출제확률 💯 99% · ⭐ 80% · 🔥 50% · 🤔 20% | ❗ = 기출 포인트 | 🥔 = 암기법 | 🚫 = 기출 함정 이 과목 예상 출제 범위 — 💯 3V/4V·후전양상·가치 패러다임(D→C→A) / ⭐ DIKW·SECI·DB 특징·위기/통제·인자기·하드/소프트스킬 / 🔥 데이터 특성·OLTP/OLAP·약어·분석 테크닉·비식별 📖 이 과목은 계산 문제가 거의 없어요. 용어와 개념을 정확히 연결지을 수 있는지를 묻는 “용어 매칭형”이 주를 이루므로, 아래 표들을 보면서 키워드 하나씩 정확히 외우는 것이 가장 효율적입니다.
0) 원본 교재 없이도 이해되는 기초 개념 📖 (입문자용)
데이터란 무엇인가? ❗ 우리 주변의 사실을 기록한 가장 기초적인 자료입니다(숫자, 글자, 이미지 등). 그 자체로는 무슨 의미인지 알 수 없고, 이를 모아서 가공해야 정보·지식·지혜가 됩니다(아래 3번 DIKW 참고).
빅데이터란 무엇인가? ❗ 기존 방식으로는 저장·관리·분석하기 어려울 만큼 대용량·다양한 형태·빠른 속도로 쌍이는 데이터를 뜻합니다. 이 과목은 “빅데이터란 무엇이며, 왜 중요하며, 어떻게 다른 개념들(DB, OLAP, 약어들)과 연결되는가”를 묻는 교양 과목입니다.
🎯 학습 우선순위 계획 (기출 분석 기반)
최우선 암기(반복 출제 확인됨) ❗❗❗
- 후전양상: “사후처리→사전처리”로 뒤집힌 서술 함정
- 위기요인·통제방안 3쌍 정확히 매칭(사생활침해→동의에서책임으로 · 책임훼손→결과기반 · 데이터오용→알고리즘접근허용)
- SECI 매칭(공통화=공유, 표출화=암→형, 연결화=형→형, 내면화=형→암)
- 가치패러다임 D→C→A 순서
- OLTP/OLAP 약어 풀네임(특히 EAI, BI, SCM은 자주 헷갈림)
보완 완료 ⭐ DIKW 실제 기출 예시(연필가격 문제) 추가
가벼게 봐도 되는 부분 생소 어려운 약어(ITS·GIS·RS·NEIS 등)는 풀네임만 매칭되면 충분
1) 데이터의 특성 · 유형 🔥
| 구분 | 키워드 | 예시 |
|---|---|---|
| 존재적 특성 ❗ | 존재 그 자체 = 객관적 사실 | 나이, 성별 |
| 당위적 특성 ❗ | 추론·예측·전망·추정을 위한 근거 | 목표 매출, 합격 기준, 서비스 수준 |
데이터의 유형 : 정성적 데이터와 정량적 데이터로 나뉨
| 구분 | 정성적 데이터 | 정량적 데이터 |
|---|---|---|
| 형태 | 언어·문자 | 수치 데이터 |
| 성격 ❗ | 주관적 | 객관적 |
| 통계분석 | 어려움 | 용이 |
| 저장비용 | 많은 비용 | 적음 |
2) 암묵지 · 형식지와 SECI ⭐
암묵지 ❗ 겉으로 드러나지 않는 지식(경험) → 공유 어려움 / 형식지 ❗ 형상화된 지식(문서·매뉴얼) → 전달·공유 용이
| SECI | 전환 | 키워드 |
|---|---|---|
| 공통화(Socialization) ❗ | 암→암 | 암묵지를 다른 사람들과 공유 |
| 표출화(Externalization) ❗ | 암→형 | 암묵지를 형식지로 |
| 연결화(Combination) ❗ | 형→형 | 형식지를 형식지로 |
| 내면화(Internalization) ❗ | 형→암 | 형식지를 암묵지로 |
🥔 SECI 외우는법! 공표연내 — 공유 / 표현 / 연결 / 내 것으로
3) DIKW 피라미드 ⭐
| 단계 | 키워드 | 예시 |
|---|---|---|
| Data ❗ | 객관적 사실 | 철수 85점, 영희 70점, 민수 60점 |
| Information ❗ | 의미가 도출된 것 | 철수가 세 명 중 점수가 가장 높다. |
| Knowledge ❗ | 개인적 경험과 결합한 고유 지식 | 공부 시간이 길수록 시험점수가 높은 경향이 있다. |
| Wisdom ❗ | 의사결정에 활용되는 창의적 산물 | 다음 시험에서는 학습 시간을 늘리고 취약 과목에 집중한다. |
| 📗 실제 기출 예시 ❗❗ — A마트는 100원, B마트는 300원에 연필 판매(데이터=가격 수치 그 자체) → A마트 연필이 더 싸다(정보=두 값을 비교해 생긴 관계) → 상대적으로 저렴한 A마트에서 사야겠다(지식·지혜=비교를 바탕으로 한 판단·행동). 이처럼 구체적 문장 3개를 주고 각 단계를 매칭하는 형식으로 자주 출제됨 |
4) 데이터베이스 특징 · SQL 분류 ⭐
🥔 DB 요건 외우는법! 공통저변 — 공용 / 통합(중복X) / 저장 / 변화(무결성)
| 요건 | 키워드 |
|---|---|
| 공용 데이터(shared) | 여러 사용자 공동 이용 |
| 통합된 데이터(integrated) ❗ | 중복 X |
| 저장된 데이터(stored) | 저장매체에 저장 |
| 변화하는 데이터(changeable) ❗ | 삽입·삭제·갱신에도 무결성 유지 |
SQL 명령어 분류
| SQL 분류 🔥 | 풀네임 | 명령어 |
|---|---|---|
| DML(조작어) ❗ | Data Manipulation Language | SELECT, INSERT, UPDATE, DELETE |
| DDL(정의어) ❗ | Data Definition Language | CREATE, ALTER, DROP, RENAME, TRUNCATE |
| DCL(제어어) | Data Control Language | GRANT, REVOKE |
| TCL(트랜잭션) | Transaction Control Language | COMMIT, ROLLBACK, SAVEPOINT |
5) OLTP/OLAP · 필수 약어 🔥
| 분류 | 약어 | 풀네임 | 키워드 |
|---|---|---|---|
| 약어 | OLTP ❗ | On-Line Transaction Processing | 처리 결과를 바로 반환 |
| 약어 | OLAP ❗ | On-Line Analytical Processing | 의사결정 활용 정보 획득 기술 |
| 제조분야 | ERP | Enterprise Resource Planning | 전사적 자원관리(생산·재무·인사 통합) |
| 제조분야 | BI ❗ | Business Intelligence | 경영 의사결정 지원 도구 |
| 제조분야 | CRM | Customer Relationship Management | 고객관계관리 |
| 제조분야 | RTE | Real Time Enterprise | 실시간 기업, 즉시 대응 |
| 금융부문 | EAI | Enterprise Application Integration | 기업 애플리케이션 통합·연계 |
| 금융부문 | EDW | Enterprise Data Warehouse | DW의 전사 확장 |
| 유통부분 | KMS | Knowledge Management System | 지식관리시스템(축적·공유) |
| 유통부분 | RFID | Radio Frequency Identification | 무선주파수 식별 |
| 약어 | SCM | Supply Chain Management | 공급망관리(제조~물류 통합) |
| 약어 | EDI / VAN | Electronic Data Interchange / Value Added Network | 전자문서교환 / 부가가치통신망 |
| 약어 | CALS | Commerce At Light Speed | 광속상거래(전 과정 디지털화) |
| 약어 | ITS·GIS·RS·NEIS | Intelligent Transport / Geographic Info / Remote Sensing / National Education Info System | 교통 / 지리 / 원격탐사 / 교육행정 |
6) 빅데이터 3V/4V · 역할 비유 💯
🥔 3V 외우는법! 양다속 — 양(Volume) · 다양성(Variety) · 속도(Velocity) + Value 추가 시 4V
| 비유 | 키워드 |
|---|---|
| 원유 ❗ | 가공 → 새로운 범주의 산업 창출 |
| 석탄·철 | 산업혁명, 생산성 향상 |
| 렌즈 | 세상을 더 잘 관찰(구글 Ngram) |
| 플랫폼 | 공동 활용 기반(페이스북) |
7) 패러다임 전환 · 가치 산정 💯
🥔 진화 방향 외우는법! 후전양상 — 사후처리 / 전수조사 / 양 / 상관관계
| 전환 | 키워드 |
|---|---|
| 후 ❗ | 사전처리 → 사후처리 |
| 전 ❗ | 표본조사 → 전수조사 |
| 양 | 질 → 양 |
| 상 ❗ | 인과관계 → 상관관계 |
🚫 기출 함정: “사후처리 → 사전처리”로 뒤집힌 선지 주의! (사전→사후가 맞음)
가치 산정이 어려운 이유 3가지 ❗
① 활용 방식 변화(재사용·재조합·다목적 개발 → 누가 언제부터 활용했는지 모름)
② 새로운 가치 창출(교통카드 이용 데이터 + 날씨 + 지역 행사 데이터를 결합)
③ 분석 기술 발전
8) 빅데이터 활용 테크닉 🔥
| 기법 | 무엇인지 | 활용 예 |
|---|---|---|
| 연관규칙학습 ❗ | 변수 간 동시 발생 패턴 | 장바구니 분석(맥주+기저귀) |
| 유형분석(분류) | 새 데이터를 기존 범주에 배정 | 문서 분류 |
| 유전자 알고리즘 ❗ | 진화·자연선택 모방 최적화 | 응급실 의사 배치 |
| 기계학습 | 훈련 데이터 학습 → 예측 | 넷플릭스 추천 |
| 회귀분석 ❗ | 독립→종속 관련성 규명 | 연령이 구매 유형에 미치는 영향 |
| 감정분석 | 텍스트 긍정/부정 추출 | 리뷰·SNS 여론 |
| 소셜네트워크분석(SNA) | 관계·영향력 구조 파악 | 오피니언 리더 찾기 |
9) 위기 요인 · 통제 방안 · 비식별 ⭐
| 위기 요인 | 예시 | 통제 방안 ❗ |
|---|---|---|
| 사생활 침해 | 데이터 결합 → 개인 재식별 | 동의에서 책임으로(활용 주체가 책임) |
| 책임 원칙 훼손 | 예측 알고리즘의 사전 불이익 | 결과 기반 책임 원칙 적용 |
| 데이터 오용 | 상관관계를 인과로 오인 | 알고리즘 접근 허용(+알고리즈미스트) |
개인정보 비식별 기술 (사생활 침해 방지 수단)
| 기술 | 내용 | 예시 |
|---|---|---|
| 데이터 마스킹 | 속성 유지한 채 식별값 가림 | 홍길동 → 홍OO |
| 가명처리 | 다른 이름으로 대체(규칙 노출 주의) | 홍길동 → 임꺽정 |
| 총계처리 | 총합·평균만 공개 | 평균키 165cm |
| 데이터값 삭제 | 개인 식별에 중요한 값 삭제 | 주민번호 → 90년대생 남자 |
| 데이터 범주화 | 값을 범주로 변환 | 35세 → 30~40세 |
10) 빅데이터 3요소 · 데이터 사이언스 ⭐
🥔 3요소 외우는법! 인자기 — 인력 · 자원 · 기술
인력 ❗ = 데이터 사이언티스트 + 알고리즈미스트(알고리즘 피해자 구제 전문가) / 데이터 사이언스 영역 3요소 = IT + 분석 + 비즈니스 / 기본 자질 = 강력한 호기심
| 스킬 | 키워드 |
|---|---|
| 하드 스킬 ❗ | 빅데이터·분석 기술에 대한 숙련(이론 지식, 주로 이과 스킬) |
| 소프트 스킬 ❗ | 통찰력 있는 분석 · 설득력 있는 전달(스토리텔링·시각화) · 협력 |
인문학 열풍 외부요인: 컨버전스(하나로결합)→디버전스(세분화) / 생산→서비스 / 생산→시장창조
11) 가치 패러다임 변화 💯
암기법: 디지털과연(결)애(에이전시)
| 시기 | 패러다임 | 키워드 |
|---|---|---|
| 과거 | Digitalization(디지털화) | 아날로그의 효과적 디지털화 |
| 현재 | Connection(연결) | 디지털 정보의 연결을 효율적으로 제공 |
| 미래 | Agency(에이전시) | 복잡한 연결의 신뢰성 있는 관리(대리·중개) |
12) DBMS 유형 · NoSQL 개요 🔥 (신규)
DBMS 4가지 유형 ❗
| 유형 | 구조 | 핵심 특징 |
|---|---|---|
| 관계형(RDBMS) | 테이블(행·열) | SQL로 데이터 조작, 대표: Oracle, MySQL |
| 객체지향(OODBMS) | 객체(Object) | 객체에 데이터타입을 직접 정의 가능, 상속·캡슐화 지원 |
| 네트워크형 | 그래프(그물망) | 레코드 간 다대다(N |
| 계층형 | 트리(Tree) | 상위-하위 1 |
🥔 암기법! 관객네계 — 관계형·객체지향·네트워크·계층형
NoSQL 개요 ❗❗
NoSQL(Not Only SQL): 고정된 스키마 없이 Key-Value 등 다양한 방식으로 데이터를 저장하는 비관계형 DBMS. 수평적 확장(Scale-out)에 유리.
| 모델 | 핵심 | 대표 예시 ❗ |
|---|---|---|
| Key-Value | 키-값 1:1 매칭 | Redis |
| Document | JSON/XML 문서 단위 | MongoDB |
| Column(컬럼형) | 컬럼 단위 저장 | HBase, Cassandra |
🥔 NoSQL 대표 4종 암기법! 몽하레카 — MongoDB · HBase · Redis · Cassandra