1. データの冗長性を排除：同じデータの重複をなくす
2. データの整合性を保証：矛盾したデータを防ぐ
3. 異常を防止：更新異常、挿入異常、削除異常を防ぐ

E.F.コッド（Edgar F. Codd）博士が1970年に提唱しました。

コッド博士はIBMの研究者で、「関係モデル（リレーショナルモデル）」を発表し、現代のリレーショナルデータベースの基礎を築きました。

更新異常：データを更新する際に、複数箇所を更新する必要があり、更新漏れでデータの矛盾が発生する問題。

挿入異常：関連データがないと、新しいデータを登録できない問題。

削除異常：データを削除すると、本来残すべき情報まで消えてしまう問題。

1. データの冗長性：「営業部」と「03-1234-5678」が3回重複
2. 更新異常：営業部の電話番号が変わったら、3箇所を更新する必要がある。1箇所でも更新漏れがあると矛盾が発生
3. 挿入異常：新しい部署「人事部」を作っても、所属する社員がいないと部署情報を登録できない
4. 削除異常：鈴木一郎（社員ID: 3）を削除すると、開発部の部署情報も完全に消えてしまう

改善案：部署テーブルと社員テーブルに分割する

改善点：
✅ 部署情報は1箇所にだけ保存される（冗長性解消）
✅ 電話番号変更時は1箇所だけ更新すればOK（更新異常解消）
✅ 社員がいなくても部署を登録できる（挿入異常解消）
✅ 社員を削除しても部署情報は残る（削除異常解消）

1. 集計テーブル（サマリーテーブル）
   毎回大量のデータを集計するのは時間がかかるため、日次や月次の集計結果を別テーブルに保存しておくことで、レポート表示が高速化される
2. 頻繁にアクセスされるデータ
   多数のテーブルをJOINするクエリが頻繁に実行される場合、よく使う情報を1つのテーブルにまとめることで、JOINのコストを削減できる
3. 読み取り専用のデータ（履歴データ）
   注文履歴のように過去のデータは変更されないため、更新異常の心配がない。注文時点の商品名や価格を記録しておくことで、価格変更後も当時の情報を参照できる

重要：いずれの場合も、基本となる正規化されたテーブルは必ず維持します。

正規化にはクエリが複雑になる、パフォーマンスが低下する可能性があるというデメリットがあります。しかし、それ以上にデータの整合性を保つことが重要です。

データの矛盾や異常は、システムの信頼性に直結します。例えば、顧客の住所が複数の場所で異なる値を持っていたら、どれが正しいのかわからなくなります。これは業務上の重大な問題につながります。

パフォーマンスの問題はインデックス、キャッシュ、ビューなどで対処できますが、データの整合性が失われると取り返しがつきません。

そのため、まずは正規化でデータの整合性を確保し、パフォーマンス問題が実際に発生した場合にのみ、部分的に非正規化を検討するのが正しいアプローチです。

• 冗長性：会員情報（山田太郎、東京都新宿区）が3回、書籍情報（DB入門、田中花子）が2回重複
• 更新異常：会員の住所変更時に複数箇所を更新する必要がある
• 挿入異常：新しい書籍を登録したいが、貸出がないと登録できない
• 削除異常：貸出ID: 3を削除すると、会員M002（佐藤花子）の情報が消える

改善点：
✅ 会員情報、書籍情報はそれぞれ1箇所に保存
✅ 住所変更は会員テーブルだけ更新すればOK
✅ 貸出なしでも書籍を登録できる
✅ 貸出削除しても会員・書籍情報は残る