Software size estimation has an important role in software development. Estimation is used not only for the input of project planning, but also for the management of the project. Function Point Analysis is a popular estimation method developed by Albrecht and Gaffney at IBM, which is now managed by the IFPUG (International Function Point User Group). It enables the early stage estimation in the software life development cycle. However, adopting Function Point Analysis to Data Warehouse system that has increasing demands from market is not adequate because of the characteristics of Data Warehouse: Data centric processing, several ETL (Data Extraction, Transformation and Transportation, Loading) steps to implement data warehouse, domain specific commercial tool such as OLAP (On-Line Analysis Processing) and reporting tools. In this paper, procedure and counting rules for applying Function Point Analysis to data warehouse application are proposed. In an empirical study, seven data warehouse applications from industry projects were analyzed using the proposed method. Based on the results, it was possible to establish a more accurate function point analysis method for data warehouse applications.
소프트웨어의 규모 예측은 소프트웨어 개발프로젝트에 있어서 매우 중요한 역할을 담당한다. 예측결과는 개발 프로젝트 계획수립에만 활용되는 것이 아니라 프로젝트의 진행을 관리하기 위한 측정도구로 활용된다. 현재 산업계에서 가장 각광을 받고 있는 규모 예측 방법은 Albrecht 와 Gaffney 가 개발하고 IFPUG 에서 현재 유지 관리하고 있는 기능 점수방법(Function Point Analysis)이다. 이 방법은 사용자의 관점에서 소프트웨어의 규모 예측이 가능하고 개발 단계 초기에 규모 측정이 가능한 장점을 갖고 있다. 그러나 이러한 기능점수 방법을 현재 시장에서 수요가 증가하고 있는 데이타웨어하우스 시스템에 그대로 적용하는데는 많은 어려움이 있다. 이는 데이타웨어하우스의 데이타 처리 위주인 시스템 특성과 데이타 추출, 가공, 적제 (Data Extraction, Transformation and Transportation, Data Loading) 등과 같은 시스템 특성에 기인한다. 본 논문에서는 이러한 어려운점을 극복한 기능점수를 데이타웨어하우스 시스템에 적용할 수 있도록 최적화된 산정 방법과 프로세스를 제안한다. 제안된 방법은 실제 산업계에서 사용하고 있는 7 개의 프로젝트 데이터를 활용하여 검증하였다. 검증 결과, 제안된 데이터웨어하우스를 위한 규모 예측 방법은 기존 방법보다 더욱 정확한 예측 결과를 도출하였다.
