에이전트를 활용한 비즈니스 인텔리전스
AI로 번역함. 영어 원문을 사람이 검증함. 우리가 책을 만드는 방식
영어판 2026.11.15판을 번역한 것이다. 원문 읽기
웨어하우스의 데이터로 비즈니스 질문을 신뢰할 수 있는 인사이트로 바꾸는 에이전트. 계층화된 컨텍스트, 시맨틱 레이어의 관리되는 지표, 보호된 SQL, 답할 수 없을 때 그렇다고 말하는 답변, 에이전트가 말로 우회할 수 없는 접근 규칙, 직접 만든 골든 질문에 대한 평가를 다루며, 모두 MCP로 제공하고 DuckDB, sqlglot, MetricFlow 위에서 구현한다.
대상 독자 SQL을 작성하고 자신의 웨어하우스를 잘 알며, 정확한 숫자를 답하는 어시스턴트로 사람들이 데이터에 질문할 수 있게 해 달라는 요청을 받은 애널리틱스 엔지니어, BI 개발자, 데이터 과학자를 위한 책이다.
Kindle 또는 모든 전자책 리더기에서 읽는다
EPUB은 Apple Books, Kobo 및 대부분의 전자책 단말기에서도 사용할 수 있다.
Kindle로 보내기
이 판의 EPUB을 보냅니다 한국어.
-
우리 주소 승인하기
아마존은 승인된 주소에서 보낸 파일만 킨들로 전달한다. 파일을 이메일로 보내는 서비스마다 한 번씩 승인해야 한다. 우리 주소를 승인된 개인 문서 이메일 목록에 추가한다.
books@rollingedition.comAmazon 개인 문서 설정 열기. Amazon에서는 콘텐츠 및 기기 관리, 환경설정, 개인 문서 설정에 있다.
보냈다. 몇 분 안에 Kindle 서재에 나타난다.
도서가 도착하지 않으면 대부분 1단계의 승인 문제이다. books@rollingedition.com가 승인된 개인 문서 이메일 목록에 있는지 확인한다.
저장한 책의 새 판은 Kindle로도 전송된다.
Kindle 주소가 아니다. 주소는 @kindle.com으로 끝나며, Amazon의 개인 문서 설정에서 찾을 수 있다.
오늘 {count}권의 책을 보냈으며, 이는 한 계정이 하루에 받을 수 있는 최대치입니다. 내일 다시 시도하세요.
오늘 보낼 수 있는 도서는 모두 보냈다. 내일 다시 시도하라.
책을 보내지 못했다. 몇 분 후 다시 시도한다.
이 판은 용량이 커서 이메일로 보낼 수 없다.
Kindle로 보내기는 Labs와 함께 제공된다.
Kindle 주소가 아니다. 주소는 @kindle.com으로 끝나며, Amazon의 개인 문서 설정에서 찾을 수 있다.
책을 보내지 못했다. 몇 분 후 다시 시도한다.
또는 EPUB을 내려받아 Amazon의 Send to Kindle 페이지에 끌어다 놓는다.
Kindle is a trademark of Amazon.com, Inc.
목차
11장, 읽는 데 약 10시간 58분, 78개 예제 포함.
-
1처음부터 끝까지 만드는 데이터 에이전트
이 장을 마치면 쇼핑몰의 웨어하우스를 구축하고, 기록된 모델이 비즈니스 질문에 대한 SQL을 작성하게 하고, 그 SQL을 실행해 잘못된 숫자가 나오는 것을 잡아내고, 같은 질문에 하나의 정의된 지표로 답하고, 두 방식을 다섯 개의 골든 질문으로 채점할 수 있다. 이 장은 이 책 전체의 결과물을 거칠게 만든 형태이며, 이후의 각 장은 그중 한 부분을 견고하게 다듬는다.
-
2Where raw text-to-SQL gets the number wrong
By the end of this chapter, you can name the five ways schema-only text-to-SQL returns a plausible wrong number on a real warehouse, show each one on the shop's warehouse, count them across a set of golden questions, and tell which a better prompt can fix and which need definitions the schema doesn't hold.
-
3Build golden questions from your own work
By the end of this chapter, you can write golden questions from the questions people in your business ask, each with its golden SQL, the role that asks it and the kind of answer it needs.
-
4Give the agent layered context
By the end of this chapter, you can give a model that writes SQL more than the schema, in layers: notes on columns whose names mislead, a glossary of the shop's business terms, and verified queries retrieved for each question.
-
5Define metrics once in a semantic layer
By the end of this chapter, you can write the shop's semantic models and metrics in MetricFlow's YAML spec, compile a metric request to SQL with the book's own compiler, show that its entity joins can't fan out, group by the fiscal calendar, and confirm that MetricFlow compiles the same definitions to the same results.
-
6거버넌스된 지표로 먼저 질문을 라우팅하기
이 장을 마치면 웨어하우스의 테이블 대신 시맨틱 레이어의 지표를 에이전트에게 도구로 제공하고, 에이전트가 아무것도 실행되기 전에 검증되는 구조화된 지표 요청을 반환하게 하며, 질문이 여러 지표를 뜻할 수 있을 때 에이전트가 사람에게 되묻게 하고, 그 변화를 골든 질문으로 측정할 수 있다.
-
7Let the agent write SQL inside guards
By the end of this chapter, you can handle the questions no metric covers by letting the agent write SQL that runs read-only on a database holding only the rows and columns its role may read, and that is parsed, checked against an allowlist of tables, bounded in rows, size, cost and time, repaired once from an error, and transpiled to your warehouse's dialect.
-
8답할 수 없을 때는 그렇다고 말하라
이 장을 마치면 거절을 하나의 정식 답변으로 다룰 수 있다. 웨어하우스가 답할 수 있는 질문과 답할 수 없는 질문을 구분하고, 알려진 종류의 이유를 들어 거절하고, 질문이 가리키는 기간의 데이터가 도착했는지 확인하고, 모든 답변의 근거가 된 출처 정보(provenance)를 보여 주고, 거절을 정밀도와 재현율로 측정하여 에이전트가 추측하지도, 지나치게 자주 거절하지도 않게 한다.
-
9에이전트가 볼 수 있는 범위를 제한하기
이 장을 마치면 각 역할의 행 필터, 열 마스크, 최소 그룹 크기를 에이전트보다 아래에 있는 해당 역할 자신의 데이터베이스에서 강제할 수 있다. 이때 시맨틱 계층의 재작성과 가드는 다층 방어로 둔다. 그러면 어떤 프롬프트로도 접근 범위를 넓힐 수 없다. 또한 프롬프트에 적어 둔 접근 규칙이 실패함을 보일 수 있고, 작은 그룹으로 개인이 식별되는 것을 막을 수 있으며, 데이터 안에 담겨 들어온 텍스트가 지시로 작동하지 않게 할 수 있다.
-
10답을 판정하고 회귀를 잡아내기
이 장을 마치면 여러 척도로 에이전트의 한 번의 실행을 동시에 채점하고, 결과를 직접 비교할 수 없는 경우에만 모델을 판정자로 사용하며, 누구나 다시 계산할 수 있는 기준 레이블로 그 판정자를 보정하고, 실행마다 점수가 얼마나 움직이는지 확인하며, 기록된 실행을 바탕으로 프롬프트, 컨텍스트, 지표의 변경을 CI에서 통과시키거나 막을 수 있다.
-
11Serve the semantic layer over MCP
By the end of this chapter, you can serve the shop's governed metrics as MCP tools that answer for the role the server was built for, return each answer with its provenance as structured data, test the server in memory, and run the book's agent through it as a host.