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

데이터 세트 보강

데이터 세트 강화는 데이터 세트 작성자가 데이터 세트에 풍부한 의미 체계 메타데이터를 추가할 수 있는 Amazon Quick Sight의 기능입니다. 설명, 사용자 지정 지침 및 구조화된 메타데이터를 제공하면 인간 소비자와 AI 기반 에이전트 모두 데이터 세트가 무엇을 나타내고 어떻게 사용하는지 이해할 수 있습니다.

데이터 세트 보강 개요

데이터 세트 강화를 통해 작성자와 작성자는 데이터 세트 수준과 열 수준 모두에서 의미 체계 컨텍스트로 데이터 세트에 주석을 달 수 있습니다. 이 메타데이터는 원시 데이터를 비즈니스 컨텍스트와 연결합니다. 다음 두 가지 대상을 제공합니다.

데이터 세트 보강 구성 요소

데이터 세트 수준 보강

열 수준 보강

데이터 세트 강화의 이점

권한 및 요구 사항

Enterprise 라이선스가 있는 작성자 및 작성자 전문가는 자신이 소유하거나 관리하는 모든 데이터세트를 보강할 수 있습니다.

데이터 세트 보강 액세스

데이터 세트 보강에 액세스하려면 다음 단계를 완료하세요.

효과적인 사용자 지정 지침 작성

사용자 지정 지침은 데이터 세트 강화의 가장 영향력 있는 구성 요소입니다. AI 에이전트에게 데이터 세트를 해석하고 쿼리하는 방법을 직접 안내합니다. 다음은 효과적이고 비효율적인 사용자 지정 지침의 예입니다.

올바른 사용자 지정 지침

예제 1 - 수익 데이터 세트

This dataset contains net revenue after returns and discounts, calculated
on an accrual basis. Revenue is recognized at the point of sale for retail
transactions and upon delivery confirmation for B2B orders. All figures are
in USD. The 'revenue' column specifically excludes taxes, shipping fees,
and promotional credits. For year-over-year comparisons, use the
'fiscal_year' field rather than 'calendar_year' as our fiscal year runs
April–March.

효과가 있는 이유:

예제 2 - 고객 데이터 세트

Customer status definitions: 'Active' = purchased within last 12 months;
'Dormant' = 12–24 months since last purchase; 'Churned' = 24+ months
inactive. The 'customer_segment' field uses RFM analysis (Recency,
Frequency, Monetary). 'Lifetime_value' is calculated as total historical
spend, not predictive LTV. When analyzing customer counts, always filter
out 'is_test_account = true' to exclude internal test data.

효과가 있는 이유:

비효율적인 사용자 지정 지침

예 - 고객 데이터 세트

Contains customer information including names, addresses, purchase history,
and other details. Use this for customer analysis.

효과적이지 않은 이유:

올바른 사용자 지정 지침을 작성하기 위한 주요 원칙

의미 체계 보강에 대한 두 가지 접근 방식

수동 UI 기반 주석

데이터세트 작성자는 Quick Sight 인터페이스를 통해 데이터세트 및 열 설명과 사용자 지정 지침을 직접 추가합니다. Quick Sight는 UI에 설명을 눈에 띄게 표시하여 모든 사용자가 데이터 세트 콘텐츠, 열 정의 및 적절한 사용 사례를 이해하는 데 도움이 됩니다.

외부 카탈로그에서 파일 업로드

데이터 세트 작성자는 API 또는 UI를 통해 외부 카탈로그에서 의미 체계 메타데이터를 내보내고 데이터 세트당 파일을 YAML, JSON 또는 TXT 형식으로 연결할 수 있습니다. 이 정보는 UI에 표시되지 않고 AI 모델에서 사용하지만 카탈로그 수준 메타데이터를 대규모로 활성화합니다.

소비 계층: 데이터 세트 Q&A

데이터 세트 Q&A는 데이터 세트 보강 메타데이터를 사용하는 소비 계층입니다. 이를 통해 사용자는 사전 구축된 대시보드나 수동으로 구성된 주제 없이 액세스할 수 있는 데이터 세트에 대해 직접 개방형 자연어 질문을 할 수 있습니다.

AI 에이전트는 다음과 같은 방식으로 강화된 컨텍스트를 사용합니다.

보강이 없으면 AI 에이전트에는 작업할 열 이름과 데이터 유형만 있으며, 이는 종종 모호합니다. 보강을 통해 에이전트는 다음을 수행하는 데 필요한 전체 비즈니스 컨텍스트를 수신합니다.

데이터 세트에 의미 체계 컨텍스트를 추가한 후 사용자는 Q&A에서 데이터 세트를 참조하고 채팅을 통해 쿼리할 수 있습니다. AI 에이전트는 추가된 메타데이터를 사용하여 더 정확한 응답을 제공합니다.

요약

데이터 세트 강화는 AI 기반 분석을 위해 데이터 세트에 의미 체계 메타데이터를 추가합니다. 데이터 세트 작성자는 설명, 사용자 지정 지침 및 메타데이터 파일을 추가하는 데 몇 분을 투자하여 AI 기반 Q&A의 정확도를 개선하는 동시에 조직 전체의 모든 소비자가 데이터 세트를 더 쉽게 이해하고 액세스할 수 있도록 할 수 있습니다.