11.1. 요리 목표 정하기와 메뉴 기획

훌륭한 요리가 레시피도 없이 무작정 재료를 썰고 끓이는 것에서 시작되지 않듯, 성공적인 AI 시스템 구축 역시 명확한 목표 설정과 체계적인 기획에서 출발합니다. 특히 관계의 구조를 다루는 그래프 데이터베이스 모델링은 이 기획 단계의 중요성이 더욱 두드러집니다. 첫 단추를 어떻게 끼우느냐에 따라 전체 시스템의 방향성과 데이터 모델의 효율성이 결정되기 때문입니다. 이 초기 기획 단계는 단순히 밑그림을 그리는 것을 넘어, 프로젝트의 성패를 좌우하는 가장 중요한 초석을 다지는 과정입니다. 이 장에서는 맛있는 요리를 기획하는 과정에 빗대어, 성공적인 지식그래프 시스템을 구축하기 위한 첫걸음을 함께 내디뎌 보겠습니다.

11.1.1. 요리 메뉴 정하기: 우리가 해결해야 할 진짜 문제는 무엇인가? (Problem Definition)

모든 것은 “무엇을, 왜 만들 것인가?”에서 시작됩니다

주방에 들어선 요리사가 가장 먼저 해야 할 일은 칼을 가는 것도, 불을 켜는 것도 아닙니다. 바로 “오늘 누구를 위해, 어떤 요리를 만들 것인가?”를 결정하는 일입니다.

IT 프로젝트도 마찬가지입니다. 코드를 짜거나 서버를 구매하기 전에 “우리는 지금 어떤 문제를 해결하려고 하는가?”라는 질문에 답할 수 있어야 합니다. 단순히 “배가 고프니 아무거나 만들자”라고 시작하면, 냉장고에 있는 재료를 낭비하고 맛없는 결과물을 얻게 될 뿐입니다. 비즈니스에서도 “요즘 AI가 유행이니 우리도 도입하자”라는 식의 접근은 프로젝트를 실패로 이끄는 지름길입니다.

막연한 기대가 아닌, 구체적인 ‘메뉴’를 정하세요

조금 더 구체적으로 상상해 봅시다.

  • 나쁜 예: “뭔가 맛있는 것 좀 해봐.” (너무 막연합니다.)
  • 좋은 예: “오늘 날씨가 영하 10도라서 너무 추워. 얼어붙은 몸을 녹여줄 수 있게, 차돌박이와 숙주를 듬뿍 넣은 얼큰한 육개장을 만들자.”

목표가 이렇게 구체화되는 순간, 우리는 무엇을 해야 할지 명확히 알게 됩니다.

  • 재료: 차돌박이, 숙주, 대파, 고춧가루가 필요하겠구나.
  • 도구: 프라이팬이 아니라 깊은 맛을 우려낼 ‘큰 솥(Pot)’이 필요하겠구나.
  • 조리법: 재료들을 따로 볶는 게 아니라, 한데 어우러지게 끓여야겠구나.

이 과정을 비즈니스 언어로 바꾸면 ‘문제 정의(Problem Definition)’가 됩니다.

  • 막연한 접근: “우리 회사도 빅데이터나 AI 시스템 하나 구축합시다.”
  • 명확한 문제 정의: “최근 모바일 뱅킹 접속이 늘면서 대포통장을 이용한 금융 사기가 급증하고 있습니다. 실시간으로 발생하는 거래 데이터 속에서 계좌, 기기, 사용자 간의 복잡한 연결 고리를 분석해 사기 패턴을 즉시 탐지하는 시스템을 구축합시다.”
문제가 명확해야 ‘도구’가 보입니다: 왜 그래프 데이터베이스인가?

위에서 정의한 ‘금융 사기 탐지’라는 메뉴를 자세히 들여다봅시다. 사기꾼들은 보통 한 명의 명의로 여러 개의 계좌를 만들거나, 하나의 기기(스마트폰)로 수십 명의 계정에 접속하는 등 복잡하게 얽힌 행동 패턴을 보입니다.

마치 육개장의 깊은 맛이 고기, 채소, 국물이 서로 어우러져(Interaction) 나오는 것처럼, 사기 탐지라는 문제의 핵심도 개별 데이터가 아니라 데이터와 데이터 사이의 ‘관계(Relationship)’에 숨어 있습니다.

  • 기존의 방식 (관계형 데이터베이스, RDB): 엑셀 표처럼 데이터를 칸막이에 나누어 정리합니다. 재료를 각각 따로 접시에 담아두는 것과 비슷해서, 재료들이 서로 어떻게 어우러지는지 한눈에 파악하기 어렵습니다.
  • 새로운 방식 (그래프 데이터베이스, GDB): 모든 재료를 큰 솥에 넣고 끓이는 것과 같습니다. 계좌, 사람, 기기, 거래 내역이 서로 꼬리에 꼬리를 물고 연결된 형태를 그대로 저장하고 분석합니다.

우리가 만들 요리가 ‘관계’가 중요한 육개장(사기 탐지)이기 때문에, 납작한 프라이팬(RDB)이 아니라 깊은 솥(그래프 데이터베이스)이라는 도구를 선택해야 한다는 결론이 자연스럽게 도출되는 것입니다.

IT 의사결정자를 위한 조언: 나침반을 점검하십시오

이 단계는 프로젝트의 성패를 가르는 가장 중요한 순간입니다. 업계 통계에 따르면 IT 프로젝트 실패의 가장 큰 원인 중 하나는 ‘불명확한 요구사항’입니다.

목표를 잘못 잡으면 다음과 같은 비극이 일어납니다.

“고객은 얼큰한 국물을 원했는데, 셰프는 최고급 케이크를 내놓았다.”

아무리 케이크가 맛있고 비싼 재료(최신 고성능 서버, 비싼 AI 솔루션)를 썼더라도, 고객의 배고픔과 추위를 해결해주지 못했기에 이 프로젝트는 실패입니다.

리더가 해야 할 일:

  • Why(왜)를 5번 물어보십시오: 왜 이 시스템이 필요한가? 진짜 문제는 무엇인가?
  • 구체화(Specification)하십시오: ‘좋은 시스템’이 아니라 ‘무엇을 해결하는 시스템’인지 한 문장으로 정의하십시오.
  • 나침반 확인: 우리가 정한 이 목표가 비즈니스의 가치와 일치하는지 프로젝트 내내 확인해야 합니다.

해결하고 싶은 문제(요리 메뉴)가 정해졌습니다. 하지만 이것만으로는 부족합니다. 이제 이 요리를 실제로 먹을 사람, 즉 ‘손님(사용자)’이 구체적으로 어떤 입맛을 가졌는지 파악하는 단계로 넘어가야 합니다.

11.1.2. 손님의 취향 파악하기: “맵지 않게, 고기는 빼고” (Requirements Elicitation)

메뉴 이름만으로는 충분하지 않습니다

“오늘 점심 메뉴는 카레입니다!”라고 결정했다고 해서 모든 준비가 끝난 것은 아닙니다. 셰프가 주방으로 들어가기 전에 반드시 거쳐야 할 과정이 있습니다. 바로 손님의 개인적인 취향과 제약 조건을 확인하는 일입니다.

세상에 똑같은 입맛을 가진 사람은 없습니다. 같은 ‘카레’라도 누군가는 땀이 날 정도로 매운맛을 원하고, 누군가는 부드러운 맛을 원합니다. IT 프로젝트도 마찬가지입니다. “사기 탐지 시스템을 만들자”라고 합의했더라도, 실제 현업 담당자가 어떤 화면을 보고 싶어 하는지, 데이터는 얼마나 빨리 처리되어야 하는지 구체적으로 물어보지 않으면 엉뚱한 결과물이 나옵니다.

주문서(Requirements)를 꼼꼼히 작성하는 법

손님(사용자)과 셰프(개발자/기획자)의 대화를 통해, 막연했던 주문이 어떻게 구체적인 ‘요리 레시피(시스템 명세)’로 바뀌는지 살펴봅시다.

상황 1: 가족 소풍을 위한 김밥 주문

  • 셰프의 질문: “김밥을 주문하셨는데, 혹시 특별히 신경 써야 할 점이 있나요?”
  • 손님의 답변: “네, 이건 5살짜리 아이와 소풍 가서 먹을 거예요. 그러니 맵지 않게 해주시고, 아이가 좋아하는 옥수수 콘을 듬뿍 넣어주세요.”

상황 2: 채식주의자의 카레 주문

  • 셰프의 질문: “재료는 어떻게 구성해 드릴까요?”
  • 손님의 답변: “저는 비건(Vegan)이라서 고기는 절대 넣지 마세요. 대신 식감이 좋게 버섯과 채소를 더 많이 넣어주시면 좋겠습니다.”

이 대화 과정이 바로 IT 프로젝트의 ‘요구사항 도출(Requirements Elicitation)’ 단계입니다. 여기서 중요한 점은 사용자의 ‘일상 언어’를 개발자가 이해할 수 있는 ‘시스템 언어’, 특히 우리가 사용하려는 그래프 데이터베이스(Graph DB)의 논리로 번역하는 것입니다.

사용자의 언어를 시스템의 언어로 번역하기

손님의 요구사항은 시스템 설계도에서 다음과 같이 구체적인 기능으로 변환됩니다.

사용자 요구 (손님의 말) 시스템 기능 명세 (셰프의 레시피 & 그래프 설계)
“아이와 먹을 거라 맵지 않게 해주세요.” [데이터 필터링] 사용자 속성이 ‘Child’일 경우, 레시피 데이터 중 ‘Spicy’ 속성값이 True인 노드(Node)는 결과에서 제외하거나 경고 메시지 출력.
“고기는 빼고 채소를 많이 넣어주세요.” [관계 및 경로 탐색] 그래프 탐색 시, :Meat 라벨이 붙은 재료 노드와 연결된 관계(Relationship)는 탐색 경로에서 차단. 대신 :Vegetable 노드와의 연결 가중치를 높여 추천 알고리즘에 반영.
“밖에서도 편하게 먹게 도시락으로 싸주세요.” [UI/UX 환경] PC뿐만 아니라 모바일 및 태블릿 환경에서도 대시보드가 깨지지 않고 반응형으로 작동해야 함. (접근성 요구사항)
“주문하면 5분 안에 나왔으면 좋겠어요.” [성능 목표] 복잡한 연관 관계 분석 쿼리를 실행하더라도, 시스템 응답 시간(Latency)은 1초 이내를 보장해야 함. (비기능 요구사항)
왜 이 단계가 그토록 중요한가요? (재작업의 비용)

이 과정을 소홀히 하면 프로젝트 후반부에 치명적인 문제가 발생합니다.

상상해 보십시오. 셰프가 정성껏 고기를 볶고 향신료를 듬뿍 넣어 카레를 완성해서 테이블에 냈습니다. 그런데 손님이 한 숟가락 뜨더니 이렇게 말합니다.

“어? 저 고기 못 먹는데요? 그리고 맵지 않게 해달라고 하려다 깜빡했네요.”

이 상황에서 셰프가 할 수 있는 일은 없습니다. 고기만 골라낼 수도, 이미 밴 매운맛을 없앨 수도 없기 때문입니다. 결국 요리를 전량 폐기하고 처음부터 다시 만들어야 합니다.

소프트웨어 개발도 똑같습니다. 시스템을 다 개발한 뒤에 “어, 이 기능이 아니네요?”라는 말이 나오면, 단순히 코드 몇 줄 고치는 것으로 끝나지 않습니다. 데이터 구조(스키마)를 뜯어고치고 설계를 다시 해야 하는 막대한 ‘재작업 비용’이 발생합니다. 이는 프로젝트 실패의 가장 큰 원인 1위입니다.

따라서 요리(개발)를 시작하기 전에, 손님과 마주 앉아 “정말 원하시는 게 이것이 맞습니까?”라고 꼼꼼히 확인하고 합의하는 과정은 선택이 아니라 필수입니다.

이제 손님이 무엇을 원하는지(요구사항), 어떤 맛을 피해야 하는지(제약사항) 완벽하게 파악했습니다. 레시피는 준비되었습니다. 그렇다면 이제 가장 중요한 것이 남았습니다. 바로 신선한 ‘재료(데이터)‘를 구하는 일입니다. 이 요리를 만들기 위해 냉장고(내부 데이터)를 털어야 할지, 아니면 마트(외부 데이터)를 다녀와야 할지 결정할 차례입니다.

11.1.3. 장보기와 식수 인원 정하기: 재료가 좋아야 맛이 난다 (Data Sourcing & Scoping)

최고의 셰프가 완벽한 레시피를 가지고 있어도, 상한 고기와 시든 채소로는 결코 맛있는 육개장을 끓일 수 없습니다. 또한, 4인 가족이 먹을 줄 알고 준비했는데 갑자기 100명 단체 손님이 들이닥친다면 주방은 마비될 것입니다.

이 단계는 바로 “어디서 최상의 재료(Data)를 구해올 것인가?” 그리고 “우리는 몇 인분(Scope)을 감당할 것인가?”를 결정하는 과정입니다.

1. 재료 수급처 선정: “싱싱한 재료는 어디에 숨어있는가?”

차돌숙주육개장을 끓인다고 상상해 봅시다. 우리는 여러 곳을 돌아다녀야 합니다.

  • 동네 정육점 (내부 시스템): 믿을 수 있는 단골집에서 신선한 차돌박이(핵심 고객 데이터)를 삽니다.
  • 새벽 배송 (외부 API): 현지에서 바로 올라오는 싱싱한 숙주와 대파(실시간 시장 데이터, 날씨 정보)를 주문합니다.
  • 창고 (로그 서버): 묵혀두었던 양념장(과거 거래 기록, 히스토리 데이터)을 꺼냅니다.

IT 프로젝트에서 ‘데이터 소스(Source)’를 찾는 것도 이와 똑같습니다. 필요한 데이터는 회사 안팎의 다양한 저장소에 흩어져 있습니다.

  • 내부 식재료 (Internal Data): 회사 CRM(고객 관리 시스템)에 있는 고객 정보, ERP(전사적 자원 관리)의 매출 데이터.
  • 외부 식재료 (External Data): 기상청 API 날씨 정보, 포털 사이트의 검색 트렌드, 신용평가사의 신용 정보 등.
  • 실시간 재료 (Streaming Data): 지금 이 순간 웹사이트에 접속한 사용자의 클릭 로그, IoT 센서 데이터.

전문가의 조언: GIGO 원칙과 ‘냉장고 파먹기’의 위험성

데이터 분석 분야에는 ‘GIGO(Garbage In, Garbage Out)’라는 유명한 격언이 있습니다. “쓰레기가 들어가면 쓰레기가 나온다”는 뜻입니다. 아무리 비싼 AI 모델(최고급 솥)을 써도, 데이터(재료)가 부정확하거나 너무 오래되었다면 결과물은 엉망이 됩니다.

또한, 기존 관계형 데이터베이스(RDB) 환경에서는 데이터들이 각자의 냉장고(부서별 서버)에 갇혀 있는 ‘데이터 사일로(Data Silo)’ 현상이 흔합니다. 마케팅팀 냉장고에는 고기가 있고, 영업팀 냉장고에는 채소가 있는데 서로 무엇이 있는지 모르는 상황이죠.

그래프 데이터베이스(GDB)는 이 모든 재료를 하나의 거대한 ‘오픈 키친 조리대‘로 가져오는 역할을 합니다.

“A라는 고객이(CRM 데이터) → 비 오는 날 날씨에(외부 API) → 모바일 앱에서 얼큰한 국물을 검색하고(로그 데이터) → 육개장을 구매했다(거래 데이터).”

이렇게 출처가 다른 재료들을 섞어 맥락(Context)이라는 맛을 내는 것이 그래프 기술의 핵심입니다.

2. 조리 범위 선정: “몇 인분을 준비할 것인가?”

재료를 구했다면 이제 결정해야 합니다. “혼자 먹을 라면을 끓일 것인가, 마을 잔치를 위한 가마솥 국밥을 끓일 것인가?”

IT 프로젝트에서는 이것을 ‘프로젝트 범위(Scope)’라고 부르며, 보통 다음 두 가지 전략 중 하나를 선택합니다.

A. 1인분 시식용 요리 (PoC / Pilot Project)

  • 요리 컨셉: “일단 맛이 있는지 없는지 작게 만들어 먹어보자.”
  • IT 전략: PoC(개념 증명) 또는 파일럿 프로젝트라고 합니다. 전체 데이터를 다 쓰지 않고, 특정 부서나 특정 기간의 데이터(샘플 재료)만 사용하여 시스템의 가능성을 검증합니다.
  • 장점: 재료비(비용)가 적게 들고, 실패해도 부담이 없으며, 조리 시간(개발 기간)이 짧습니다. ‘민첩함’이 생명입니다.

B. 100인분 대형 연회 요리 (Enterprise Production)

  • 요리 컨셉: “전 직원과 모든 고객이 먹을 수 있게 대량으로 제대로 만들자.”
  • IT 전략: 전사적 구축(Enterprise Roll-out)입니다. 회사의 모든 데이터를 연동하고, 수백만 명이 동시에 접속해도 끄떡없는 거대한 인프라를 구축합니다.
  • 장점: 비즈니스 파급력이 큽니다. 하지만 막대한 예산과 긴 시간이 필요하며, 한 번의 실수가 큰 손실로 이어집니다.

전문가의 조언: ‘스코프 크립(Scope Creep)’을 조심하세요

프로젝트를 시작할 때 가장 위험한 함정은 ‘스코프 크립(Scope Creep)’, 즉 일의 범위가 조금씩, 눈치 못 채게 계속 늘어나는 현상입니다.

처음에는 모두가 이렇게 합의합니다.

“이번엔 김치찌개 하나만 제대로 만들자.” 여기서 김치찌개는 *꼭 필요한 최소한의 기능*을 뜻합니다.

그런데 프로젝트가 진행되기 시작하면 상황이 바뀝니다.

누군가는 말합니다.

“어차피 하는 김에 계란말이도 같이 되죠?”

또 다른 사람은 이렇게 덧붙입니다.

“김치찌개면 전복 하나쯤 들어가야 하지 않나요?”

요청 하나하나는 그럴듯해 보입니다. 문제는 거절하지 못하고 계속 받아들이는 순간부터 시작됩니다.

결과는 뻔합니다.

  • 예산은 처음 계획보다 훨씬 빨리 소진되고
  • 일정은 계속 밀리고
  • 이것저것 억지로 넣다 보니 결과물의 완성도도 떨어집니다

즉, 김치찌개를 만들다 잡탕이 되는 상황입니다. 그래서 셰프, 즉 프로젝트 관리자의 역할이 중요합니다.

처음에 정한 기준에 대해 분명히 말해야 합니다.

“이번 프로젝트는 여기까지입니다. 추가 메뉴는 다음에 따로 하겠습니다.”

이 경계를 지켜낼 때만 프로젝트는 예산 안에서, 제시간에, 의도한 품질로 완성될 수 있습니다.

스코프 크립을 막는다는 것은 일을 적게 하겠다는 뜻이 아니라, 지금 해야 할 일을 제대로 하겠다는 선언입니다.

자, 이제 우리는 무엇을 만들지 정했고(메뉴), 손님의 취향도 파악했으며(요구사항), 신선한 재료를 얼마나 준비할지도 결정했습니다(데이터 및 범위). 이제 본격적으로 주방에 들어가 칼을 잡을 시간입니다. 다음 단계에서는 이 재료들을 담아낼 그릇과 주방 기구(하드웨어 및 소프트웨어 아키텍처)를 준비해 보겠습니다.

지금까지 우리는 만들고 싶은 요리(문제 정의)를 정하고, 손님의 취향(요구사항)을 파악했으며, 어디서 재료를 구해 몇 인분을 만들지(데이터 소스 및 범위)까지 결정했습니다. 이제 모든 준비가 끝났습니다. 다음 단계에서는 이 구체적인 계획을 바탕으로, 맛있는 요리를 완성하기 위한 조리법의 기본 원칙과 구조(온톨로지)를 정의하고, 이를 바탕으로 체계적인 ‘레시피’, 즉 우리의 그래프 데이터 모델을 본격적으로 설계해 보겠습니다.