생몰정보
소속
직위
직업
활동분야
주기
서지
국회도서관 서비스 이용에 대한 안내를 해드립니다.
검색결과 (전체 1건)
원문 있는 자료 (1) 열기
원문 아이콘이 없는 경우 국회도서관 방문 시 책자로 이용 가능
목차보기더보기
표제지
국문초록
목차
I. 서론 13
1.1. 연구의 필요성 및 목적 13
1.1.1. 연구의 필요성 13
1.1.2. 연구의 목적 13
1.2. 연구의 방법 및 구성 14
1.2.1. 연구의 방법 14
1.2.2. 연구의 구성 14
II. 선행연구 16
2.1. 데이터와 정보 16
2.2. 데이터의 저장 16
III. BI (Business Intelligence) 20
3.1. BI의 개념정의 20
3.2. BI의 구축목적 22
3.3. BI의 구성요소 23
3.3.1. DW (Data Warehousing) 23
3.3.2. DM (Data Mart) 24
3.3.3. OLAP (Online Analytical Processing) 25
3.4. 분석기법 28
3.4.1. 기술적 분석(Descriptive Analytics) 28
3.4.2. 예측 분석(Predictive Analytics) 29
IV. 빅데이터 (Big Data) 31
4.1. 빅데이터의 출현배경 31
4.2. 빅데이터의 정의 34
4.3. 빅데이터의 특징 36
4.4. 빅데이터의 주요기술 37
4.4.1. 인프라기술 37
4.4.2. 분석기술 38
V. 데이터 저장/처리 기술 39
5.1. RDBMS (Relational Database Management System) 39
5.1.1. RDBMS 개요 39
5.1.2. RDBMS의 특징 40
5.2. NoSQL 42
5.2.1. NoSQL 개요 42
5.2.2. NoSQL의 특징 43
5.2.3. NoSQL의 장단점 44
5.3. Hadoop (하둡) 45
5.3.1. Hadoop 개요 45
5.3.2. Hadoop의 특징 47
5.3.3. Hadoop의 장단점 48
5.3.4. Hadoop기반 빅데이터 전략 : IBM 50
5.4. In-memory DBMS (인메모리 DBMS) 54
5.4.1. In-memory DBMS 개요 54
5.4.2. In-memory DBMS의 특징 55
5.4.3. In-memory DBMS의 장단점 56
5.4.4. In-memory기반 빅데이터 전략 : SAP 57
VI. 분석 및 제언 61
6.1. BI시스템 사례분석 61
6.1.1. 현황분석 61
6.1.2. In-memory 적용방안 : SAP HANA 63
6.1.3. 빅데이터 인프라 기술 비교를 통한 분석 66
6.2. 제언 67
VII. 결론 70
참고문헌 72
Abstract 74
표 1. 빅데이터 분석 기술의 종류 38
표 2. IBM의 빅데이터 플랫폼 제공 전략 51
그림 1. 천공 카드와 천공 테이프 17
그림 2. 디스크 기반 데이터베이스와 자기 테이프 18
그림 3. 데이터, 정보, 지식 21
그림 4. SAP의 BI시스템 구조 22
그림 5. BI의 목적 23
그림 6. BI의 구성 24
그림 7. DW, DM, BW의 비교 25
그림 8. 다차원 분석의 예 26
그림 9. 스타 스키마의 예시 27
그림 10. OLAP와 OLTP의 관계 28
그림 11. 기술적 분석 29
그림 12. 예측 분석 30
그림 13. Big Data와 전통적인 BI의 차이 32
그림 14. 전세계 정보량 증가 추이 33
그림 15. Hype Cycle for Emerging Technologies, 2013 35
그림 16. 빅데이터의 특성 36
그림 17. 데이터 베이스의 구조 40
그림 18. RDBMS의 구조 41
그림 19. RDBMS와 NoSQL의 차이 예시 43
그림 20. Visual Guide to NoSQL Systems 44
그림 21. 하둡의 구성 46
그림 22. 하둡의 구조 48
그림 23. Hadoop과 RDBMS의 비교 49
그림 24. IBM의 빅데이터 구성 51
그림 25. IBM의 빅데이터 플랫폼 기술 52
그림 26. IBM의 빅데이터 플랫폼 이니셔티브 53
그림 27. IBM의 GPFS 53
그림 28. InfoSphere BigInsights - Embrace and Extend Hadoop 54
그림 29. H/W가격의 하락 55
그림 30. In-memory와 Disk DBMS 56
그림 31. 인메모리 DBMS와 디스크 DBMS 57
그림 32. SAP HANA의 구조 58
그림 33. SAP HANA의 In-memory computing 59
그림 34. HANA 인메모리 Column Store, 압축, 파티셔닝 60
그림 35. 행기반과 열기반 비교 60
그림 36. A社의 BI시스템 인프라 구성 현황 61
그림 37. A社의 BWA 사용량 증가 추이 62
그림 38. A社의 DM별 BWA사용 빈도 비교 63
그림 39. BW on HANA의 ROI분석 샘플 64
그림 40. BW on HANA로의 전환항목 비교 64
그림 41. HANA Appliance "T-shirt" sizes 65
그림 42. RDBMS, In-Memory, Hadoop의 성능 비교 66
그림 43. 선택적 BW on HANA로의 전환 67
그림 44. 구축비용 비교 68
그림 45. 데이터의 적재 과정 69
원문구축 및 2018년 이후 자료는 524호에서 직접 열람하십시요.
도서위치안내: / 서가번호:
우편복사 목록담기를 완료하였습니다.
* 표시는 필수사항 입니다.
* 주의: 국회도서관 이용자 모두에게 공유서재로 서비스 됩니다.
저장 되었습니다.
로그인을 하시려면 아이디와 비밀번호를 입력해주세요. 모바일 간편 열람증으로 입실한 경우 회원가입을 해야합니다.
공용 PC이므로 한번 더 로그인 해 주시기 바랍니다.
아이디 또는 비밀번호를 확인해주세요
