의미 체계 뷰 Autopilot¶
|sf-web-interface|에서 의미 체계 뷰를 생성하고 관리하여 |cortex-analyst|의 데이터에 대한 논리 테이블을 정의할 수 있습니다. 의미 체계 뷰는 물리적 테이블을 추상화하고 데이터에 비즈니스 친화적인 계층을 제공합니다. 의미 체계 뷰를 |cortex-analyst|와 함께 사용하여 비즈니스 질문에 답변하고 데이터 분석을 수행할 수 있습니다. 의미 체계 뷰를 수동으로 생성하거나 AI 지원 생성기인 의미 체계 뷰 Autopilot을 사용하여 의미 체계 뷰를 생성할 수 있습니다.
참고
이 섹션의 지침에 따라 의미 체계 모델을 생성할 수도 있지만, 의미 체계 뷰를 대신 사용하는 것을 권장합니다. 의미 체계 뷰는 다음과 같은 기능을 제공합니다.
의미 체계 뷰는 파생 메트릭과 같은 고급 기능을 지원합니다.
의미 체계 뷰는 액세스 수정을 지원합니다. 의미 체계 뷰는 기본적으로 공개이지만 비공개로 설정할 수 있습니다.
의미 체계 뷰는 Snowflake의 권한 시스템, 공유 메커니즘, 메타데이터 카탈로그와 통합되는 스키마 오브젝트입니다. 의미 체계 모델은 스테이지에 저장된 YAML 파일로, 네이티브 기본 데이터베이스 통합이 부족합니다.
생성기는 다음 입력을 사용하여 뷰를 빌드합니다.
쿼리 기록: 일반적인 사용 패턴, 관계, 검증된 쿼리 제안을 식별하기 위해 과거 SQL 쿼리를 표시합니다.
테이블 메타데이터: 설명, 기본/고유 키, 카디널리티를 추출하여 관계를 결정합니다.
컨텍스트(강력하게 권장됨): 사용자가 제공하는 예제 SQL 쿼리 또는 Tableau 파일을 사용하여 관계의 유효성을 검사하고 관련 비즈니스 논리를 추출합니다.
전제 조건¶
의미 체계 뷰를 만들려면 다음 권한이 있는 역할을 사용해야 합니다.
의미 체계 뷰를 생성하는 스키마에 대한 CREATE SEMANTIC VIEW 권한
데이터베이스 및 스키마에 대한 USAGE
의미 체계 뷰에 사용된 테이블과 뷰에 대한 SELECT 권한
Tableau에서 모델을 내보내고 이를 사용하여 의미 체계 뷰를 자동으로 생성할 수 있습니다. Tableau 수집 기능에는 앞의 전제 조건 외에도 다음이 필요합니다.
쓰기 권한이 있는 스테이지.
Tableau 파일에 사용자 지정 SQL이 포함된 경우 SQL은 일반 Snowflake 뷰로 구문 분석되므로 스키마에 대한 CREATE VIEW 권한도 있어야 합니다.
컨텍스트 제공 옵션¶
컨텍스트를 제공하는 것은 선택 사항이지만 고품질 의미 체계 뷰를 생성하는 데 매우 유용합니다. 컨텍스트가 없는 경우 모델은 데이터베이스 스키마 정보만 사용하므로 비즈니스 뉘앙스가 부족할 수 있습니다. 컨텍스트를 제공하기 위해 지원되는 옵션은 다음과 같습니다.
옵션 1: Tableau 파일 업로드¶
의미 체계 뷰 Autopilot은 Tableau의 파일을 사용하여 의미 체계 모델을 자동으로 생성하는 기능을 지원합니다. 이를 통해 기존 비즈니스 논리와 메타데이터를 Snowflake로 직접 마이그레이션할 수 있습니다.
Tableau Desktop 또는 Tableau Online을 사용하여 의미 체계 뷰 Autopilot에 파일을 제공할 수 있습니다. 의미 체계 뷰 Autopilot은 다음 파일 형식을 지원합니다.
TWBTWBXTDS
파일은 다음 제약 조건을 충족해야 합니다.
파일 크기: 50MB미만이어야 합니다.
게시된 데이터 소스 없음: 게시된 데이터 소스가 포함된 파일은 현재 지원되지 않습니다.
대규모 추출 없음: .twbx 파일을 사용하는 경우 대용량 추출이 포함되어 있지 않은지 확인하세요. .twb 파일을 사용하는 경우 대용량 필터나 매개 변수가 포함되어 있지 않은지 확인하세요.
LOD 계산: 세부 수준(LOD) 계산은 지원되지 않습니다.
Tableau Desktop에서 TWB 또는 TWBX 파일을 가져올 수 있습니다. 파일을 찾을 수 없는 경우 :code:`File | Save As`로 이동하고 :code:`TWB`로 저장하도록 선택합니다.
Tableau Online에서 뷰 또는 통합 문서를 가져오는 방법에 대한 자세한 내용은 `뷰 및 통합 문서 다운로드하기<https://help.tableau.com/current/pro/desktop/en-us/export.htm>`_를 참조하세요.
Tableau 파일을 의미 체계 뷰 Autopilot에 제공하면 Autopilot이 파일을 구문 분석하여 다음 메타데이터를 추출합니다.
테이블 및 열
테이블 간의 관계
Tableau 계산 필드
매개 변수 및 필터
사용자 지정 SQL(구문 분석되어 일반 Snowflake 뷰로 전환됨)
옵션 2: SQL 쿼리 제공¶
예제 자연어 질문 및 해당 SQL 질문을 추가할 수 있습니다. 이는 모델이 특정 비즈니스 논리를 학습하고 관계를 생성하는 데 도움이 됩니다.
Snowflake는 이러한 쿼리를 사용하여 후속 단계에서 테이블과 열을 미리 선택하고 이러한 쿼리를 의미 체계 모델에서 “검증된 쿼리”로 자동 추가합니다. 또한 유효한 관계를 유추할 수 있는 경우 의미 체계 뷰에 추가됩니다.
의미 체계 뷰 생성¶
의미 체계 뷰를 생성하려면 먼저 생성기로 이동합니다.
Snowsight 에 로그인합니다.
탐색 메뉴에서 AI & ML » Cortex Analyst 를 선택합니다.
상단에서 :ui:`Create new`를 선택합니다.
Create new Semantic View 을 선택합니다.
생성기로 이동한 후 의미 체계 뷰에 대한 기본 정보를 정의할 수 있습니다.
:ui:`Location`(데이터베이스 및 스키마)을 선택하여 뷰를 저장합니다.
의미 체계 뷰의 :ui:`Name`을 입력합니다.
Description 을 입력합니다. AI가 뷰의 용도를 이해할 수 있도록 명확한 비즈니스 용어를 사용합니다.
Next 을 선택합니다.
컨텍스트와 데이터를 Tableau 파일로 제공하려면 다음을 수행합니다.
:ui:`Tableau Files`를 선택하여 Tableau .twb, .tds 또는 .twbx 파일을 업로드합니다.
업로드할 Tableau 파일을 선택합니다.
Next 을 선택합니다.
이제 의미 체계 뷰에 대한 컨텍스트와 데이터를 Tableau 파일로 제공했습니다.
컨텍스트와 데이터를 SQL 쿼리로 제공하려면 다음을 수행합니다.
:ui:`SQL Queries`를 선택하여 Gold Standard 예제 SQL 쿼리를 수동으로 추가합니다.
SQL 쿼리를 입력합니다.
Next 을 선택합니다.
테이블에서 선택한 테이블과 열을 검토합니다.
포함할 특정 열을 선택합니다.
AI 옵션 구성:
Sample Values: 샘플 값을 추가할지 여부를 선택합니다. 이를 통해 특정 리전 이름과 같은 특정 데이터 값을 인식할 수 있어 |cortex-analyst|의 정확도가 크게 개선됩니다.
AI-Generated Descriptions: 이름과 내용을 기준으로 테이블 및 열에 대한 설명을 자동으로 생성할지 여부를 선택합니다. 이는 정확도를 크게 개선하는 기능이기도 합니다.
의미 체계 뷰를 생성하려면 다음을 수행합니다.
Create and save 을 선택합니다.
Save and run 을 선택합니다.
의미 체계 뷰를 생성하는 데는 몇 분 정도 걸릴 수 있습니다. 화면에서 진행 상황을 확인할 수 있습니다.
의미 체계 뷰 생성을 위한 모범 사례¶
의미 체계 뷰를 생성할 때 높은 정밀도를 보장하려면 다음 팁을 따릅니다.
최종 사용자 관점에서 고려합니다. 비즈니스 사용자가 실제로 사용하는 어휘와 일치하는 이름 및 동의어를 사용합니다(예: AMT_TOT 대신 “수익”).
간단하게 시작합니다. 집중된 범위로 작게 시작합니다. 예를 들어, 3~5개의 테이블이 있는 Sales Analytics를 점진적으로 확장합니다. 이를 통해 대규모 “만능” 모델보다 더 높은 정확도를 보장합니다.
생성된 콘텐츠를 검토합니다. 항상 AI에서 생성된 설명 및 관계를 검토합니다. 실제 비즈니스 논리와 일치하는지 확인합니다.
복잡한 논리를 캡처합니다. 메트릭 및 검증된 쿼리를 사용하여 복잡한 계산을 처리하므로 사용자가 원시 열에서 LLM을 추론할 필요가 없습니다.
테스트하고 반복합니다. 생성 후 |cortex-analyst|에서 실제 비즈니스 질문으로 뷰를 테스트합니다. 답변이 틀리면 검증된 쿼리를 추가하거나 설명을 업데이트하여 수정합니다.