의미 체계 뷰 개요

의미 체계 비즈니스 개념을 새로운 스키마 수준 오브젝트인 의미 체계 뷰 에 데이터베이스에 직접 저장할 수 있습니다. 비즈니스 메트릭을 정의하고 비즈니스 엔터티와 그 관계를 모델링할 수 있습니다. 의미 체계 뷰는 물리적 데이터에 비즈니스 의미를 추가함으로써 데이터 기반 의사결정을 개선하고 엔터프라이즈 애플리케이션 전반에 걸쳐 일관된 비즈니스 정의를 제공합니다.

Cortex Analyst 에서 의미 체계 뷰를 사용하고 SELECT 문에서 이러한 뷰를 쿼리 할 수 있습니다. (의미 체계 뷰 쿼리는 미리 보기 기능 을 참조하십시오.

의미 체계 뷰가 도구와 데이터에 보다 의미 있는 인터페이스를 제공하는 방법을 보여주는 다이어그램

의미 체계 뷰를 생성 및 관리 하려면 SQL 명령(예: CREATE SEMANTIC VIEW) 및 Snowsight 의 마법사인 Cortex Analyst Semantic View Generator 를 사용하여 의미 체계 뷰를 생성하는 과정을 안내할 수 있습니다.

참고

의미 체계 뷰는 메타데이터 로 간주됩니다.

의미 체계 뷰를 사용하는 이유는 무엇인가요?

의미 체계 뷰는 비즈니스 사용자가 데이터를 설명하는 방식과 데이터베이스 스키마에 저장되는 방식 간의 불일치를 해결합니다. 예를 들어, 총 수익 과 같은 중요한 비즈니스 개념의 경우 데이터가 데이터베이스의 amt_ttl_pre_dsc 라는 테이블 열에 저장되어 비즈니스 사용자가 찾고 해석하기 어려울 수 있습니다.

또한 회사 내에서 순 매출 이 항상 할인 후 총 매출을 의미하는 경우, 의미 체계 뷰는 이를 올바른 집계(SUM(gross_revenue * (1 - discount)))가 포함된 메트릭으로 일관되게 정의할 수 있습니다. 이는 단일한 권위 있는 정의와 적절한 집계 동작을 보장합니다. 예를 들어, 사용자가 ‘리전별 순 매출’을 요청하면 의미 체계 뷰는 적절한 수준에서 집계하는 것을 알고 있지만, 의미 체계 뷰가 없으면 여러 보고서와 애플리케이션에서 일관되지 않은 수십 개의 계산이 존재할 수 있으며, 종종 잘못된 집계 방법으로 인해 잘못된 결과를 초래할 수 있습니다.

비즈니스에 초점을 맞춘 이 추상화 계층은 몇 가지 일반적인 문제를 해결합니다.

  • AI 애플리케이션의 경우: 의미 체계 뷰는 LLM 추론과 규칙 기반 정의를 결합하여 정확성을 높입니다. 현재 Cortex Analyst 는 의미 체계 뷰 정의에서 캡처한 정보를 읽고 물리적 테이블에 대한 SQL 을 직접 생성합니다.

  • 비즈니스 인텔리전스(BI)의 경우: 비즈니스 사용자는 모든 도구에서 일관된 메트릭과 차원을 활용할 수 있습니다. 익숙한 BI 인터페이스에서 이러한 사전 정의된 비즈니스 개념을 쉽게 결합하여 데이터를 탐색하고 인사이트를 얻을 수 있습니다.

  • 기술 분석가의 경우: 비즈니스 논리의 중앙 집중식 위치는 쿼리 간에 메트릭 정의의 중복을 줄이고 복잡한 스키마 관계를 단순화하여 데이터 모델링을 더 쉽게 구축하고 유지 관리할 수 있게 해줍니다.

의미 체계 뷰 이해하기

참고

이 항목 전체에서 데이터베이스 관련 아티팩트(예: 데이터베이스 테이블)는 물리적 오브젝트 로, 의미 체계 뷰와 관련된 아티팩트는 논리적 오브젝트 로 지칭합니다.

의미 체계 뷰 내에서 일반적으로 고객, 주문 또는 공급업체와 같은 비즈니스 엔터티에 해당하는 논리적 테이블을 정의합니다. 공유 키에 대한 조인을 통해 논리적 테이블 간의 관계를 정의할 수 있으므로 데이터베이스 테이블을 조인할 때와 마찬가지로 엔터티 전반에서 데이터를 분석할 수 있습니다.

논리 테이블을 사용하여 정의할 수 있습니다.

  • 팩트: 팩트는 특정 비즈니스 이벤트 또는 트랜잭션을 나타내는 데이터 모델링의 행 수준 특성입니다. 팩트는 더 세부적인 수준의 데이터(예: t 가 더 세부적인 수준의 데이터를 나타내는 SUM(t.x))의 집계를 사용하여 정의할 수 있지만, 항상 논리적 테이블의 개별 행 수준에서 특성으로 표시됩니다. 팩트는 개별 판매 금액, 구매 수량 또는 비용과 같이 가장 세분화된 수준에서 ‘얼마’ 또는 ‘몇 개’를 캡처합니다. 팩트는 일반적으로 의미 체계 뷰 내에서 차원과 메트릭을 구성하는 데 도움이 되는 ‘헬퍼’의 개념으로 기능한다는 점에 유의해야 합니다.

  • 메트릭: 메트릭은 여러 행에 걸쳐 동일한 테이블(SUM, AVG, COUNT 같은 함수 사용)의 팩트 또는 기타 열을 집계하여 계산된 비즈니스 성능의 정량화 가능한 측정값입니다. 이들은 원시 데이터를 의미 있는 비즈니스 메트릭로 변환하며, 종종 복잡한 공식으로 여러 계산을 결합합니다. 예를 들면, 총 수익 또는 이익 마진율 등이 있습니다. 메트릭은 비즈니스 의사결정을 내리는 보고서 및 대시보드에서 KPIs 를 나타냅니다.

  • 차원: 차원은 범주형 특성을 나타냅니다. 데이터를 의미 있는 카테고리로 그룹화하여 메트릭에 의미를 부여하는 컨텍스트 프레임워크를 제공합니다. 구매 날짜, 고객 세부 정보, 제품 카테고리 또는 위치와 같은 ‘누가’, ‘무엇을’, ‘어디서’, ‘언제’ 등의 질문에 대답합니다. 일반적으로 텍스트 기반 또는 계층형인 차원을 사용하면 사용자는 다양한 관점에서 데이터를 필터링, 그룹화 및 분석할 수 있습니다.

의미 체계 뷰에서 이 세 가지 요소는 서로 다른 역할을 하지만, 메트릭과 차원은 의미 체계 뷰를 통해 데이터를 분석할 때 주로 상호 작용하는 요소입니다. 팩트는 기본 행 수준의 숫자 데이터를 제공하고, 메트릭은 집계 및 계산을 통해 데이터를 작업 가능한 인사이트로 변환하며, 차원은 뷰를 결정하는 관점을 결정합니다.

자세한 내용은 의미 체계 모델 사양의 핵심 개념 섹션 을 참조하십시오.

의미 체계 뷰 작업을 위한 인터페이스

다음 인터페이스를 사용하여 의미 체계 뷰를 생성하고, 관리하고, 사용할 수 있습니다.

제한 사항

  • 복제 에 대해서는 의미 체계 뷰가 지원되지 않습니다.

시작하기

의미 체계 뷰를 시작하려면 다음과 같이 하십시오.

  1. 비즈니스 데이터 모델링을 설계하십시오.

    • 데이터에 어떤 비즈니스 엔터티(예: 고객, 제품, 주문 등)가 존재하나요?

    • 이러한 엔터티는 서로 어떤 관계가 있을까요?

    • 비즈니스에 중요한 메트릭은 무엇인가요?

    • 이러한 메트릭을 분석하는 데 어떤 차원을 사용하나요?

  2. 비즈니스 개념을 실제 데이터에 매핑하십시오.

    • 어떤 테이블에 필요한 데이터가 포함되어 있나요? 간단한 별표 스키마로 시작하는 것이 좋습니다.

    • 이러한 테이블을 어떻게 조인하시겠습니까?

    • 메트릭을 도출하려면 어떤 계산이 필요한가요?

  3. 의미 체계 뷰를 생성합니다.

    이러한 인터페이스 중 하나 를 사용하여 의미 체계 뷰를 생성할 수 있습니다.

  4. 의미 체계 뷰는 다음과 같은 방법으로 사용할 수 있습니다.

    • 의미 체계 뷰의 자연어 쿼리에는 Cortex Analyst 를 사용하십시오.

      Cortex Analyst REST API 를 사용하여 의미 체계 뷰를 사용하는 자연어 쿼리를 수행할 수 있습니다.

      의미 체계 뷰를 사용하는 REST API 요청을 모니터링해야 하는 경우 Cortex Analyst 관리자 모니터링 섹션을 참조하십시오.

    • SELECT 문에서 의미 체계 뷰를 쿼리합니다. (의미 체계 뷰 쿼리는 미리 보기 기능 을 참조하십시오.) 자세한 내용은 의미 체계 뷰 쿼리하기 섹션을 참조하십시오.

의미 체계 뷰에 대한 추가 정보

의미 체계 뷰에 대한 자세한 내용은 다음 항목를 참조하십시오.