정보공학 방법론으로 데이터 중심 시스템 개발 설계하기

데이터 자산을 출발점으로 삼는 시스템 설계

정보공학 방법론(Information Engineering Methodology)은 조직 전체의 시야에서 정보시스템을 계획하고, 분석하며, 설계·구축하기 위한 접근법이다. 1970년대 후반 James Martin이 제안했으며, 시스템 개발의 중심에 데이터를 둔다.

프로세스 중심 개발만으로는 시스템마다 데이터가 어긋나거나 중복되고, 운영 효율이 떨어질 수 있다. 정보공학 방법론은 이런 문제를 줄이기 위해 데이터를 조직의 주요 자산으로 보고, 업무 기능보다 비교적 안정적인 기반으로 취급한다. 초기에는 데이터 모델링이 중심이었지만, 이후 전사 정보 아키텍처를 다루는 관점으로 확장됐다.

이 방법론에는 몇 가지 일관된 방향이 있다. 먼저 업무 기능과 독립적인 데이터 모델을 앞서 마련하는 데이터 중심 접근을 취한다. 경영 전략에서 시작해 상세 설계로 내려가는 하향식 흐름을 따르며, 전사 관점에서 정보 요구사항을 찾는다. 단계별 산출물과 검증 절차를 두고, CASE(Computer-Aided Software Engineering) 도구를 활용해 설계 결과물의 일관성과 재사용성을 높이는 것도 핵심이다.

전략에서 구현까지 이어지는 흐름

정보공학 방법론은 정보전략계획, 업무영역분석, 시스템설계, 구축으로 이어진다. 앞 단계에서 정리한 데이터와 업무의 구조가 다음 단계의 설계 기준이 된다.

정보전략계획(ISP)

정보전략계획(Information Strategy Planning)은 기업의 전략 목표를 지원할 정보시스템의 방향을 정하는 단계다. 조직의 미션·비전·전략 목표를 분석하고, 업무 기능 및 프로세스를 모델링한다. 주요 데이터 엔티티와 관계를 식별하며 IT 인프라를 평가하고 계획한다.

이 단계에서는 전사적 데이터 모델, 업무 기능 모델, 기술 아키텍처 계획을 산출한다.

업무영역분석(BAA)

업무영역분석(Business Area Analysis)은 특정 업무 영역을 상세히 들여다보고 요구사항을 정의하는 과정이다. ERD를 포함한 상세 데이터 모델을 작성하고, 프로세스를 모델링해 기능을 분해한다. 업무 규칙과 시스템 요구사항도 이때 명세한다.

산출물은 상세 데이터 모델, 프로세스 모델, 요구사항 명세서다.

시스템설계(SD)

시스템설계(System Design)에서는 논리 모델을 구현 가능한 물리 설계로 바꾼다. 물리적 데이터베이스를 설계하고 프로그램 명세, 사용자 인터페이스, 시스템 아키텍처를 구체화한다.

데이터베이스 스키마, 프로그램 명세서, UI 설계서가 이 단계의 결과물이다.

구축 단계

구축에서는 설계 내용을 기반으로 프로그램을 코딩하고 단위 테스트를 수행한다. 데이터베이스를 구축한 뒤 통합 테스트와 시스템 테스트를 거쳐 사용자 교육 및 시스템 전환으로 이어진다.

완성된 애플리케이션, 테스트 결과, 사용자 매뉴얼을 남긴다.

⤢✕

데이터와 업무를 함께 읽는 모델링

정보공학 방법론에서는 데이터 구조와 업무 동작을 분리해 모델링한 뒤, 두 관점을 다시 연결한다.

데이터 모델링은 ERD로 주요 데이터 개체와 관계를 표현하고, 각 개체의 속성과 제약조건을 정의하는 작업이다. 정규화는 데이터 중복을 줄이고 일관성을 확보하는 데 사용한다.

⤢✕

프로세스 모델링은 업무 기능을 계층으로 나누는 기능 분해도(FHD), 데이터의 이동과 처리 과정을 보여 주는 데이터 흐름도(DFD), 개별 프로세스의 논리와 규칙을 기록하는 프로세스 명세서를 활용한다.

⤢✕

CRUD 매트릭스는 데이터와 프로세스가 생성(Create)·조회(Read)·수정(Update)·삭제(Delete) 관계 중 어디에 놓이는지 분석한다. 업무영역 클러스터링은 관련 데이터와 프로세스를 묶어 시스템 경계를 정하는 데 쓴다.

전사 시스템에서의 활용 방식

금융권 차세대 시스템에서는 전사 데이터 표준화를 먼저 수행한 뒤 업무 시스템을 재구축하는 방식으로 적용할 수 있다. 고객 정보를 통합해 360° 고객 뷰를 확보하고, 시스템 간 데이터 일관성을 높여 운영 효율을 30% 개선하며, 데이터 품질 향상을 통해 리스크 관리 역량을 강화하는 성과가 제시된다.

제조업 ERP 시스템 도입에서는 업무 분석과 시스템 요구사항 정의에 이 방법론을 활용한다. 전사 프로세스 표준화는 부서 간 협업 효율을 높이고, 핵심 마스터 데이터를 일원화하면 정보 신뢰도를 높일 수 있다. 데이터 기반 의사결정 체계 구축도 이 흐름에서 기대할 수 있다.

일관성을 얻는 대신 감수할 제약

전사 관점에서 데이터와 시스템을 정렬한다는 점은 정보공학 방법론의 강점이다. 시스템 전체의 일관성과 통합성을 확보할 수 있고, 업무 변화에도 데이터 구조가 상대적으로 안정적이다. 단계별로 복잡한 개발을 관리하기 쉬우며, 표준화된 데이터 모델과 프로세스 모델을 재사용할 수 있다.

반면 전사 모델링에는 상당한 초기 자원과 시간이 필요하다. 비즈니스 환경이 빠르게 변할 때 대응이 늦어질 수 있고, 모든 요구사항을 사전에 파악하려는 하향식 접근에는 한계가 있다. 기술적 모델링에 치우치면 사용자 요구가 충분히 반영되지 않을 위험도 있다.

애자일과 거버넌스 안에서의 재해석

오늘의 적용은 방법론을 고정된 절차로 밀어붙이는 방식과 거리가 있다. 데이터 모델링의 안정성과 애자일의 반복적 개발을 함께 가져갈 수 있다. 기본 데이터 모델은 정보공학 방식으로 다루고, 기능 구현은 애자일 방식으로 진행하는 구성이 그 예다.

정보공학의 데이터 중심 관점은 엔터프라이즈 아키텍처(EA) 프레임워크에도 통합될 수 있으며, TOGAF와 Zachman 프레임워크 같은 EA 방법론에 영향을 주었다. 데이터 거버넌스에서는 마스터 데이터 관리(MDM), 데이터 품질 관리와 연결된다. 디지털 전환 과정에서는 핵심 데이터 자산을 식별·관리하고 데이터 기반 비즈니스 모델 혁신의 기초를 마련하는 데 활용한다.

적용 범위를 조절하는 기준

전사 데이터 모델링은 정보공학 방법론으로 수행하되, 구현은 애자일 방식으로 진행하는 하이브리드 접근이 가능하다. 비즈니스 요구에 맞춰 방법론의 적용 범위를 조정해야 한다.

초기부터 완벽한 모델을 만들기보다, 진화할 수 있는 기본 모델을 두고 점진적 개선과 리팩토링으로 성숙도를 높이는 방식도 고려할 수 있다. 최신 CASE 도구와 모델링 툴은 작업 효율을 높이며, 모델-코드 동기화 기술은 유지보수 부담을 줄이는 데 도움이 된다.

모델링의 초점은 순수 기술적 완결성보다 비즈니스 가치에 있어야 한다. 데이터 자산은 전략적 중요도에 따라 우선순위를 정하고 관리할 필요가 있다.

정보공학 방법론은 30년 이상의 역사를 가진 시스템 개발 접근법으로, 데이터 중심 철학을 통해 안정적이고 일관된 정보시스템 구축에 기여해왔다. 애자일, 클라우드, 빅데이터와 융합되는 환경에서도 이 철학은 유지된다. 다만 엄격한 하향식 절차보다 유연하고 적응적인 방식으로 적용될 때 더 큰 효과를 기대할 수 있으며, 앞으로도 새로운 기술 트렌드와 결합하며 진화할 전망이다.