🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

데이터세트 보강은 기존 토픽에 분리되어 있던 업무 의미 정보를 데이터세트 자체에 통합하고, 새 토픽이 여러 데이터세트를 연결하는 상위 의미·추론 계층으로 작동하게 하는 기반입니다.

📌 핵심 요약

• 기존 토픽과 데이터세트를 별도 자산으로 관리하면 권한, 계보, 버전, 열 동의어와 계산 필드를 계속 동기화해야 하며, 데이터세트의 열 이름 변경이 토픽을 조용히 깨뜨릴 수 있습니다.
• 새 데이터 준비 환경의 데이터세트 보강은 열 설명, 동의어, 계산 열, 사용자 지정 지침과 업무 규칙을 데이터세트 메타데이터에 직접 저장해 하나의 관리·감사 대상을 만듭니다.
• 새 토픽은 데이터세트 고유 의미 정보를 보관하는 계층이 아니라 여러 보강 데이터세트의 관계, 업무 지표, 업무 용어를 구성하고 통합 질의를 지원하는 상위 계층으로 재정의됩니다.
• 이전 가능 여부는 데이터세트 구조에 따라 달라지며, 기존 데이터 준비 방식의 데이터세트는 직접 보강할 수 없지만 새 데이터 준비 방식의 데이터세트는 기존 토픽 정보를 제자리에서 이전할 수 있습니다.
• 제시된 자동화 방식은 기존 토픽의 설명, 동의어, 계산 필드, 명명된 엔터티, 필터와 사용자 지정 지침을 추출해 데이터세트의 의미 모델 구성과 데이터 준비 단계에 대응시킵니다.

🧩 주요 포인트

1. 기존 토픽과 데이터세트를 별도 자산으로 관리하면 권한, 계보, 버전, 열 동의어와 계산 필드를 계속 동기화해야 하며, 데이터세트의 열 이름 변경이 토픽을 조용히 깨뜨릴 수 있습니다.
2. 새 데이터 준비 환경의 데이터세트 보강은 열 설명, 동의어, 계산 열, 사용자 지정 지침과 업무 규칙을 데이터세트 메타데이터에 직접 저장해 하나의 관리·감사 대상을 만듭니다.
3. 새 토픽은 데이터세트 고유 의미 정보를 보관하는 계층이 아니라 여러 보강 데이터세트의 관계, 업무 지표, 업무 용어를 구성하고 통합 질의를 지원하는 상위 계층으로 재정의됩니다.
4. 이전 가능 여부는 데이터세트 구조에 따라 달라지며, 기존 데이터 준비 방식의 데이터세트는 직접 보강할 수 없지만 새 데이터 준비 방식의 데이터세트는 기존 토픽 정보를 제자리에서 이전할 수 있습니다.
5. 제시된 자동화 방식은 기존 토픽의 설명, 동의어, 계산 필드, 명명된 엔터티, 필터와 사용자 지정 지침을 추출해 데이터세트의 의미 모델 구성과 데이터 준비 단계에 대응시킵니다.

🧠 상세 정리

1. 기존 토픽과 데이터세트의 이중 관리 문제

기존 구조에서는 데이터세트와 그 위에 놓인 기존 토픽을 서로 독립된 두 자산으로 관리해야 했습니다. 두 자산은 각각 권한, 계보와 버전을 가지므로 열 동의어와 계산 필드가 시간이 지나며 달라질 수 있고, 데이터세트에서 열 이름을 바꾸면 기존 토픽이 명시적인 경고 없이 깨질 수도 있습니다. 새 데이터 준비 환경의 데이터세트 보강은 열 설명, 동의어, 계산 필드, 사용자 지정 지침과 업무 규칙을 데이터와 함께 저장해 이러한 분리를 없앱니다. 이에 따라 권한과 의미 정보, 인공지능 질의에 필요한 맥락이 데이터세트와 함께 이동하고, 이를 기반으로 만들어진 대시보드·분석·질의 기능에 자동으로 상속됩니다. 글은 이 변화를 하나의 자산, 하나의 기준 정보, 하나의 거버넌스 지점으로 정리하며 기존 토픽에서 데이터세트 계층으로 업무 맥락을 옮기는 방법을 설명합니다.

2. 토픽의 역할 재정의와 의미 계층 구조

새 구조에서 토픽은 단일 데이터세트의 세부 의미 정보를 별도로 보관하는 객체가 아니라 여러 데이터세트를 아우르는 의미·추론 계층으로 재정의됩니다. 이 계층에서는 여러 데이터세트를 조합하고 데이터세트 사이의 관계를 정의하며, 업무 지표를 작성하고 조직에서 사용하는 업무 용어를 데이터에 대응시킵니다. 데이터세트에 본질적으로 속하는 열 설명과 동의어 같은 의미 정보는 데이터세트 보강으로 내려가고, 토픽은 데이터세트 간 관계와 통합 용어처럼 상위 수준의 책임을 맡습니다. 이는 단순한 명칭 변경이 아니라 결정론적 업무 지능 작업과 유연한 인공지능 기반 분석이 같은 의미 기반을 공유하도록 역할을 분리하는 구조적 변화입니다. 또한 여러 보강 데이터세트를 한 대화에서 질의하려면 각 데이터세트가 먼저 자체 의미 맥락을 보유해야 하므로, 데이터세트 보강이 새 토픽의 필수 기반이 됩니다.

3. 기존 토픽과 데이터세트 보강의 차이

기존 토픽은 열 동의어, 계산 필드, 명명된 엔터티, 필터와 사용자 지정 지침을 데이터세트 위의 별도 객체에 저장했지만, 데이터세트 보강은 이러한 의미 정보를 데이터세트 메타데이터 내부에 둡니다. 열 동의어는 기존 토픽의 열 동의어 설정에서 열의 추가 메모로 이동하고, 구조화된 명명 필터와 명명된 엔터티는 데이터세트 출력 단계의 사용자 지정 지침에 텍스트 규칙으로 기록됩니다. 기존 토픽의 명명 표현식 계산은 새 데이터 준비 구성의 행 단위 계산 열로 옮겨지며, 의미 유형은 필드가 아니라 열의 속성으로 관리됩니다. 집계 수준도 필드에 고정된 속성으로 두는 대신 사용자의 질문에 따라 실행 시점에 에이전트가 처리합니다. 결과적으로 관리자는 권한과 감사를 두 자산에 나누어 적용하지 않고 데이터세트 하나를 중심으로 의미 정보와 거버넌스를 관리할 수 있습니다.

4. 이전 후에도 유지되는 데이터와 사용자 경험

데이터세트 보강으로 의미 정보의 위치가 바뀌더라도 기존 환경의 모든 요소가 변경되는 것은 아닙니다. 규칙 기반 논리를 담은 규칙 데이터세트는 이전 대상이 아니며, 현재와 같은 방식으로 계속 작동합니다. 메모리 내 저장 방식과 직접 질의 방식도 영향을 받지 않으므로 데이터 접근 패턴을 바꿀 필요가 없고, 기존 대시보드와 분석을 새로 구축할 필요도 없습니다. 대시보드와 분석은 보강된 데이터세트를 그대로 사용하며, 사용자가 자연어로 질문하는 대화형 질의 방식 역시 유지됩니다. 변화는 주로 내부 의미 정보의 저장 위치와 관리 구조에 있으며, 사용자는 이전과 마찬가지로 아마존 퀵의 대화 기능에서 자연어 질문을 입력하게 됩니다.

5. 데이터세트 의미 모델의 구성과 이점

새 데이터 준비 환경은 데이터세트 정의에 의미 모델 구성을 추가하며, 이 구성은 열 수준 메타데이터와 데이터세트 수준 메타데이터의 두 층으로 나뉩니다. 열 수준에서는 설명을 통해 각 필드가 무엇을 뜻하는지 밝히고, 추가 메모에 사용자가 말할 수 있는 동의어나 대체 명칭을 기록합니다. 데이터세트 수준에서는 전체 데이터의 범위와 내용을 설명하고, 사용자 지정 지침에 업무 논리, 공식, 명명된 엔터티와 규칙을 담습니다. 이 구조에서는 업무 맥락이 데이터와 함께 이동하므로 별도 토픽과의 불일치 가능성이 줄고, 데이터세트를 사용하는 대시보드·분석·기존 토픽·대화형 기능이 같은 의미 정보를 상속합니다. 데이터세트 자체가 자연어 질의를 위한 자기 설명형 자산이 되기 때문에 별도의 단일 데이터세트 토픽 없이도 모호한 업무 표현을 메타데이터와 연결할 수 있습니다.

6. 기존 토픽 필드의 구체적인 대응 방식

이전 과정은 기존 토픽의 각 의미 요소를 새 데이터세트 구조의 대응 위치로 옮기는 방식으로 이루어집니다. 열 설명은 열 속성의 설명 텍스트로 이동하고, 여러 열 동의어는 쉼표로 결합해 열 속성의 추가 메모 텍스트에 기록합니다. 기존 토픽의 계산 필드 표현식은 데이터 준비 구성의 열 생성 단계로 변환되어 데이터세트의 계산 열이 됩니다. 명명된 엔터티는 엔터티 이름, 설명, 정의, 관련 필드와 동의어를 포함하는 텍스트 형식으로 사용자 지정 지침에 저장하고, 필터는 규칙 이름과 출력 열 및 허용 값의 관계를 나타내는 업무 규칙 문장으로 변환합니다. 기존의 사용자 지정 지침 문자열도 데이터세트 수준의 인라인 사용자 지정 지침 텍스트로 옮겨 기존 업무 맥락을 데이터세트 안에서 계속 사용할 수 있게 합니다.

7. 자동화된 이전 절차와 선행 조건

제시된 이전 절차는 대상 데이터세트를 식별하고, 원본 기존 토픽을 찾은 다음, 파이썬 스크립트로 토픽 메타데이터를 추출해 데이터세트의 의미 모델 구성에 기록하는 네 단계 과정입니다. 스크립트는 열 설명과 동의어뿐 아니라 계산 필드, 명명된 엔터티, 필터와 사용자 지정 지침을 한 번에 처리하므로 수동 화면 작업을 요구하지 않습니다. 실행 전에는 유효한 자격 증명이 설정된 일정 버전 이상의 명령줄 도구와 파이썬 3.6 이상이 필요하며, 호출자의 세션과 설치 버전을 확인해야 합니다. 또한 질의 기능이 활성화된 엔터프라이즈 환경, 새 데이터 준비 구성을 사용하는 대상 데이터세트, 모든 입력 열의 열 식별자, 이전할 기존 토픽이 준비되어 있어야 합니다. 호출 주체에는 데이터세트 조회·갱신과 토픽 조회 권한이 필요하며, 대상 데이터세트가 기존 논리 테이블 구조가 아니라 새 데이터 준비 구성을 사용하는지도 확인해야 합니다.

8. 세 가지 이전 시나리오와 가능한 경로

첫 번째 시나리오는 기존 데이터 준비 방식의 데이터세트만 있고 기존 토픽은 없는 경우로, 사용자는 원시 열 이름을 보게 되며 자연어의 업무 표현을 열에 연결할 설명이나 동의어가 없습니다. 이 구조는 데이터세트 보강을 지원하지 않고 제자리 변환 경로나 변환용 인터페이스도 없으므로, 의미 모델 구성을 직접 추가할 수 없으며 원시 열 이름을 이용한 데이터세트 질의를 선택할 수 있습니다. 두 번째 시나리오는 기존 데이터세트 위에 기존 토픽이 있는 경우로, 토픽에는 의미 정보가 있지만 기반 데이터세트는 여전히 보강을 받을 수 없는 구조입니다. 이 경우 새 데이터 준비 환경에서 데이터세트를 다시 만들고 기존 토픽의 메타데이터를 데이터세트 보강으로 이전한 뒤 검증하고 전환해야 하며, 기존 데이터세트의 데이터세트 질의를 사용하는 대안도 제시됩니다. 세 번째 시나리오는 기존 토픽이 새 데이터 준비 방식의 데이터세트 위에 있는 경우로, 대상 데이터세트가 이미 올바른 구조를 갖추고 있으므로 유일하게 직접적인 제자리 이전이 가능합니다. 이때 설명과 동의어는 열 속성으로, 계산 필드는 열 생성 단계로, 엔터티·필터·사용자 지정 지침은 데이터세트의 사용자 지정 지침으로 옮겨집니다.

🧾 핵심 주장 / 시사점

• 이전의 핵심은 기존 토픽을 단순히 대체하는 것이 아니라 데이터세트 고유 의미 정보와 여러 데이터세트를 연결하는 상위 의미 정보를 서로 다른 계층에 배치하는 것입니다.
• 직접 이전 가능 여부는 기존 토픽의 존재보다 대상 데이터세트가 새 데이터 준비 구성을 사용하는지에 의해 결정됩니다.
• 데이터세트 보강은 자연어 질의의 사용자 화면을 바꾸지 않으면서도 의미 정보의 상속, 권한 관리, 감사와 버전 관리의 기준을 데이터세트 하나로 통합합니다.

✅ 액션 아이템

• 기존 토픽과 데이터세트 분리 운영의 동기화 항목(권한·계보·버전·열 동의어·계산 필드)과 열명 변경 시 정합성 리스크를 점검한다.
• 새 데이터 준비 환경에서는 열 설명·동의어·계산 열·사용자 지정 지침·업무 규칙을 데이터세트 메타데이터로 통합해 하나의 관리·감사 대상으로 정한다.
• 이전 가능성은 데이터셋 구조별로 분류하고, 새 데이터 준비 방식 데이터세트에 대해 기존 토픽 정보의 제자리 이전 실행 여부를 선행 검증한다.

❓ 열린 질문

• 새 토픽을 상위 의미 계층으로 전환할 때 데이터셋 간 관계와 어떤 업무 지표·용어를 우선 통합할 것인가?
• 기존 토픽의 설명·동의어·계산 필드·필터를 새 의미 모델로 매핑할 때 충돌을 어떻게 판정하고 조정할 것인가?
• 열 이름 변경이 토픽을 조용히 깨뜨리지 않도록 어떤 변경 감시 기준과 승인 게이트를 두는 것이 적절한가?