기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# 데이터 준비 환경(신규)
<a name="data-prep-experience-new"></a>

데이터 준비는 원시 데이터를 분석 및 시각화에 최적화된 형식으로 변환합니다. 비즈니스 인텔리전스에서이 중요한 프로세스에는 데이터를 정리, 구조화 및 보강하여 의미 있는 비즈니스 인사이트를 얻는 것이 포함됩니다.

Amazon Quick Sight의 데이터 준비 인터페이스는 사용자가 SQL 전문 지식 없이 분석 가능한 데이터 세트를 생성할 수 있는 직관적이고 시각적인 환경으로이 프로세스를 혁신합니다. 현대적이고 간소화된 접근 방식을 통해 사용자는 비즈니스 인텔리전스 데이터 세트를 효율적으로 생성하고 관리할 수 있습니다. 시각적 인터페이스는 데이터 변환에 대한 명확하고 순차적인 보기를 제공하므로 작성자는 초기 상태에서 최종 출력까지의 변경 사항을 정확하게 추적할 수 있습니다.

이 플랫폼은 협업과 재사용성을 강조하여 팀이 조직 전체에서 워크플로를 공유하고 용도를 변경할 수 있도록 합니다. 이 협업 설계는 데이터 변환 관행의 일관성을 높이는 동시에 중복 작업을 제거하여 궁극적으로 팀 간에 표준화된 프로세스를 촉진하고 전반적인 효율성을 향상시킵니다.

**Topics**
+ [데이터 준비 환경 내 구성 요소](data-prep-components.md)
+ [데이터 준비 단계](data-prep-steps.md)
+ [고급 워크플로 기능](advanced-workflow-capabilities.md)
+ [SPICE 전용 기능](spice-only-features.md)
+ [데이터 준비 경험 간 전환](switching-between-data-prep-experiences.md)
+ [새로운 데이터 준비 환경에서 지원되지 않는 기능](unsupported-features.md)
+ [데이터 준비 제한](data-preparation-limits.md)
+ [수집 동작 변경](ingestion-behavior-changes.md)
+ [자주 묻는 질문(FAQ)](new-data-prep-faqs.md)

# 데이터 준비 환경 내 구성 요소
<a name="data-prep-components"></a>

Amazon Quick Sight의 데이터 준비 경험에는 다음과 같은 핵심 구성 요소가 있습니다.

## 워크플로
<a name="workflow-component"></a>

Quick Sight의 데이터 준비 환경의 워크플로는 데이터 세트를 원시 상태에서 분석 준비 양식으로 안내하는 일련의 데이터 변환 단계를 나타냅니다. 이러한 워크플로는 재사용성을 위해 설계되었으므로 분석가는 조직 전체에서 일관된 데이터 변환 표준을 유지하면서 기존 작업을 활용하고 구축할 수 있습니다.

워크플로는 다양한 입력 또는 발산을 통해 여러 경로를 수용할 수 있지만(다음 섹션에 자세히 설명됨), 궁극적으로 단일 출력 테이블로 수렴해야 합니다. 이 통합 구조는 데이터 일관성과 간소화된 분석 기능을 보장합니다.

## 트랜스포메이션
<a name="transformation-component"></a>

변환은 데이터의 구조, 형식 또는 콘텐츠를 변경하는 특정 데이터 조작 작업입니다. Quick Sight의 데이터 준비 경험은 조인, 필터, 집계, 피벗, 피벗 해제, 추가, 계산된 열 등 다양한 변환 유형을 제공합니다. 각 변환 유형은 분석 요구 사항을 충족하도록 데이터를 재구성하는 고유한 목적을 제공합니다. 이러한 변환은 워크플로 내에서 개별 단계로 구현됩니다.

## 단계
<a name="step-component"></a>

단계는 워크플로 내에 적용된 것과 동일한 유형의 동종 변환 모음입니다. 각 단계에는 동일한 변환 범주의 관련 작업이 하나 이상 포함됩니다. 예를 들어 이름 바꾸기 단계에는 여러 열 이름 바꾸기 작업이 포함될 수 있고 필터 단계에는 여러 필터링 조건이 포함될 수 있습니다. 모두 워크플로에서 단일 단위로 관리됩니다.

대부분의 단계에는 여러 작업이 포함될 수 있습니다. 단, 조인 및 추가 단계는 단계당 두 개의 입력 테이블로 제한됩니다. 두 개 이상의 테이블을 조인하거나 추가하려면 추가 조인 또는 추가 단계를 순서대로 생성할 수 있습니다.

단계는 순서대로 표시되며 각 단계는 이전 단계의 결과를 기반으로 구축되므로 데이터의 점진적 변환을 추적할 수 있습니다. 단계의 이름을 바꾸거나 삭제하려면 단계를 선택하고 점 3개 메뉴를 선택합니다.

## 커넥터
<a name="connector-component"></a>

커넥터는 두 단계를 워크플로 방향을 나타내는 화살표와 연결합니다. 커넥터를 선택하고 삭제 키를 눌러 삭제할 수 있습니다. 두 기존 단계 사이에 단계를 추가하려면 커넥터를 삭제하고 새 단계를 추가한 다음 두 단계 간에 마우스를 끌어 단계를 다시 연결하면 됩니다.

## 구성 창
<a name="configure-pane-component"></a>

**구성 창**은 선택한 단계의 파라미터와 설정을 정의하는 대화형 영역입니다. 워크플로에서 단계를 선택하면이 창에 해당 특정 변환 유형에 대한 관련 옵션이 표시됩니다. 예를 들어 조인 단계를 구성할 때 조인 유형, 일치하는 열 및 기타 조인별 설정을 선택할 수 있습니다. **구성 창의** point-and-click 인터페이스를 사용하면 SQL 지식이 필요하지 않습니다.

## 미리 보기 창
<a name="preview-pane-component"></a>

**미리 보기 창에**는 현재 변환 단계를 적용한 후 표시되는 데이터의 실시간 샘플이 표시됩니다. 이 즉각적인 시각적 피드백은 다음 단계로 진행하기 전에 각 변환이 예상 결과를 생성하는지 확인하는 데 도움이 됩니다. 단계 구성을 수정하면 **미리 보기 창이** 동적으로 업데이트되므로 데이터 변환을 반복적으로 세분화할 수 있습니다.

이러한 구성 요소는 함께 작동하여 기술 전문 지식 없이도 비즈니스 사용자가 복잡한 데이터 변환에 액세스할 수 있는 직관적이고 시각적인 데이터 준비 환경을 만듭니다.

# 데이터 준비 단계
<a name="data-prep-steps"></a>

Amazon Quick Sight의 데이터 준비 경험은 데이터를 체계적으로 변환할 수 있는 11가지 강력한 단계 유형을 제공합니다. 각 단계는 데이터 준비 워크플로에서 특정 목적을 수행합니다.

단계는 **구성** 창의 직관적인 인터페이스를 통해 구성할 수 있으며, 미리 **보기** 창에 즉각적인 피드백이 표시됩니다. 단계를 순차적으로 결합하여 SQL 전문 지식 없이도 정교한 데이터 변환을 생성할 수 있습니다.

각 단계는 물리적 테이블 또는 이전 단계의 출력에서 입력을 수신할 수 있습니다. 대부분의 단계에서는 단일 입력을 허용하며 추가 및 조인 단계는 예외입니다. 이러한 단계에는 정확히 두 개의 입력이 필요합니다.

## Input
<a name="input-step"></a>

입력 단계는 후속 단계에서 변환을 위해 여러 소스에서 데이터를 선택하고 가져올 수 있도록 하여 Quick Sight에서 데이터 준비 워크플로를 시작합니다.

**입력 옵션**
+ **데이터 세트 추가**

  기존 Quick Sight 데이터 세트를 입력 소스로 활용하여 팀이 이미 준비하고 최적화한 데이터를 기반으로 구축합니다.
+ **데이터 소스 추가**

  특정 데이터베이스 객체를 선택하고 연결 파라미터를 제공하여 Amazon Redshift, Athena, RDS 또는 기타 지원되는 소스와 같은 데이터베이스에 직접 연결합니다.
+ **파일 업로드 추가**

  CSV, TSV, Excel 또는 JSON과 같은 형식으로 로컬 파일에서 직접 데이터를 가져옵니다.

**구성**

입력 단계에는 구성이 필요하지 않습니다. **미리 보기** 창에는 가져온 데이터가 연결 세부 정보, 테이블 이름 및 열 메타데이터를 포함한 소스 정보와 함께 표시됩니다.

**사용 노트**
+ 단일 워크플로 내에 여러 입력 단계가 존재할 수 있습니다.
+ 워크플로의 언제든지 입력 단계를 추가할 수 있습니다.

## 계산된 열 추가
<a name="add-calculated-columns-step"></a>

계산된 열 추가 단계를 사용하면 기존 열에 대해 계산을 수행하는 행 수준 표현식을 사용하여 새 열을 생성할 수 있습니다. 스칼라(행 수준) 함수와 연산자를 사용하여 새 열을 생성하고 기존 열을 참조하는 행 수준 계산을 적용할 수 있습니다.

**구성**

계산된 열 추가 단계를 구성하려면 **구성** 창에서 다음을 수행합니다.

1. 계산된 새 열의 이름을 지정합니다.

1. 행 수준 함수 및 연산자(예: [ifelse](ifelse-function.md) 및 [round](round-function.md))를 지원하는 계산 편집기를 사용하여 표현식을 빌드합니다.

1. 계산을 저장합니다.

1. 표현식 결과를 미리 봅니다.

1. 필요에 따라 계산된 열을 더 추가합니다.

**사용 노트**
+ 이 단계에서는 스칼라(행 수준) 계산만 지원됩니다.
+ SPICE에서는 계산된 열이 구체화되고 후속 단계에서 표준 열로 작동합니다.

## 데이터 유형 변경
<a name="change-data-type-step"></a>

Quick Sight는 `date`, , 및의 4가지 추상 데이터 형식을 지원하여 데이터 형식 관리를 간소화`decimal``integer`합니다`string`. 이러한 추상 유형은 다양한 소스 데이터 형식을 Quick Sight에 자동으로 매핑하여 복잡성을 제거합니다. 예를 들어, , `tinyint``integer`, 및 `smallint``bigint`는 모두에 매핑되는 반면`integer`, `datetime`, 및 `date``timestamp`는에 매핑됩니다`date`.

Quick Sight는 다양한 데이터 소스와 상호 작용할 때 모든 기본 데이터 유형 변환 및 계산을 자동으로 처리하므로 Quick Sight의 네 가지 데이터 유형만 이해하면 됩니다.

**구성**

데이터 유형 변경 단계를 구성하려면 **구성** 창에서 다음을 수행합니다.

1. 변환할 열을 선택합니다.

1. 대상 데이터 유형(`string`, `decimal`, 또는 `integer``date`)을 선택합니다.

1. 날짜 변환의 경우 입력 형식을 기반으로 형식 설정 및 미리 보기 결과를 지정합니다. Quick Sight에서 [지원되는 날짜 형식을](supported-data-types-and-values.md) 참조하세요.

1. 필요에 따라 변환할 열을 추가합니다.

**사용 노트**
+ 효율성을 위해 한 번에 여러 열의 데이터 형식을 변환합니다.
+ SPICE를 사용하면 가져온 데이터에 모든 데이터 형식 변경이 구체화됩니다.

## 열 이름 바꾸기
<a name="rename-columns-step"></a>

열 이름 바꾸기 단계를 사용하면 열 이름을 보다 설명적이고 사용자 친화적이며 조직의 이름 지정 규칙에 맞게 수정할 수 있습니다.

**구성**

열 이름 바꾸기 단계를 구성하려면 **구성** 창에서 다음을 수행합니다.

1. 이름을 지정할 열을 선택합니다.

1. 선택한 열의 새 이름을 입력합니다.

1. 필요에 따라 이름을 바꿀 열을 더 추가합니다.

**사용 노트**
+ 모든 열 이름은 데이터 세트 내에서 고유해야 합니다.

## 열 선택
<a name="select-columns-step"></a>

열 선택 단계를 사용하면 열을 포함, 제외 및 재정렬하여 데이터 세트를 간소화할 수 있습니다. 이렇게 하면 불필요한 열을 제거하고 분석을 위해 나머지 열을 논리적 시퀀스로 구성하여 데이터 구조를 최적화할 수 있습니다.

**구성**

열 선택 단계를 구성하려면 **구성** 창에서 다음을 수행합니다.

1. 출력에 포함할 특정 열을 선택합니다.

1. 원하는 순서대로 열을 선택하여 시퀀스를 설정합니다.

1. **모두 선택을** 사용하여 나머지 열을 원래 순서로 포함합니다.

1. 원치 않는 열은 선택하지 않은 상태로 두어 제외합니다.

**주요 기능**
+ 출력 열은 선택 순서대로 표시됩니다.
+ **모두 선택**은 원래 열 시퀀스를 보존합니다.

**사용 노트**
+ 선택하지 않은 열은 후속 단계에서 제거됩니다.
+ 불필요한 열을 제거하여 데이터 세트 크기를 최적화합니다.

## Append
<a name="append-step"></a>

추가 단계에서는 SQL UNION ALL 작업과 유사한 두 테이블을 수직으로 결합합니다. Quick Sight는 시퀀스가 아닌 이름별로 열을 자동으로 일치시켜 테이블의 열 순서가 다르거나 열 수가 다르더라도 효율적인 데이터 통합을 지원합니다.

**구성**

추가 단계를 구성하려면 **구성** 창에서 다음을 수행합니다.

1. 추가할 입력 테이블 2개를 선택합니다.

1. 출력 열 시퀀스를 검토합니다.

1. 두 테이블 모두에 있는 열과 단일 테이블에 있는 열을 검사합니다.

**주요 기능**
+ 시퀀스 대신 이름별로 열을 일치시킵니다.
+ 중복을 포함하여 두 테이블의 모든 행을 유지합니다.
+ 열 수가 서로 다른 테이블을 지원합니다.
+ 일치하는 열에 대한 표 1의 열 시퀀스를 따른 다음 표 2에서 고유한 열을 추가합니다.
+ 모든 열에 대한 명확한 소스 표시기를 표시합니다.

**사용 노트**
+ 이름이 다른 열을 추가할 때는 먼저 이름 바꾸기 단계를 사용합니다.
+ 각 추가 단계는 정확히 두 개의 테이블을 결합합니다. 더 많은 테이블에 대해 추가 추가 단계를 사용합니다.

## 조인
<a name="join-step"></a>

Join 단계는 지정된 열의 일치하는 값을 기반으로 두 테이블의 데이터를 수평적으로 결합합니다. Quick Sight는 왼쪽 외부, 오른쪽 외부, 전체 외부 및 내부 조인 유형을 지원하여 분석 요구 사항에 맞는 유연한 옵션을 제공합니다. 이 단계에는 중복 열 이름을 자동으로 처리하는 지능형 열 충돌 해결이 포함되어 있습니다. 자체 조인은 특정 조인 유형으로 사용할 수 없지만 워크플로 발산을 사용하여 유사한 결과를 얻을 수 있습니다.

**구성**

조인 단계를 구성하려면 **구성** 창에서 다음을 수행합니다.

1. 조인할 두 개의 입력 테이블을 선택합니다.

1. 조인 유형(왼쪽 외부, 오른쪽 외부, 전체 외부 또는 내부)을 선택합니다.

1. 각 테이블에서 조인 키를 지정합니다.

1. 자동 해결된 열 이름 충돌을 검토합니다.

**주요 기능**
+ 다양한 분석 요구 사항에 맞게 여러 조인 유형을 지원합니다.
+ 중복된 열 이름을 자동으로 확인합니다.
+ 계산된 열을 조인 키로 허용합니다.

**사용 노트**
+ 조인 키에는 호환되는 데이터 형식이 있어야 합니다. 필요한 경우 데이터 형식 변경 단계를 사용합니다.
+ 각 조인 단계는 정확히 두 개의 테이블을 결합합니다. 더 많은 테이블에는 추가 조인 단계를 사용합니다.
+ 조인 후 이름 바꾸기 단계를 생성하여 자동 해결된 열 헤더를 사용자 지정합니다.

## Aggregate
<a name="aggregate-step"></a>

집계 단계를 사용하면 열을 그룹화하고 집계 작업을 적용하여 데이터를 요약할 수 있습니다. 이 강력한 변환은 세부 데이터를 지정된 차원을 기반으로 의미 있는 요약으로 압축합니다. Quick Sight는 직관적인 인터페이스를 통해 복잡한 SQL 작업을 간소화하여 `ListAgg` 및와 같은 고급 문자열 작업을 포함한 포괄적인 집계 함수를 제공합니다`ListAgg distinct`.

**구성**

집계 단계를 구성하려면 **구성** 창에서 다음을 수행합니다.

1. 그룹화할 열을 선택합니다.

1. 측정 열에 대한 집계 함수를 선택합니다.

1. 출력 열 이름을 사용자 지정합니다.

1. `ListAgg` 및 `ListAgg distinct`의 경우:

   1. 집계할 열을 선택합니다.

   1. 구분자(쉼표, 대시, 세미콜론 또는 세로선)를 선택합니다.

1. 요약된 데이터를 미리 봅니다.

**데이터 유형당 지원되는 함수**


| 데이터 형식 | 지원되는 함수 | 
| --- | --- | 
|  Numeric  |  `Average`, `Sum` `Count`, `Count Distinct` `Max`, `Min`  | 
|  Date  |  `Count`, `Count Distinct` `Max`, `Min` `ListAgg`, `ListAgg distinct` (날짜만 해당)  | 
|  문자열  |  `ListAgg`, `ListAgg distinct` `Count`, `Count Distinct` `Max`, `Min`  | 

**주요 기능**
+ 동일한 단계 내의 열에 서로 다른 집계 함수를 적용합니다.
+ 집계 함수가 없는 **그룹화는** SQL SELECT DISTINCT 역할을 합니다.
+ `ListAgg`는 모든 값을 연결합니다. 에는 고유한 값만 `ListAgg distinct` 포함됩니다.
+ `ListAgg` 함수는 기본적으로 오름차순 정렬 순서를 유지합니다.

**사용 노트**
+ 집계는 데이터 세트의 행 수를 크게 줄입니다.
+ `ListAgg` 및는 `date` 값을 `ListAgg distinct` 지원하지만는 지원하지 않습니다`datetime`.
+ 구분자를 사용하여 문자열 연결 출력을 사용자 지정합니다.

## 필터
<a name="filter-step"></a>

필터 단계를 사용하면 특정 기준을 충족하는 행만 포함하여 데이터세트의 범위를 좁힐 수 있습니다. 단일 단계 내에 여러 필터 조건을 적용할 수 있으며, 모두 `AND` 로직을 통해 결합되어 분석을 관련 데이터에 집중할 수 있습니다.

**구성**

필터 단계를 구성하려면 **구성** 창에서 다음을 수행합니다.

1. 필터링할 열을 선택합니다.

1. 비교 연산자를 선택합니다.

1. 열의 데이터 유형에 따라 필터 값을 지정합니다.

1. 필요한 경우 다른 열에 필터 조건을 추가합니다.

**참고**  
"is in" 또는 "is not in"이 있는 문자열 필터: 여러 값(행당 하나)을 입력합니다.
숫자 및 날짜 필터: 단일 값을 입력합니다(두 값이 필요한 " 사이" 제외).

**데이터 유형당 지원되는 연산자**


| 데이터 형식 | 지원되는 연산자 | 
| --- | --- | 
|  정수 및 소수  |  같음, 같지 않음 보다 큼, 보다 작음 보다 크거나 같음, 보다 작거나 같음 사이에 있음  | 
|  Date  |  이후, 이전 사이에 있음 이후 또는 같음, 이전 또는 같음  | 
|  문자열  |  같음, 같지 않음 로 시작, 로 종료 포함, 포함되지 않음 에 있음,에 없음  | 

**사용 노트**
+ 한 번에 여러 필터 조건을 적용합니다.
+ 다양한 데이터 유형에 걸쳐 조건을 혼합합니다.
+ 필터링된 결과를 실시간으로 미리 봅니다.

## Pivot(피벗)
<a name="pivot-step"></a>

피벗 단계는 행 값을 고유한 열로 변환하여 데이터를 긴 형식에서 넓은 형식으로 변환하므로 비교 및 분석이 더 쉬워집니다. 이 변환에는 출력 열을 효과적으로 관리하기 위한 값 필터링, 집계 및 그룹화에 대한 사양이 필요합니다.

**구성**

피벗 단계를 구성하려면 **구성** 창에서 다음을 사용합니다.

1. **피벗 열**: 값이 열 헤더(예: 범주)가 될 열을 선택합니다.

1. **피벗 열 행 값**: 포함할 특정 값을 필터링합니다(예: 기술, 사무실 공급).

1. **출력 열 헤더**: 새 열 헤더를 사용자 지정합니다(기본값은 피벗 열 값).

1. **값 열**: 집계할 열을 선택합니다(예: 판매).

1. **집계 함수**: 집계 방법(예: 합계)을 선택합니다.

1. **그룹화 기준**: 열 구성(예: 세그먼트)을 지정합니다.

![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/pivot.png)


**데이터 유형당 지원되는 연산자**


| 데이터 형식 | 지원되는 연산자 | 
| --- | --- | 
|  정수 및 소수  |  `Average`, `Sum` `Count`, `Count Distinct` `Max`, `Min`  | 
|  Date  |  `Count`, `Count Distinct` `Max`, `Min` `ListAgg`, `ListAgg distinct` (날짜 값만 해당)  | 
|  문자열  |  `ListAgg`, `ListAgg distinct` `Count`, `Count Distinct` `Max`, `Min`  | 

**사용 노트**
+ 피벗된 각 열에는 값 열의 집계된 값이 포함됩니다.
+ 명확성을 위해 열 헤더를 사용자 지정합니다.
+ 변환 결과를 실시간으로 미리 봅니다.

## 피벗 해제
<a name="unpivot-step"></a>

피벗 해제 단계는 열을 행으로 변환하여 넓은 데이터를 더 길고 좁은 형식으로 변환합니다. 이 변환을 통해 여러 열에 분산된 데이터를 보다 구조화된 형식으로 구성하여 분석 및 시각화를 더 쉽게 수행할 수 있습니다.

**구성**

피벗 해제 단계를 구성하려면 **구성** 창에서 다음을 수행합니다.

1. 행으로 피벗 해제할 열을 선택합니다.

1. 출력 열 행 값을 정의합니다. 기본값은 원래 열 이름입니다. 몇 가지 예로는 기술, 사무실 공급 및 가구가 있습니다.

1. 두 개의 새 출력 열의 이름을 지정합니다.
   + **피벗되지 않은 열 헤더**: 이전 열 이름의 이름(예: 범주)
   + **피벗되지 않은 열 값**: 피벗되지 않은 값의 이름(예: Sales)

![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/unpivot.png)


**주요 기능**
+ 출력에 피벗되지 않은 모든 열을 유지합니다.
+ 두 개의 새 열을 자동으로 생성합니다. 하나는 이전 열 이름용이고 다른 하나는 해당 값에 대한 것입니다.
+ 광범위한 데이터를 긴 형식으로 변환합니다.

**사용 노트**
+ 피벗되지 않은 모든 열에는 호환되는 데이터 형식이 있어야 합니다.
+ 행 수는 일반적으로 피벗을 해제한 후 증가합니다.
+ 변경 사항을 적용하기 전에 실시간으로 미리 봅니다.

# 고급 워크플로 기능
<a name="advanced-workflow-capabilities"></a>

Amazon Quick Sight의 데이터 준비 경험은 복잡하고 재사용 가능한 데이터 변환을 생성하는 기능을 향상시키는 정교한 기능을 제공합니다. 이 섹션에서는 워크플로 잠재력을 확장하는 두 가지 강력한 기능을 다룹니다.

발산을 사용하면 단일 단계에서 여러 변환 경로를 생성하여 나중에 다시 결합할 수 있는 병렬 처리 스트림을 허용할 수 있습니다. 이 기능은 자체 조인 및 병렬 변환과 같은 복잡한 시나리오에 특히 유용합니다.

복합 데이터 세트를 사용하면 기존 데이터 세트를 빌딩 블록으로 사용하여 계층적 데이터 구조를 구축할 수 있습니다. 이 기능은 팀 간의 협업을 촉진하고 재사용 가능한 계층화된 변환을 통해 일관된 비즈니스 로직을 보장합니다.

이러한 기능은 함께 작동하여 유연한 워크플로 설계, 향상된 팀 협업 및 재사용 가능한 데이터 변환을 제공합니다. 또한 명확한 데이터 계보를 보장하고 확장 가능한 데이터 준비 솔루션을 지원하여 조직이 점점 더 복잡해지는 데이터 시나리오를 효율적이고 명확하게 처리할 수 있도록 지원합니다.

## 발산
<a name="divergence"></a>

Divergence를 사용하면 워크플로의 단일 단계에서 여러 병렬 변환 경로를 생성할 수 있습니다. 이러한 경로를 독립적으로 변환하고 나중에 다시 결합할 수 있으므로 자체 조인과 같은 복잡한 데이터 준비 시나리오가 가능합니다.

**분산 경로 생성**

워크플로에서 Divergence를 시작하려면 다음을 수행합니다.

1. 발산을 생성할 단계를 선택합니다.

1. 나타나는 **\$1** 아이콘을 선택합니다.

1. 나타나는 새 브랜치를 구성합니다.

1. 원하는 변환을 각 경로에 적용합니다.

1. 조인 또는 추가 단계를 사용하여 경로를 단일 출력으로 다시 결합합니다.

![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/divergence.png)


**주요 기능**
+ 단일 단계에서 최대 5개의 분산 경로를 생성합니다.
+ 각 경로에 서로 다른 변환을 적용합니다.
+ 조인 또는 추가 단계를 사용하여 경로를 조합합니다.
+ 각 경로의 변경 사항을 독립적으로 미리 봅니다.

**모범 사례**
+ 자체 조인을 구현하려면 발산을 사용합니다.
+ 병렬 변환을 위한 데이터 복사본을 생성합니다.
+ 재결합 전략(조인 또는 추가)을 계획합니다.
+ 워크플로 가시성을 높이기 위해 명확한 경로 이름 지정을 유지합니다.

## 복합 데이터 세트
<a name="composite-datasets"></a>

복합 데이터 세트를 사용하면 기존 데이터 세트를 기반으로 구축하여 조직 전체에서 공유하고 재사용할 수 있는 계층적 데이터 변환 구조를 생성할 수 있습니다. Quick Sight는 SPICE 모드와 직접 쿼리 모드 모두에서 최대 10개의 복합 데이터 세트를 지원합니다.

**복합 데이터 세트 생성**

워크플로에서 복합 데이터 세트를 생성하려면:

1. 새 데이터 세트를 생성할 때 입력 단계를 선택합니다.

1. **데이터 추가에서 데이터 세트를** 소스로 선택합니다. **** 

1. 빌드할 기존 데이터 세트를 선택합니다.

1. 필요에 따라 추가 변환을 적용합니다.

1. 를 새 데이터 세트로 저장합니다.

**주요 기능**
+ 계층적 데이터 변환 구조를 구축합니다.
+ 최대 10개 수준의 데이터 세트 중첩을 지원합니다.
+ SPICE 및 Direct Query와 호환됩니다.
+ 명확한 데이터 계보를 유지합니다.
+ 팀별 변환을 활성화합니다.

이 기능은 여러 팀 간의 협업을 개선합니다. 예:


| Role | 작업 | 출력 | 
| --- | --- | --- | 
|  글로벌 분석가  |  글로벌 비즈니스 로직으로 데이터 세트를 생성합니다.  |  데이터 세트 A  | 
|  미주 분석가  |  데이터 세트 A를 사용하고 리전 로직을 추가합니다.  |  데이터 세트 B  | 
|  미국 서부 분석가  |  데이터 세트 B를 사용하고 로컬 로직을 추가합니다.  |  데이터 세트 C  | 

이 계층적 접근 방식은 변환 계층의 명확한 소유권을 할당하여 조직 전체에서 일관된 비즈니스 로직을 촉진합니다. 최대 10개 수준의 데이터 세트 중첩을 지원하면서 추적 가능한 데이터 계보를 생성하여 제어되고 체계적인 데이터 변환 관리를 지원합니다.

**모범 사례**
+ 각 변환 계층에 대한 명확한 소유권을 설정합니다.
+ 데이터 세트 관계 및 종속성을 문서화합니다.
+ 비즈니스 요구 사항에 따라 계층 구조 깊이를 계획합니다.
+ 일관된 이름 지정 규칙을 유지합니다.
+ 업스트림 데이터 세트를 주의 깊게 검토하고 업데이트합니다.

# SPICE 전용 기능
<a name="spice-only-features"></a>

Amazon Quick Sight의 SPICE(Super-fast, Parallel, In-memory Calculation Engine)를 사용하면 컴퓨팅 집약적인 특정 데이터 준비 기능을 사용할 수 있습니다. 이러한 변환은 쿼리 시 실행되지 않고 최적의 성능을 위해 SPICE에서 구체화됩니다.

**SPICE 전용 기능**


| 단계(Steps) | 기타 기능 | 
| --- | --- | 
|  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/spice-only-features.html)  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/spice-only-features.html)  | 

**SPICE 및 DirectQuery 모두에서 사용 가능한 기능**


| 단계(Steps) | 기타 기능 | 
| --- | --- | 
|  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/spice-only-features.html)  |  [\[See the AWS documentation website for more details\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/spice-only-features.html)  | 

**모범 사례**
+ SPICE 전용 기능이 필요한 워크플로에는 SPICE를 사용합니다.
+ SPICE를 선택하여 복잡한 변환과 대규모 데이터 세트의 성능을 최적화합니다.
+ SPICE 전용 기능이 필요하지 않은 경우 실시간 데이터 요구 사항에 DirectQuery를 고려하세요.

# 데이터 준비 경험 간 전환
<a name="switching-between-data-prep-experiences"></a>

레거시 데이터 준비 경험은 2025년 10월 이전에 존재했던 Amazon Quick Sight의 이전 데이터 준비 인터페이스를 말합니다. 새로운 데이터 준비 환경은 step-by-step 변환 시퀀스를 보여주는 향상된 시각적 인터페이스입니다. 레거시 데이터 세트는 새 데이터 준비 경험 이전에 생성된 데이터 세트이고, 새 데이터 세트는 2025년 10월 이후에 생성된 데이터 세트입니다.

새 데이터 세트를 생성할 때 Quick Sight는 자동으로 새 데이터 준비 환경으로 안내합니다. 이 시각적 인터페이스는 데이터 변환 작업에 향상된 기능과 향상된 사용성을 제공합니다.

## 옵트아웃 옵션
<a name="opt-out"></a>

데이터 세트를 저장하고 게시하기 전에 원하는 경우 레거시 데이터 준비 환경으로 다시 전환할 수 있습니다. 이러한 유연성을 통해 팀은 새로운 인터페이스에 익숙해지면서 원하는 속도로 전환할 수 있습니다.

**중요**  
데이터세트가 저장되어 새 환경에 게시되는 경우 레거시 환경으로 돌아가는 옵션이 없습니다. 이는 새로운 경험에는 레거시 경험에서 지원되지 않는 중요한 새로운 기능이 있으므로 설계에 따른 것입니다. 따라서 한 경험에서 다른 경험으로 데이터 세트를 직접 변환하는 것은 지원되지 않습니다. 레거시 환경으로 전환하려면 새 데이터 세트를 생성해야 합니다.

## 전환 워크플로
<a name="transition-workflow"></a>

데이터세트가 새 환경 또는 레거시 환경에 저장되면 변환을 한 환경에서 다른 환경으로 직접 변환할 수 없습니다. 그러나 게시된 데이터 세트 버전이 있는 경우 버전 관리를 사용하여 레거시 환경에 있을 수 있는 이전 버전으로 이동할 수 있습니다.

레거시 데이터 세트는 레거시 인터페이스를 통해서만 보고 편집할 수 있도록 계속 액세스할 수 있습니다. 이렇게 하면 이전에 설정한 워크플로와의 호환성이 유지됩니다.

완전히 전환하기 전에 시간을 내어 새로운 데이터 준비 환경을 숙지하세요. 레거시 데이터 세트로 작업할 때는 향후 수정을 위해 새 환경을 사용하여 새 버전을 생성하는 것이 좋습니다. 버전 관리를 사용하여 필요한 경우 레거시 버전의 데이터 세트에 대한 액세스를 유지합니다. 레거시 경험에서 새로운 경험으로 전환할 때 워크플로의 모든 변경 사항을 문서화하여 팀 조정을 보장합니다.

# 새로운 데이터 준비 환경에서 지원되지 않는 기능
<a name="unsupported-features"></a>

새로운 데이터 준비 환경은 향상된 기능을 제공하지만 레거시 환경의 일부 기능은 아직 지원되지 않습니다. 이 섹션에서는 이러한 기능을 간략하게 설명하고 영향을 받는 워크플로를 처리하기 위한 지침을 제공합니다.

지원되지 않는 데이터 소스를 사용하는 경우 Amazon Quick Sight는 자동으로 레거시 환경으로 기본 설정됩니다. 지원되지 않는 다른 기능의 경우 데이터 준비 페이지의 오른쪽 상단 모서리에서 **레거시 환경으로 전환을** 선택합니다. 레거시 경험에서 생성된 규칙 데이터 세트는 레거시 및 새 경험 데이터 세트와 모두 호환됩니다.

## 지원되지 않는 데이터 소스
<a name="unsupported-data-sources"></a>

다음 데이터 소스는 현재 레거시 환경에서만 사용할 수 있습니다.


| 데이터 원본 | 세부 정보 | 
| --- | --- | 
|  Salesforce  |  자동으로 레거시 환경으로 기본 설정  | 
|  Google Sheets  |  자동으로 레거시 환경으로 기본 설정  | 
|  S3 분석  |  ** S3 데이터 소스 지원**  | 

## 지원되지 않는 기타 기능
<a name="other-unsupported-features"></a>

다음 기능은 현재 레거시 환경에서만 사용할 수 있습니다.


| 특성 범주 | 지원되지 않는 기능 | 
| --- | --- | 
|  데이터 세트 관리  |  [증분 새로 고침](refreshing-imported-data.md#refresh-spice-data-incremental), [데이터 세트 파라미터](dataset-parameters.md), [열 폴더](organizing-fields-folder.md), [열 설명](describing-data.md)  | 
|  데이터 타입  |  S3의 [지리 공간](geospatial-data-prep.md), [ELF/CLF 형식](supported-data-sources.md#file-data-sources), Zip/GZip 파일 [GZip S3](supported-data-sources.md#file-data-sources)  | 
|  구성 옵션  |  [파일 업로드 설정의 "행에서 시작"](choosing-file-upload-settings.md), JODA 날짜 형식  | 
|  레거시 경험에서 상위 데이터 세트 선택  |  상위 및 하위 데이터 세트는 동일한 환경 환경에 있어야 합니다. 레거시 경험 데이터 세트를 새 경험 데이터 세트의 상위로 사용할 수 없습니다.  | 

## 향후 개발
<a name="future-development"></a>

Amazon Quick Sight는 향후 새로운 데이터 준비 환경에서 이러한 기능을 구현할 계획입니다. 이 접근 방식을 사용하면 새 데이터 준비 환경의 초기 시작 시 다음 우선 순위를 지정할 수 있습니다.

**향상된 기능**
+ 시각적 변환 워크플로
+ 프로세스 투명성 개선
+ Divergence를 통한 고급 준비 기법
+ 추가, 집계 및 피벗과 같은 강력한 새 기능

**유연한 채택**

사용자는 데이터 세트를 게시하기 전에 경험 중에서 선택하여 팀이 원하는 속도로 전환하는 동안 중단 없는 워크플로를 보장할 수 있습니다. 이 접근 방식을 사용하면 레거시 경험을 통해 특수 요구 사항에 대한 지원을 유지하면서 새로운 기능에 즉시 액세스할 수 있습니다.

# 데이터 준비 제한
<a name="data-preparation-limits"></a>

Amazon Quick Sight의 데이터 준비 환경은 최적의 성능을 유지하면서 엔터프라이즈 규모의 데이터 세트를 처리하도록 설계되었습니다. 다음 제한은 안정적인 기능을 보장합니다.

## 데이터 세트 크기 제한(SPICE)
<a name="dataset-size-limits"></a>
+ **출력 크기**: 최대 2TB 또는 20억 행
+ **총 입력 크기**: 결합된 입력 소스는 2TB를 초과할 수 없습니다.
+ **보조 테이블 크기**: 결합 크기는 20GB로 제한됩니다.

**참고**  
기본 테이블은 워크플로에서 최대 크기를 가진 테이블이고, 다른 모든 테이블은 보조 테이블입니다.

## 워크플로 구조 제한
<a name="workflow-structure-limits"></a>
+ **최대 단계**: 워크플로당 최대 256개의 변환 단계
+ **소스 테이블**: 워크플로당 최대 32개의 가져오기 단계
+ **출력 열**: 워크플로의 모든 단계에서 최대 2,048개의 열 및 2,000개의 열이 있는 최종 출력 테이블
+ **다양한 경로**: 단일 단계에서 최대 5개의 경로(SPICE만 해당, DirectQuery에는 해당되지 않음)
+ **소스로서의 데이터 세트**: SPICE 및 DirectQuery 모두에 대해 최대 10개 수준

이러한 제한은 유연성과 성능의 균형을 맞춰 최적의 분석 기능을 보장하면서 복잡한 데이터 변환을 가능하게 하도록 설계되었습니다.

# 수집 동작 변경
<a name="ingestion-behavior-changes"></a>

새로운 데이터 준비 경험은 SPICE 수집 중에 데이터 품질 문제가 처리되는 방식에 중요한 변화를 도입합니다. 이 변경 사항은 데이터 세트의 데이터 완전성과 투명성에 상당한 영향을 미칩니다.

레거시 환경에서 데이터 형식 불일치(예: 잘못된 날짜 형식 또는 [유사한 문제](errors-spice-ingestion.md))가 발생하면 문제가 있는 셀이 포함된 전체 행은 수집 중에 건너뜁니다. 이 접근 방식은 최종 데이터 세트의 행 수를 줄여 데이터 품질 문제를 가릴 수 있습니다.

새로운 경험은 데이터 불일치에 대한 보다 세분화된 접근 방식을 취합니다. 문제가 있는 셀이 발생하면 전체 행을 유지하면서 일치하지 않는 값만 null 값으로 변환됩니다. 이 보존을 통해 다른 열의 관련 데이터를 분석에 계속 액세스할 수 있습니다.

**데이터 세트 품질에 미치는 영향**

새 환경에서 생성된 데이터 세트는 일반적으로 소스 데이터에 불일치가 포함된 경우 레거시 데이터 세트보다 더 많은 행을 포함합니다. 이 향상된 접근 방식은 다음과 같은 몇 가지 이점을 제공합니다.
+ 모든 행을 유지하여 데이터 완전성 개선
+ 데이터 품질 문제 식별의 투명성 향상
+ 문제 해결 값에 대한 가시성 향상
+ 영향을 받지 않는 열에 관련 데이터 보존

이 변경을 통해 분석가는 데이터 세트에서 문제가 있는 행을 자동으로 생략하지 않고 데이터 품질 문제를 더 효과적으로 식별하고 해결할 수 있습니다.

# 자주 묻는 질문(FAQ)
<a name="new-data-prep-faqs"></a>

## 1. 사용자는 언제 새로운 경험에서 레거시 경험으로 전환해야 합니까?
<a name="faq-1"></a>

사용자는 현재 [지원되지 않는 기능이](unsupported-features.md) 포함된 데이터 세트로 작업할 때 레거시 환경으로 돌아가야 합니다. Quick Sight는 이러한 기능을 향후 릴리스의 새로운 경험에 통합하기 위해 적극적으로 노력하고 있습니다.

## 2. 새 경험에 데이터 세트를 추가하려고 할 때 데이터 세트가 회색으로 표시되는 이유는 무엇입니까? 데이터 세트를 레거시 경험과 새 경험 간에 결합할 수 있나요?
<a name="faq-2"></a>

현재 상위 및 하위 데이터 세트는 동일한 환경 내에 있어야 합니다. 새로운 환경에는 추가 기능, 피벗 기능 및 발산과 같이 레거시에서 사용할 수 없는 추가 기능이 포함되어 있으므로 레거시 환경과 새 경험 간에 데이터 세트를 결합할 수 없습니다.

**레거시 경험에서 상위 데이터 세트 사용**

레거시 경험의 상위 데이터 세트를 사용하려면 해당 환경으로 다시 전환할 수 있습니다. 데이터 준비 페이지로 이동하여 오른쪽 상단 모서리에서 **레거시 환경으로 다시 전환을** 선택하면 됩니다. 그런 다음 필요에 따라 하위 데이터 세트를 생성할 수 있습니다.

**향후 개발**

사용자가 레거시 데이터 세트를 새로운 환경으로 업그레이드할 수 있는 기능을 구현할 계획입니다. 이 업그레이드된 경로를 통해 새로운 경험 내에서 레거시 상위 데이터 세트를 사용할 수 있습니다.

## 3. Quick Sight가 레거시 경험과 완전한 기능 패리티를 달성하기 전에 새로운 데이터 준비 환경을 시작하는 이유는 무엇입니까?
<a name="faq-3"></a>

새로운 데이터 준비 환경은 실제 분석 문제를 해결하기 위해 광범위한 고객 협업을 통해 개발되었습니다. 초기 시작의 우선 순위는 다음과 같습니다.

**향상된 기능**
+ 시각적 변환 워크플로
+ 프로세스 투명성 개선
+ Divergence를 통한 고급 준비 기법
+ 추가, 집계 및 피벗과 같은 강력한 새 기능

**유연한 채택**

사용자는 데이터 세트를 게시하기 전에 경험 중에서 선택하여 팀이 원하는 속도로 전환하는 동안 중단 없는 워크플로를 보장할 수 있습니다. 이 접근 방식을 사용하면 레거시 경험을 통해 특수 요구 사항에 대한 지원을 유지하면서 새로운 기능에 즉시 액세스할 수 있습니다.

## 4. 현재 레거시 환경에서만 사용할 수 있는 기능이 새 환경에 추가되나요?
<a name="faq-4"></a>

예. Quick Sight는 레거시 기능을 새로운 환경에 통합하기 위해 적극적으로 노력하고 있습니다.

## 5. API 변경 사항은 기존 데이터 세트 생성 스크립트에 어떤 영향을 미치나요?
<a name="faq-5"></a>

Quick Sight는 새로운 기능을 도입하면서 이전 버전과의 호환성을 유지합니다.
+ 기존 스크립트: 레거시 API 스크립트는 계속 작동하여 레거시 환경에서 데이터 세트를 생성합니다.
+ API 이름 지정: 현재 API 이름은 변경되지 않습니다.
+ 새로운 기능: 추가 API 형식은 새로운 경험의 향상된 기능을 지원합니다.
+ 설명서: 새 환경에 대한 전체 API 사양은 API 참조에서 확인할 수 있습니다.

## 6. 게시 후 데이터 세트를 경험 간에 변환할 수 있나요?
<a name="faq-6"></a>
+ 향후 마이그레이션 경로: Quick Sight는 향후 레거시 데이터 세트를 새로운 환경으로 쉽게 마이그레이션할 수 있는 기능을 추가할 예정입니다.
+ 단방향 프로세스: 고급 기능 종속성으로 인해 데이터세트를 새 경험에서 레거시 형식으로 변환할 수 없습니다.