데이터 분석 OALP MSBI SSAS와 타뷸러 모델 개방방법 차이를 알아보자

데이터 분석 OALP MSBI SSAS와 타뷸러 모델 개방방법 차이를 알아보자

 

MSBI(Microsoft Business Intelligence) 제품 중 하나인 SSAS(SQL Server Analysis Services)의 타뷸러(Tabular) 모델 개발 방법에 대해 쉽게 설명해 드릴게요.

SSAS 타뷸러 모델 개발 방법

SSAS 타뷸러 모델은 Excel의 파워피벗(Power Pivot)과 비슷한 방식으로 데이터를 메모리에 올려 분석하는 인메모리(In-memory) 기술을 기반으로 합니다. 개발과정은 다음과 같아요.

1. 데이터 소스 연결:
   먼저 분석할 데이터가 있는 데이터베이스(SQL Server, Oracle 등)나 파일(Excel, CSV 등)에 연결합니다.
2. 테이블 가져오기:
   데이터 소스에서 필요한 테이블들을 가져옵니다. 마치 스프레드시트처럼 테이블들이 표시될 거예요.
3. 관계 설정:
   가져온 테이블들 간의 관계를 설정합니다. 예를 들어, '주문' 테이블과 '고객' 테이블이 있다면, '고객ID'를 기준으로 두 테이블을 연결해 주는 것이죠.
4. 계산 열 및 측정값 생성:
   • 계산 열(Calculated Columns): 기존 열들을 이용해 새로운 열을 만듭니다. 예를들어, '판매가'와 '원가' 열을 이용해 '마진' 열을 만들 수 있어요.
   • 측정값(Measures): 특정 기준에 따라 데이터를 집계하거나 계산하는 공식입니다. 예를 들어, '총 판매액', '평균 주문 수량' 등을 만들 수 있습니다. 이 부분에서 DAX(Data Analysis Expressions)라는 함수 언어를 사용하게 됩니다. DAX는 Excel의 함수와 비슷해서 익숙해지면 어렵지 않아요.
5. 계층 구조 및 KPI 설정 (선택 사항):
   • 계층 구조(Hierarchies): 데이터를 더 직관적으로 탐색할 수 있도록 연도 > 분기 > 월 > 일과 같은 계층을 만듭니다.
   • KPI(Key Performance Indicators): 핵심 성과 지표를 설정하여 목표 대비 실적을 시각적으로 보여줄 수 있습니다.
6. 배포:
   개발이 완료되면, 만든 타뷸러 모델을 SSAS 서버에 배포합니다. 이렇게 배포된 모델은 Excel, Power BI, Reporting Services 등의 클라이언트 도구에서 데이터를 연결하여 분석할 수 있게 됩니다.

SSAS 다차원 모델(Multidimensional) vs. SSAS 타뷸러 모델 장점

전통적인 SSAS는 다차원 모델(OLAP 큐브) 방식으로 개발되었는데, 타뷸러 모델은 이 다차원 모델에 비해 다음과 같은 장점들이 있습니다.

1. 쉬운 학습 및 개발:
   • 타뷸러: Excel 파워피벗과 유사한 인터페이스와 DAX라는 비교적 직관적인 함수 언어를 사용하기 때문에, 비즈니스 분석가나 엑셀 사용자도 비교적 쉽게 배우고 개발할 수 있습니다.
   • 다차원: MDX(Multidimensional Expressions)라는 다소 복잡한 쿼리 언어를 사용하고, 큐브 설계에 대한 깊은 이해가 필요해 학습 곡선이 가파른 편입니다.
2. 빠른 성능 (인메모리):
   • 타뷸러: 데이터를 메모리에 로드하여 처리하기 때문에 매우 빠른 쿼리 응답 속도를 제공합니다. 대량의 데이터에 대한 실시간 분석에 유리합니다.
   • 다차원: 디스크 기반으로 데이터를 저장하고 처리하기 때문에 타뷸러 모델에 비해 상대적으로 느릴 수 있습니다.
3. 유연성:
   • 타뷸러: 관계형 데이터베이스의 테이블 구조와 유사하게 모델링하기 때문에, 데이터 모델 변경이나 확장이 비교적 유연합니다.
   • 다차원: 큐브 구조가 한번 정의되면 변경하기가 까다롭고 복잡합니다.
4. Power BI와의 연동:
   • 타뷸러: Power BI의 데이터 모델링 방식과 동일하여, Power BI와 완벽하게 통합되고 시너지를 낼 수 있습니다.
   • 다차원: Power BI와 연동은 가능하지만, 타뷸러만큼의 유연성이나 성능 이점을 얻기는 어렵습니다.

요약하자면, SSAS 타뷸러 모델은 빠른 성능, 쉬운 개발, 그리고 Power BI와의 강력한 연동이라는 장점 덕분에 최신 BI 환경에서 더 많이 활용되고 있는 추세입니다.