 발전기를 교환하여야 한다. 응급조치로는 배터리만 갈면 배터리의 힘으로 어느 정도는 주행할 수가 있다.
■ 배터리가 나가 시동이 안걸릴 때
수동변속차량은 키를 시동거는 위치에 놓고, 기어를 2단에 넣은 다음 크러치를 밟은 상태에서 자동차를 내리막길로 내려가게 하거나 평지에서 뒷쪽에서 다른 사람이 밀게한다. 차가 움직이여 어느정도 탄력을 받았다고 판단이 되면 밟았던 클러치를 떼면서 시동을 걸 면 된다. 그러나, 오토매틱 차량은 이 방법을 쓸수 없으므로 평상시 부스터케이블을 가지고 다니도록 하는 것이 좋다.
■ 배터리가 약해 시동이 안걸릴 때
배터리가 약하고 불안한 경우는 시동을 끄기전 모든 전장품의 가동을 중지시키고 10분정도 쉰 후 다시 걸어본다. 그러나 시동모터를 지나치게 돌려서 배터리가 방전되었을 경우 30분 정도 기다린 후 다시 걸어본다.
■ 더위로 시동이 안걸릴 때
이는 열기로 인해 연료 펌프나 연료 파이프 속의 연료가 대기열과 엔진열에 의해 증기로 변화되어 연료의 양이 부족하여 생기는 베이퍼록 현상이다. 이로인해 연료 펌프가 충분히 제 역할을 한다 해도 연료 라인내의 공기가 이그러져(고무풍선 이그러지듯) 연료가 압송되지 못하게 되고 이에따라 연료 공급이 제대로 이루어지지 않아 시동이 꺼지게된다. 이 때는 보넷트를 열어 열을 식히거나, 헝겊을 물에 적셔 연료펌프나 연료 파이프를 식혀주면 시동이 쉽게 걸린다.
11. 스위치를 꺼도 시동이 꺼지지 않을때
엔진이 오버히트하면 스위치를 꺼도 시동이 꺼지지 않을 때가 있다. 이 때는 가속페달을 꽉 밟아 휘발유가 기화기에 다량 분출되면 혼합가스가 진해져 시동이 꺼진다.
12. 신호대기중 시동이 저절로 꺼질때
점화계통 불량일 가능성이 많다. 이 때는 차를 한가한 곳으로 옮겨 플러그와 디스트리뷰터 연결부위의 금속을 점검한다. 평상시 플러그와 디스트리뷰터는 점검을 해 두는 것이 좋다
13. 주차중인 차의 기어가 빠지지 않을때
비탈길에 주차된 차를 발차시킬 때 기어가 잘 빠지지 않는 경우가 있다. 이 때는 사람들이 자동차를 앞뒤로 밀면서 움직이면 된다. 이런 현상은 노후된 차에 자주 생기며 기어의 틈새가 벌어져 서로 완전히 물리지 않아 빠지지 않는 것이다.
14. 밟은 엑셀이 빠지지 않을때
주행중 액셀을 밟은 상태에서 나오지 않는 경우, 이 때는 차가 가속된 상태이므로 급브레이크를 밟으면 차가 미끄러지거나 돌 수 있다. 먼저 안전한 곳에서 시동을 끄고, 엔진브레이크를 걸어서 속도가 떨어지도록 하며, 길가로 대피시킨다.
15. 경음기가 꺼지지 않을때
배터리의 마이너스극 쪽을 빼놓는다. 자동차의 배선은 전화계통, 라이트 계통, 와이퍼계통, 워셔계통으로 분리되어 있다. 라이트나 경음기에 이상이 생기면 그 계통의 커넥터나 휴즈를 제거하면 된다. 배터리는 12V로 감전은 염려 안해도 된다.
16. 주행중 본닛에서 김이 날때
이는 라디에이터 호스가 찢어지면서 누출된 냉각수가 엔진에 튀어서 생기는 것이다. 이 때는 차를 안전한 곳에 세우고 잠시 기다리면 김이 사라진다. 찢어진 부분을 확인하여 닦아내고 테이프로 감는다. 엔진이 식으면 냉각수를 보충한다.
17. 라디에이터에서 물이 샐때
먼저 라디에이터캡을 열어 냉각계통의 압력을 줄여주어야 물이 새는 것을 줄일 수 있다. 임시로 구멍난 곳에 밥알을 으깨어 붙이면 밥알이 말라 붙으면서 구멍을 메워준다.
18. 배터리,브레이크액이 부족할 때
배터리액이 부족할 경우에는 보충해야 하는데 급할 때는 약국에서 증류수를 사 넣어도 된다. 브레이크 페달을 밟아 바닥까지 움직이면 브레이크 오일이 부족한 경우로 즉시 운행을 멈춰야 한다. 먼저 브레이크 마스터 실린더의 오일을 점검해서 부족시 브레이크 오일을 보충한다. 브레이크 오일이 없는 경우는 소주나 위스키를 붓는다.
19. 머플러에서 흰 연기가 날때
액셀레이터를 밟았을 때 머플러에서 흰 연기가 나면 엔진오일이 타는 것이다. 엔진오일이 과소모되는 이유는 피스톤, 링이 불결하거나 실린더, 밸브, 핀 가이드 등이 마모됐을 경우에 나타난다. 즉시 수리를 받도록 하는 것이 좋다.
20. 연료가 떨어졌을때
계기판이 E를 가리킬 때 기어를 1단이나 2단에 넣고 키를 돌리면 스타팅 모터의 구동력에 의해서 조금씩 10여 M는 갈 수 있다. 그래도 안되면 연료탱크 밑바닥에 잇는 너트 (드레인 플러그)를 풀면 약 2.5리터의 휘발유가 나오므로 20km 정도는 갈 수 있다.
21. 차안에 벌이 들어 왔을때
운전중에 벌레를 몰아내려 하면 매우 위험하다. 이 때는 우선 창문을 열고 송풍팬의 스위치를 켠 후, 전면 윈도우 쪽으로 바람이 세게 가게 하면 바람에 밀려 벌이 창밖으로 나가게 된다. 가장 확실한 방법은 차를 세워 몰아낸 후 주행하는 것이다.
22. 차가 모래/길밖/진흙웅덩이/눈길에 빠졌을때
■ 모래에 빠졌을때
여름 휴가철에 해수욕장을 갔을 경우에 가끔 발생하는 것 중에 하나가 모래에 차가 빠졌을 경우다. 이럴 때는 아무리 나오려 해도 모래만 밀려나오고 차가 더 깊숙이 들어가게 된다. 이 경우는 물을 모래에 부으면 모래가 물다짐으로 단단하게 되며 구동축 타이어의 공기를 빼내면 접지력이 높아져 쉽게 나올 수 있다. 이 때 중요한 것은 기어를 1단이 아닌 2단을 넣어야 합니다. 그래야만 회전수가 줄어들고 미끄러짐이 없이 서서히 빠져 나올 수 있다.
■ 바퀴가 길밖으로 빠졌을 때
바퀴가 하나만 빠졌을 때는 차를 좀 더 길밖으로 내민 다음, 크게 핸들을 꺾으면서 전진하면 올라 올 수 있다. 홈이 깊어 차바퀴가 공중에 떠 있을 때는 도로선에 거의 직각이 되게 바퀴를 돌려 후진하면 된다. 그래도 안되면 자키를 이용한다.
■ 진흙웅덩이에 차가 빠졌을 때
나무나 돌, 잡지, 신문지 등을 집어 넣은 후 기어를 2단에 놓고 천천히 출발시킨다. 그래도 안되는 경우는 구동축이 되는 타이어의 공기압을 약간 뽑으면 빠져 나올 수 있다. 나온 뒤에는 반드시 타이어의 공기압을 보충해 주어야 한다.
■ 눈길에 차가 빠졌을 때
바퀴밑에 흙이나 돌을 뿌린 후 낮은 단수의 기어를 넣고 천천히 빠져 나온다. 그래도 안되면 차를 앞뒤로 반복해 움직이면서 트랙션을 더 크게 얻어 빠져 나온다. 겨울에는 삽을 싣고 다니면 유용하게 쓸 수 있다.
23. 차가 물속에 빠졌을때
물이 있는곳을 지나가다 시동이 꺼져 정지했는지 아니면 차 전체가 물속에 잠겼는지에 따라 조치방법이 달라진다. 우선 물 있는곳을 지나가다 시동이 꺼졌을 경우는 보통 점화장치 부품인 배전기와 점화코일, 점화플러그, 점화플러그 배선에 물기가 묻어 전기가 정상적으로 흐르지 못하고 엔진으로 누전되어 시동이 꺼졌다고 볼 수 있다. 점화장치 부품에 묻어 있는 물기를 닦고 시동을 걸면 되는데 상태가 심각할 경우 한쪽으로 주차시킨 후 긴급 봉사반이나 정비업소에 의뢰하는 것이 좋다.
차가 물에 잠겼을 때에는 즉시 차에서 빠져 나와 견인 요청을 해야 한다. 그런데 문제는 물에 잠긴차를 곧바로 시동을 걸어도 되는지, 운행해도 되는지의 여부이다. 일반적으로 보넷트를 기준으로 그 아래까지 물에 잠겼다면 에어클리너 교환 및 케이스 내부 세척과 엔진 옆 부품 특피 점화장치 부품을 세척해야 운행이 가능하다. (정비업소나 세차장까지 운행)그러나 보넷트 위까지 물에 잠겼다면 엔진내부까지 물이 침입했을 우려가 있으므로 견인차로 견인해 정비업소에서 정밀 진단을 받아야 한다.
수해지역에서 자동차가 침수되었을 경우에는 절대로 시동을 걸지 않아야 한다. 시동을 걸 경우 엔진 내부가 파손될 우려가 많기 때문이다. 그리고 앞.뒤 바퀴의 허브 베어링 그리스를 점검해 필요때 교환해주고 브레이크 드럼에 이물질이 묻었을 때에는 드럼이나 라이닝이 이상 마모를 일으키므로 분해 점검하고 라이닝을 교환해 주는 것이 좋다.
[출처 : 인터넷 검색]
참조 사이트 : http://blog.empas.com/headcutter/22155945
이클립스디버깅방법
<이클립스 디버그 방법>
1. 톰켓서버를 먼저 실행
2. 라인에 더블클릭하면 파란 동그라미 생긴다. 여기서 부터 디버그를 하겠다는 표시
3. 웹어플사이트에 액션을 수행하면 창이 뜨고 확인 누르면된다.
그러면 디버그 모드로 간다
4. F6은 한줄씩디버그 하기
오른쪽 위에 variable 과 병행하면서 코드를 본다.
5. F5는 안에 있는 메소드로 들어가고 싶을때 사용.
그리고 들어가면 다시 F6으로 한줄씩 디버깅체크
6. F7은 중도에 다시 돌아가고 싶을 때
F8은 한번에 검사하고 싶은곳을 같이 보고싶을 때
7. 한가지 변수에만 검사하고싶다.
블럭해서 오른쪽 마우스클릭 후 watch 선택
--------------------------------------------
<이클립스 자주쓰는 단축키 및 기술>
Code Assist : Ctrl + Space (자동으로 이클립스 코드 보여주는 기능)
Quick Fix : Ctrl + 1 (에러시 빨간에러표시시 Ctrl + 1 을 누르면 방법 제시)
Quick Hierarchy : Ctrl + T (계층 구조 보기)
Quick Outline : Ctrl + O (아웃라인구조 보기)
Source Code Navigation : F3, Alt + Forward
메소드를 들어가 보고싶을때(ctrl을 누르고 클릭해도가능)
Alt + Back 다시 돌아갈때
Line move : Ctrl + L (라인 이동)
Mark Occurrences : 형광등 기능. 관련된 것에 같은색으로 표시됨.
Search : Ctrl + F (소스내 검색기능)
Ctrl + H (파일이나 자바나 플러그인 등 검색시)
Comment : Ctrl + / (블럭 지정하여 자동으로 주석 처리하기)
Import! : Ctrl + Shift + O (import! 에러시 필요한 정보를 제시하여준다)
참고 사이트 : http://cafe.daum.net/yunilab/2CBy/45?docid=15eBl|2CBy|45|20061030160210&q=%C0%CC%C5%AC%B8%B3%BD%BA%20%BB%E7%BF%EB%B9%E6%B9%FD&srchid=CCB15eBl|2CBy|45|20061030160210
1. 톰켓서버를 먼저 실행
2. 라인에 더블클릭하면 파란 동그라미 생긴다. 여기서 부터 디버그를 하겠다는 표시
3. 웹어플사이트에 액션을 수행하면 창이 뜨고 확인 누르면된다.
그러면 디버그 모드로 간다
4. F6은 한줄씩디버그 하기
오른쪽 위에 variable 과 병행하면서 코드를 본다.
5. F5는 안에 있는 메소드로 들어가고 싶을때 사용.
그리고 들어가면 다시 F6으로 한줄씩 디버깅체크
6. F7은 중도에 다시 돌아가고 싶을 때
F8은 한번에 검사하고 싶은곳을 같이 보고싶을 때
7. 한가지 변수에만 검사하고싶다.
블럭해서 오른쪽 마우스클릭 후 watch 선택
--------------------------------------------
<이클립스 자주쓰는 단축키 및 기술>
Code Assist : Ctrl + Space (자동으로 이클립스 코드 보여주는 기능)
Quick Fix : Ctrl + 1 (에러시 빨간에러표시시 Ctrl + 1 을 누르면 방법 제시)
Quick Hierarchy : Ctrl + T (계층 구조 보기)
Quick Outline : Ctrl + O (아웃라인구조 보기)
Source Code Navigation : F3, Alt + Forward
메소드를 들어가 보고싶을때(ctrl을 누르고 클릭해도가능)
Alt + Back 다시 돌아갈때
Line move : Ctrl + L (라인 이동)
Mark Occurrences : 형광등 기능. 관련된 것에 같은색으로 표시됨.
Search : Ctrl + F (소스내 검색기능)
Ctrl + H (파일이나 자바나 플러그인 등 검색시)
Comment : Ctrl + / (블럭 지정하여 자동으로 주석 처리하기)
Import! : Ctrl + Shift + O (import! 에러시 필요한 정보를 제시하여준다)
참고 사이트 : http://cafe.daum.net/yunilab/2CBy/45?docid=15eBl|2CBy|45|20061030160210&q=%C0%CC%C5%AC%B8%B3%BD%BA%20%BB%E7%BF%EB%B9%E6%B9%FD&srchid=CCB15eBl|2CBy|45|20061030160210
피드 구독하기:
글 (Atom)