이 챕터에서는 Sigma 데이터 모델의 핵심 활용 사례를 학습합니다. 데이터 모델을 사용하면 조직 내 다른 Sigma 문서에서 활용할 수 있는 맞춤형 데이터 소스를 만들 수 있습니다. 이를 통해 팀의 인사이트, 분석, 앱을 확장하고 관리하며 유지하는 방법을 익힙니다.

데이터 모델이란 무엇인가요?

데이터 모델 vs 워크북

KPI 업데이트 중앙화

데이터 모델의 조인과 유니온

두 테이블을 유니온으로 결합하기

데이터 모델 기본 테이블 구성하기

조인으로 두 테이블 결합하기

데이터 모델 게시 및 활용하기

워크북에서 데이터 모델 활용하기

지속 가능한 인사이트 지원

이 챕터에서는 메트릭과 관계를 활용해 단일 테이블을 넘어 인사이트를 확장하는 방법을 학습합니다. 핵심 데이터 모델 기능을 각각 직접 구현하고, 워크북에서 실제로 적용된 모습을 확인하며 그 효과를 체감할 수 있습니다. 이 기능들을 익히고 나면 분석 팀 전체에 일관된 계산을 제공하고, 데이터 모델에서 조인 로직을 중앙에서 관리하면서도 사용자에게 유연성을 부여할 수 있습니다.

메트릭으로 핵심 계산 정의하기

KPI의 단일 기준 정의하기

메트릭 vs. 계산된 열

메트릭을 추가하여 데이터 모델 강화하기

첫 번째 메트릭 만들기

워크북에서 메트릭 활용하기

관계를 활용한 효율적인 조인 관리

관계(Relationship)와 조인(Join) 비교

관계 유형

관계를 활용해 기본 테이블에 열 추가하기

대출과 고객 간의 관계 추가하기

워크북에서 관계 탐색하기

메트릭과 관계로 테이블 확장하기

이 챕터에서는 파라미터와 열 보안이라는 두 가지 고급 데이터 모델 기능을 학습한 후, 지금까지 배운 내용을 하나의 최종 예제로 구현합니다. 파라미터를 활용하면 모델에 유연한 필터를 설정할 수 있고, 보안 기능을 통해 민감한 데이터를 안전하게 보호할 수 있습니다. 이후 지금까지 배운 기능과 모범 사례를 모두 결합하여 확장 가능한 분석에 대한 이해를 완성할 수 있습니다.

데이터 모델 파라미터로 데이터 필터링하기

파라미터와 필터의 차이

데이터 모델에 파라미터 추가하기

열 보안을 활용한 민감 데이터 관리

데이터 모델에 컬럼 보안 추가하기

완성형 데이터 모델로 팀을 지원하세요

명세서를 바탕으로 데이터 모델 완성하기

분석 프로토타입 제작

마무리

파라미터와 보안으로 완성하기

반복적인 조인과 계산 작업에서 벗어나, Sigma 데이터 모델로 체계적이고 확장 가능한 분석을 구현해 보세요. 이 강의에서는 Sigma 데이터 모델의 활용 시점과 그 이유를 학습하며, 성능 향상, 조직 전반의 계산 표준화, 민감한 정보 관리 등 데이터 모델만의 강점을 살펴봅니다.

유니온, 조인, 관계, 메트릭, 파라미터, 열 수준 보안을 활용해 분석의 견고한 기반을 만들고 공유하는 방법을 배웁니다.

강의를 마치면 데이터 모델을 언제 만들어야 하는지, 그리고 사용 목적에 맞는 기능이 무엇인지 파악할 수 있습니다. 즉흥적인 조인도, 사용자 혼란도 이제는 없앨 수 있습니다.

같은 조인과 계산을 반복해서 다시 작성하는 대신, Sigma 데이터 모델을 활용해 잘 관리되고 확장 가능한 분석으로 뛰어드세요. 이 강의에서는 Sigma의 데이터 모델을 언제, 왜 사용해야 하는지 배우며, 성능을 향상시키고 조직 전반의 계산을 표준화하며 민감한 정보를 관리하는 고유한 기능을 이해하게 됩니다.

연합, 조인, 관계, 지표, 매개변수, 그리고 열 수준 보안을 살펴보며 분석을 위한 견고한 구성 요소를 만들고 공유해 보겠습니다.

이 강의를 마치면 언제 데이터 모델을 만들어야 하는지, 그리고 사용 사례에 맞추기 위해 어떤 특성이 필요한지 알게 됩니다. 더 이상 임시 조인도 없고, 사용자 혼란도 없습니다.

Sigma 데이터 모델을 사용하여 잘 관리되고 확장 가능한 분석에 집중하세요.

Sigma 데이터 모델링

같은 조인과 계산을 반복하지 말고, Sigma 데이터 모델로 잘 관리되고 확장 가능한 분석에 뛰어드세요.

시그마 기초

메트릭 vs. 계산된 열

Sigma 데이터 모델링

실습형 인터랙티브 연습문제