P3-1.1 데이터 모델링은 무엇을 달성하려는가¶

Section ID: P3-1.1 Version: v2026.07.20

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. 하지만 AI와 데이터 분석에서 말하는 데이터 모델링은 그보다 더 앞선 판단입니다. 데이터 모델링은 지금 있는 원천데이터로 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.

비교 지점	저장 구조를 먼저 보는 관점	Part 3의 데이터 모델링 관점
먼저 묻는 질문	어떤 기록을 빠짐없이 저장하고 다시 찾을 것인가	어떤 질문에 답할 수 있게 샘플과 비교 구조를 만들 것인가
대표 단위	로그 1행, 이벤트 1건, 센서 측정 1회	동작 1회, 최근 구간 1개, 개체 1개 같은 분석 샘플
주된 관심사	누락 없이 저장되는가, 연결이 맞는가, 추적 가능한가	무엇과 무엇을 비교할 수 있는가, 어떤 특징을 남길 것인가
바로 나오는 결과	원시 로그 테이블, 이벤트 테이블, 조인 가능한 저장 구조	요약 표, 특징 표, 기준선 비교표, 검토용 출력 구조
이 Part에서의 질문	아직 출발점일 수는 있지만 끝점은 아님	Part 3 전체가 계속 다루는 중심 질문

즉 저장 구조가 기록을 잃지 않기 위한 틀이라면, 데이터 모델링은 질문에 답하기 위한 비교 구조를 만드는 틀에 더 가깝습니다. 같은 원천데이터를 쓰더라도 저장 구조만으로는 충분하지 않고, 어떤 샘플 단위와 비교 기준으로 다시 읽을지까지 정해야 비로소 학습과 분석이 가능한 표가 만들어집니다.

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. 원천데이터를 그대로 두지 않고, 사람이 비교하고 모델이 활용할 수 있는 구조로 다시 만드는 것입니다. 이때 만들어야 하는 결과는 보통 다음 네 층으로 나눌 수 있습니다.

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

즉 데이터 모델링은 표를 정리하는 일보다 문제를 풀 수 있는 비교 구조를 설계하는 일에 가깝습니다.

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 학습을 위해 반드시 지나야 하는 데이터과학의 핵심 설계 구간을 다루는 Part입니다.

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

달성하려는 것	왜 필요한가	뒤에서 연결되는 질문
샘플 단위	무엇을 한 건으로 셀지 정해야 하기 때문	한 행은 무엇을 뜻하는가
특징 표	비교와 학습에 쓸 설명 값을 만들어야 하기 때문	어떤 값을 남겨야 하는가
기준선 비교 구조	최근 상태를 평소와 구분해 읽어야 하기 때문	무엇과 비교해야 하는가
출력 구조	사람 검토와 예측 문제를 섞지 않기 위해	무엇을 결과로 내보낼 것인가

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.

짧게 요약하면 데이터 모델링의 판단 순서는 다음처럼 읽을 수 있습니다.

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"]

추상적으로만 보면 이 말이 쉽게 손에 잡히지 않을 수 있으므로, 같은 장면을 원천데이터와 모델링 후 표로 나누어 봅니다.

원천데이터가 다음처럼 시점별 로그로 쌓여 있다고 가정합니다.

action_id	t_sec	flow_rate	pressure	valve_open
A-101	0.0	24.8	101.2	1
A-101	1.0	25.1	101.0	1
A-101	2.0	23.9	102.4	1
A-102	0.0	24.7	100.9	1
A-102	1.0	24.8	101.1	1
A-102	2.0	24.8	101.0	1

이 표는 저장과 추적에는 충분하지만, 어느 동작이 평소보다 흔들렸는가를 바로 비교하기는 어렵습니다. 데이터 모델링은 이런 로그를 다음처럼 동작 1회 기준 요약 표로 다시 만듭니다.

action_id	flow_mean	flow_std	pressure_mean	late_drop_rate	baseline_gap	review_flag
A-101	24.60	0.63	101.53	-1.2	0.9	review
A-102	24.77	0.06	101.00	0.0	0.1	normal

이 두 표의 차이가 바로 데이터 모델링의 목적을 보여 줍니다.

원천데이터 표는 시점별 기록을 보존한다.
모델링 후 표는 비교와 판단에 필요한 샘플 단위와 특징을 드러낸다.
review_flag 같은 출력 구조는 사람이 먼저 볼 건을 고르는 데 쓰인다.
baseline_gap 같은 비교 열은 최근 상태와 평소 상태를 직접 이어 준다.

사람이 먼저 쓰던 기준과 데이터 모델링이 바꾸는 점을 한 장면으로 압축하면 더 분명합니다.

판단 단계	사람이 로그를 바로 볼 때	데이터 모델링을 거친 뒤
한 건을 세는 방식	시간 행 하나씩 본다	동작 1회를 샘플 1건으로 묶는다
비교 방식	눈으로 여러 행을 훑는다	평균, 흔들림, 기준선 차이로 바로 비교한다
우선순위 결정	사람이 다시 읽으며 고른다	`review_flag` 같은 출력 열로 먼저 거른다
다음 행동	기록은 남지만 판단이 늦다	검토 후보 표나 예측 입력 표로 바로 넘긴다

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

이 네 질문에 답할 수 있으면, 데이터 모델링은 이미 상당 부분 성공한 것입니다. 반대로 이 질문에 답하지 못하면 원천데이터가 아무리 많아도 뒤의 모델 설명은 흔들리기 쉽습니다. 학습 밀도를 높인다는 것은 정의를 더 많이 늘어놓는 일이 아니라, 이 네 질문에 독자가 스스로 답할 수 있게 사례와 비교 구조를 충분히 보여 주는 일에 더 가깝습니다.

그래서 Part 3에서는 먼저 무엇을 샘플로 보고, 어떤 값을 남기고, 무엇과 비교하고, 어떤 결과 구조로 넘길 것인가를 고정합니다. 데이터 정제와 탐색, 통계적 검정, 학습 알고리즘은 모두 이 설계 위에서 다시 읽히는 후속 작업입니다. 이 경계가 잡혀야 데이터 문제를 이미 설계된 구조 위에서 푸는 문제로 읽을 수 있습니다.

더 넓게 보면 이 절은 대상을 어떻게 한 건으로 세울 것인가, 그 대상을 어떤 표현으로 남길 것인가, 무엇과 비교할 것인가, 어떤 결과 형식으로 닫을 것인가를 함께 정하는 데이터 문제 설계의 출발점입니다.

따라서 데이터 모델링은 표를 정리하는 일보다 질문에 답할 수 있는 표현과 비교 구조를 먼저 설계하는 일로 읽는 편이 더 정확합니다.

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 Glossary의 labeled example, feature, label leakage. example는 features와 label이 자연스럽게 붙는 단위여야 하고, feature engineering은 학습에 유용한 입력 구조를 만드는 과정이라는 점을 설명하므로, Part 3에서 샘플 단위, 특징 표, 출력 구조를 먼저 고정해야 한다는 설명을 보강합니다. https://developers.google.com/machine-learning/glossary / 확인일: 2026-07-20
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