부록5 분 읽기
체크리스트와 용어 사전
비개발자를 위한 데이터베이스 시리즈 부록. 12편의 내용을 실무에서 바로 꺼내 쓸 수 있도록 의사결정 체크리스트와 쉬운 용어 사전으로 정리했습니다.
게시일: 2026년 9월 3일최종 업데이트: 2026년 9월 3일
"비개발자가 알아야 할 데이터베이스 이야기" 12부작의 부록입니다. 본문에서 다룬 내용을 실무에서 바로 꺼내 쓸 수 있도록 체크리스트와 용어 사전으로 정리했습니다.
부록 1. 데이터베이스 의사결정 체크리스트
목적과 가치 (1편)
- 어떤 업무와 사용자 문제를 해결하는지 한 문장으로 설명할 수 있다
- 저장할 데이터와 저장하지 않을 데이터를 구분했다
- 가장 자주 할 조회와 변경 작업을 알고 있다
- 이 데이터가 사라지거나 틀렸을 때의 사업 피해를 설명할 수 있다
정확성과 품질 (2편, 6편)
- 중요한 용어와 지표의 정의가 문서로 남아 있다
- 각 데이터의 기준 시스템(system of record)이 정해져 있다
- 필수값, 중복, 형식 오류를 예방하거나 찾는 규칙이 있다
- 품질 문제를 고칠 업무 책임자가 있다
- 데이터 품질(누락률, 중복률 등)을 측정하는 지표가 있다
성능과 복구 (2편, 5편)
- 정상 사용량과 최대 사용량을 예상했다
- 허용 가능한 응답 시간을 정했다
- 복구 목표 시간(RTO)과 복구 목표 시점(RPO)을 정했다
- 백업에서 실제 복구하는 시험을 했다
거버넌스와 개인정보 (7편, 8편)
- 중요한 데이터마다 업무 책임자가 있다
- 개인정보 수집 목적과 보관 기간이 정해져 있다
- 외부 업체로 전달되는 데이터의 흐름을 알고 있다
- 삭제 요청과 계약 종료 시의 삭제 절차가 있다
- 데이터 분류 등급(공개/내부/기밀/고도 민감)을 정했다
보안 (9편, 10편)
- 관리자와 사용자 권한이 최소 범위로 설정되어 있다
- 중요 계정에 다중 인증을 적용했다
- 저장·전송 데이터와 백업을 적절히 암호화한다
- 업데이트, 감사 로그, 이상 활동 경보를 관리한다
- 침해 대응 연락망과 절차를 만들고 연습했다
비용과 지속 가능성 (5편, 11편)
- 저장 공간 외의 요청, 백업, 복제, 로그, 전송 비용을 계산했다
- 팀이 운영할 수 있는 기술인지 확인했다
- 서비스 제공자를 바꿀 때 데이터 반출 방법과 비용을 알고 있다
- 새로운 데이터베이스를 추가할 이유가 운영 복잡성보다 큰지 검토했다
AI 활용 (12편)
- AI 답변에 사용할 공식 자료와 제외할 자료가 정해져 있다
- 사용자 권한이 AI 검색 단계부터 적용된다
- AI 답변에 원문 출처와 날짜를 함께 보여 준다
- 틀린 답의 위험이 큰 질문은 사람에게 넘기는 절차가 있다
부록 2. 쉬운 용어 사전
| 용어 | 쉬운 설명 |
|---|---|
| 데이터(data) | 관찰하거나 기록한 값과 사실 (예: 14258888282) |
| 정보(information) | 데이터에 맥락과 의미를 붙인 것 (예: +1 425 888 8282, 미국의 전화번호) |
| 지식(knowledge) | 정보가 판단의 근거가 된 것 (예: 저자의 전화번호라는 사실) |
| 지혜(wisdom) | 지식을 바탕으로 행동하는 것 (예: 전화를 걸어 문제를 해결) |
| 데이터베이스(database) | 데이터를 일정한 방식으로 저장하고 찾고 연결하는 체계 |
| DBMS | 데이터베이스를 운영하는 소프트웨어 (PostgreSQL, MySQL 등) |
| 스키마(schema) | 어떤 항목과 관계로 데이터를 저장할지 정한 구조 |
| 쿼리(query) | 데이터에 질문하거나 작업을 요청하는 명령 |
| SQL | 관계형 데이터베이스를 조회하고 관리하는 대표 언어 |
| CRUD | 생성·읽기·수정·삭제, 데이터베이스의 네 가지 기본 작업 |
| 트랜잭션(transaction) | 함께 성공하거나 함께 취소되어야 하는 작업 묶음 |
| 제약 조건(constraint) | 잘못된 값이 들어오는 것을 막는 입력 규칙 |
| 인덱스(index) | 원하는 데이터를 빨리 찾도록 만든 찾아보기 구조 |
| 복제(replication) | 서비스 연속성을 위해 데이터를 다른 곳에도 복사하는 것 |
| 백업(backup) | 문제가 생겼을 때 과거 상태로 복구하려고 따로 보관한 사본 |
| RTO | 장애 후 서비스를 되살려야 하는 목표 시간 |
| RPO | 장애 때 감수할 수 있는 데이터 손실의 최대 시간 범위 |
| GIGO | Garbage In, Garbage Out — 나쁜 데이터를 넣으면 나쁜 결과가 나온다 |
| 데이터 모델 | 현실의 대상을 어떤 항목과 관계로 기록할지 정한 설계 |
| 기준 시스템(system of record) | 항목별로 '원본'으로 삼기로 합의한 시스템 |
| 메타데이터(metadata) | 데이터의 뜻, 출처, 책임자 등을 설명하는 데이터 |
| 데이터 거버넌스 | 데이터 관련 결정권, 책임, 원칙을 정하는 체계 |
| 데이터 품질 | 데이터가 정확하고 완전하며 일관되고 제때 쓸 수 있는 정도 |
| 데이터 최소화 | 목적 달성에 필요한 만큼만 개인정보를 모으고 보관하는 원칙 |
| 가명처리 | 식별자를 다른 값으로 바꾸되 별도 정보로 다시 연결 가능한 처리 |
| 익명화 | 더 이상 특정 개인을 알아볼 수 없게 하는 처리 |
| 암호화(encryption) | 허가된 방법 없이는 내용을 읽기 어렵게 바꾸는 것 |
| 최소 권한 | 업무에 필요한 만큼만 접근을 허용하는 원칙 |
| 다중 인증(MFA) | 비밀번호 외 추가 확인을 요구하는 인증 방식 |
| 감사 로그 | 누가 언제 무엇에 접근하고 바꿨는지 남긴 기록 |
| 심층 방어 | 하나의 방어선이 실패해도 다음 방어선이 막는 설계 |
| 데이터 침해 | 권한 없는 접근, 공개, 반출, 변경, 파괴 등이 일어난 사건 |
| 데이터 웨어하우스 | 여러 시스템의 데이터를 분석하기 좋게 정리한 저장소 |
| 데이터 레이크 | 표, 문서, 이미지, 로그 등 다양한 원자료를 넓게 담는 저장소 |
| 관리형 데이터베이스 | 운영 업무의 일부를 클라우드 업체가 제공하는 서비스 |
| 서버리스 | 서버 관리 부담을 줄이고 사용량에 맞춰 자원을 자동 조절하는 방식 |
| 벤더 락인 | 특정 업체 기술에 깊이 종속되어 이전 비용이 커지는 상태 |
| 임베딩(embedding) | 문장이나 이미지의 특징을 비교할 수 있게 바꾼 숫자 표현 |
| 벡터 검색 | 숫자로 표현한 특징의 거리를 이용해 의미가 비슷한 자료를 찾는 방식 |
| RAG | 관련 자료를 먼저 찾은 뒤 그 자료를 바탕으로 AI가 답하게 하는 방식 |
| 할루시네이션 | AI가 근거 없는 내용을 그럴듯하게 생성하는 현상 |
주요 참고 자료
- NIST Cybersecurity Framework 2.0
- NIST Privacy Framework
- FTC: Protecting Personal Information — A Guide for Business
- FTC: Data Breach Response — A Guide for Business
- CISA: Multifactor Authentication
- CISA: StopRansomware Guide
- OWASP Top 10
- ICO: Data Minimisation
이 시리즈는 일반적인 교육 자료다. 개인정보 보호, 침해 통지, 보관 의무 등 구체적인 법적 요구는 국가·주·산업·계약에 따라 달라질 수 있으므로 해당 분야의 자격 있는 전문가와 최신 공식 자료를 확인해야 한다.
