아마존 퀵사이트 다중 데이터셋 관계 모델링 가이드

주장아마존 퀵사이트(Amazon QuickSight)의 다중 데이터셋 관계 기능은 기존의 사전 조인 방식이 가진 한계를 극복합니다. 데이터를 미리 평탄화하지 않고도 쿼리 시점에 필요한 테이블만 결합하여 분석 효율성을 극대화합니다.

팩트기존 방식은 분석 전 모든 데이터를 하나의 넓은 데이터셋으로 병합해야 했습니다. 이 과정에서 데이터 중복과 유지보수 비용 증가, 보고서 시나리오별 데이터셋 파편화 문제가 발생합니다.

팩트새로운 모델은 데이터셋 간의 논리적 관계를 퀵사이트 토픽 내에서 정의합니다. 퀵사이트는 시각화와 계산 필드, 필터 또는 자연어 질문이 발생할 때 필요한 데이터만 실시간으로 조인합니다.

주장이 패러다임 전환은 데이터 거버넌스와 관리 측면에서 큰 이점을 제공합니다. 데이터셋별로 권한을 관리하고 독립적인 새로고침 일정을 설정할 수 있어 운영 유연성이 향상됩니다.

교차검증현재 릴리스된 다중 데이터셋 관계 기능은 내부 조인(Inner Join) 방식만을 지원합니다. 두 데이터셋의 키 값이 일치하는 행만 결과에 포함된다는 점을 유의해야 합니다.

팩트데이터 모델링은 물리적 계층과 논리적 계층으로 구분됩니다. 물리적 계층은 데이터셋 내부의 조인과 변환을 담당하며, 논리적 계층은 토픽 내에서 데이터셋 간의 관계를 정의합니다.

팩트차원 모델링의 핵심은 팩트 테이블과 차원 테이블의 구성입니다. 팩트 테이블은 측정 가능한 수치 데이터를 포함하며, 차원 테이블은 분석을 위한 설명적 속성을 제공합니다.

주장성능과 유지보수를 위해 스타 스키마(Star Schema)를 기본 모델로 권장합니다. 중앙의 팩트 테이블을 중심으로 차원 테이블을 배치하는 구조가 조인 복잡도를 낮추고 쿼리 성능을 최적화합니다.

팩트데이터셋 설계 시 비즈니스 개념 단위로 데이터를 분리합니다. 조인 키는 가급적 정수형 대리 키를 사용합니다.

팩트데이터 무결성을 확보하기 위해 데이터 타입 일치와 결측치 제거를 수행합니다.

주장데이터 모델을 체계적으로 설계하면 분석의 정확도와 시스템의 확장성을 동시에 확보할 수 있습니다.

출처아마존 웹 서비스(AWS) 공식 블로그의 데이터 모델링 모범 사례를 교차 검증했습니다. https://aws.amazon.com/blogs/machine-learning/data-modeling-best-practices-for-amazon-quick-sight-multi-dataset-relationships/