매핑이란 무엇인가요 다양한 분야에서의 매핑 의미와 활용

매핑은 서로 다른 정보나 데이터를 연결하여 새로운 의미를 만들어내는 과정입니다.
당신은 매핑을 통해 복잡한 정보를 쉽게 이해할 수 있습니다.
일상에서 주소를 지도에 표시하거나, FanRuan의 FineBI처럼 여러 데이터 소스를 하나로 통합할 때도 매핑이 필요합니다.
매핑이 어떻게 다양한 분야에서 중요한 역할을 하는지 궁금하지 않나요?

매핑의 정의

기본 개념

매핑은 두 가지 이상의 요소를 서로 연결하는 과정입니다. 당신은 매핑을 통해 복잡한 정보를 쉽게 정리할 수 있습니다. 예를 들어, 이름과 전화번호를 연결하거나, 주소와 위치를 연결할 때 매핑이 필요합니다. 매핑은 정보를 체계적으로 정리하고, 원하는 데이터를 빠르게 찾을 수 있도록 도와줍니다.

대응 관계

매핑의 핵심은 대응 관계입니다. 대응 관계란 한 집합의 요소와 다른 집합의 요소를 하나씩 짝지어 연결하는 것을 말합니다.
예를 들어, 학생 명단과 학생 번호를 연결하면 각 학생이 고유한 번호를 갖게 됩니다.

이렇게 대응 관계를 만들면, 당신은 정보를 빠르고 정확하게 찾을 수 있습니다.

학생 이름 ↔ 학생 번호
상품 코드 ↔ 상품 설명
이메일 주소 ↔ 사용자 계정

이처럼 대응 관계는 다양한 분야에서 정보를 체계적으로 관리하는 데 필수적입니다.

정보 연결

매핑은 단순히 짝을 짓는 것에 그치지 않습니다. 당신은 매핑을 통해 서로 다른 정보를 연결하여 새로운 의미를 만들 수 있습니다.
예를 들어, 지도에서 주소를 위치 정보와 연결하면, 당신은 실제 위치를 쉽게 찾을 수 있습니다.
또한, 여러 데이터 소스를 하나로 통합할 때도 매핑이 필요합니다.

정보 연결을 통해 당신은 데이터의 가치를 극대화할 수 있습니다.

주소와 지도 위치 연결
제품 정보와 재고 데이터 연결
고객 정보와 구매 이력 연결

매핑은 정보를 연결하고, 새로운 인사이트를 얻는 데 중요한 역할을 합니다.

데이터 매핑

데이터 구조

데이터 매핑은 정보를 체계적으로 연결하는 과정입니다.
당신은 데이터 구조를 이해하면 더 정확하게 데이터를 관리할 수 있습니다.
데이터 구조 매핑에는 여러 유형이 있습니다. 아래 표를 보면 각 매핑 방식의 특징을 쉽게 알 수 있습니다.

매핑 유형	특징
싱글 테이블 매핑	하나의 테이블에 데이터를 저장합니다. 구조가 단순하고 빠르게 처리할 수 있습니다. 확장성이 뛰어납니다.
다중 테이블 매핑	여러 테이블에 데이터를 나누어 저장합니다. 복잡한 구조에 적합합니다. 일부 제한이 있을 수 있습니다.
객체 관계형 매핑	데이터를 객체처럼 다룹니다. 복잡한 구조도 지원합니다. 더 세련된 방식으로 데이터를 연결합니다.

당신은 데이터베이스의 유형에 따라 매핑 방식을 선택할 수 있습니다.
아래 표를 보면 각 DBMS의 특징을 알 수 있습니다.

DBMS 유형	특징
비관계형 DBMS	다양한 데이터 형식을 지원합니다. 대규모 데이터를 처리할 때 유리합니다. 유연한 구조를 제공합니다.
계층형 DBMS	트리 구조로 데이터를 저장합니다. 부모-자식 관계가 명확합니다. 빠른 검색이 가능합니다.
객체지향형 DBMS	객체 지향 프로그래밍과 잘 맞습니다. 상속과 다형성을 지원합니다. 복잡한 관계를 쉽게 처리할 수 있습니다.
객체관계형 DBMS	관계형 모델에 객체 개념을 더합니다. 복합 데이터 타입을 지원합니다. SQL과 무결성을 유지할 수 있습니다.

데이터 구조 매핑을 할 때 오류가 발생할 수 있습니다.
당신은 아래와 같은 오류를 주의해야 합니다.

주문 테이블에 고객 테이블에 없는 데이터가 들어가면 데이터 일관성이 깨집니다.
관계를 설계했지만 실제 데이터베이스에 제약조건이 없으면 오류가 생깁니다.
SQL 문으로 테이블 관계를 확인하면 오류를 찾을 수 있습니다.
누락값, 허용값, 패턴 분석 등 데이터 프로파일링 기법으로 오류를 진단할 수 있습니다.
오류로 의심되는 데이터는 담당자와 확인 후 수정합니다. 업무 규칙에 따라 오류 여부를 판단합니다.

데이터 구조를 꼼꼼히 매핑하면 데이터의 신뢰성과 활용도가 높아집니다.

데이터 변환

데이터 변환은 서로 다른 형식의 데이터를 일관성 있게 바꾸는 과정입니다.
당신은 데이터 변환을 통해 여러 시스템의 데이터를 하나로 통합할 수 있습니다.
FineBI를 사용하면 데이터 변환과 통합이 훨씬 쉬워집니다.

FineBI는 다양한 데이터 소스와 연결할 수 있습니다.
빅 데이터 플랫폼, 관계형 데이터베이스, 엑셀 파일 등 여러 소스의 데이터를 한 번에 불러올 수 있습니다.
자동 모델링 기능을 활용하면 데이터 웨어하우스 관계를 기반으로 손쉽게 구조를 만들 수 있습니다.

아래 표를 보면 FineBI의 데이터 통합 및 매핑 기능의 주요 특징을 알 수 있습니다.

주

주요 특징	설명
다양한 데이터 소스 연결	여러 종류의 데이터베이스와 파일을 연결할 수 있습니다.
자동 모델링 지원	데이터 구조를 자동으로 설계해줍니다.
유연한 ETL/ELT 처리	데이터 전처리와 품질 관리가 쉽습니다.
대용량 데이터 처리	많은 데이터를 빠르게 처리할 수 있습니다.
실시간 분석	데이터를 편집한 후 바로 분석 결과를 볼 수 있습니다.
데이터 클렌징	데이터 오류를 쉽게 찾아내고 수정할 수 있습니다.

FineBI를 사용하면 데이터 일관성을 유지할 수 있습니다.
실시간 분석 기능을 통해 데이터가 변경되면 바로 결과를 확인할 수 있습니다.
당신은 데이터 클렌징 기능으로 오류를 빠르게 진단하고 수정할 수 있습니다.

FineBI의 데이터 매핑 기능을 활용하면 복잡한 데이터도 쉽게 통합하고 분석할 수 있습니다.
당신은 다양한 데이터 소스를 연결해 비즈니스 인사이트를 얻을 수 있습니다.

IT 매핑

프로그래밍 매핑

프로그래밍에서 정보를 연결하는 과정은 매우 중요합니다.
당신이 소프트웨어를 개발할 때, 변수와 데이터 구조를 서로 연결해야 합니다.
이 과정을 통해 프로그램은 입력값을 받아 원하는 결과를 만들어냅니다.
예를 들어, 웹 개발에서는 사용자의 입력 데이터를 서버의 데이터베이스와 연결해야 합니다.
이때 데이터 형식이 서로 다를 수 있습니다.
당신은 데이터 변환 과정을 거쳐 두 시스템이 정보를 올바르게 주고받도록 해야 합니다.

최근에는 iPaaS(Integration Platform as a Service)와 같은 플랫폼이 등장했습니다.
이 플랫폼은 시스템 간 데이터 일관성을 보장합니다.
사용자는 데이터 형식, 구조, 값을 자유롭게 변환할 수 있습니다.
로우코드와 노코드 환경 덕분에 비개발자도 손쉽게 데이터 흐름을 설계할 수 있습니다.
이런 기술 덕분에 기업은 다양한 시스템을 빠르게 통합하고, 업무 효율을 높일 수 있습니다.

아래 표는 실제 기업들이 IT 매핑을 활용해 얻은 성과를 보여줍니다.

기업명	통합 방식 및 매핑 활용	성과 및 영향
델러웨어 컨설팅 인터내셔널	다양한 클라우드 시스템 통합, 디지털 통합 허브 구축	비즈니스 규모 487% 성장
엔드레스하우저	B2B 클라우드 통합 플랫폼 활용, 실시간 데이터 매핑	프로젝트 속도 5배 향상, 비용 절감, 디지털 순매출 5천만 유로 달성
해러즈	클라우드 및 온프레미스 환경 통합, 표준화된 데이터 매핑	다운타임 최소화, 월 800만 건 이상 거래 처리 가능
도이치 뵈르제	여러 클라우드 애플리케이션 워크플로 연결, 데이터 매핑 기반 협업 강화	엔드투엔드 프로세스 협업 기반 마련
시코르	엔터프라이즈 애플리케이션 단일 플랫폼 통합, 맞춤형 데이터 매핑	직원 경험 향상, 빠른 성장 및 혁신 지원

이처럼 IT 환경에서 정보 연결은 기업의 성장과 혁신에 큰 영향을 줍니다.

데이터베이스 매핑

데이터베이스에서는 정보를 효율적으로 저장하고 불러오기 위해 다양한 매핑 방식을 사용합니다.
당신이 데이터를 다룰 때, 객체지향 프로그래밍과 관계형 데이터베이스를 연결하는 기술이 필요합니다.
대표적인 방식으로 ORM(Object-Relational Mapping)과 SQL Mapper가 있습니다.

ORM은 객체와 데이터베이스 테이블을 자동으로 연결합니다.
데이터베이스 독립성을 제공합니다.
생산성이 높아지고, 코드의 가독성이 좋아집니다.
객체 간의 관계도 쉽게 관리할 수 있습니다.
유지보수가 쉽고, 개발 속도가 빨라집니다.
하지만 대량 데이터를 처리할 때 성능이 떨어질 수 있습니다.
복잡한 쿼리나 고급 기능은 직접 SQL을 작성해야 합니다.

SQL Mapper 방식은 개발자가 직접 SQL 쿼리를 작성해 데이터를 연결합니다.
XML이나 어노테이션 기반 매핑 파일을 사용합니다.
SQL의 강력한 기능을 활용할 수 있고, 복잡한 쿼리나 최적화에 유리합니다.
하지만 SQL과 매핑 파일을 따로 관리해야 하므로 유지보수가 어렵고, 코드 중복이 생길 수 있습니다.

아래 표는 두 방식의 특징을 비교합니다.

매핑 방식	특징	장점	단점
SQL Mapper	개발자가 직접 SQL 쿼리 작성, XML/어노테이션 기반 매핑 파일	SQL의 강력한 기능, 복잡한 쿼리 최적화	유지보수 어려움, 코드 중복 가능
ORM	객체와 테이블 간 매핑 자동화, 어노테이션 정의, 객체지향적 접근	생산성 및 유지보수 용이, DB 독립성	복잡한 쿼리·대량 데이터에서 성능 저하, 일부 SQL 기능 제한

프로젝트의 목적과 데이터의 특성에 따라 적합한 방식을 선택해야 합니다.
때로는 두 방식을 혼합해 사용하는 하이브리드 전략도 효과적입니다.

시각적 매핑

지도 매핑

지도를 활용하면 복잡한 공간 정보를 한눈에 파악할 수 있습니다.
당신은 지도 위에 다양한 데이터를 표시해 위치, 이동 경로, 분포 현황을 쉽게 이해할 수 있습니다.
예를 들어, 미국해양대기관리처(NOAA)는 해양에서 발생하는 기름 유출의 확산 경로를 지도에 표시합니다.
허리케인 경로도 지도 위에 그려서 위험 지역을 빠르게 파악할 수 있습니다.
질병통제예방센터(CDC)는 지역별로 질병의 영향을 분석할 때 지도를 사용합니다.
NASA는 우주에서 수집한 LiDAR 데이터를 지도에 적용해 숲과 지형의 변화를 분석합니다.

아래 표를 보면 다양한 분야에서 지도 기반 정보 분석이 어떻게 활용되는지 알 수 있습니다.

분야	활용 사례 및 내용 요약
해양 및 환경	NOAA가 기름 유출 확산, 해수면 변동, 허리케인 경로 분석에 지도 정보 활용
공중 보건	CDC가 지역별 질병 영향 분석에 지도 데이터 사용
우주 및 생태계	NASA가 LiDAR로 숲과 지형 변화 분석, 지도에 적용
도시 계획	재난 대응, 도로·건물 설계, 공공 서비스 공급 등 다양한 도시 계획에 지도 정보 활용
날씨 예보	극심한 기상 현상 예측과 대응에 지도와 환경 데이터 분석 활용
기업 의사 결정	운송, 배송, 자원 배치 등 전략적 비즈니스 의사 결정에 지도 데이터 사용
농업	작물 상태 분석, 토지 변화 파악, 기후 변화 적응 지원 등 농업 의사 결정에 지도 활용

지도를 활용하면 복잡한 공간 데이터도 쉽게 시각화할 수 있습니다.
당신은 위치 기반 의사 결정을 빠르고 정확하게 내릴 수 있습니다.

그래픽 매핑

그래픽 매핑은 숫자나 텍스트 데이터를 시각적 요소로 바꾸는 과정입니다.
당신은 데이터를 차트, 그래프, 색상, 크기 등 다양한 시각적 속성으로 표현할 수 있습니다.
이렇게 하면 복잡한 데이터도 한눈에 이해할 수 있습니다.

아래 표는 데이터 시각화에서 자주 사용하는 시각적 속성과 적용 예시를 보여줍니다.

시각적 속성	설명 및 적용 데이터 유형
위치	데이터의 위치를 시각적으로 표현, 모든 데이터에 적용 가능
형태	데이터 구분에 사용, 이산형 데이터에 적합
크기	데이터 양이나 중요도를 표현, 연속형·이산형 모두 사용
색	데이터 구분 및 강조, 모든 데이터에 적용 가능
굵기	강조 및 구분에 사용, 연속형·이산형 모두 적용
선 유형	데이터 구분에 사용, 이산형 데이터에 적합

당신은 다양한 차트와 그래프를 활용해 데이터를 시각적으로 표현할 수 있습니다.

바 차트: 막대의 길이로 수량을 비교할 수 있습니다.
선 그래프: 시간에 따른 데이터 변화를 쉽게 볼 수 있습니다.
히스토그램: 데이터 분포를 구간별로 확인할 수 있습니다.
파이 차트: 전체 중 각 부분의 비율을 한눈에 보여줍니다.
지도: 위치 정보를 시각적으로 표현합니다.
네트워크 그래프: 객체 간의 관계를 시각화합니다.
트리맵: 계층 구조 데이터를 크기와 색상으로 나타냅니다.
등고선 그래프: 3차원 데이터를 2차원에서 공간적으로 표현합니다.

다양한 시각화 기법을 활용하면 데이터의 숨겨진 패턴과 인사이트를 빠르게 발견할 수 있습니다.
당신은 복잡한 정보를 쉽게 이해하고, 더 나은 결정을 내릴 수 있습니다.

개념 매핑

지식 구조

당신은 새로운 지식을 배울 때, 여러 개념이 어떻게 연결되는지 궁금할 수 있습니다. 개념 매핑은 복잡한 정보를 체계적으로 정리하고, 각 개념 사이의 관계를 시각적으로 보여줍니다. 예를 들어, 화학을 공부할 때 원자, 분자, 화합물 같은 개념이 서로 어떻게 연결되는지 한눈에 볼 수 있습니다.

연구 결과에 따르면, 개념도 활용 수업을 받은 고등학생들은 강의식 수업을 받은 학생들보다 화학 개념을 더 잘 이해했습니다. 사후 검사에서 높은 성취도를 보였고, 과학의 사회적 의미와 수업의 즐거움, 과학 관련 직업에 대한 선호도도 높아졌습니다. 학생들은 개념도를 통해 개념을 체계적이고 유기적으로 연결할 수 있었고, 머릿속에 지식을 효과적으로 정리할 수 있었습니다.

개념 매핑을 활용하면 복잡한 지식도 쉽게 구조화할 수 있습니다. 당신은 중요한 개념을 빠르게 파악하고, 전체적인 흐름을 이해할 수 있습니다.

도메인 연결

복잡한 시스템을 설계할 때, 여러 도메인(업무 영역) 사이의 연결이 중요합니다. 당신이 소프트웨어를 개발한다면, 회원가입이나 주문 처리 같은 기능을 구현할 때 다양한 객체와 데이터가 서로 연결됩니다. 이 과정에서 도메인 연결 매핑이 효과적으로 사용됩니다.

회원가입 요청을 받으면, 먼저 DTO(Command 객체)를 도메인 객체(Member)로 변환합니다.
도메인 객체 내부에서 비밀번호 암호화와 같은 비즈니스 로직을 처리합니다.
변환된 도메인 객체를 포트(port)를 통해 저장합니다.
저장된 도메인 객체를 다시 DTO로 변환해 반환합니다.

이런 방식으로 서비스 계층은 조정자 역할만 하고, 실제 비즈니스 규칙은 도메인 객체가 담당합니다. 헥사고날 아키텍처를 적용하면, 도메인 내부에 비즈니스 로직을 넣을 수 있습니다. 이렇게 하면 서비스 로직이 간결해지고, 역할 분리가 명확해집니다. 테스트 작성도 쉬워집니다. 도메인 객체와 엔티티를 분리하면 각자의 역할이 뚜렷해지고, 복잡한 도메인 연결과 매핑을 효과적으로 관리할 수 있습니다.

도메인 연결 매핑을 잘 활용하면, 당신은 시스템을 더 견고하고 유연하게 설계할 수 있습니다. 복잡한 비즈니스 요구도 쉽게 반영할 수 있습니다.

매핑 활용 사례

실생활 매핑

당신은 일상에서 다양한 형태의 매핑을 경험할 수 있습니다.
예를 들어, 커뮤니티 매핑은 시민들이 직접 데이터를 수집하고 지도로 시각화하여 사회 문제 해결에 기여합니다. 2012년 허리케인 샌디가 발생했을 때, 시민들은 주유소 위치와 기름 보유 현황을 실시간으로 지도에 표시했습니다. 이 정보는 재난 상황에서 빠른 의사결정과 효율적인 대응에 큰 도움이 되었습니다.
또한, 장애인 편의시설 정보를 공유하는 프로젝트도 있습니다. 이 프로젝트는 사회적 소통과 이해를 높이고, 모두가 더 나은 환경을 누릴 수 있도록 돕습니다.

드론 3D 매핑도 실생활에서 점점 더 많이 활용되고 있습니다.

농업 분야에서는 드론을 이용해 작물 상태를 3D로 분석하고, 정밀 농업을 실현합니다.
건설 현장에서는 드론 매핑으로 토지 측량과 현장 모니터링을 빠르고 정확하게 수행합니다.
광업과 환경 모니터링 분야에서도 드론이 고해상도 3D 모델을 만들어 공간 분석과 관리에 혁신을 가져옵니다.

이처럼 매핑은 당신의 일상과 사회 전반에 긍정적인 변화를 만들어냅니다.

비즈니스 매핑

비즈니스 현장에서는 데이터와 프로세스를 효과적으로 연결하는 것이 매우 중요합니다.
FineBI를 활용하면 여러 데이터 소스를 손쉽게 통합하고, 실시간으로 분석할 수 있습니다.
예를 들어, 한 유통 기업은 FineBI를 도입해 판매 데이터, 재고 정보, 고객 이력을 하나의 대시보드로 통합했습니다.
이 덕분에 담당자는 실시간으로 재고 현황을 파악하고, 판매 추세에 맞춰 신속하게 의사결정을 내릴 수 있었습니다.
FineBI의 데이터 매핑 기능은 복잡한 데이터를 쉽게 연결하고, 오류를 빠르게 진단해 비즈니스 효율성을 높입니다.

다양한 업계에서도 매핑은 비즈니스 프로세스 개선에 큰 역할을 합니다.

업계	매핑 적용 분야	비즈니스 프로세스 개선 효과
글로벌 제조기업	공급망 및 생산 프로세스 정비	업무 중복 제거, 프로세스 표준화, 시스템 정렬 지원
금융기관	리스크 관리 및 내부통제 구조화	내부통제 강화, KPI 기반 성과 관리 체계 구축
공공기관	업무 표준화 및 통합 관리	업무 프로세스 통합, 법규 준수, 중복 업무 제거

프로세스 표준화를 통해 업무 중복을 줄이고, 글로벌 벤치마킹으로 업계 최우수 사례와 비교할 수 있습니다.
당신은 IT 시스템과 프로세스를 쉽게 연결할 수 있고, KPI 기반의 데이터 분석으로 더 정확한 의사결정을 내릴 수 있습니다.

매핑은 비즈니스의 경쟁력을 높이고, 변화하는 시장에 빠르게 대응할 수 있도록 돕는 핵심 도구입니다.

매핑과 유사 개념

매칭과 차이

당신은 매핑과 매칭이 비슷해 보일 수 있지만, 실제로는 중요한 차이가 있습니다. 매핑은 어떤 값이나 대상을 다른 값이나 대상에 대응시키는 과정입니다. 반면, 매칭은 두 가지 이상의 요소 중에서 서로 일치하는 것을 찾아 연결하는 과정입니다.
아래 표를 보면 두 개념의 차이를 한눈에 알 수 있습니다.

구분	매핑 (Mapping)	매칭 (Matching)
정의	어떤 값이나 대상을 다른 값이나 대상에 대응시키는 과정	두 가지 이상의 요소 중에서 서로 일치하는 것을 찾아 연결하는 과정
중점	구조나 체계 간의 변환, 연결, 관계 설정	유사성, 적합성, 동일성에 기반한 짝짓기
예시	지도 제작(지형을 지도에 대응), 데이터베이스 필드 연결, 객체-관계 매핑, 키보드 매핑, 뇌 기능 매핑	검색 엔진 키워드와 일치하는 웹페이지 찾기, 데이트 앱에서 조건 맞는 사람 연결, 카드 놀이에서 같은 카드 맞추기, 짝 없는 양말 찾기, 그래프 이론의 변 짝짓기
핵심어	대응, 변환, 표현, 연결	짝짓기, 맞춤, 연결, 일치, 부합

매핑은 구조와 체계의 변환이나 연결에 초점을 둡니다. 매칭은 유사성이나 동일성을 기준으로 짝을 찾는 데 중점을 둡니다. 예를 들어, 지도에서 실제 지형을 지도 위의 위치와 연결하는 것은 매핑입니다. 반면, 데이트 앱에서 조건이 맞는 사람을 찾아 연결하는 것은 매칭입니다.

두 개념을 구분하면 데이터 처리나 시스템 설계에서 더 정확한 판단을 내릴 수 있습니다.

변환과 비교

당신이 데이터를 다룰 때, 변환과 매핑은 자주 함께 등장합니다. 변환은 데이터를 한 형식에서 다른 형식으로 바꾸는 과정입니다. 매핑은 데이터 요소를 서로 연결하거나 대응시키는 작업입니다.
실제 데이터 처리에서는 두 과정이 함께 사용되는 경우가 많습니다.

1. 데이터 마이그레이션에서는 소스 시스템의 데이터를 새로운 시스템에 맞게 변환하고, 각 필드를 올바른 위치에 매핑합니다. 2. 비즈니스 인텔리전스와 데이터 웨어하우징에서는 다양한 데이터 소스를 통합할 때, 먼저 데이터를 표준 형식으로 변환한 뒤, 각 항목을 분석 시스템에 맞게 매핑합니다. 3. 머신 러닝과 빅 데이터 분석에서도 데이터 정리, 매핑, 변환 과정을 거쳐 신뢰성 높은 데이터를 만듭니다. 4. ETL(추출, 변환, 로드)과 ELT(추출, 로드, 변환) 프로세스는 데이터 처리에서 매핑과 변환이 함께 사용되는 대표적인 예입니다.

ETL에서는 데이터를 추출한 뒤 변환하고, 마지막에 로드합니다.
ELT에서는 데이터를 추출하고 로드한 뒤, 변환 과정을 거칩니다.

매핑과 변환을 함께 사용하면 데이터의 신뢰성과 일관성을 높일 수 있습니다.
당신은 이 과정을 통해 다양한 시스템과 환경에서 데이터를 효과적으로 활용할 수 있습니다.

당신은 매핑을 통해 복잡한 정보를 쉽게 연결하고 새로운 가치를 발견할 수 있습니다. 다양한 분야에서 매핑은 데이터 분석, 시각화, 비즈니스 혁신에 중요한 역할을 합니다. 앞으로 인공지능과 빅데이터 기술이 발전하면 매핑의 활용 범위도 더욱 넓어질 것입니다. 이제 당신은 일상과 업무에서 매핑을 어떻게 적용할지 생각해 볼 수 있습니다.

매핑