기능 데이터베이스 모델

기능 데이터베이스 모델은 재무 계획 및 성과 관리와 같은 분석 애플리케이션을 지원하기 위해 사용됩니다.기능 데이터베이스 모델, 줄여서 기능 모델은 관계형 모델과 다르지만 상호 보완적이다.기능 모델은 DAPLEX 기능 데이터베이스^[1] 모델 및 기능 언어 데이터베이스 등 유사한 이름의 다른 개념과도 다릅니다.

기능 모델은 다차원 계층 통합으로 구성되므로 온라인 분석 처리(OLAP) 카테고리의 일부입니다.그러나 이는 스프레드시트와 같은 셀 방향을 요구하기 때문에 OLAP를 넘어 셀을 다른 셀의 함수로 입력하거나 계산할 수 있습니다.또한 스프레드시트와 마찬가지로 셀 값이 변경될 때마다 모든 종속 셀의 값이 자동으로 최신 상태가 되는 대화형 계산을 지원합니다.

개요

분석, 특히 미래 전망 분석 또는 미래 분석에는 대부분의 비즈니스 분석가들이 스프레드시트를 사용하여 수행하는 대화형 모델링, "가상" 및 실험이 필요합니다.이러한 데이터와의 상호작용은 스프레드시트의 셀 방향과 사용자가 다른 셀의 함수로 계산된 셀을 정의할 수 있도록 하는 기능에 의해 활성화됩니다.

관계형 데이터베이스 모델에는 이러한 개념이 없기 때문에 지원할 수 있는 비즈니스 성능 모델링 및 대화성이 매우 제한됩니다.따라서 관계 기반 분석은 거의 전적으로 정적인 과거 데이터로 제한됩니다.하지만 이는 미래의 관점을 대화식으로 구축함으로써 얻을 수 있는 분석의 전략적 이점을 대부분 놓치고 있습니다.

기능 모델은 스프레드시트와 같이 외부에서 입력되거나 다른 셀로 계산될 수 있는 셀의 다차원 배열 또는 "입방체"를 기반으로 합니다.이러한 큐브는 제품, 지역, 시간 등과 같은 계층적으로 구성된 실제 엔티티 집합에 해당하는 치수를 사용하여 구성됩니다.입방체는 치수의 데카르트 곱에 대한 함수로 볼 수 있습니다.즉, 각 셀에 값을 할당하고, 각 셀은 차원 요소의 n-태플에 의해 식별되므로 "기능적"이라는 이름이 붙습니다.이 모델은 스프레드시트의 유연성과 인터랙티브성, 관계 기반 OLAP 툴의 다차원 계층적 통합 가능성을 유지합니다.동시에 기능 모델은 관계형 데이터베이스 모델과 기존 스프레드시트의 한계를 극복합니다.

Essbase, TM1, Alea, Microsoft Analysis Services ^{[2][3][4][5][6]}등의 제품을 포함하여 기능 모델의 원리를 다양한 수준으로 구현한 제품은 오랫동안 존재해 왔습니다.

분석 컨텍스트

기업의 관리 시스템은 일반적으로 일련의 상호 연결된 제어 루프로 구성됩니다.각 루프는 계획 개발에서 시작하여 계획을 실행하고 결과를 검토 및 계획과 비교합니다.그 결과와 미래에 대한 새로운 평가를 바탕으로 새로운 계획을 수립하고 그 과정을 반복한다.제어 루프의 세 가지 구성요소인 계획, 실행 및 평가는 서로 다른 시간 관점을 가집니다.계획은 미래를 보고 실행은 현재를 보고 과거는 재검토합니다.

IT(정보기술)는 이제 관리 제어 루프를 보다 효율적이고 효과적으로 만드는 데 중심적인 역할을 합니다.운영 중인 컴퓨터 시스템은 실행과 관련이 있으며 분석 컴퓨터 시스템(단순히 Analytics)은 계획과 평가를 개선하기 위해 사용됩니다.각 컴포넌트의 정보 요구는 다릅니다.운영체제는 일반적으로 트랜잭션 기록과 비즈니스 현황(인벤토리, 진행 중인 작업 등) 추적에 관여합니다.분석에는 계획 수립에 적용되는 미래 또는 미래 분석과 평가에 적용되는 미래 또는 소급 분석의 두 가지 주요 구성요소가 있습니다.

소급 분석에서는 운영에서 발생하는 트랜잭션을 요약하여 셀 배열로 축적합니다.이러한 셀은 비즈니스와 관련된 다양한 차원으로 식별됩니다.시간, 제품, 고객, 계정, 지역 등입니다.셀은 일반적으로 계획에 대한 실제 성능 비교와 같은 소급 분석의 기초를 형성하는 큐브 형태로 배열된다.이것은 OLAP 시스템의 주요 영역입니다.사전 분석에서도 유사한 큐브의 데이터가 개발되지만 향후에 대비해 개발됩니다.예상 데이터의 개발은 일반적으로 사용자 상호작용을 통해 구동되고 제어되는 인간의 입력 또는 수학적 모델의 결과이다.

관리 컨트롤 루프의 트리 컴포넌트에 IT를 적용하는 것은 새로운 테크놀로지가 개발됨에 따라 시간이 지남에 따라 진화했습니다.운영 트랜잭션의 기록은 80개의 컬럼 펀치 카드를 사용하여 자동화해야 하는 첫 번째 요구 중 하나였습니다.전자 기술이 발전함에 따라 레코드는 처음에는 자기 테이프로, 다음에는 디스크로 이동되었습니다.소프트웨어 기술도 발전하여 데이터 액세스와 제어를 일원화하는 데이터베이스 관리 시스템이 탄생했습니다.

그 후 데이터베이스를 통해 소급 분석을 위한 보고서를 쉽게 작성할 수 있는 언어를 개발할 수 있었습니다.이와 동시에 다차원 데이터를 처리하고 예측 및 최적화를 위한 수학적 기술을 자동화하는 언어와 시스템이 개발되었습니다.유감스럽게도 이 테크놀로지는 고도의 전문지식이 필요했기 때문에 대부분의 최종 사용자는 이해할 수 없었습니다.따라서 사용자 수용은 제한되었고 이로 인한 혜택도 제한되었습니다.

전자 스프레드시트가 도입되기 전까지는 사전 분석을 위한 광범위한 도구를 사용할 수 없었습니다.최종 사용자는 처음으로 이해 및 제어할 수 있는 도구를 갖게 되었으며, 이를 통해 이해한 대로 비즈니스를 모델링할 수 있게 되었습니다.이들은 상호 작용하고, 실험하고, 변화하는 상황에 적응하며, 통찰력과 가치를 매우 빠르게 얻을 수 있습니다.그 결과 스프레드시트가 폭넓게 채택되어 최종적으로 널리 보급되었습니다.오늘날까지 스프레드시트는 계획을 수립하는 모든 사람에게 없어서는 안 될 도구입니다.

스프레드시트 및 기능 모델

스프레드시트에는 모델링과 분석을 용이하게 하는 주요 특성이 있습니다.여러 소스의 데이터를 하나의 워크시트에 모을 수 있습니다.셀은 다른 셀의 관점에서 계산식을 통해 정의될 수 있으므로, 서로 다른 소스의 사실들을 논리적으로 연결하여 도출된 값을 계산할 수 있습니다.계산된 셀은 종속된 입력 셀 중 하나가 변경될 때마다 자동으로 업데이트됩니다.사용자에게 "가상" 질문이 있을 경우 일부 데이터 셀만 변경하면 자동으로 모든 종속 셀이 최신 상태로 유지됩니다.또한 셀을 직사각형 그리드로 편성하여 한 눈에 또는 관련된 그래픽 표시를 통해 유의한 차이를 발견할 수 있도록 병렬 배치한다.스프레드시트 그리드에는 일반적으로 행이나 열을 따라 통합 계산도 포함됩니다.이를 통해 상세 수준에서는 명확하지 않을 수 있는 집계 추세를 발견할 수 있습니다.

그러나 스프레드시트에는 여러 가지 단점이 있습니다.셀은 나타내는 비즈니스 개념이 아닌 행과 열의 위치에 따라 식별됩니다.스프레드시트는 2차원이며 여러 페이지가 3차원처럼 보이지만 비즈니스 데이터는 더 차원이 많은 경우가 많습니다.사용자가 동일한 데이터 세트에 대해 다른 분석을 수행하려는 경우 데이터를 복제해야 합니다.스프레드시트 링크를 사용할 수도 있지만 대부분의 경우 실용적이지 않습니다.이러한 제한의 복합적인 효과는 작성 및 관리할 수 있는 스프레드시트의 복잡성에 제한이 있다는 것입니다.기능 모델은 스프레드시트의 주요 기능을 유지하면서도 주요 한계를 극복합니다.기능 모델을 사용하면 데이터는 셀의 그리드에 배치되지만 셀은 행이나 열뿐만 아니라 비즈니스 개념으로 식별됩니다.워크시트 대신 기능 모델의 객체는 치수와 큐브입니다.기능 모델은 행, 열, 시트 등 2차원 또는 3차원이 아니라 필요한 만큼 차원을 지원합니다.

기능 모델의 또 다른 장점은 데이터 독립성, 동시 다중 사용자 액세스, 무결성, 확장성, 보안, 감사 추적, 백업/복구, 데이터 통합 등의 기능을 갖춘 데이터베이스라는 점입니다.데이터 독립성은 분석에 특히 중요합니다.데이터는 더 이상 스프레드시트에 상주할 필요가 없습니다.대신 기능 데이터베이스는 중앙 정보 리소스 역할을 합니다.스프레드시트는 데이터베이스에 대한 사용자 인터페이스 역할을 하므로 동일한 데이터를 여러 스프레드시트와 여러 사용자가 공유할 수 있습니다.여러 사용자가 제출한 업데이트는 보안 규칙의 적용을 받는 모든 사용자가 사용할 수 있습니다.따라서 데이터의 일관된 공유 버전은 항상 1개입니다.

기능 모델의 구성 요소

기능 데이터베이스는 큐브 집합을 구성하는 데 사용되는 차원 집합으로 구성됩니다.치수는 비즈니스 데이터(예: 기간, 제품, 지역 또는 지역, 라인 항목 등)를 식별하는 유한한 요소 또는 구성원의 집합입니다.큐브는 임의의 수의 치수를 사용하여 제작됩니다.큐브는 셀의 집합으로, 각 셀은 큐브의 각 차원에 있는 요소의 태플에 의해 식별됩니다.큐브의 각 셀에는 값이 포함되어 있습니다.입방체는 사실상 차원의 데카르트 곱의 각 n-tuple에 값을 할당하는 함수입니다.

셀의 값은 외부(입력)에 할당하거나 같은 큐브 또는 다른 큐브 내의 다른 셀을 사용하는 계산 결과에 따라 할당할 수 있습니다.큐브의 정의에는 이러한 셀의 계산을 지정하는 공식이 포함됩니다.셀은 비어 있을 수 있으며 통합 목적상 0의 값을 가진 것으로 간주될 수 있습니다.

스프레드시트와 마찬가지로 사용자는 재계산 실행에 대해 걱정할 필요가 없습니다.셀의 값이 요구되면 반환되는 값은 계산에 들어가는 모든 셀의 값(즉 셀이 의존하는 셀)과 관련하여 최신 상태가 됩니다.

치수는 일반적으로 일부 요소가 다른 요소의 상위 요소로 정의되고 상위 요소가 하위 요소의 합으로 해석되는 통합 계층 구조를 포함합니다.하나 이상의 차원에서 통합된 요소에 의해 식별되는 셀은 기능 모델에 의해 해당 치수에 하위 요소가 있는 셀의 합계로 자동으로 계산됩니다.통합된 셀의 값이 요구되면 반환되는 값은 통합된 모든 셀의 값에 대해 항상 최신 상태가 됩니다.

예

큐브와 그 치수(괄호 안)는 다음과 같습니다.

• 손익 - P&L (지역, 계정, 통화, 시간)
• 영업 - 영업(지역, 제품, 시간)
• 급여 - 급여(지역, 직원, 시간)
• 오버헤드 - Ovhd(계정, 시간)
• 외환 - Fx(통화, 시간)

모델의 큐브는 다음 공식을 통해 상호 연결됩니다.

P&L 큐브는 P&L("Payroll", "Dollars") = Payroll("모든 직원")의 공식을 통해 급여 큐브에서 달러 비용을 픽업합니다.

주의: 사용되는 표현 구문은 예시용이며 정식 모델 또는 기능 모델을 구현하는 특정 제품에서 사용되는 구문을 반영하지 않을 수 있습니다.식에서 생략된 치수는 해당 치수의 모든 리프 요소에 걸쳐 있는 것으로 가정합니다.따라서 이 식은 다음과 같습니다.

P&L(xRegion, "Payroll", "Dollars", xTime) = 급여(xRegion, "All Employee", xTime)는 지역에 xRegion을 남기고 모두 xTime을 시간 내에 남깁니다.

마찬가지로 P&L은 Sales 큐브에서 다음과 같은 방법으로 판매 수익을 얻습니다.

P&L ("Sales", "Dollars") = Sales ("모든 제품")

오버헤드 계정은 매출액 기준으로 지역별로 할당됩니다.

P&L("지역", "인상") = Ovhd() * Sales("지역") / Sales("모든 지역")

마지막으로, 다른 통화는 달러 환율에서 파생된다.

P&L() = P&L("인형") * Fx()

큐브의 과거 부분도 데이터 웨어하우스에서 채워집니다.이 단순화된 예에서는 방금 설명한 계산을 큐브의 과거 부분에 대해 데이터 웨어하우스에서 수행할 수 있지만 일반적으로 기능 모델은 비율이나 비율과 같은 다른 함수의 계산을 지원합니다.

역사는 정적인 반면, 미래의 부분은 일반적으로 동적이고 다양한 조직과 다양한 배경의 비즈니스 분석가들에 의해 대화식으로 개발됩니다.판매 예측은 각 지역의 전문가들에 의해 개발되어야 한다.예측 모델 및 파라미터를 사용하여 해당 지역에 대한 지식과 경험을 통합하거나 스프레드시트를 통해 간단히 입력할 수 있습니다.지역마다 다른 가정 하에 다른 방법을 사용할 수 있습니다.급여 전망은 각 지역의 인사 전문가가 개발할 수 있다.오버헤드 큐브에는 본사 재무 담당자들이 입주할 것이고 환율 전망도 마찬가지일 것이다.지역 전문가가 개발한 예측은 먼저 지역 내에서 검토 및 재활용된 후 본사와 함께 검토 및 재활용됩니다.

예를 들어 다양한 경제 상황 시나리오에 따라 달라지는 버전 차원을 포함하도록 모델을 확장할 수 있습니다.시간이 경과함에 따라 각 계획 사이클을 다른 버전으로 저장할 수 있으며, 이러한 버전을 실제 버전과 비교하거나 서로 비교할 수 있습니다.

모든 큐브의 데이터는 보안 제약에 따라 언제든지 모든 관계자가 사용할 수 있습니다.사용자는 추가 분석을 위해 동적으로 큐브 슬라이스를 스프레드시트에 가져올 수 있지만 데이터가 다른 사용자와 동일한지 확인할 수 있습니다.

기능 데이터베이스 및 예상 분석

기능 데이터베이스는 서로 다른 여러 소스의 데이터를 결합하여 서로 다른 데이터 세트를 일관성 있는 소모품 모델로 연결합니다.또한 여러 스프레드시트에 흩어져 있는 데이터를 관리할 수 있습니다.이를 통해 사용자는 여러 구성 요소를 결합한 요약 그림을 볼 수 있습니다. 예를 들어, 인력 계획을 전체 재무 그림으로 자동 롤링합니다.다양한 소스를 기반으로 글로벌 통찰력을 개발할 수 있는 단일 진입 지점을 제공합니다.

또한 스프레드시트와 같은 기능 데이터베이스를 통해 사용자는 모든 종속 값이 최신인 상태에서 입력 값을 변경할 수 있습니다.이를 통해 what-if 실험과 여러 시나리오 작성 및 비교가 용이해집니다.그런 다음 시나리오를 나란히 보고 가장 적합한 시나리오를 선택할 수 있습니다.계획을 세울 때 사용자는 재활용과 결과와의 상호작용을 반복함으로써 가장 유리한 행동 방침에 수렴할 수 있습니다.실행 가능한 통찰력은 사용자가 보통 스프레드시트를 사용하여 수행하는 데이터와의 긴밀한 상호 작용에서 비롯됩니다.

기능 데이터베이스는 공통의 대화형 데이터 저장소만 제공하는 것이 아닙니다.또한 모든 사용자가 공유할 수 있는 비즈니스의 특정 영역에 대한 지식을 가진 분석가가 개발한 모델을 결합합니다.이를 촉진하기 위해 기능 데이터베이스는 스프레드시트의 인터랙티브 셀 기반 모델링 기능을 유지한다.이를 통해 비즈니스 현실의 복잡성을 보다 밀접하게 반영하는 모델이 가능해집니다.

기능 데이터베이스의 분석에 대한 가장 큰 기여는 협업 촉진일 수 있습니다.이를 통해 여러 개인과 조직이 하나의 버전의 진실을 공유할 수 있을 뿐만 아니라 끊임없이 변화하는 동적인 진실을 공유할 수 있습니다.자동 계산을 통해 여러 소스의 입력을 신속하게 통합하고 조정할 수 있습니다.이것은 다양한 부서의 상호작용을 촉진하고, 사고 과정의 여러 번 반복을 촉진하며, 다른 관점이 수렴되고 조정되는 것을 가능하게 한다.또한 모델의 각 부분은 특정 분야의 전문가에 의해 개발되기 때문에 조직 안팎에 존재하는 경험과 통찰력을 활용할 수 있습니다.

레퍼런스

이 문서에는 일반적인 참조 목록이 포함되어 있지만 대응하는 충분한 인라인 인용이 없습니다. 좀 더 정확한 인용문을 도입하여 개선해 주시기 바랍니다. (2015년 8월) (템플릿 메시지 삭제 방법 및 삭제 시기 확인)

추가 정보

• '기본 집합론'스탠포드 철학 백과사전.http://plato.stanford.edu/entries/set-theory/primer.html
• Bird R.S., Wadler P.L.기능 프로그래밍 소개프렌티스 홀(1988)
• Buneman P., 기능 데이터베이스 언어 및 기능 데이터 모델.FDM 워크샵(1997년 6월)의 포지션 페이퍼(http://www.cis.upenn.edu/~peter/peter-position.flash)입니다.
• Codd, E. F. 대규모 공유 데이터 뱅크를 위한 데이터의 관계형 모델.Comm. ACM 13, 6 (1970년 6월)
• 헨더슨 P.기능 프로그래밍 응용 프로그램 및 구현.프렌티스 홀(1980).
• Hrbacek, K and Jech, T Introduction to Set Theory, Third Edition, Marcel Dekker, Inc, New York 1999.
• Lang, Serge(1987), 선형대수, 베를린, 뉴욕: Springer-Verlag, ISBN 978-0-387-96412-6
• C.M. 네코, J.N. 올리베이라, L. 퀸타스온라인 분석 처리를 위한 기능적 접근법, 2006.WISBD, III 워크샵 de I ngenieria de Software y Bases de Datos.CACIC'06, 12 Congreso Argentino de Ciencias de la Computacion, 아르헨티나 산 루이스 대학
• E.F. 코드사용자 분석가에게 olap 제공: 명령어, 1993년 4월.기술 보고서, E.F. Codd and Associates.
• P. Trinder, 기능 데이터베이스, D.필 논문, 옥스포드 대학 1989년.
• G. Colliat, Olap 관계형 및 다차원 데이터베이스 시스템, SIGMOD Record, 25(3), (1996)
• T. B. Pedersen, C. S. Jensen, 다차원 데이터베이스 테크놀로지, IEEE Computer 34(12), 40-46, (2001)
• C. J. Date with Hugh Darwen: SQL 표준 가이드: 표준 데이터베이스 언어 SQL 사용자 가이드, 제4판, Adison Wesley, 1997, ISBN 978-0-201-96426-4
• Ralph Kimball과 Margy Ross, 데이터 웨어하우스 툴킷:치수 모델링에 대한 전체 가이드(제2판), 393페이지
• Karsten Oehler Jochen Gruenes Christopher Ilacqua, IBM Cognos TM1 McGrow Hill 2012 공식 가이드
• TM1의 최종 이력, Manny Perez, https://cubewise.com/history/
• 스프레드시트 외:TM1의 이야기. 2020년.[영화] A감독베일 다 콘셉시상호주 시드니https://tm1.film