:: 작업장

1장 데이터 모델링의 이해-  3절 속성

1. 속성의 개념 

- 업무에서 필요로 하는 인스턴스로 관리하고자 하는 의미상 더 이상 분리되지 않는 최소의 데이터 단위.

- 엔터티는 속성들에 의해 설명된다.

정리

* 업무에서 필요로한다.

* 의미상 더 이상 분리되지 않는다.

* 엔터티를 설명하고 인스턴스의 구성요소가 된다.

2. 엔터티, 인스턴스와 속성, 속성값에 대한 내용과 표기법

- 엔터티에는 두 개 이상의 인스턴스가 존재하고, 각각의 엔터티에는 고유의 성격을 표현하는 속성정보를 두 개 이상 갖는다.

- 엔터티에 속한 인스턴스들의 성격을 구체적으로 나타내는 항목이 속성이다.

- 속성값은 각각의 엔터티가 가지는 속성들의 구체적인 내용이다

정리

* 한 개의 엔터티는 두 개  이상의 인스턴스의 집합이여야 한다.

* 한 개의 엔터티는 두 개 이상의 속성을 갖는다.

* 한 개의 속성은 한 개의 속성을 갖는다.

[IE 표기법]

[Barker 표기법]

나. 속성의 표기법

- 속성의 표기법은 엔터티 내에 이름을 포함하여 표현하면 된다.

3. 속성의 특징

- 엔터티와 마찬가지로 반드시 해당 업무에서 필요하고 관리하고자 하는 정보이어야 한다.

- 정규화 이론에 근간하여 정해진 주식별자에 의해 함수적 종속성을 가져야 한다.

- 하나의 속성에는 한 개의 값만을 가진다. 하나의 속성에 여러 개의 값이 있는 다중값일 경우 별도의 엔터티를 이용하여 분리한다.

4. 속성의 분류

가. 속성의 특성에 따른 분류

- 기본속성: 업무로부터 추출한 모든 속성이 여기 해당하며, 엔터티에 가장 일반적이고 많은 속성을 차지한다.

업무로부터 분석한 속성이라도 이미 업무상 코드로 정의한 속성이 많다. 

- 설계속성: 업무상 필요한 데이터 이외에 데이터 모델링을 위해, 업무를 규칙화하기 위해 속성을 새로 만들거나 변형하여 정의하는 속성이다.  대개 코드성 속성은 원래 속성을 업무상 필요에 의해 변형하여 만든 설계속성이고 일련번호와 같은 속성은 단일한 식별자를 부여하기 위해 모델 상에서 새로 정의하는 설계속성이다.

- 파생속성: 다른 속성에 영향을 받아 발생하는 속성으로서 보통 계산된 값들이 이에 해당된다. 다른 속성에 영향을 받기 때문에 프로세스 설계 시 데이터 정합성을 유지하기 위해 유의할 점이 많다.

ex) 기본속성  : 제품이름, 제조년월, 제조원가

      설계속성 :  약품용기 코드

      파생속성 :  계산값 (전체용기 수, 용기의 총금액)

나. 엔터티 구성에 따른 분류

PK   속성 : 엔터티를 식별할 수 있는 속성

FK  속성 : 다른 엔터티와의 관계에서 포함된 속성

일반 속성: PK, FK에 포함되지 않은 속성을 일반속성이라 한다.

* 세부 의미를 쪼갤 수 있는지에 따라 분류가능

복합속성: 예를들어 주소 속성은 시, 구, 동, 번지 등 세부속성들로 구성될 수 있는데, 이를 복합속성이라한다.

단순속성: 나이, 성별 등의 속성은 더 이상 다른 속성들로 구성될 수 없는 단순한 속성이므로 단순 속성이라 한다.

단일값 속성: 속성 하나에 한 개의 값을 가지는 경우 (ex 주민번호)

다중값 속성: 속성 하나에 여러 개의 값을 가지는 경우.

(ex 어떤 사람의 전화번호와 같은 속성은 집, 휴대전화 회사전화 등 여러가지를 가질 수 있다.)

* 다중값 속성의 경우 하나의 엔터티에 포함될 수 없으므로 1차 정규화를 하거나 별도의 엔터티를 생성하여 관계로 연결해야 한다.

5. 도메인 

- 각 속성은 가질 수 있는 값으 범위가 있는데, 이를 도메인 이라고 한다.

- 속성은 도메인 이외의 값을 가지지 못한다.

=> 도메인이란 엔터티 내에서 속성에 대한 데이터타입과 크기 그리고 제약사항을 지정하는것.

6. 속성의 명명

- 속성의 이름을 정확하게 부여하고 영어의 혼란을 없애기 위해 용어사전 이라는 업무사전을 프로젝트에 사용하게된다.

- 용어사전과 도메인정의를 같이 사용하여 프로젝트를 진행한 경우 용어적 표준과 데이터타입의 일관성을 확보할 수 있게 된다.

* 현업에서 사용하는 이름을 부여하는 것이 가장 중요하다.

* 서술식의 속성명은 사용하지 말아야한다

* 공유화되지 않은 업무에서 사용하지 않은 약어는 사용하지 않는게 좋다.

* 모든 속성의 이름은 유일하게 작성하는 것이 좋다.

1장 1절 모델링의 이해

1.모델링의 이해

가. 모델링의 정의

모델 :  

 1)모형, 축소형의 의미로 사람이 살아가면서 나타날 수 있는 다양한 현상에 대해 일정한 표기법에 의해 표현해 놓은 모형. 

 2) 사람이 어떤 목적을 달성하기 위해 커뮤니케이션의 효율성을 극대화한 고급화된 표현방법.

=> 모델링이란 모델을 만들어가는 일 자체.

 * 모델링의 다양한 정의

1)Webster 사전: 가설 또는 일정한 양식에 맞춘 표현, 어떤것에 대한 예비표현으로 그로부터 최종대상이 구축되도록 하는 계획으로서 기여하는 것.

2)복잡한 '현실세계'를 단순화 시켜 표현하는 것.

3)모델이란 사물 또는 사건에 관한 양상이나 관점을 연관된 사람이나 그룹을 위하여 명확하게 하는 것.

4)모델이란 현실 세계의 추상화된 반영이다.

 나. 모델링의 특징 : 추 ! 단 ! 명 !

1) 추상화: 추상화는 현실세계를 일정한 형식에 맞추어 표현을 한다는 의미.

2) 단순화: 단순화는 현실세계를 약속된 규약에 의해 제한된 표기법이나 언어로 표현하여 쉽게 이해할 수 있도록 하는 개념을 의미.

3) 명확화 : 누구나 이해하기 쉽게하도록 대상에 대한 애매모호함을 제거하고 정확하게 현상을 기술하는 것.

=>  모델링이란 현실세계를 추상화, 단순화, 명확화 하기위해 일정한 표기법에 의해 표현하는 기법

다. 모델링의 3가지 관점. 데 !프! 상!

1) 데이터 관점 : 업무가 어떤 데이터와 관련이 있는지 또는 데이터간의 관계는 무엇인지에 대해 모델링 하는 방법.

2) 프로세스 관점: 업무가 실제 하고있는 일은 무엇인지 무엇을 해야하는지 모델링하는 방법

3) 데이터와 프로세스의 상관관점: 업무가 처리하는 일의 방법에 따라 데이터는 어떻게 영향을 받고 이쓴지 모델링 하는 방법. 

2. 데이터 모델의 기본 개념 이해

가. 데이터 모델링의 정의

- 정보시스템을 구축하기 위해 해당 업무에 어떤 데이터가 존재하는지 또는 업무가 필요로 하는 정보는 무엇인지 분석.

- 기업 업무에 대한 종합적인 이해를 바탕으로 데이터에 존재하는 업무규칙에 대하여 참 또는 거짓을 판별할 수 있는 사실을 데이터에 접근하는 방법. 사람 전산화와는 별개의 관점에서 이를 명확하게 표현하는 추상화 기법.

* 데이터 모델링의 목적.

1) 업무정보를 구성하는 기초가 되는 정보들을 일정한 표기법에 의해 표현함으로써 정보시스템 굼축의 대상이 되는 업무를 정확하게 분석하는것.

2) 분석된 모델을 가지고 실제 데이터베이스를 생성하여 개발 및 데이터관리에 사용하기 위한 것.

즉! 데이터 모델링이란

1) 정보시스템을 구축하기 위한 데이터 관점의 업무분석 기법

2) 현실세계의 데이터에 대해 약속된 표기법에 의해 표현하는 과정

3) 데이터베이스를 구축하기 위한 분석 설계의 과정

나. 데이터 모델이 제공하는 기능

- 시스템을 현재 또는 원하는 모습으로 가시화 하도록 도와줌.

- 시스템의 구조와 행동을 명세화 할 수 있게함.

- 시스템을 구축하는 구조화된 틀을 제공함.

- 시스템을 구축하는 과정에서 결정한 것을 문서화한다.

- 다양한 영역에 집중하기 위해 다른 영역의 세부 사항은 숨기는 다양한 관점을 제공한다.

- 특정 목표에 따라 구체화된 상세 수준의 표현방법을 제공한다.

3. 대이터 모델링의 중요성 및 유의점

- 데이터 모델링의 중요한 이유는 파급효과, 복잡한 정보 요구사항의 간결한 표현, 데이터의 품질이 있다.

가.파급효과

 시스템이 구축되는 과정에서는 많은 단위테스트 들이 수행되며, 단위 테스트가 성공적으로 수행되고 완료되면 전체를 묶어서 병행테스트와 통합테스트를 수행한다. 만약 통합테스트와 병행테스트를 하는 시점에서 데이터 모델의 변경이 필요하게 된다면 구조변경에 따른 표준 영향 분석, 응용 변경 영향 분석 등 많은 영향분석이 일어나게된다.

 즉 시스템 구축 프로젝트에서 큰 위험요소가 될 수 있다. 이러한 이유로 시스템 구축 작업 중 데이터 설계가 중요하다고 볼 수 있다.

나. 복잡한 정보 요구사항의 간결한 표현

 데이터 모델은 시스템을 구축하는 많은 관계자들이 설계자의 생각대로 정보요구사항을 이해하고 이를 운용할 수 있는 애플리케이션을 개발하고 데이터 정합성을 유지할 수 있도록 하는 것이므로. 모델이 갖추어야할 가장 중요한 점은 정보 요구사항이 정확하고 간결하게 표현되어야 한다는 것이다.

다. 데이터 품질

데이터는 기업의 중요한 자산으로 오래지날 수록 활용도는 높아진다. 오래동안 저장된 데이터가 그저그런 데이터, 정확성이 떨어지는 데이터라고 한다면 해당 데이터로 얻을 수 있었던 소중한 비즈니스의 기회를 상실할 수도 있는 문제이다.

* 데이터 모델링을 할 때의 유의점.

1) 중복: 데이터 모델은 같은 데이터를 사용하는 사람, 시간, 장소를 파악하는데 도움을 준다. 이러한 지식 응용은 데이터베이스가 여러 장소에 같은 정보를 저장하는 잘못을 하지 않도록 한다.

2) 비유연성: 데이터 모델을 어떻게 설계했느냐에 따라 사소한 업무변화에도 모델이 수시로 변경됨으로써 유지보수가  어려워 질 수 있다. 데이터의 정의를 데이터의 사용 프로세스와 분리함으로써 데이터 모델링은 데이터 혹은 프로세스의 변화가 애플리케이션과 데이터베이스에 중대한 변화를 일으킬 수 있는 가능성을 줄인다.

3) 비일관성: 데이터와 데이터간 상호 연관관계에 대한 명확한 정의는 이러한 위험을 사전에 예방할 수 있도록 한다.

4.데이터 모델링의 3단계 진행

- 추상화 수준에 따라 개념적 데이터모델, 논리적 데이터모델, 물리적 데이터모델로 정의할 수 있다.

* 전사적 데이터모델링: 데이터 모델링 과정이 전 조직에 걸쳐 이루어 진다면, 전사적 데이터모델링 이라고한다.

가. 개념적 데이터 모델링: 

- 조직, 사용자의 데이터 요구사항을 찾고 분석하는데서 시작한다. 핵심 엔티티와 그들 간의 관계를 발견하고 그것을 표현하기 위해서 엔티티 - 관계 다이어그램을 생성한다.

- 엔터티 - 관계 다이어그램은 조직과 다양한 데이터베이스 사용자에게 어떠한 데이터가 중요한지 나타내기 위해 사용된다.

- 개념 데이터 모델은 사용자와 시스템 개발자가 데이터 요구사항을 발견한 것을 지원한다.

- 개념 데이터 모델은 추상적이기 때문에 상위 문제에 대한 구조화를 쉽게 하며, 사용자와 개발자가 시스템 기능에 대해 논의할 수 있는 기반을 형성한다.

- 개념 데이터 모델은 현 시스템이 어떻게 변형되어야 하는가를 이해하는데 유용하다.

나. 논리적 데이터 모델링

- 논리 데이터 모델링은 데이터 베이스 설계 프로세스의 Input 으로써, 비즈니스 저보의 논리적인 구조와 규칙을 명확하게 표현하는 기법 또는 과정이라 할 수 있다.

- 논리 데이터 모델링의 결과로 얻어지는 논리데이터 모델은 데이터 모델링이 최종적으로 완료된 상태라고 정의할 수 있다. 

- 물리적인 스키마 설계를 하기 전 단계의 데이터 모델 상태를 일컫는 말이다.

- 논리 모델링의 핵심은 어떻게 엑세스하고 누가 데이터를 엑세스 하며, 그러한 엑세스의 전산화는 독립적으로 다시말해서 누가 어떻게 그리고 전산화와는 별개로 비즈니스 데이터에 존재하는 사실들을 인식하여 기록하는 것이다.

- 시스템 구축을 위해서 가장 먼저 시작할 기초적인 업무를 하는 초기단계에서부터 인간이 결정해야 할 대부분의 사항을 모두 정의하는 시스템 설계의 전 과정을 지원하는 '과정의 도구' 라고 한다.

- 정규화를 통해 논리 데이터 모델상세화 과정이 대표적인 활동으로, 논리 데이터 모델의 일관성을 확보하고 중복을 제거하여 속성들이 가장 적절한 엔티티에 배치되도록 함으로써 보다 신뢰성 있는 데이터 구조를 얻는데 목표가 있다.

- 논리적 데이터 모델의 상세화는 식별자 확정, 정규화, M:M 관계 해소, 참조 무결성 규칙 정의 등을 들 수 있으며, 추가적으로 이력관리에 대한 정략을 정의하여 이를 논리 데이터 모델에 반영함으로써 데이터 모델링을 완료하게 된다.

다. 물리적 데이터 모델링

- 물리데이터 모델링은  논리 데이터 모델이 데이터 자정소로서 어떻게 컴퓨터 하드웨어에 표현될 것인가를 다룬다.

- 데이터가 물리적으로 컴퓨터에 어떻게 저장될 것인가에 대한 정의를 물리적 스키마라고 한다.

- 이 단계에서는 테이블, 칼럼, 등으로 표현되는 물리적인 저장구조와 사용될 저장 장치 자료를 추출하기 위해 사용될 접근방법 등이 있다.

* 실질적인 프로젝트에서는 개념적 데이터 모델링, 논리적 데이터모델링 물리적 데이터 모델링 순서로 수행하기보다는 개념적 데이터 모델링과 논리적 데이터모델링을 한꺼번에 수행하여 논리적 데이터 모델링으로 수행하는 경우가 대부분이다.

5. 프로젝트 생명주기에서 데이터 모델링

- waterfall 기반에서는 데이터모델링의 위치가 분석과 설계 단계로 구분되어 명확하게 정의할 수 있다.

- 정보공학이나 구조적 방법론에서는 분석단계에서 업무중심의 논리적인 데이터 모델링을 수행한 후 설계단계에서 하드웨어와 성능을 고려한 물리적인 데이터 모델링을 수행하게된다.

- 나선형모델 에서는 업무크기에 따라 논리적 모델링과 물리적 데이터 모델이 분석, 설계단계 양쪽에서 수행되며 비중은 분석단계에서 논리적 데이터 모델이 더 많이 수행되는 형태가된다.

- 데이터 축과 애플리케이션 축으로 분리되어 프로젝트가 진행되면서 각각 도출된 사항은 상호검증을 지속적으로 수행하며 단계별 완성도를 높힌다. 단 객체지향 개념은 데이터와 프로세스를 한꺼번에 바라보면서 모델링을 전개하므로 데이터 모델링과 프로세스 모델링을 구분하지 않고 일체형으로 진행.

6. 데이터 모델링에서 데이터 독립성의 이해

가. 데이터독립성의 필요성

- 일체적 구성에서 기능화된 구성의 가장큰 목적은 상호간 영향에서 벗어나 개별 형식이 가지는 고유 기능을 유지시키며 그 기능을 극대화하는 것이다.

- 어떤 단위에 대해 독립적인 의미를 부여하고 그것을 효과적으로 구현하게 되면 자신이 가지는 고유한 특징을 명확하게 할 뿐만아니라, 기능의 변경으로부터 쉽게 변경되지 않고 자신의 고유한 기능을 가지고 기능을 제공하는 장점을 가지게 된다.

- 데이터 독립성의 반대말은 데이터 종속성이다.

- 데이터 독립성은 지속적으로 증가하는 유지보수 비용을 점감하고, 데이터 복잡도를 낮추며 중복된 데이터를 줄이기 위한 목적이 있으며 끊임없이 요구되는 사용자 요구사항에 대해 화면과 데이터베이스 간에 서로 독립성을 유지하기 위한 목적으로 데이터 독립성 개념이 출현했다고 할 수 있다.

=> 데이터 독립성을 통해 다음과 같은 효과를 얻을 수 있다.

* 각 View의 독립성을 유지하고 계층별 View에 영향을 주지않고 변경이 가능하다.

* 단계별 스키마에 따라 데이터 정의어와 데이터 조작어가 다름을 제공한다.

나. 데이터베이스 3단계 구조.

- 외부단계: 사용자와 가까운 단계로 사용자 개개인이 보는 자료에 대한 관점과 관련이 있는 부분. 사용자가 처리하고자 하는 데이터 유형에 따라 관점에 따라 방법에 따라 다른 스키마 구조를 가지고있다.

- 개념단계: 사용자가 처리하는 데이터 유형의 공통적인 사항을 처리하는 통합된 뷰를 스키마 구조로 디자인한 형태

- 내부적단계: 데이터가 물리적으로 저장된 방법에 대한 스키마 구조를 말한다.

다. 데이터독립성 요소

라. 두 영역의 데이터 독립성

- 3단계로 개념이 분리되면서 각각의 영역에 대한 독립성을 지정하는 용어가 논리적 독립성과 물리적 독립성 이다.

마. 사상(Mapping)

- 상호 독립적인 개념을 연결시켜주는 다리를 뜻한다.

- 외부 화면이나 사용자에게 인터페이스 하기 위한 스키마 구조는 전체가 통합된 개념스키마와 연결된다는 것이 논리적 사상.

- 통합된 개념적 스키마 구조와 물리적으로 저장된 구조의 물리적인 데이터베이스와 연결되는 구조가 물리적인 사상.

- 데이터 독립성을 보장하기 위해 사상하는 스크립트를 DBA가 필요할 때맏 변경해야한다. 

- 외부적, 개념적, 내부적 독립성을 보장하기 위해서 변경사항이 발생했을 때 DBA가 적절하게 작업을 해주기 때문에 독립성이 보장된다고도 할 수 있다.

7. 데이터 모델링의 중요한 세 가지 개념.

가. 데이터 모델링의 세 가지 요소

1) 업무가 관혀나는 어떤 것.(Things)

2) 어떤것이 가지는 성격. (Attributes)

3) 업무가 관여하는 어떤 것 간의 관계. (Relationships) 

=> 자연계에 존재하는 모든 유형의 정보들을 세가지 관점의 접근방법을 통해 모델링을 진행하는 것이다.

나. 단수와 집합(복수)의 명

- 데이터 모델링의 세가지 개념에 대해 단수와 복수의 개념을 분명하게 구분하고있다.

8. 데이터 모델링의 이해관계자

가. 이해관계자의 데이터 모델링 중요성 인식.

- 정보시스템을 개발한다고 할 때 데이터 모델링, 데이터베이스 구축 추축된 데이터이 적절한 활용은 어떤 타스크보다 중요하다.

- 대부분 기업에 있어서 정보시스템의 데이터베이스 구조는 사용자에게 숨겨진 형태로 구축되어 왔다.(정보의 고립화)

나. 데이터 모델링의 이해관계자

- 정보시스템을 구축하는 모든사람은 데이터 모델링도 전문적으로 할 수 있거나, 완성된 모델을 정확하게 해석할 수 있어야 한다.

- IT 기술에 조사하거나 전공하지 않더라도 해당 업무에서 정보화를 추진하는 위치에 있는 사람도 데이터 모델링에 대한 개념 및 세부 사항에 대해 어느정도 지식을 가지고 있어야 한다.

9. 데이터 모델의 표기법인 ERD의 이해

가. 데이터 모델 표기법.

- 1976년 피터첸이 ER Model이라는 표기법을 만들었다.

나. ERD 표기법을 통해 모델링 하는 방법.

- ERD는 각 업무 부서에서 도출된 엔터티와 엔터티간의 관계를 이해하기 쉽게 도식화된 다이어그램으로 표현하는 방법으로써 해당 업무에서 데이터 흐름과 프로세스 연관성을 이야기 하는 데 가장 중요한 표기법이자 산출물이다.

- UML 표준 기법을 사용하는 오브젝트 모델링은 해당 업무에 가장 적절한 클래스 다이어그램을 그려내는 것이 가장 중요하다고 한다면, 정보공학을 기반으로 하는 모델링에서는 해당업무에 가장 적절한 ERD를 그려내는것이 목표이다.

1) ERD 작업 순서

엔터티를 그린다 => 엔터티를 적절하게 배치한다 => 엔터티간 관계를 설정한다 => 관계명을 기술한다 => 관계의 참여도를 기술한다 => 관계의 필수여부를 기술한다 

2) 엔터티 배치

- 가장 중요한 엔터티를 왼쪽 상단에 배치하고 이것을 중심으로 다른 엔터티를 나열하면서 전개하면 사람의 눈이 편안한 모델링을 할 수 있다.

- 업무 흐름에 중심이 되는 엔터티, 보통 업무 흐름에 있어서 중심이 되는 엔터티는 타 엔터티와 많은 간계를 가지고 있으므로 중앙에 배치한다.

- 업무를 진행하는 중심엔터티와 관계를 갖는 엔터티들은 중심에 배치된 엔터티를 주위에 배치하도록 한다.

3) ERD 관계의 연결

- 엔터티에 배치가 되면 관계를 정의한 분석서를 보고 서로 관련 있는 엔터티 간에 관계를 설정하도록 한다.

- 초기에는 모두 Primary Key로 속성이 상속되는 식별자 관계를 설정하도록 한다.

- 중복되는 관계가 발생하지 않도록하고 Circle 관계도 발생하지 않도록 유의하여 작성한다.

4) ERD 관계명 표시

- 관계설정이 완료되면 연결된 관계에 관계 이름을 부여하도록 한다.

- 현재형을 사용하고 지나치게 포괄적인 용어는 사용하지 않도록 한다.

- 실제 프로젝트 에서는 관계의 명칭을 크게 고려하지 않아도 된다. (유추 가능하기 때문)

5) ERD 관계 관계차수와 선택성 표시

- 관계가 참여하는 성격 중 엔터티 내에 인스턴스들이 얼마나 관계에 참여하는지를 나타내는 관계차수를 표현한다.

- IE표기법에서 1:1관계는 실선으로 표기, Barker 표기법 에서는 점선과 실선을 혼합하여 표기한다.

1:M 관계는 까바귀발과 같은 모양으로 그려준다. 관계의 필수/선택 표시는 관계선에 원을 그려서 표현한다.

 *  I/E 표기법

* Barker 표기법

10. 좋은 데이터 모델의 요소

가. 완전성: 업무에서 필요로 하는 모든 데이터가 데이터 모델에 정의되어야 한다,

나. 중복배제: 하나의 데이터베이스 내에 동일한 사실은 반드시 한 번만 기록하여야 한다. 데이터 중복관리로 인해서 여러가지 바람직하지 않은 형태의 데이터 관리 비용을 지불할 수 있다. 예를들어 저장공간 낭비, 중복관리되고있는 데이터의 일관성을 유지하기 위한 추가적인 데이터 조작 등이 있다.

다. 업무규칙: 데이터 모델링 과정에서 도출되고 규명되는 수많은 업무규칙을 데이터 모델에 표현하고 이를 해당 데이터 모델을 사용하는 모든 사용자가 공유할 수 있도록 제공해야한다.

라. 데이터 재사용 : 데이터의 재사용성을 향상시키고자 한다면 데이터의 통합성과 독립성에 대해 충분히 고려해야한다. 데이터 설계에서 가장 대두되는것이 통합모델이다. 통합모델 이어야만 데이터 재사용성을 향상시킬 수 있다.

마. 의사소통 : 데이터 모델은 대상으로 하는 업무를 데이터 관점에서 분석하고 이를 설계하여 나오는 최종 산출물이다. 데이터를 분석하는 과정에서 자연스럽게 많은 업무 규칙들이 도출된다. 이 과정에서 도출되는 많은 업무 규칙들은 데이터모델에 엔티티, 서브타입, 속성, 관계 등의 형태로 최대한 자세하게 표현되어야 한다. 이렇게 표현된 많은 업무 규칙들을 해당 정보시스템을 운용, 관리하는 관련자들이 설계자가 정의한 업무규칙들을 동일하게 받아들이고 정보시스템을 확용할 수 있게하는 역할을 한다

바. 통합성 : 가장 바람직한 데이터 구조의 형태는 동일한 데이터는 조직 전체에서 한번 만 정의되고 이를 여러 다른 영역에서 참조, 활용하는 것이다.