[논문 리뷰] Data warehouse on Manpower Employment for Decision Support System

Amro F. Alasta, Muftah A. Enaba|arXiv (Cornell University)|2019. 04. 01.

Data Mining Algorithms and Applications참고 문헌 3인용 수 4

한 줄 요약

이 논문은 의사결정 지원 시스템을 향상시키기 위해 노동 데이터의 효율적이고 다차원적인 분석을 가능하게 하는 인력 고용을 위한 데이터 웨어하우스 모델을 제안한다. 기존의 관계형 데이터베이스와 데이터 웨어하우스 아키텍처를 비교함으로써, 공공 부문에서 전략적 인력 계획 의사결정을 뒷받침하는 데 있어 쿼리 성능 향상, 데이터 통합, 유연성 향상이 이루어졌음을 입증한다.

ABSTRACT

Since the use of computers in the business world, data collection has become one of the most important issues due to the available knowledge in the data; such data has been stored in the database. The database system was developed which led to the evolvement of hierarchical and relational database followed by Standard Query Language (SQL). As data size increases, the need for more control and information retrieval increase. These increases lead to the development of data mining systems and data warehouses. This paper focuses on the use of a data warehouse as a supporting tool in decision making. We to study the effectiveness of data warehouse techniques in the sense of time and flexibility in our case study (Manpower Employment). The study will conclude with a comparison of traditional relational database and the use of data warehouse. The fundamental role of a data warehouse is to provide data for supporting the decision-making process. Data in a data warehouse environment is a multidimensional data store. We can simply say that data warehouse is a process, not a product, for assembling and managing data from various sources for the purpose of gaining a single detailed view of part or all an establishment. The data warehouse concept has changed the nature of the decision support system, by adding new benefits for improving and expanding the scope, accuracy, and accessibility of data.

연구 동기 및 목표

• 복잡하고 다차원적인 노동 데이터를 다루는 데 있어 기존의 관계형 데이터베이스의 한계를 해결하기 위해.
• 전략적 인력 계획을 지원하기 위해 인력 고용 데이터에 특화된 데이터 웨어하우스 시스템을 설계하고 구현하기 위해.
• 데이터 웨어하우스 기법이 의사결정 지원를 위한 데이터 접근성, 정확성, 반응 시간 향상에 얼마나 효과적인지 평가하기 위해.
• 실제 인력 고용 환경에서 데이터 웨어하우스와 기존의 관계형 데이터베이스의 성능 및 유연성 비교를 위해.

제안 방법

• 연구는 노동 데이터를 위한 사실 테이블과 차원 테이블에 중점을 두고, 차원 모델링 접근 방식을 사용하여 데이터 웨어하우스 스키마를 설계한다.
• ETL(추출, 변환, 로드) 프로세스를 사용하여 정부 고용 기록 및 노동 통계와 같은 다양한 이질적 소스에서 데이터를 추출한다.
• 관계형 DBMS를 사용하여 데이터 웨어하우스를 구현하고, 다차원 분석을 위한 OLAP 연산을 활성화한다(예: 슬라이스, 다이스, 드릴다운).
• 의사결정 워크로드를 최적화하기 위해 스타 스키마 설계를 지원한다.
• 성능 평가는 데이터 웨어하우스와 정규화된 관계형 데이터베이스 간의 쿼리 실행 시간과 데이터 검색 효율성 비교를 통해 수행된다.
• 국가 고용 기관의 공공 부문 인력 고용 데이터에 대한 사례 연구를 수행한다.

실험 결과

연구 질문

• RQ1 데이터 웨어하우스는 기존의 관계형 데이터베이스에 비해 인력 고용 시스템에서 쿼리 성능과 데이터 검색 효율성을 어떻게 향상시키는가?
• RQ2 데이터 웨어하우스 구현은 인력 계획을 위한 데이터 통합과 분석의 유연성에 어느 정도 향상시키는가?
• RQ3 인력 고용 데이터에 적용했을 때, 데이터 웨어하우스와 관계형 데이터베이스 간의 주요 구조적 및 운영적 차이점은 무엇인가?
• RQ4 다차원 데이터 모델링은 노동 시장 분석에서 더 나은 의사결정을 어떻게 지원하는가?

주요 결과

• 복잡한 다차원 쿼리(여러 차원을 포함하는)에 대해 데이터 웨어하우스가 기존의 관계형 데이터베이스에 비해 쿼리 실행 시간을 크게 단축시켰다.
• 다차원 스키마는 지역, 직종, 시간대 등 다양한 요소를 기반으로 한 추세 분석과 같은 더 유연하고 직관적인 데이터 분석을 가능하게 하였다.
• 이질적인 소스에서의 데이터 통합이 데이터 웨어하우스 환경에서 더 효율적이고 일관성 있게 이루어졌으며, 데이터 중복을 줄이고 데이터 품질을 향상시켰다.
• 연구는 복잡한 집계와 역사적 데이터 분석이 필요한 의사결정 지원 시나리오에서 데이터 웨어하우스가 관계형 데이터베이스를 능가함을 확인하였다.
• 이 구현은 대규모 인력 고용 데이터 관리에 대해 확장 가능하고 유지보수가 용이한 솔루션을 제공함을 보여주었다.