[DB] Data Mart란 무엇일까?

데이터 마트란?

데이터 마트(Data Mart, DM)는 쉽게 말해 특정 부서나 주제가 바로 활용할 수 있도록 잘 정리해 놓은 "작은 분석용 창고"다.

조직 전체 데이터를 모아둔 데이터 웨어하우스(DW)에서 특정 도메인(영업, 마케팅, 재무 등)에 필요한 데이터만 추출해 작고 단순하게 만든 저장소

데이터 마트는 DW 전체를 탐색하지 않고도,
해당 팀이 자주 쓰는 데이터만 빠르게 조회하고 분석할 수 있게 한다는 점이 가장 큰 특징이다.

 

 

데이터 마트가 필요한 이유

기업은 부서마다 필요한 데이터가 다르고, 분석 목적도 다르다.
하지만 데이터 웨어하우스는 전사 단위로 구성되어 있어 구조가 크고 복잡하다.

이 때문에 부서/도메인 단위에서 다음과 같은 어려움이 생긴다.

• 필요한 데이터만 빠르게 보기 어렵다.
• 분석가 / 마케팅 / 영업팀 등은 DW 전체 구조를 잘 모를 수도 있다.
• 부서별 지표 / 정의가 달라 충돌할 때가 있다.
• 작은 분석에도 큰 DW를 계속 조회해 성능이 떨어질 수 있다.

데이터 마트는 이러한 문제를 해결하기 위해 등장했다.

"DW는 전사를 위한 중앙 창고"
"DM은 특정 도메인을 위한 맞춤형 창고"

 

 

데이터 마트에는 어떤 데이터가 담기는가?

데이터 마트에 담기는 데이터는 부서나 분석 목적에 따라 선별된 '주제 데이터'다.

예시:

• 마케팅 마트
  • 캠페인 성과, 유입 분석, 전환율, 고객 행동 지표
• 영업 마트
  • 매출, 영업 목표, 고객군 분석, 퍼널 지표
• 재무 마트
  • 비용, 매출원가, 손익 지표
• 고객 분석 마트
  • 고객군, 코호트 데이터, LTV, 리텐션 지표

즉, 마트는 '빠르게 분석하려는 사람에게 딱 필요한 데이터만 제공하는 뷔페 코너'에 가깝다.

 

 

데이터 마트는 어떻게 만들어지는가? (ETL, ELT 흐름 동일)

데이터 마트의 구조는 DW와 동일하게 ETL 또는 ELT 방식으로 구서오딘다.

• ETL → DW → Data Mart
• ELT → DW → Data Mart

즉, DW에서 정제된 데이터를 가져와
부서 목적에 맞게 추가 가공 후 저장하는 방식이다.

그래서 마트도 결국 정리가 필요하다.

분석에 쓰려면 DW든 DM이든 결국 가공/정규화된 데이터 구조가 필수다.

 

 

데이터 마트의 장점

데이터 마트는 "부서별/주제별로 최적화된 작은 데이터베이스"이기 때문에 아래와 같은 장점이 있다.

✔ 조회 속도가 빠르다

DW 전체를 스캔하지 않아도 돼서 분석 속도가 빨라진다.

✔ 비전문가도 쉽게 사용할 수 있다

복잡한 스키마 대신 사용 목적에 맞게 단순하게 구성된다.

✔ 비용 절감

특히 클라우드 환경에서 쿼리 비용을 줄일 수 있다.
(예: Redshift, BigQuery 등에서 전체 테이블 조회 vs 도메인 테이블 조회)

✔ 보안/권한 분리가 쉽다

부서별로 접근 권한을 다르게 가져갈 수 있다.

✔ 부서 자율성 증가

팀에서 자체적으로 필요한 데이터를 운영할 수 있어 민첩성이 높다.

 

 

데이터 마트의 유형

데이터 마트는 구성 방식에 따라 크게 3가지로 나뉜다.

1) 종속형 데이터 마트 (Dependent Data Mart)

• DW 위에 구축
• DW 데이터에서 필터링/가공 → 마트에 저장
• 가장 흔하고 권장되는 방식
• 장점 : 전사 데이터 기준을 유지하면서 도메인별 최적화 가능

2) 독립형 데이터 마트 (Independent Data Mart)

• DW 없이도 운영된다.
• 운영 DB나 외부 데이터에서 직접 구성
• 소규모 조직/파일럿 분석에 적합
• 단점 : DW와 기준이 달라질 수 있어 전사 관점 정합성 문제 발생 가능

3) 하이브리드 데이터 마트 (Hybrid Data Mart)

• DW 데이터 + 외부 데이터가 함께 포함
• 예: DW의 내부 고객 데이터 + 외부 광고 플랫폼 데이터

최근 클라우드 환경에서 가장 실용적으로 사용되는 형태

 

 

데이터 웨어하우스 vs 데이터 마트 (핵심 비교)

구분	데이터 웨어하우스 (DW)	데이터 마트 (DM)
범위	전사 데이터 전체	부서/도메인 단위 데이터
구조	크고 복잡	작고 단순
사용자	데이터팀, 전사 BI	마케팅/영업/재무 등 실무팀
목적	통합 기준 데이터	빠른 분석, 실무 활용
성능	전체 데이터 조회 → 느릴 수 있다	필요한 데이터만 → 빠르다
변경 비용	높다	낮다

 

 

데이터 마트 아키텍처

데이터 마트도 DW처럼 보통 3단 구성으로 이해하면 된다.

1) 저장 / 적재 계층

• DW 또는 외부 데이터에서 마트로 데이터를 가져오는 단계

2) 가공 / 엔진 계층

• 도메인 목적에 맞게 가공, 집계, 모델링
• 스타 스키마(Star Schema) 등을 자주 사용

3) 소비 계층

• 마트 기반 대시보드, 리포트, 임시 분석

즉, 데이터 마트는 DW를 기반으로 한 도메인 분석 전용 공간이다.

 

 

데이터 마트의 주요 구성 요소

• 도메인 데이터 저장소
• ETL / ELT 파이프라인
• 메타데이터(데이터 정의 / 출처)
• BI / 쿼리 / 분석 도구

DW와 구성 요소는 비슷하지만 "규모와 용도"가 다르다.

 

 

배포 모델 : 클라우드에서 더 많이 쓰인다

AWS / GCP / Azure 환경에서
가벼운 비용 + 빠른 쿼리 + 권한 제어 떄문에 데이터 마트 도입이 훨씬 쉬워졌다.

예)

• Redshift Data Mart
• BigQuery Data Mart
• Snowflake Data Mart

특히 도메인별 비용 분리(Billing), 쿼리 최적화, 리소스 격리가 가능해 실무에서 많이 채택된다.

 

 

결론 : 한 줄 요약

• 데이터 마트는 데이터 웨어하우스에서 특정 도메인(영업 / 마케팅 / 재무 등)의 사용 목적에 맞게
  정리, 축약해 구성한 분석용 저장소이다.
• DW가 전사 "중앙 기준"이라면
  DM은 "도메인별 최적화된 분석 공간"이다.

 

 

References

https://www.ibm.com/kr-ko/think/topics/data-mart
https://aws.amazon.com/ko/what-is/data-mart/
https://global.trocco.io/ko/blogs/what-is-data-mart