P3-1.2 데이터 모델링은 어떤 순서로 진행하는가¶

Section ID: P3-1.2 Version: v2026.07.20

데이터 모델링이 무엇을 달성하려는지 이해했다면, 다음 질문은 곧바로 이어집니다. 실제로는 어떤 순서로 진행해야 하는가 하는 질문입니다. 샘플 단위가 정해지기 전에 특징을 만들 수 없고, 비교 기준이 없으면 출력 구조(output structure)도 흔들리기 때문입니다. 그래서 데이터 모델링은 뒤에서 필요한 구조를 앞단에서 차례로 고정하는 순서로 읽어야 합니다.

현실에서는 원천데이터를 받자마자 문제 구조보다 먼저 예측 문제, 분류 문제, 이상 징후 판별 문제처럼 학습 문제의 틀부터 정하고 싶어지기 쉽습니다. 하지만 이 순서는 자주 문제를 만듭니다. 아직 한 행의 뜻, 샘플 단위, 비교 기준, 출력 구조가 정해지지 않았기 때문입니다.

일반적인 머신러닝 작업은 문제 정의, 데이터 이해와 준비, 모델링, 평가 같은 큰 흐름으로 설명됩니다. Part 3에서는 그 가운데서도 AI 학습 전에 문제 구조를 세우는 앞단에 집중합니다. 그래서 여기서는 앞단에서 함께 점검해야 할 항목을 다음 여섯 가지로 묶어 살핍니다.

문제 질문을 정한다.
샘플 단위를 정한다.
원시 로그를 비교 가능한 표로 다시 묶는다.
특징과 기준선을 설계한다.
출력 구조와 목표 라벨 후보를 구분한다.
해석 경계와 보수적 문장을 정한다.

여기서 먼저 고정할 것은 샘플, 표, 특징, 비교, 출력 구조가 어떤 순서로 맞물리는가입니다. 원천데이터 수집, 본격적인 탐색적 데이터 분석(exploratory data analysis), 통계적 검정 형식, 모델 학습과 평가 실험은 각각 다시 나오지만, 그 설명도 이 앞단 구조가 서 있어야 덜 흩어집니다.

공식 문서에서는 이 여섯 항목이 하나의 고정된 절차 이름으로 제시되기보다, task, example, feature engineering, label/target, preprocessing, classification threshold 같은 개별 개념으로 더 자주 설명됩니다. Part 3에서는 바로 그 개별 개념들을 학습 전에 문제 구조를 읽는 흐름으로 다시 묶어 봅니다.

이 여섯 항목의 연결을 한 줄로 잡으면 다음과 같습니다.

flowchart TD
    A[질문] --> B[샘플 단위]
    B --> C[요약 표]
    C --> D[특징과 기준선]
    D --> E[출력 구조]
    E --> F[보수적 해석]

이 묶음이 추상적으로만 보인다면, 실제로 자주 밟는 잘못된 시작 순서와 비교해 보는 편이 이해가 빠릅니다.

시작 방식	처음에는 왜 그럴듯해 보이는가	실제로 곧 생기는 문제
문제 구조보다 학습 문제의 틀부터 정한다	예측, 분류, 이상 징후 판별 같은 익숙한 말이 먼저 떠오르기 때문이다	아직 한 행이 한 시점인지 한 동작인지 정해지지 않아 `입력 X` 자체가 흔들린다
특징부터 급하게 뽑는다	평균, 최대값, 표준편차를 빨리 만들면 진도가 나가는 것처럼 보이기 때문이다	샘플 단위가 없어서 그 값이 `동작 전체`를 말하는지 `구간 일부`를 말하는지 모호해진다
임계값부터 정한다	현업에서는 경고 기준을 빨리 정하고 싶기 때문이다	비교 기준선이 없어 `이번 값이 큰 것인지 평소보다 달라진 것인지`를 구분하지 못한다
질문과 샘플부터 고정한다	처음에는 느려 보인다	뒤의 표, 특징, 기준선, 출력 구조가 같은 기준 위에 놓여 흔들림이 줄어든다

즉 Part 3에서 이 흐름을 먼저 세우는 이유는, 뒤 설명이 앞 판단을 자주 전제로 하기 때문입니다. 가장 흔한 실패는 학습 문제의 틀을 먼저 정한 뒤 나중에 샘플 단위를 끼워 맞추는 경우입니다. 이런 경우에는 나중에 표를 다시 만들고 특징을 다시 뽑고 출력 구조까지 다시 정의해야 해서, 앞에서 판단 기준을 정리해 두는 편이 오히려 덜 흔들립니다.

각 단계가 하는 일은 다음처럼 읽을 수 있습니다.

단계	핵심 질문	대표 산출물
문제 질문 정하기	무엇을 알고 싶은가	비교 질문 또는 예측 질문
샘플 단위 정하기	무엇을 한 건으로 볼 것인가	동작 단위, 구간 단위, 개체 단위
표 다시 묶기	원시 로그를 어떻게 다시 표현할 것인가	요약 표, 집계 표
특징과 기준선 설계	어떤 값을 남기고 무엇과 비교할 것인가	특징 열, 기준선 비교 열
출력 구조 구분	사람 검토와 예측 목표를 어떻게 나눌 것인가	경고, 검토 후보, 목표 라벨 후보
해석 경계 정하기	어디까지 말하고 어디서 멈출 것인가	보수적 문장, 검토 필요 표기

이 항목들이 함께 묶여야 하는 이유는 뒤 설명이 앞 판단을 자주 전제로 하기 때문입니다. 샘플 단위가 정해지지 않으면 특징도 흔들립니다. 특징이 흔들리면 기준선 비교도 흔들립니다. 비교 구조가 흔들리면 검토 필요와 목표 라벨을 구분하기도 어려워집니다.

작은 예로 보면 더 분명합니다.

질문: 최근 동작이 평소보다 불안정해졌는가
샘플: 동작 1회
표: 동작별 평균, 기울기, 변동성 요약 표
특징: mid_flow_mean, late_drop_rate, flow_std
기준선: 최근 20건과 이전 200건 비교
출력: 검토 필요 또는 정상 범위

이 예시에서 특정 학습 문제 이름은 아직 등장하지 않습니다. 그런데도 이미 중요한 데이터 모델링 결정이 거의 다 들어 있습니다. 무엇을 한 건으로 볼지, 어떤 값을 남길지, 무엇과 비교할지, 무엇을 결과로 낼지가 정해졌기 때문입니다.

같은 예시를 여섯 단계에 한 번 더 맞춰 보면, 각 단계가 실제로 무엇을 결정하는지 더 선명해집니다.

단계	이 예시에서 실제로 하는 결정
문제 질문 정하기	최근 동작이 평소보다 흔들렸는지 먼저 알고 싶다고 정한다
샘플 단위 정하기	센서 한 시점이 아니라 동작 1회를 한 행으로 잡는다
표 다시 묶기	시점별 로그를 동작별 평균, 기울기, 변동성 표로 바꾼다
특징과 기준선 설계	`mid_flow_mean`, `late_drop_rate`, `flow_std`와 평소 구간 비교 열을 만든다
출력 구조 구분	`review`, `normal` 같은 검토용 결과와 나중의 목표 라벨 후보를 구분한다
해석 경계 정하기	`이상 확정` 대신 `검토 필요`처럼 보수적으로 말한다

이 표를 읽을 때 핵심은, 앞쪽 판단이 비어 있으면 뒤쪽 판단도 함께 모호해지기 쉽다는 점입니다. 예를 들어 샘플 단위를 정하지 않은 채 특징을 만들면, 그 특징이 한 시점의 흔들림을 말하는지 동작 전체의 흔들림을 말하는지 모호해집니다.

이 여섯 항목은 뒤 설명을 대신하는 목록이 아니라, 뒤 설명이 흔들리지 않게 붙잡아 주는 순서 기준입니다. 어느 한 단계가 비면 그다음 단계도 함께 모호해지기 쉽기 때문에, Part 3에서는 질문 -> 샘플 -> 표 -> 특징과 기준선 -> 출력 구조 -> 해석 경계의 맞물림을 먼저 잡아 두는 편이 안전합니다. 같은 이유로 Part 3은 데이터과학을 배우는 중이라는 감각보다 학습 가능한 데이터 문제를 설계하는 중이라는 감각으로 읽어야 합니다. 이 관점이 서면 뒤에서 나올 샘플 설계, 요약 표, 특징 설계, 기준선 비교도 흩어진 기법이 아니라 하나의 문제 설정 절차로 읽히기 시작합니다.

출처와 참고 자료¶

Google for Developers, Machine Learning Glossary의 labeled example, feature engineering, label, label leakage. example, feature, label의 역할이 따로 정해져야 한다고 설명하므로, 질문-샘플-표-특징-출력 구조를 순서 있게 맞물려 읽어야 한다는 이 절의 핵심을 뒷받침합니다. https://developers.google.com/machine-learning/glossary / 확인일: 2026-07-20
W3C, PROV-Overview. identifying an object와 derivation을 함께 남겨야 한다고 정리하므로, 샘플 단위와 파생 표, 결과 구조가 어떤 단계로 만들어졌는지 순서 있게 설명 가능해야 한다는 상위 프레임을 보강합니다. https://www.w3.org/TR/prov-overview/ / 확인일: 2026-07-20
Usama M. Fayyad, Gregory Piatetsky-Shapiro, Padhraic Smyth, From Data Mining to Knowledge Discovery in Databases. 데이터 선택, 전처리, 변환, 해석이 함께 이어지는 더 넓은 흐름을 설명하므로, Part 3이 그중 학습 전 문제 구조를 순서 있게 고정하는 구간이라는 일반 배경을 제공합니다. https://www.kdnuggets.com/gpspubs/aimag-kdd-overview-1996-Fayyad.pdf / 확인일: 2026-07-20