P3-1.1 데이터 모델링은 무엇을 달성하려는가¶

Section ID: P3-1.1 Version: v2026.09.19

Part 3에 들어오면 독자는 곧바로 샘플(sample), 특징(feature), 기준선(baseline), 출력 구조(output structure), 타깃(target) 같은 말을 만나게 됩니다. 이 용어들은 따로 놀지 않습니다. 무엇을 한 건으로 셀지, 어떤 값을 남길지, 무엇과 비교할지, 어떤 결과 형식으로 닫을지를 함께 정하는 바깥 판단이 데이터 모델링(data modeling)입니다.

데이터 모델링을 저장 구조 정리로만 이해하면, 이미 쌓여 있는 표를 보기 좋게 바꾸는 정도로 생각하기 쉽습니다. 이 책의 Part 3에서는 데이터 모델링을 질문에 맞는 샘플과 표현을 설계하는 넓은 의미로 사용합니다. 이는 이 책의 집필 범위이며, 데이터베이스 분야의 데이터 모델링 정의를 대체하는 표준 정의는 아닙니다. 데이터 모델링은 지금 있는 원천데이터(source data)로 어떤 질문에 답할 수 있게 만들 것인가를 정하는 일입니다.

처음 읽을 때 가장 흔한 혼동은 DB를 어떻게 저장할까와 AI가 읽을 문제 구조를 어떻게 만들까를 같은 일처럼 보는 것입니다. 둘은 연결되지만 목표가 다릅니다.

즉 저장 구조가 기록을 잃지 않기 위한 틀이라면, 데이터 모델링은 질문에 답하기 위한 비교 구조를 만드는 틀에 더 가깝습니다. 저장된 자료가 현재 질문에 맞는 샘플 단위와 정보를 갖추었는지 확인하고, 필요한 경우 표현을 바꿉니다. 원시 기록도 데이터셋이며, 모든 분석에서 새 요약 표가 필요한 것은 아닙니다.

예를 들어 자동으로 실행되는 동작 기록이 있다고 하겠습니다. 원천데이터에는 시점별 센서 값, 제어 파라미터, 동작 시작과 종료 시각이 들어 있을 수 있습니다. 이 기록은 저장과 추적에는 충분할 수 있습니다. 하지만 그 상태만으로는 아직 이번 동작이 평소와 달랐는가, 최근 구간에서 반복성이 흔들리는가, 사람이 먼저 검토해야 할 건은 무엇인가 같은 질문에 바로 답하기 어렵습니다.

여기서 데이터 모델링이 달성하려는 것은 단순합니다. 질문과 기록 사이의 연결을 분명히 하여, 사람이 비교하고 모델이 활용할 수 있게 하는 것입니다. 이 절의 동작 비교 사례에서는 다음 네 가지를 정합니다.

1. 무엇을 한 건의 샘플로 볼지 정한다.
2. 그 샘플을 설명하는 특징을 만든다.
3. 최근 상태를 무엇과 비교할지 기준선을 세운다.
4. 최종적으로 사람 검토용 결과인지, 예측용 목표 후보인지 출력 구조를 정한다.

이 네 가지는 이 사례의 설계 질문이며 모든 데이터셋에 반드시 있어야 하는 네 종류의 열은 아닙니다. 원시 시계열이나 이미지·문서를 입력으로 쓸 수도 있고, 과거 기준선과 비교하지 않는 문제도 있습니다.

이 지점에서 데이터 모델링과 데이터과학(data science)의 관계도 함께 잡아 둘 필요가 있습니다. 데이터과학은 데이터 수집, 정제, 탐색, 요약, 비교, 해석, 예측, 의사결정 연결까지 포함하는 더 넓은 흐름입니다. 그 안에서 Part 3이 집중하는 데이터 모델링은 원천데이터를 AI 학습과 분석에 들어갈 문제 구조로 바꾸는 앞단 판단에 가깝습니다. 다시 말해 Part 3은 데이터과학 전체를 가르치는 Part가 아니라, AI 이해에 필요한 데이터 취급을 질문·표현·해석의 연결로 배우는 Part입니다.

이 점을 더 분명히 보기 위해, 데이터 모델링이 실제로 만들고자 하는 산출물을 나란히 놓고 봅니다.

이 표에서 중요한 점은 데이터 모델링이 아직 모델 선택 단계가 아니라는 사실입니다. 이 단계에서는 분류기 이름이나 딥러닝 구조보다 먼저, 어떤 표를 만들고 어떤 비교를 가능하게 할 것인지가 결정되어야 합니다. 그래야 뒤의 머신러닝 Part에서도 X, y, 평가, 기준 모델이 공중에 뜨지 않습니다.

이 절의 동작 비교 사례에서 선택할 흐름을 도식으로 나타내면 다음과 같습니다. 모든 데이터에 적용하는 필수 절차는 아닙니다.

flowchart TD
  A["원천 시계열 로그"] --> B["샘플 단위 정하기"]
  B --> C["특징으로 요약하기"]
  C --> D["기준선과 비교하기"]
  D --> E["출력 구조 정하기"]
  E --> F["검토 후보 표 또는 예측 준비 표"]

같은 동작의 수준·흩어짐·방향은 서로 다른 질문이다¶

다음은 설명을 위해 만든 가상 기록입니다. action_id는 동작 식별자, t_sec는 동작 시작 뒤 지난 시간(초), flow_rate는 유량(L/min), pressure는 압력(kPa)입니다. valve_open의 1은 밸브가 열려 있다는 뜻입니다. 각 동작에서 0초·1초·2초에 한 번씩 측정했다고 가정합니다.

A-101의 유량은 조금 올라갔다가 마지막에 내려갑니다. A-102는 세 값이 서로 가깝고 마지막 두 값은 같습니다. 이 차이를 비교하려고 동작 1회를 샘플 1건으로 묶겠습니다. 여기서 여섯 행은 여섯 동작이 아니라 두 동작의 측정 기록입니다.

어느 동작이 달랐는가를 수치로 설명하려면 먼저 질문을 나눠야 합니다. 전체 유량 수준이 다른지, 측정값이 넓게 흩어져 있는지, 끝부분에서 내려가는지는 서로 다른 질문입니다. 이 질문에 따라 남길 숫자도 달라집니다.

평균: 측정값의 전체 수준은 얼마인가¶

평균은 값들을 모두 더한 뒤 값의 개수로 나눈 수입니다. 이 사례에서는 동작마다 측정한 유량 세 개의 평균을 flow_mean이라는 열에 남깁니다.

• A-101: (24.8 + 25.1 + 23.9) / 3 = 24.60 L/min
• A-102: (24.7 + 24.8 + 24.8) / 3 ≈ 24.77 L/min

A-101의 평균 유량이 조금 낮습니다. 그러나 평균만으로는 어느 시점에 내려갔는지 알 수 없습니다. 예를 들어 23, 24, 25와 25, 24, 23은 모두 평균이 24이지만, 하나는 올라가고 다른 하나는 내려갑니다. 수준을 요약하면 시간 순서는 사라집니다.

아래 차트는 두 동작에 같은 축을 사용합니다. 점은 관측값, 점선은 평균, 굵은 선은 마지막 관측 구간입니다. 점 사이의 선은 측정 순서를 읽기 위한 연결이며, 관측 사이의 실제 변화 경로를 확인한 것은 아닙니다.

A-101은 평균 주변에 더 넓게 퍼져 있고 마지막 구간에서 내려갑니다. A-102는 평균 가까이에 머뭅니다. 수평인 평균선만으로는 이 모양을 전달할 수 없습니다. 아래에서 흩어짐과 방향을 나눠 읽겠습니다.

압력도 같은 방법으로 평균을 구해 pressure_mean에 남깁니다. A-101은 (101.2 + 101.0 + 102.4) / 3 ≈ 101.53 kPa, A-102는 101.00 kPa입니다. 이 값은 유량이 변할 때 압력의 전체 수준도 함께 비교하기 위한 정보이며, 그 자체가 고장 판정은 아닙니다.

표준편차: 평균 주변에 얼마나 흩어져 있는가¶

표준편차는 값들이 평균 주변에 얼마나 흩어져 있는지 나타냅니다. 세 값이 모두 같으면 0이고, 값들이 평균에서 더 멀리 퍼질수록 커집니다. 시간에 따라 올라가는지 내려가는지를 나타내는 값은 아닙니다.

이 사례의 flow_std는 표본 표준편차 계산식을 사용합니다. A-101의 평균 24.6에서 각 값이 얼마나 떨어져 있는지부터 계산해 봅시다.

1. 평균을 뺀 차이는 24.8−24.6 = 0.2, 25.1−24.6 = 0.5, 23.9−24.6 = −0.7입니다.
2. 차이를 그대로 더하면 양수와 음수가 상쇄되므로 각각 제곱합니다. 제곱한 값의 합은 0.2² + 0.5² + (−0.7)² = 0.78입니다.
3. 표본 표준편차는 이 합을 값의 개수−1로 나눕니다. 여기서는 0.78 / (3−1) = 0.39입니다.
4. 제곱을 되돌리는 제곱근을 취하면 √0.39 ≈ 0.62 L/min입니다. 표준편차의 단위는 원래 유량과 같습니다.

표본으로 더 큰 집단의 흩어짐을 추정할 때 사용하는 계산 규칙이므로 분모가 3이 아니라 2입니다. 여기서는 이 규칙으로 세 측정값을 요약하며, 두 동작만으로 장비 전체의 상태를 추정하지는 않습니다. A-102도 반올림 전 평균으로 같은 계산을 하면 약 0.06 L/min입니다. 따라서 이 기록에서는 A-101의 유량값이 평균 주변에 더 넓게 흩어져 있습니다.

앞의 23, 24, 25와 25, 24, 23은 표본 표준편차도 모두 1입니다. 순서만 바꾸면 평균에서 떨어진 정도는 그대로이기 때문입니다. 표준편차가 크다는 말과 끝부분 하강이 가파르다는 말은 구분해야 합니다.

마지막 구간의 기울기: 어느 방향으로 얼마나 빨리 변했는가¶

끝부분 하강을 보려면 값의 변화량을 걸린 시간으로 나눈 기울기를 사용합니다. 이 사례에서는 마지막 구간을 1초부터 2초까지로 정하고, 그 구간의 기울기를 late_drop_rate에 남깁니다. 열 이름에 drop이 들어 있지만 부호를 유지하므로 상승하면 양수도 나올 수 있습니다.

• A-101: (23.9−25.1) / (2−1) = −1.2 L/min/s
• A-102: (24.8−24.8) / (2−1) = 0.0 L/min/s

L/min/s는 유량의 단위인 L/min이 1초당 얼마나 바뀌었는지를 뜻합니다. 음수는 하강, 양수는 상승이고, 0은 두 시점의 값이 같다는 뜻입니다. 같은 시간 간격에서 −1.2는 −0.2보다 더 가파른 하강입니다. 두 측정점 사이에서 값이 계속 일정한 속도로 변했다고까지 알 수 있는 것은 아닙니다.

기준선 차이: 평소의 같은 구간과 얼마나 다른가¶

하강이 관찰됐다는 사실만으로 평소와 다른지는 알 수 없습니다. 이 가상 사례에서는 같은 조건에서 따로 정한 평소의 마지막 구간 기울기를 0.0 L/min/s로 가정합니다. 이 값이 비교의 기준선입니다. 앞의 여섯 행에서 추정한 값이 아닙니다.

baseline_gap은 현재 동작의 기울기−기준선 기울기로 계산합니다. A-101은 −1.2−0.0 = −1.2 L/min/s, A-102는 0.0−0.0 = 0.0 L/min/s입니다. 음수인 차이는 현재 기울기가 기준선보다 작다는 뜻입니다. 기준선 자체가 −1.0이었다면 A-101의 차이는 −0.2가 되므로, 현재 기울기와 기준선 차이는 같은 개념이 아닙니다.

그다음 사람이 검토할 동작을 고르는 설명용 규칙을 정합니다. baseline_gap < −0.5 L/min/s이면 review, 그 밖에는 no_flag를 붙입니다. 정확히 −0.5인 경우는 no_flag입니다. 이 임계값은 지표를 검토 행동으로 연결하기 위해 가정한 규칙이며, 실제 장비에서 검증된 고장 기준이 아닙니다.

질문별로 고른 값을 동작 한 행으로 합치기¶

지금까지 계산한 값을 합치면 다음 요약 표가 됩니다. 평균과 표준편차는 소수 둘째 자리까지 표시하며, 계산 도중에는 반올림 전 값을 사용합니다.

이제 A-101 행을 다음처럼 읽을 수 있습니다. 측정된 평균 유량은 24.60 L/min이고, 세 유량값의 표준편차는 0.62 L/min입니다. 마지막 1초의 기울기는 −1.2 L/min/s이며, 가정한 기준선보다 1.2 L/min/s 작습니다. 그 차이가 설명용 검토 규칙에 걸려 review가 붙었습니다.

review_flag는 측정값이나 고장 확정 라벨이 아니라 규칙을 적용한 검토 결과입니다. no_flag도 이 규칙에 걸리지 않았다는 뜻이며 정상 확정이 아닙니다. 큰 표준편차나 음수 기울기만으로 고장을 확정할 수는 없습니다.

이 사례에서 데이터 모델링이 만든 것은 원시 기록과 질문을 잇는 구조입니다. action_id로 한 동작을 묶고, 질문에 맞는 요약값을 남기고, 별도로 정한 기준선과 비교한 다음, 사람이 읽을 검토 결과를 붙였습니다. 원시 기록은 세부 순서를 다시 확인할 근거로 남습니다.

flowchart TD
  A["시점별 로그"] --> B["사람이 행을 하나씩 훑음"]
  B --> C["동작 전체 비교가 어려움"]
  A --> D["동작 1회를 샘플 1건으로 모델링"]
  D --> E["특징과 기준선 차이 만들기"]
  E --> F["검토 플래그 또는 예측용 출력 생성"]

데이터 모델링이 잘 되었는지는 화려한 모델을 썼는지로 판단하지 않습니다. 오히려 다음 질문에 답할 수 있는지로 판단합니다.

• 지금 표의 한 행은 무엇을 뜻하는가
• 이 값은 왜 남겼는가
• 무엇과 비교하면 변화가 보이는가
• 이 결과는 자동 확정인가, 사람 검토 후보인가

각 열을 원시 기록이나 계산 규칙으로 되짚을 수 있어야 다른 사람이 같은 표를 다시 만들 수 있습니다. 탐색 중에 필요한 정보가 빠졌거나 다른 비교가 필요하다는 사실을 발견하면 샘플과 표현을 다시 정할 수 있습니다.

체크리스트¶

• A-101의 평균·표준편차·기울기가 각각 어떤 질문에 답하며, 어떤 질문에는 답하지 못하는지 설명할 수 있는가?
• A-101의 마지막 유량을 23.9에서 25.1로 바꿔 평균·표준편차·마지막 기울기·검토 결과를 다시 계산해 보자. 어느 값이 달라지는가?
• 기준선 기울기만 −1.0 L/min/s로 바꾸면 기존 A-101의 baseline_gap과 review_flag는 어떻게 바뀌는가?
• review와 고장 확정, no_flag와 정상 확정을 구분할 수 있는가?
• DB의 저장 구조 설계와 이 사례의 분석 입력 설계를 구분하고, 요약 표가 모든 데이터셋의 필수 형식은 아닌 이유를 말할 수 있는가?

값을 바꾼 계산을 확인하면, 마지막 유량이 25.1인 A-101의 평균은 25.00 L/min, 표본 표준편차는 약 0.17 L/min, 마지막 기울기는 0.0 L/min/s입니다. 기존 기준선 0.0에서는 no_flag가 됩니다. 원래 유량을 유지하고 기준선만 −1.0으로 바꾸면 차이는 −0.2 L/min/s이므로 역시 no_flag입니다. 두 경우 모두 고장이 없다고 확정한 것은 아닙니다.

출처와 참고 자료¶

• W3C, PROV-Overview. provenance framework가 identifying an object와 representing derivation을 지원해야 한다고 정리하므로, 무엇을 한 건으로 볼 것인가, 어떤 과정을 거쳐 요약 표와 비교 구조가 만들어졌는가를 설명 가능한 형태로 남겨야 한다는 일반 근거가 됩니다. https://www.w3.org/TR/prov-overview/ / 확인일: 2026-07-20
• Google for Developers, Machine Learning Glossary, example, labeled example. example는 라벨이 없을 수도 있고, labeled example은 특징과 라벨을 함께 포함합니다. 샘플·입력·결과의 역할을 나누는 용어 기준으로 참고했습니다. Machine Learning Glossary / 확인일: 2026-09-15
• U.S. Bureau of Labor Statistics, Base period. 기준 시점이나 기간을 reference로 두는 일반 개념을 제공하므로, 데이터 모델링에서 최근 상태를 무엇과 비교할지 기준선을 먼저 세워야 한다는 설명을 뒷받침합니다. https://www.bls.gov/bls/glossary.htm / 확인일: 2026-07-20
• Usama M. Fayyad, Gregory Piatetsky-Shapiro, Padhraic Smyth, From Data Mining to Knowledge Discovery in Databases. 데이터 수집, 선택, 전처리, 변환, 해석을 포함한 더 넓은 지식 발견 흐름을 설명하므로, Part 3이 데이터과학 전체가 아니라 그중 문제 구조 설계와 표현 변환에 초점을 둔다는 경계 설명의 일반 배경이 됩니다. https://www.kdnuggets.com/gpspubs/aimag-kdd-overview-1996-Fayyad.pdf / 확인일: 2026-07-20
• NIST/SEMATECH, e-Handbook of Statistical Methods, Measures of Location, Measures of Scale. 평균과 표본 표준편차의 정의·계산·단위를 확인했습니다. 동작 기록과 검토 임계값은 이 책의 가상 사례이며 이 자료가 검증한 장비 기준이 아닙니다. Measures of Location / Measures of Scale / 확인일: 2026-09-19