다른 컨텐츠에서 클래스101의 AI 데이터 분석환경에 대해 잠깐 말씀을 드렸습니다.

오늘은 '데이터팀'은 물론, 데이터 엔지니어, 데이터 애널리틱스 엔지니어 등이 한명도 없는 클래스101에서 전사 AI분석 환경을 구축한 이야기를 해드리려합니다.

데이터가 아닌 직군도 어떻게 AI로 데이터를 조회하는 환경을 만드는가에서 구체적인 How To에 관한 이야기죠.

실제 작동예시

(실제 저희 클로드에서의 답변 예시를 첨부합니다. 물론 숫자는 가려져있구요.)

참고로 클래스101에서 이 환경을 담당하는 제품전략팀은 [저], [2년차 DA], 그리고 [인턴 DA] 이렇게 3명으로 이루어진 조촐한 팀입니다. (참고로 저희는 GCP환경에서 모든것을 합니다. dbt도 쓰지 않습니다)

보통 AI 분석 환경 대부분의 관련 아티클은 기술적인 구성 요소에 집중해서 서술됩니다.

반면, 저는 실제로 AI에 필요한 맥락을 하나하나 채워넣던 그 과정과 그 때의 생각과 제 대응에 대해 집중해서 써보고자 합니다.

아마도 그게 가장 재구현을 하는데 도움이 되실 것 같아서요.

읽어보시면 도움되실분은 크게 2 부류입니다.

1. 회사에 이런 환경을 만들고 싶은 DA나 그 누구든 👉 당장 내일 어디서부터 해야하는지 알게 하는게 목적입니다.
2. "우리 회사는 왜 안 되지"가 궁금한 모든 분 👉 진짜 문제는 기술이 아니라는 사실을 알게 하는게 목적입니다.

참고로 이 글은 말도안되게 길고 자세하다보니, 2주 분량으로 나눴습니다.

part 1에서는 가장 먼저 구축해야하는 포인트를 다루고,

part 2에서는 그 다음 쌓아져야하는 메타적인 영역을 다룹니다.

목차

Part 1.

0장. 구축 철학 : 바퀴는 '효용 측정' 다음에 만든다

1장. 테이블 제약 — 조화평균으로 고르고, ai_use로 가둔다

2장. Documentation — 33%를 51%로 만드는 문서화 3종

3장. 로그 — 가장 많이 쓰는 데이터를 AI가 읽게 만드는 두 가지 기믹

4장. 마트 자체를 읽게 하기 — d_dataform_table

Part 2.

5장. 시맨틱 레이어 대신, 대시보드 라우팅

6장. 교육 — 인프라에서 사용자를 제외하지 말 것.

7장. 사상 — 데이터가 아니라 러닝이 흘러야 한다

8장. 한계와 다음 단계 — Evaluation

부록