4. OLAP, BI 포탈
[OLAP 용어]
-- 셀(Cell )
: 하나의 데이터가 저장되는 공간으로 큐브에서 작은 육면체를 말한다.
: 각 차원(제품/지역/기간, 아래 설명)들이 가진 멤버(항목의 좌표값)들의 조합수 만큼 존재한다.
-- 다차원 배열(Multi-Dimensional Array)
: 데이터의 차원에 의해 정렬된 데이터 셀의 집합을 말한다.
: 이차원 배열은 스프레드시트와 유사하고 삼차원은 정육면체(Cube)로 나타낼 수 있다.
※ 다차원 모델 : OLAP에서 일반적으로 큐브(Cube)로 명명한다.
-- 차원(Dimension)
: 사용자가 분석하려는 항목에 대한 관점을 말한다.
: 이차원에서 x, y축, 삼차원에서 x,y,z축(기간, 지역, 제품)을 의미한다.
-- 차원 멤버(Dimension Member[Element])
: 차원을 구성하는 항목의 좌표값을 말한다.
: 지역 차원의 멤버는 서울, 경기, 대구, 대전, 부산 등을 말한다.
-- 차원 계층 구조(Dimension Hierachy)
: 한 차원의 멤버들간에 존재하는 부모-자식의 계층 구조를 말한다.
: 하나의 차원이 여러 차원 계층 구조를 가지는 경우도 있다.
: 년도-상/하반기-분기-월... 이렇게 예를 들면 될까요?..OTL
: Consolidation(=Aggregatioin=Rolling up)에 사용된다.
※ 레벨(Level) : 계층구조는 여러 레벨(다단)을 사용하여 상위 계층과 하위 계층을 구분한다.
-- Measure/Variable
: 분석하고자 하는 항목을 의미한다.
: 매출액, 판매수량, 비용등.
: 대부분의 경우 수집되는 수치데이터이다.
: OLAP 제품에 따라 Measure, Variable, Fact, Account, Item, Structure 등으로 상용된다.
-- Attribute/Property
: 하나의 차원에 대해 차원을 구성하는 항목들의 특성을 나타내는 정보를 의미한다.
: 제품 차원에 대해 제품번호, 제품생산일자, 생산담당자 등이 Attribute이다.
-- Drill Down
: Drill Down은 특정한 주제 영역에서 큰(요약된) 범위에서 작은(상세) 범위로 단계적 접근하는
분석 방법을 말한다.
(광역 -> 시도 -> 구 -> 동 -> 번지)
-- Roll Up
: Roll Up은 Drill Down과 반대 방향(작은 범위 -> 큰 범위)의 단계적 접근 분석 방법을 말한다.
(번지 -> 동 -> 구 -> 시도 -> 광역)
※ Drill Across : 다른 큐브에 접근하여 분석하는 방법
-- Drill Through : DW나 OLAP의 상세 데이터에 접근하는 분석 방법(=Reach Through)
-- Pivot/Rotating
: 분석 테이터의 축을 바꾸는 것.
: T-SQL문에서 Pivot/Unpivot과 동일한 의미.
-- Slice
: Slice는 한 차원의 멤버나 그 이상의 멤버를 가지고 한 값을 선택했을 때 나타나는 그 부분
집합을 말한다.
: 제품 당당자가 특정 제품에 대해서 선택할 때 나타나는 지역과 기간에 대한 집합
-- Dice
: Slice된 특정 항목에 대해 Rotation이나 Drill down, Roll up 등을 이용하여 대화식으로 화면을
디스플레이 해가며 분석하는 프로세스를 말한다.
-- ROLAP : 관계형 데이터베이스나 확장된 관계형 데이터베이스를 사용해 다차원 모델링되는 데이터
큐브를 테이블 형태로 저장 운용하는 방식을 말한다.
ROLAP은 Table(RDBMS)에 저장된다고 보시면 될 듯 싶습니다..^^;;;;;
-- MOLAP : 데이터 큐브를 실제로 다차원 배열(Array)에 기반한 다차원 저장 엔진을 사용하여 저장
운용하는 방식을 말한다.
MOLPA은 Cube(MDBMS)에 저장된다고 보시면 될 듯 싶습니다..^^;;;;;
-- HOLAP : ROLAP과 HOLAP을 혼용한 방식을 말한다.
-- DOLAP : Desktop OLAP으로 다차원 데이터 저장 및 프로세싱이 모두 클라이언트에서 이뤄진다.
-- Web OLAP : 인트라넷/인터넷 환경에서 지원되는 OLAP을 말한다.
-- 사실테이블(Fact Table)
: 스키마의 중심에 위치하며 유일하게 정규화 된다.
: 저장되는 데이터는 대부분 운영에서 수집된 수치 데이터와 우선 집계된 데이터들이다.
: 사실테이블의 키는 차원테이블의 키를 참조하는 복합키로 구성된다.
: 지역 차원과 제품 차원이 있을 때, 해당 차원에 해당하는 값들을 사실테이블의 데이터라고
생각하심 되겠슴돠..ㅡ.ㅡ;;
-- 차원테이블(Dimension Table)
: 사용자 관점을 나타내는 차원에 관한 정보를 저장하고 사용자들이 분석을 시작하는 기준이
되는 데이터들이다.
: 정규화되지 않는다.(SnowFlake에서는 차원테이블을 정규화 한다.)
: 용어 정의에서 Dimension을 사용자가 분석하려는 관점이라고 했듯이, 분석하려는 관점을
테이블로 정의하고 그 항목을 저장한 테이블을 말합니다.
지역, 제품, 기간의 차원이 각각 차원테이블로 만들어 질 수 있겠습니다...
-- Star 스키마
: 사실테이블을 중심으로 여러 차원테이블과 조인한다.
: 차원테이블을 정규화 하지는 않는다.
-- SnowFlake 스키마
: Star 스키마의 변형으로 정규화된 차원테이블을 가진다.
-- OLAP Join : 질의 과정에서 다수의 큐브를 논리적으로 조인할 때의 질의를 말한다
출처: https://dbrang.tistory.com/416
<OLAP의 정의>
- OLAP(Online Analytical Processing)은 대용량 업무 데이터베이스를 구성하고 BI(Business Intelligence)를
지원하기 위해 사용되는 기술
- 데이터 웨어하우스나 데이터 마트와 같은 대규모 데이터에 대해 최종 사용자가 정보에 직접 접근하여
대화식으로 정보를 분석하고 의사결정에 활용할 수 있는 실시간 분석처리
<OLAP의 특징>
|
특징 |
주요 개념 |
|
다차원성 |
사용자들이 실제적인 차원에서 정보를 분석 (Multidimensional View of Data) |
|
직접 접근 |
최종사용자들이 전산부서와 같은 정보 매개자를 거치지 않고 자신이 원하는 정보에 직접 접근 |
|
대화식 분석 |
시스템과 상호작용을 통해 정보를 분석하고 원하는 정보를 얻을 때까지 계속해서 분석을 수행함(Drilling) |
|
의사 결정용 |
기업의 전략적 방향설정 및 의사결정에 활용 |
<출처 : https://goodgid.github.io/What-is-OLAP/>
<OLAP의 구현>
OLAP는 OLTP에 상대되는 개념으로써, 최종 사용자가 다차원 정보에 직접 접근하여 대화식으로 정보를 분석하고 의사결정에 활용하는 과정
l 위에서 오른쪽과 같은 내용의 질의를 OLTP에서 쿼리로 만든다면 시간도 오래 걸리고, 빠른 결과를 낼 수가 없으며, 결정적으로 2년치의 판매테이블을 모두 읽어서 결과를 부기 위해서는 OLTP시스템에 영향을 줌.
l OLTP에서 모든 것을 예측해서 리포트를 만들 수 없고, 업무 담당자가 원하는 관점에 따라 자유자재로 만들기 어려움.
l 별도의 집계테이블을 가지고 있지 않는 이상 10초안에 답을 구하기 어려움.
(아래의 표는 10초의 기준)
사고의 흐름이 끊기지 않고 계속 분석하여 원하는 답을 얻어내는 것이 중요(대화형)
사용자는 매출액을 기간/매장/제품/실적 이라는 4가지 각도에서 분석하였을 때, 아래의 그림과 같음
이러한 다양한 차원으로 분석 목적에 적합하게 사용자의 관점에서 설정하는 것을 다차원분석이라고 함
<출처 : https://harins0201.blog.me/221383236960>
OLAP은 다차원적 데이터 분석을 목적으로 하는 프로세싱이며, 실제로 OLAP을 구현하기 위한 다른 방식이 존재하며, 비록 사용자 입장에서 보여지는 화면이 유사할 수는 있어도 내부적으로 데이터를 분석하는 근원적인 체계에서 차이가 있음
▶ MOLAP(MDB-based OLAP)
: OLAP 전용의 새로운 형태인 DB인 다차원DB(Multi-dim ensional DB)를 중심으로 다차원적인 분석이 이루어져 다양하고 신속한 분석이 가능하도록 만들어진 OLAP 구현 방식
▶ ROLAP(Relational OLAP, RDB-based OLAP)
: 일반적으로 사용되고 있는 관계형DB를 그대로 이용하면서 다차원적 데이터 모델링을 통해서 다차원적인 분석이 가능하도록 하는 방식
▶ 스타 스키마(Star Schema)
: 차원 테이블과 사실 테이블로 구성되어 차원 테이블의 Key 필드가 사실 테이블의 Key가 됨
▶ 스노플렉 스키마(Snowflake Schema)
: 스타 스키마의 차원 테이블이 보다 더 정규화된 형태로 어플리케이션의 유연성이 증가되고 성능이 향상됨
▶ HOLAP(Hybrid OLAP)
: MOLAP의 단점을 보강하기 위해서 MOLAP의 근간이 되는 다차원DB에서 관계형DB에 있는 데이터를 엑세스할 수 있도록 기능을 추가
▶ DOLAP(Desktao On-Line Analytical Processing)
: 다차원 데이터의 저장 및 프로세싱이 모두 클라이언트에서 이루어지며 분석에 필요한 데이터는 데이터베이스에서 추출되어 클라이언트 특수한 파일 형태로 저장
▶ Web OLAP
: ROLAP과 MOLAP의 평행선상의 개념이 아니라 과거 클라이언트/서버에서 뿐만 아니라 웹에서 구현하기위한 방식으로 ROLAP, MOLAP에도 모두 다 존재하며 인트라넷/인터넷과 데이터 웨어하우스를 연동시킴으로써 전국적, 국제적으로 분산된 많은 사용자들까지도 지원할 수 있음
<출처 : https://artmu.tistory.com/316,
<OLAP 테스트 이슈 대응방안>
- 대표적으로 성능 테스트를 수행할 때 측정하는 지표는 아래와 같음
(Execution time per Data volumn은 데이터의 양에 따른 수행 시간을 의미하며, 특히 OLAP 업무의 성능을 판단할 때 중요하게 사용되는 지표이다.)
<출처 : http://blog.naver.com/PostView.nhn?blogId=yichi718&logNo=110128932866>
OLAP (Online Analytical Processing)
1. OLAP(Online Analytical Processing) 개요
가. OLAP 정의
§최종 사용자가 다차원 정보에 직접 접근하여 대화식으로 정보를 분석하고 의사결정에 활용하는 과정
§복잡한 실세계를 다차원을 통하여 분석하고자 하는 새로운 데이터 질의 방법
§기업의 데이터 모델을 정적 모델과 동적 모델로 구분한 다음, OLAP을 "동적 모델로부터 정보를 생성, 조작, 활성화(animation), 종합하는 데 필요한 역동적 기업분석"으로 정의
§다차원 데이터분석(Multidimensional Data Analysis)이 라고 불림
나. OLAP 목적
§정보의 다차원성은 OLAP 시스템을 다른 시스템과 구분하는 중요한 개념으로 최종사용자는 온라인상에서 직접 데이터에 접근하며, 대화식으로 정보를 분석하므로 최종사용자가 기업의 전반적인 상황을 이해할 수 있게 하고 의사결정을 지원하는 데 그 목적이 있음
§다차원 정보는 사용자들에 의해 이해되는 기업의 실제차원을 반영하는 정보를 의미
–ex) '이번 달 매출액이 지난달에 비해서 얼마나 상승했는가 혹은 하락했는가?'
–'지난 해 같은 달에 비해서 어떠한가?'
–'목표치를 달성했는가?'
–'경쟁사의 매출액과 비교해서는 어떠한가?' 등과 같은 정보
2. OLAP(Online Analytical Processing) 출현 배경 및 특징
가. OLAP의 출현배경
§1993년 F. Codd에 의해 처음 사용된 용어
§1990년 이후의 경제 상황 및 사용자의 컴퓨터에 대한 관심 및 열기는 기업의 정보시스템 패러다임에 충분히 영향을 줄 수 있는 요인으로 자리잡았다
§최종사용자는 보다 다양한 Source로부터 데이터를 추출하여 다양한 각도로 데이터를 분석하고자 하는 요구가 강해지고 있다.
나. OLAP의 특징
§다차원 분석, 다차원 정보 - Multidimensional View of Data
§분석을 위해 활용되는 정보의 형태는 다차원적
§최종사용자는 중간 매개자(전산부서)나 매개체(리포트)없이 온라인 상에서 직접 데이터에 접근
§최종사용자는 대화식(interactive)으로 정보를 분석
§의사결정 지원 및 전략적 방향설정에 사용됨
§특화된 다차원 분석 수행
§데이터의 갱신/분석 허용, 미래지향적
§기존의 데이터로부터 새로운 정보를 만들어 내는 연산엔진
3. DW와 OLAP의 구성 및 구성 요소
가. DW와 OLAP의 구성
나. OLAP의 구성 요소
|
구성요소 |
내용 |
|
추출도구(ETT) |
기간 업무시스템의 데이터를 추출, 변환하여 DW로 전달 |
|
데이터베이스 |
관계형 DBMS, 다차원 DBMS |
|
메타데이터 |
DW에 저장된 데이터들에 대한 정보를 저장관리 |
|
데이터마트 |
중소 쥬모 단위 조직별로 또는 업무별로 구성된 DW 일부 |
|
관계형 도구 |
RDBMS에 접근하기 위한 Reporting, Query 도구 |
|
EIS/DSS |
경영층의 의사결정을 위해 사용되는 도구 |
|
OLAP 도구 |
메타데이터를 해석하여 다차원 분석을 가능하게 함 |
4. OLAP의 필요 기능
§Drill Down/Up: 사용자가 특정위치에서 더욱 상세한 내역을 알기 위해 데이터 검색단계를 이동하거나(Drill Down) 상위계층의 축약된 내용을 보기 위해 이동하는(Drill Up)기법
§Drill Across: 현재 리포트 차원과 다른 새로운 차원으로 분석
§피보팅(Pivoting): 최종적으로 나타난 분석결과를 동적으로 축을 바꾸어 보는 기능
§추세표시 그래픽: 경향, 패턴에 대한 분석을 시간대별 추이로 표시.
§네비게이션: 사용자가 OLAP 분석 도구를 이용해 자료를 주로 드릴 기능과 피봇 기능을 통해 원하는 분석의 결론에 도달하는 프로세스
5. OLAP의 시스템 아키텍처
§상위층: 사용자 인터페이스는 사용자가 질의를 구성하고, 질의로부터 얻은 결과를 사용자가 보기 쉽게 표현하는 과정.
§중간층: 다차원 프로세싱은 다차원 연산이 수행되고 다차원 질의가 처리되는 과정으로 전용 OLAP엔진에 의해 수행됨.
§하위층: 다차원 데이터가 물리적으로 저장되고 관리되는 계층으로, 다차원 데이터의 관리에는 RDBMS나 MDDBMS가 사용됨.
6. OLAP 종류
가. ROLAP(Relational OLAP)
§관계형 DBMS에 기반한 OLAP 아키텍처
§사용자와 RDBMS 사이에 위치하여 사용자를 대신해서 복잡한 SQL을 생성하고 다차원 연산을 수행
나. MOLAP(Multidimensional OLAP)
§다차원 데이터베이스 기반으로 한 OLAP구조
§다차원 데이터의 저장기능 프로세싱에 다차원DBMS가 사용되어 여러 각도에서 정보 분석
§직관적인 View, 관리 용이성 제공
§Data Mart 용으로 적합하고 질의의 대한 응답이 빠름
다. HOLAP(Hybrid OLAP)
§다차원 데이터베이스와 관계형 데이터베이스를 함께 사용
§요약된 데이터와 관계식에 의해 새로 계산된 데이터는 다차원 데이터 베이스에 저장하고 상세 데이터는 관계형 데이터 베이스에 저장
라. DOLAP(Desktop OLAP)
§다차원 데이터의 저장 및 프로세싱이 모두 Client에서 발생
§적은 비용으로 구축할 수 있으나 대용량의 데이터를 처리하는데 한계가 있음.
§설치와 관리가 용이 OLAP(Data Warehouse)구축 절차
7. OLAP 종류별 비교
|
구 분 |
ROLAP |
MOLAP |
HOLAP |
|
기본구조 |
관계형 DB |
다차원 DB |
다차원 DB, 관계형 DB Access |
|
대용량 데이터 |
가능 |
불가능 |
가능 |
|
고급분석 |
불가능 |
불가능 |
가능 |
|
핵심기술 |
다차원 모델링 |
다차원 db |
다차원DB, 다차원 모델링 |
|
특징 |
차원에 관계없이 처리 |
질의응답 시간 빠름 |
ROLAP+MOLAP장점 수용하나, 구축이 어려움 |
출처 : OBCsoft
| MOLAP | ROLAP |
| 다차원 OLAP(MDB기반의 OLAP), Real Data Cube |
관계형 OLAP(RDB기반의 OLAP), Virtual Data Cube |
| 다차원 data view를 미리 정의한 후 질의 수행 (예:영업실적을 제품/브랜드 /계절 /가계별로 검색 후 질의 수행) |
강력하고 유연한 질의 기능 확장성 있는 다차원 구조 |
| drill-down/pivoting/복잡한 회계연산 구현 가능 | 복잡한 회계연산 구현 불가 |
| 많은 공간 차지 (기본량의 5~10배 이상), 대용량 처리 불가 |
적은 공간 차지(기본량의 2배 이내), 대용량 처리 가능 |
| 차원 수와 값이 많아지면, 큐브(cube) 크기가 기하급수적으로 증가 |
차원 수와 관계없이 처리 |
| 그대로 다차원 분석 가능 | 다차원 분석을 위해서 데이터 모델링을 수행하는 스타 -스키마 (Star Schema), 스노우플레이크 - 스키마(Snowflake Schema) 필요 |
| 사용자 요구 변경 시 재 구축 | 사용자 요구 변경 시 쉽게 대처 |
| 재무 Application에 적합 | 끊임없이 데이터가 갱신되는 POS (Point Of Sales) S/W 등의 마케팅 애플리케이션(Application) 에 적합 |
출처: https://dbrang.tistory.com/416 [dBRang [dɪ'·bɪ·raŋ]]
8. 웹 기반 OLAP의 주요 특징
§웹 브라우저를 사용함에 따른 비용 절감, 각자의 pc에 전용 OLAP툴을 가질 필요가 없어서 OLAP 소프트웨어구매에 따른 비용을 절감할 수 있다. 웹 브라우저의 친숙함으로 인해 사용자교육과 관련된 비용도 절감할 수 있다.
§모든 사용자들이 지리적인 제한 없이 정보에 빠르고 쉽게 접근할 수 있다.
§애플리케이션의 유지가 전적으로 서버에서 수행되므로, 클라이언트 애플리케이션의 유지보수가 최소화되며 소프트웨어 설치 및 유지보수 비용이 줄어든다.
§플랫폼간의 호환성, 사용자는 하드웨어 플랫폼에 무관하게 완전히 동일한 인터페이스를 사용한다.
[출처] DW (Data Warehouse),Data Mart,OLAP (Online Analytical Processing),Data Mining, DB Marketing |작성자 이성몽
이성몽 : 네이버 블로그
경영학박사, 정보관리 기술사, 부지점장, 유쾌, 행복을 나누며 삽시다 저서: 기술사 합격방법서, 박사학위(논문) 가이드 & 기술사합격방법서, 대학교재 경영정보시스템, 대학교재 정보시스템 보안 등 핸드폰: 네이버에서 "이성몽 핸드폰" 검색
blog.naver.com
출처 : 여러 블로그
|
구분 |
OLTP |
OLAP |
|
데이터의 구조 |
복잡 (운영 시스템 계산에 적합) |
단순(사업 분석에 적합) |
|
데이터의 갱신 |
순간적/동적 |
주기적/정적 |
|
응답 시간 |
2, 3 초 ~ 몇 초 이내 |
수 초 ~ 몇 분까지도 가능 |
|
데이터의 범위 |
과거 30 일 ~ 90 일 |
과거 5 년 ~ 10 년 |
|
데이터 성격 |
정규/핵심 업무 데이터, |
비정규/read-only 데이터,index 에 의존 |
|
데이터의 크기 |
수 Giga Byte |
수 Tera Byte |
|
데이터의 내용 |
현재 데이터 |
기록 보관된, 요약/계산 데이터 |
|
데이터 특성 |
거래처리(transaction) 중심 |
주제(subject) 중심 |
|
데이터 액세스 빈도 |
높음 |
보통 혹은 낮음 |
|
데이터의 사용법 |
고도로 구조화된 연속 처리 |
고도로 비구조화 된 분석 처리 |
|
쿼리의 성격 |
예언 가능, 주기적 |
예측하기 어렵고, 특수하다 |
출처: https://dbrang.tistory.com/416 [dBRang [dɪ'·bɪ·raŋ]]
-------------------------------------------------------------------------------------------------------------------
BI 포탈
개요
비즈니스 인텔리전스 포털(BI포털)은 DW (데이터웨어하우스) 및 BI (비즈니스 인텔리전스) 프로그램의 기본 액세스 인터페이스입니다.
일반적으로 사용자가 DW/BI시스템의 모든 개별 서비스, 보고서 및 기타 분석기능에 액세스 할 수 있는 프로그램입니다.
BI 포털은 DW/BI 프로그램의 사용자가 프로그램의 기능을 쉽게 호출 할 수 있도록 구현해야 합니다.
BI 포털의 주요 기능은 DW/BI프로그램의 탐색 시스템을 제공하는 것입니다. 즉, 포털은 사용자가 DW/BI 프로그램의 모든 기능에 액세스 할 수 있는 방식으로 구현되어야 합니다.
포털을 설계하는 가장 일반적인 방법은 DW/BI 프로그램이 설계된 조직의 비즈니스 프로세스에 맞게 포털을 사용자 정의하여 포털이 사용자의 요구사항에 가장 잘 부합되도록 하는 것입니다.
사용자/운영자 환경 고도화 :
1) 사용자 업무 특성을 고려한 계층별 차별화된 분석 환경 강화
2) 분석 지원 프로세스 정립 및 정보활용/보안체계 강화
3) 분산된 사용자 환경 통합을 위한 BI Portal 구축
포탈 개발에 있어 아래 설명 부분에 있어 이슈가 많이 발생하며 사용자별 테스트로 직접확인해야한다.
1. 인증
BI 포털의 대부분 SSO인증방식을 사용한다.
SSO란
SSO(Single Sign On)는 가장 기본적인 인증 시스템으로, '모든 인증을 하나의 시스템에서'라는 목적하에 개발된 것이다. 즉 시스템이 몇 대가 되어도 하나의 시스템에서 인증에 성공하면 다른 시스템에 대한 접근 권한도 모두 얻는 것이다.
2, 권한관리
기능권한 : 보고서 실행권한, 툴바 등의 기능권한을 관리
메뉴권한 : 포털내에 패키지 및 보고서, 폴더 및 탭에 대한 접근 관리에 대한 권한을
관리
폴더권한 : 포털내의 폴더 및 탭에 대한 보고서의 생성 권한을 관리
기본권한 : 읽기, 쓰기, 실행, 정책설정 관련하여 권한분류함
3. 사용자 UI 통합 환경
전사 공통보고서 및 개인별로 작성하던 수작업 보고서를 취합하여 전사적 정형보고서, 분석업무등의 공통업무와 개인별 Dashboard를 사용한 개별 보고서를 개발하여 담당업무와 분석계층에 따라 차별적인 통합UI환경을 구축합니다.
4. 사용자 Community
팀별로 공유 또는 분석 시나리오와 같이 특정 주제별 관심 그룹이 보고서를 공유해야 하는 경우, 커뮤니티 폴더 활용합니다.
l BI 전사/마케팅/Network Biz 그룹의 관련 정보 전달과 피드백을 전 직원에게 신하게 확산할 수 있는 커뮤니케이션 인프라 및 전문채널을 구축
예) 그룹별 분석보고서 공유, 분석Trend공유, 분석기법정보교환 등
5. 사용자 분석 환경의 핵심사항 정보 활용 및 관리관점의 정보보안 체계 강화
정보활용 및 관리관점의 보안체계는 사용자 인증, 접근통제, 고객정보 수집 및 이용, 권한통제 등에서 상호 보완적으로 보안 체계가 수립되고 BI Potal을 통
해 정보 보안 체계가 시스템적으로 구현 되어야 합니다.
BI - Busubess Intelligence