부록 B. 지식 그래프와 시맨틱 웹

이 부록은 15장 「메타데이터와 데이터 지도」에서 이어진다.

메타데이터의 관계를 그래프로 다루는 기술을 모았다.
지식 그래프, RDF, OWL, SPARQL, SHACL, SKOS,
그리고 메타데이터 통합 기반과 데이터 마켓플레이스다.

15장을 이해하는 데 반드시 필요한 내용은 아니다.
메타데이터를 본격적으로 다루게 될 때 읽으면 된다.

1. 지식 그래프

메타데이터가 많아질수록
단순 목록보다 관계가 중요해진다.

이때 활용할 수 있는 것이
지식 그래프(Knowledge Graph) 다.

지식 그래프는

개념과 데이터 사이의 관계를
그래프 형태로 연결하는 방식

이다.

예를 들어

flowchart LR
    d["주문 데이터"]
    d -- "속한다" --> a["주문 도메인"]
    d -- "소유된다" --> b["주문팀"]
    d -- "저장된다" --> c["MariaDB"]
    d -- "사용된다" --> e["정산 시스템"]
    d -- "집계된다" --> f["주문 Dashboard"]

처럼 표현할 수 있다.

2. 지식 그래프가 메타데이터와 잘 맞는 이유

메타데이터에는 관계가 많다.

flowchart LR
    n0["컬럼"] --> n1["테이블"] --> n2["데이터 프로덕트"] --> n3["도메인"] --> n4["애플리케이션"] --> n5["조직"] --> n6["담당자"]

그래프 모델은 이런 관계를
자연스럽게 표현하고 탐색하기 좋다.

다만

그래프 DB가 관계형 DB보다
항상 빠르거나 항상 우수하다

는 뜻은 아니다.

성능은 데이터 모델, 데이터 크기,
쿼리 형태와 제품에 따라 달라진다.

지식 그래프의 장점은

복잡한 관계와 의미를 표현하고
탐색하는 데 자연스럽다는 것

이다.

3. RDF

지식 그래프에서 자주 등장하는 기술이
RDF(Resource Description Framework) 다.

RDF에서는 정보를 다음처럼 표현한다.

주어 - 관계 - 목적어

정확한 용어로는

Subject
Predicate
Object

이고 이를 Triple이라고 한다.

예를 들어

payment
belongsTo
commerce

라고 표현할 수 있다.

즉,

payment는
commerce에 속한다.

라는 의미다.

4. OWL

OWL(Web Ontology Language)은
개념과 관계를 보다 형식적으로 정의하는
온톨로지 언어다.

예를 들어

카드결제는
결제의 한 종류다.

결제는
주문과 연결될 수 있다.

같은 개념 관계와 제약을 표현할 수 있다.

OWL은 단순한 업무 규칙 엔진이라기보다

컴퓨터가 개념의 의미와 관계를
해석하고 추론할 수 있도록 만드는
형식적인 온톨로지 표현 언어

라고 이해하는 것이 정확하다.

5. SPARQL

RDF 그래프에서 데이터를 검색할 때
사용할 수 있는 대표적인 질의 언어가

SPARQL이다.

쉽게 비교하면

• 관계형 DB — SQL
• RDF Graph — SPARQL

이다.

예를 들어

커머스 도메인에 속하면서
정산 서비스가 사용하는 데이터는?

같은 관계 중심 질문을
그래프에서 조회할 수 있다.

6. SHACL

SHACL(Shapes Constraint Language) 은
RDF 그래프가 특정 조건을 만족하는지
검증하는 데 사용할 수 있다.

예를 들어 조직의 규칙이

모든 데이터 프로덕트에는
Owner가 있어야 한다.

라면

이 조건을 검증하도록 만들 수 있다.

즉,

그래프 데이터의 구조와 조건을 검증하는 기술

이라고 이해하면 된다.

7. SKOS

SKOS(Simple Knowledge Organization System) 는
용어집과 분류체계를 표현하는 데 사용할 수 있다.

예를 들어

flowchart LR
    n0["결제"]
    n1["카드결제"]
    n2["무통장입금"]
    n3["간편결제"]
    n0 --> n1
    n0 --> n2
    n0 --> n3

같은 구조나

판매자
≈ 셀러
≈ 입점 업체

같은 관련 용어를 표현할 수 있다.

따라서 비즈니스 용어집이나
분류체계를 표현할 때 유용하다.

8. 관련 기술을 쉽게 기억하면

RDF
= 관계 표현

OWL
= 개념과 관계를 형식적으로 정의

SPARQL
= 그래프 검색

SHACL
= 그래프 검증

SKOS
= 용어와 분류 체계

정도로 기억하면 충분하다.

9. 메타레이크

지식 그래프를 만들려면 재료가 있어야 한다.

회사의 메타데이터는 DB, API, Kafka, S3, BI, ML 같은
여러 곳에 흩어져 있다.

이것을 한곳에 모아 두는 기반을
메타레이크(Metalake) 라고 부른다.

여러 시스템에서 수집한 메타데이터를
모아서 저장하고 연결하고 가공하기 위한 기반

데이터 레이크가 데이터를 모으듯
메타레이크는 메타데이터를 모은다고 보면 된다.

흐름은 이렇다.

flowchart LR
    n0["DB"]
    n1["API"]
    n2["Kafka"]
    n3["S3"]
    n4["BI"]
    n5["ML"]
    n6["메타데이터 수집"]
    n7["메타레이크"]
    n8["정제 / 연결"]
    n9["지식 그래프"]
    n0 --> n6
    n1 --> n6
    n2 --> n6
    n3 --> n6
    n4 --> n6
    n5 --> n6
    n6 --> n7
    n7 --> n8
    n8 --> n9

메타레이크는 Data Warehouse처럼
모든 조직이 같은 뜻으로 쓰는 확립된 용어는 아니다.
개념으로 이해하면 충분하다.

10. 메타레이크와 데이터 카탈로그

둘의 역할을 구분하면 이해하기 쉽다.

메타레이크
= 메타데이터를 저장하고 연결하는 기반

데이터 카탈로그
= 사용자가 메타데이터를 검색하고 탐색하는 서비스

비유하면

메타레이크
= 도서관의 책과 관리 시스템

데이터 카탈로그
= 도서 검색 시스템

정도로 볼 수 있다.

실제 제품에서는 두 역할이
하나의 플랫폼에 합쳐질 수도 있다.

11. 데이터 패브릭

데이터 패브릭(Data Fabric) 은
메타데이터 시스템 하나를 의미하지 않는다.

보다 넓은

분산된 데이터 환경을
통합적으로 발견하고, 연결하고, 접근하고,
거버넌스하기 위한 아키텍처 접근법

이다.

데이터를 반드시 하나의 저장소로
옮겨야 하는 것은 아니다.

실제 데이터가

MariaDB
Kafka
S3
Data Warehouse
Cloud
SaaS

등 여러 곳에 있어도 된다.

대신

메타데이터
자동화
데이터 통합
카탈로그
거버넌스
보안
API

등을 이용해
하나의 연결된 환경처럼 사용할 수 있게 한다.

12. 데이터 패브릭의 개념적 흐름

쉽게 표현하면 다음과 같다.

flowchart LR
    SRC["여러 데이터 소스<br/>──────────<br/>DB · API · Kafka · S3"]
    COL["메타데이터 수집"]
    STD["정제 · 표준화 · 통합"]
    KG["지식 그래프와<br/>메타데이터 관리"]
    SVC["카탈로그 · 접근<br/>통합 · 거버넌스"]
    USR["사용자 · 분석 · AI"]

    SRC --> COL --> STD --> KG --> SVC --> USR

    style KG fill:#e8f4ff,stroke:#4a90e2,stroke-width:2px,color:#1a1a1a

지식 그래프는 데이터 패브릭을 구현할 때
활용할 수 있는 중요한 기술 중 하나이지,

데이터 패브릭 자체와
동일한 개념은 아니다.

13. 데이터 마켓플레이스

데이터 마켓플레이스는 일종의

사내 데이터 상품 쇼핑몰

이라고 생각하면 이해하기 쉽다.

상품 상세 페이지처럼 이런 정보가 보인다.

사용자는 데이터를 찾은 다음 이렇게 이어 간다.

flowchart LR
    F["발견"] --> D["설명 확인"] --> Q["품질 확인"] --> O["소유자 확인"] --> R["접근 신청"] --> U["사용"]

    style U fill:#f2fbf4,stroke:#4caf50,stroke-width:2px,color:#1a1a1a

14. 카탈로그와 무엇이 다른가

두 개념은 상당히 겹친다.

초점이 다르다고 보면 쉽다.

카탈로그가 도서관 검색이라면
마켓플레이스는 주문과 배송까지 포함한 쇼핑몰에 가깝다.

다만 반드시

카탈로그 → 마켓플레이스

순서로 발전해야 하는 것은 아니다.
어떤 제품에서는 두 기능을 하나의 플랫폼으로 제공한다.

15. 본문으로 돌아가며

여기서 다룬 것들은 모두
15장 「메타데이터와 데이터 지도」의 연장선이다.

기술 이름보다 중요한 것은 방향이다.

메타데이터를 목록이 아니라 관계로 다루면
조직이 데이터를 훨씬 더 잘 찾고 이해할 수 있다.

다만 이 기술들이 없어도 15장의 내용은 성립한다.
필요해질 때 돌아오면 된다.