Qlik Sense 소개 - 연관분석

Qlik Sense 소개

Qlik Sense 플랫폼

Qlik Sense®는 연관, 메모리 내 분석 모델을 통한 분석 플랫폼입니다. 사용자의 선택에 따라 메모리 내에 저장된 데이터에 대한 계산이 런타임으로 수행됩니다. 결과는 제로 풋프린트 웹 인터페이스를 통해 데스크톱, 노트북, 모바일 장치 및 내장형 분석에 전달되어 사용자에게 반환됩니다. Qlik Sense는 고도의 대화형, 연관 경험을 제공하여 사용자가 분석 경로 내에서 데이터를 제약이 거의 없이 또는 전혀 없이 자유롭게 탐색할 수 있습니다.

 

연관형, 메모리 내 애플리케이션

연관, 메모리 내 기술을 사용하는 Qlik의 QIX 엔진을 통해 직관적인 방식으로 데이터를 분석하고 탐색할 수 있습니다. Qlik의 검증된 2세대 데이터 인덱싱 엔진을 통해 데이터를 자유롭게 탐색하고, Excel과 Access부터 Oracle 및 SQL Server와 같은 데이터 베이스, Cloudera와 Redshift 등의 빅데이터 소스까지 다양한 데이터 소스의 데이터를 바탕으로 시각화를 동시에 생성할 수 있습니다.

Qlik Sense는 열 기반, 메모리 내 저장을 사용합니다. 메모리에는 고유 엔트리만 저장되며 데이터 요소 사이의 관계는 포인터로 나타납니다. 이를 통해 데이터를 상당히 압축할 수 있으며, RAM에 더 많은 데이터를 저장할 수 있고, 사용자가 더 빨리 반응할 수 있습니다

일부 빅데이터 시나리오에서는 데이터가 소스에 남아있는 경우가 존재합니다. ODAG(On-Demand Application Generation)이라는 명칭의 구축 기술을 사용하면 사용자가 본인의 선택에 따라 데이터 소스를 쿼리하면서 연관 기술도 여전히 이용할 수 있습니다.

 

연관이란 무엇입니까?

연관은 메모리 내 데이터 저장과 특허 받은 엔진의 고유한 결합을 뜻합니다. 이를 통해 사용자가 검색과 탐색을 수행하고 연속 컨텍스트를 포함한 시각화를 생성할 수 있습니다. 기존의 계층 접근 또는 쿼리 기반 접근이 가지고 있던 제한이 없어집니다.

 

 

The Associative Difference™

쿼리 기반 도구의 한계로부터의 자유를 누려보세요

소개

이 자료는 Qlik® 제품을 뒷받침하는 고유 연관 기술에 대해 설명합니다. 본 글에서는 Qlik만이 제공하는 가치인 Associative Difference™에 대해 간략히 설명합니다. 또한 Qlik의 연관 엔진과 쿼리 기반 BI 도구의 차이를 요약하고, 기술 수준이 각기 다른 여러 사용자가 분석의 성과를 개선해 더 깊이 있고 완전한 이해에 도달할 수 있는 방법을 안내합니다. 본 글의 대상 독자는 데이터 분석 소프트웨어 제품을 평가하고 비교하는 비즈니스 사용자와 분석가, 기술 의사 결정자입니다.

 

Qlik의 Associative Difference™

간단히 말하자면, 관계형 데이터베이스와 SQL 쿼리의 설계는 현대적 분석에 적합하지 않습니다. 여러 소스에서 데이터를 가져오기 위해 SQL이 필요한 것은 사실이지만, 대부분의 분석 도구는 데이터 모델링 및 상호 작용 지원을 위한 기본 아키텍처로서 SQL 및 쿼리 기반 접근 방식에 의존합니다. 그러나 이로 인해 선형 탐색이 제한되고 데이터의 부분 집합에 대한 분석만 기능해진다는 중대한 결함이 발생합니다. 데이터 소스는 SQL 조인을 이용해 가져와야 하며, 사용자가 가질 질문의 유형을 미리 예측해야 합니다. 그 외의 다른 데이터는 처리되지 않습니다. 사용자가 발견한 내용을 바탕으로 분석을 피벗하려면 복잡한 쿼리를 재구축해야 하고, 이를 위해서는 경험 많은 데이터 전문가가 필요합니다. 이를 두고 "요청, 대기, 응답 사이클"이라고 합니다. 새로운 형식의 질문을 하면 항상 대기 시간이 소요됩니다.

 

대화형, 비정형 탐색 및 분석을 위해 특별히 설계된 Qlik의 연관 엔진. 다수의 데이터 소스를 완전히 결합하고 인덱싱하여 가능한 연관을 조사하며, 어떤 데이터도 제외되지 않습니다. 강력하고 신속한 계산 및 집계를 통해 분석을 즉시 업데이트하고, 데이터 내의 연관을 강조해줍니다.

그리고 클릭이 발생할 때마다 연관된 값과 연관되지 않은 값을 모두 표시합니다. 이제 전문가에게 문의하고 기다릴 필요 없이, 보는 것을 바탕으로 검색, 탐색, 피벗을 자유롭고 제한 없이 이용할 수 있습니다.

 

이것이 쿼리 기반 도구에서는 볼 수 없었던 예상치 못한 통찰을 Qlik 사용자가 지속적으로 발견하여 엄청난 가치를 창출하는 이유입니다.

 

Associative Difference - Qlik에서만 가능합니다.

 

 

쿼리 기반 도구 – 한계와 사각지대

쿼리에 의존해 정보를 분석하는 시각화 도구에서는 사각지대가 생겨 결국 정보를 완전히 이해할 수 없습니다. 이러한 도구는 구조적인 선형 접근 방식을 사용하여 데이터의 부분 집합만을 시각화 하지만, Qlik의 연관 엔진은 모든 데이터에 대해 자유형 탐색 및 검색 기능을 제공합니다. 쿼리 기반 도구가 Qlik의 탐색 경험을 모방하려 해도 유연성과 성능 면에서 금세 한계에 봉착합니다. 쿼리 기반 도구에서 예상치 못한 질문에 대답하려면 복잡한 SQL 쿼리를 다시 작성해야 합니다. 그런데 일반 비즈니스 사용자는 쿼리를 작성하지 못하므로 대개 숙련된 데이터 전문가가 필요합니다.

 

 

 

쿼리 기반 도구의 문제점

데이터의 특정 부분만 볼 수 있음

쿼리 기반 도구는 기본 소스에 직접 연결하거나, 데이터 정적 영역의 일부 영역을 이용합니다. SQL 조인을 사용하여 소스를 결합하는 경우, 특히 여러 개의 소스를 결합하는 경우에는 데이터 손실이 일어나거나 부정확성이 발생합니다. 데이터 웨어하우스와 정적 영역은 상당한 시간을 투자해 사전 모델링을 해야 합니다. 또한, 사용자의 상호 작용을 지원하려면 클릭/질문마다 쿼리를 작성해서 유연성을 제한하고 사용자를 데이터 부분 집합으로 제한합니다.

컨텍스트 없음

쿼리 기반 시각화는 서로 연결되지 않은 분리된 엔티티로서 각자 맥락을 같이 하지 않습니다. 즉, 하나의 시각화를 필터링해도 앱(또는 대시보드) 내의 다른 객체에 대한 선택의 영향이나 관계를 표시하지 않습니다. 일부 도구는 프런트엔드 코드를 사용해 객체를 '와이어'로 연결함으로써 통일된 컨텍스트를 생성하려고 하지만, 이 접근 방식은 확장되지 않으므로 수많은 쿼리가 동시에 실행될 때 성능 문제가 생깁니다.

제한적인 유연성

시각화 및 쿼리는 일반적으로 고급 사용자에 의해 구축되며, 다른 모든 사람들은 개발자가 생각한 사전 형성된 질문으로 제한됩니다. 비즈니스 사용자가 객체 내에서 새로운 질문을 검색 및 탐색할 수 있는 방법은 간단한 필터링 이외에 없습니다. 유일한 선택은 데이터 전문가가 새로운 쿼리 또는 시각화를 구축하기를 기다리는 것입니다.

데이터 손실

정보가 여러 소스에서 로드되는 경우 쿼리 기반 도구는 로드 시점에 실행되는 조인으로 인해 데이터가 손실될 위험이 있습니다. 이러한 도구는 일반적으로 주 데이터 소스의 정의를 필요로 하며 주 소스의 값과 일치하는 보조 소스의 데이터 부분 집합만 가져옵니다. 이로 인해 비즈니스 사용자가 파악하지 못하는 데이터 손실이 발생할 수 있습니다.

 

 

부정확한 결과

쿼리 기반 도구는 쿼리 및 조인이 올바르게 정의되지 않고 데이터가 비정규화되어 값이 이중, 삼중으로 계산될 수 있는 부정확한 계산의 위험도 안고 있습니다. 결국 올바른 값을 얻으려면 사용자가 데이터 모델과 기술에 대한 지식을 갖고 쿼리를 적절히 구조화해야 합니다.

 

성능

쿼리 기반 도구는 지원하는 데이터베이스에 좌우되며 데이터베이스가 아무리 강력해도 쿼리 실행에 시간이 소요됩니다. 유선 대시보드가 동시에 여러 개의 쿼리를 수행하면 이 문제가 더욱 복잡해집니다. 쿼리를 실행하려고 하는 동시 사용자의 수가 많아지면 기본 데이터베이스가 수요를 따라가지 못합니다. 느리고 반응성이 낮은 시스템은 사용자의 사고 흐름을 방해하므로 사용자가 아이디어를 연결하여 다음 단계로 진행할 수 없게 됩니다.

 

비교

내연 기관이 작동하는 방법을 이해하려고 한다고 가정해봅시다. 쿼리 기반 도구를 사용하면 엔진의 각 부품을 개별적으로 볼 수 있습니다. 한 번에 부품 하나씩을 평가할 수 있지만, 부품 사이의 관계(연관성)와 실제로 작동하는 엔진을 만들기 위해 응집력 있는 전체로 함께 활용하는 방법을 이해하는 것은 여전히 해결되지 않은 문제로 남게 됩니다.

 

 

하지만 Qlik의 연관 기술을 사용하면 완전하게 작동하는 엔진을 분석할 수 있고, 서로 다른 부품 사이의 관계를 이해할 수 있습니다.

연료 조절판을 원하는 위치로 조절하며 연료 주입, 기화기, 배기에 어떤 영향이 생기는지를 확인할 수 있습니다. 피스톤 펌프를 관찰하고 크랭크 샤프트를 돌릴 수도 있습니다. 재미 삼아 엔진을 분해하면서 각 부품이 다른 부품과 어떤 맥락으로 연결되어 있는지 알아볼 수도 있습니다. 이것이 Qlik 연관 엔진의 능력입니다.

Associative Difference는 사용자가 정보를 보면서 그 값이 어떻게 연관되어 있는지를 정확히 알 수 있음을 의미합니다. 특정한 선택 항목에 맞게 컨텍스트를 좁히면, 질문을 함과 동시에 전체 애플리케이션의 나머지 데이터가 어떻게 응답하는지를 볼 수 있습니다. 쿼리 결과 세트에 포함된 데이터의 부분 집합만 제한적으로 보여주거나 어떻게 탐색할 수 있는지 알려주는 것에 그치지 않습니다.

 

Qlik의 연관 기술 자세히 살펴보기

Qlik은 다양한 기술 수준의 사용자가 간단한 검색 및 선택을 통해 컨텍스트를 탐색하고 수정할 수 있는 연관 사용자 환경을 제공하며 어디서든 시작하여 어디로든 갈 수 있습니다. Qlik 엔진은 매번 사용자가 클릭할 때마다 즉각적으로 전체 컨텍스트에 근거하여 모든 분석을 동적으로 다시 계산하고 모든 데이터 소스에서 데이터 내의 연관성을 강조해줍니다. 신속한 피드백을 통해 새로운 질문을 생각하고 각자의 탐색 및 발견 경로를 지속시킬 수 있습니다.

 

연관성 이해

연관을 쉽게 설명하자면, 하나의 데이터 값과 다른 값의 관계라고 할 수 있습니다. 예를 들어, 한 제품이 어떤 나라에서는 판매되었고 다른 나라에서는 판매되지 않았다고 해 봅시다. 해당 제품은 판매되는 나라와 연관을 갖고, 판매되지 않는 나라와는 연관이 없습니다. Qlik’s 연관 기술을 사용하면 선택한 제품은 녹색, 연관된 국가는 흰색, 연관되지 않은 국가는 회색으로 나타납니다.

연관이 있다는 것, 즉 값이 다른 것과 관련되어 있다는 것은 본질적으로 긍정적이며, 관련되지 않은 것은 부정적입니다. 연관이 없는(회색) 값도 긍정적인(흰색) 값만큼의 통찰을 제공할 수 있습니다. 이러한 값에서 새로운 기회나 위험 영역을 발견하는 경우가 종종 있기 때문입니다

 

모든 데이터 값은 데이터 세트 내의 다른 값과 연관이 있습니다. 예를 들어, 제품은 제품을 구입한 고객, 제품이 판매된 채널 및 제품이 포함된 개별 거래와 연관됩니다. 연관은 모든 방향으로 작용하고 여러 관계로 확장하며, 선택된 제품 및 국가의 세트와 연관된 지역과 같은 값의 조합에 적용될 수 있습니다.

 

 

어떤 연관이 존재하는지 또는 무엇이 중요한지를 사용자가 항상 알 수는 없습니다. 쿼리 기반 도구는 제품이 판매되는 특정 지역은 쉽게 보고합니다. 그러나 해당 지역에서 제품을 판매되지 않은 채널이 무엇이었는지를 파악하기는 쉽지 않을 수 있습니다. 이와 같은 중요한 통찰을 놓친다면 사용자는 스토리의 일부만을 파악하는 것입니다.

 

제외되는 데이터 없음

Qlik의 연관 엔진은 로드 시점의 SQL 조인 실행으로 인한 데이터 손실 없이 여러 소스의 데이터를 완전히 통합합니다. Qlik 연관 엔진은 "완전한 다자간 외부 결합"을 구축할 수 있습니다. 이는 사용자가 제외되는 데이터 없이 모든 소스의 모든 데이터에 액세스할 수 있다는 것을 의미합니다. 사용자는 데이터가 누락되거나 이중으로 처리되어 발생하는 사각지대 또는 부정확한 통찰 없이 완전한 이해를 얻을 수 있습니다.

 

경계 없는 탐색

 

연관 탐색

Qlik는 제한이나 경계에 구애 받지 않고 전체 데이터 소스를 자유롭게 탐색할 수 있게 하는 연관 사용자 경험을 제공합니다. 사용자는 시각화, 차트, 그래프, 필터 창, 전역 선택 인터페이스 등 어디서나 상호 작용할 수 있습니다. Qlik 엔진은 클릭이 발생할 때마다 즉시 모든 분석을 재계산하고 데이터 내 연관을 강조합니다. 또한, 엔진이 레코드 수준 데이터 세트에 기반해 동적으로 계산을 수행하므로, 사용자는 사전 정의된 질문이나 계층에 제한을 받지 않고 어떤 세부 수준에서 든 원하는 항목을 선택하여 새로운 아이디어나 데이터로 피벗 할 수 있습니다 이 과정을 계속 진행하면서 사용자가 더 많은 질문을 던지고, 컨텍스트를 추가하고, 각 단계에서 정보를 얻을 수 있습니다.

 

1           질문

–          

대화형 선택 및 키워드 검색 사용

–           사전 정의된 질문 뿐만 아니라 어떤 질문이든 가능

–           순서에 구애 받지 않고 시각화 또는 차트와 상호 작용

2           즉각적인 피드백

–           전체 분석과 KPI가 동적으로 재계산

–           녹색, 흰색, 회색으로 연관 강도 표시

–           앱 전체에 새로운 컨텍스트(선택 상태)가 적용됨

3           결과를 평가하여 발견을 얻고, '다음 질문' 생성

–           모든 주변 시각화에서 통찰력 발견

–           어떤 값이 현재 선택 항목과 연관되었는지 이해

–           보게 된 것에 근거하여 후속 질문을 생각하십시오.

 

 

 

검색 및 통찰 사례

 

 

이 사례에서 사용자는 주관식 질문을 던지는 것으로 시작해서 일련의 질문을 하여 비즈니스를 전체적으로 더 잘 이해할 수 있게 되었습니다. 통찰력은 진행되는 모든 단계에서 발생하여 특정 지역의 특정 고객 세그먼트에 대한 핵심 통찰이 궁극적으로 나타남으로써 사용자의 행동으로 이어집니다. 다음 사용자는 다른 질문으로 시작하여 다른 경로를 택할 수도 있지만, 두 가지 방법 모두 추가 쿼리나 시각화를 만들 필요 없이 질문에 답합니다. 비즈니스 전반에 걸쳐 더 많은 사용자가 더 많은 발견을 하면서 가치가 더해집니다.

 

스마트 검색

스마트 검색을 사용하면 사용자가 어디서 올바른 정보를 찾아야 할 지 모를 때도 간단히 질문을 함으로써 시작할 수 있습니다. 키워드를 사용하여 모든 데이터를 검색할 수 있으며, 일치하는 값이 있으면 순위가 매겨진 피드백이 즉시 제공됩니다. 또한 여러 값을 입력하면 일치하는 디멘젼 뿐만 아니라 값 사이에 존재하는 연관도 결과에 포함되어 연관의 정도를 기준으로 지능적으로 순위를 정합니다. 또한 검색은 차트 및 그래프 내 메타데이터를 포함하여 시각적 섬네일로 반환하므로, 알맞은 분석을 간편하게 탐색할 수 있습니다. 이러한 강력한 기능을 사용하면 질문을 통해 즉각적인 통찰력을 얻고, 더 많은 사용자에게 액세스를 확대하여 가치를 제공할 수 있습니다.

 

회색 데이터의 힘

Qlik의 연관 기술을 통해 사용자는 자신이 선택한 항목과 연관된 값 뿐만 아니라, 연관되지 않은 값도 볼 수 있습니다. 화면에서 회색으로 보이는 값이 연관되지 않은 값입니다. 또한 이 값은 새로운 기회 또는 위험이 될 수 있는 영역을 보여주는 중요한 통찰력을 담고 있기도 합니다. 예를 들어, 어떤 세트의 제품을 선택했다면 이 제품이 판매되지 않은 특정 고객 세그먼트가 존재함을 알 수 있습니다. 이 기능은 Qlik만의 고유한 기능이며 예상하지 못한 통찰력을 발견하는 훌륭한 방법입니다.

 

컨텍스트는 중요합니다.

Qlik 연관 기능은 전체 애플리케이션에서 모든 분석에 대해 단일 컨텍스트를 유지합니다. 사용자가 객체와 상호 작용하고 컨텍스트를 구체화하기 위해 선택 또는 검색을 수행하면 모든 분석 및 데이터 관계가 즉시 업데이트되어 이 새로운 컨텍스트를 반영합니다. 이렇게 하여 사용자는 다양한 세부 수준에서 모든 시각화를 '생각의 속도'로 탐색하고 잠재적인 관심 분야를 파악하고 다음으로 이동할 위치를 확인할 수 있습니다.

 

제한 없음

Qlik의 연관 기술은 사용자에게 어떠한 제한이나 경계도 두지 않습니다. 사람들은 원하는 모든 방향으로 모든 데이터를 자유롭게 탐색하고 검색합니다. 그리고 가능한 데이터 관계와 주요 관심 영역을 탐구하며 통찰력을 얻습니다. 이와 같은 유연성은 정보를 여러 각도와 다양한 수준에서 보면서 궁극적으로 전반적인 상황을 더 잘 이해하는 데 중요한 역할을 합니다.

 

생각의 속도

쿼리 기반 도구의 성능은 기본 데이터베이스에 따라 결정되는데, 이는 대화형 현대적 분석을 지원하는 설계를 갖추지 않은 경우가 많습니다. 너무 당연하게도 쿼리가 느려지고 이와 같은 열악한 성능은 지연을 발생시켜 사고의 흐름이 끊어집니다.

 

Qlik 연관 엔진은 분석을 동적으로 계산하고, 사용자가 질문을 떠올리는 것과 같은 속도로 연관성을 강조해서 보여줍니다. 비즈니스 사용자는 시스템이나 다른 사람의 도움을 기다릴 필요 없이 필요한 응답을 바로 받을 수 있으므로 더 깊이 있는 통찰력을 얻어 의사 결정에 사용할 수 있습니다.

Qlik의 엔진이 타의 추종을 불허하는 속도와 유연성을 제공할 수 있는 이유는 간단합니다. 이를 위해 설계되었기 때문입니다. Qlik 연관 엔진은 압축 이진 데이터 저장, 논리적 추론 및 동적 계산 등 특허를 받은 고유한 여러 접근법을 결합하여 대규모의 복잡한 데이터 세트를 분석하고 사전 정의되지 않은 질문을 하는 많은 수의 사용자에게 '생각의 속도'로 응답합니다. 이것은 15년 이상의 혁신과 투자를 통해 전 세계 45,000여 고객에게 가치를 제공하는 당사의 핵심 기술입니다.

 

추가할 내용들

Qlik 제품은 특허 받은 Qlik 연관 엔진의 고유한 기능으로 실현된 Associative Difference 경험을 Qlik 사용자에게 제공합니다. 강력한 계산과 데이터 인덱싱 엔진은 지난 15년간의 발전과 투자로 이루어진 Qlik의 핵심 강점입니다. 이 엔진은 자유형 대화식 탐색 및 분석을 지원하도록 특별히 설계되었으며, 많은 수의 사용자와 대규모 및 소규모 데이터에 고속 동적 계산 및 '생각의 속도' 응답을 제공합니다. 이 부록에서는 당사 엔진의 작동 방식과 차별화된 특징의 주요 측면을 다룹니다.

 

압축 이진 인덱싱

 

데이터 어셈블리

Qlik 연관 엔진은 다양한 소스에서 가져온 레코드 수준 데이터의 전체 세트를 메모리 엔진에 통합합니다. Qlik은 시각적 인터페이스로 제공되는 데이터 로드와 변환, 값과 관계에 대한 스마트 데이터 프로파일링, 복잡한 데이터 통합 시나리오에 사용되는 강력한 스크립팅 등, 서로 다른 데이터를 변환하여 함께 활용하는 견고한 데이터 준비 및 통합 기능을 제공합니다. 또한, 테이블 조인이 로드 시점에 실행되지 않고 사용자가 탐색할 때 동적으로 수행되므로 어느 소스에서 나온 데이터든 모두 보존됩니다. Qlik 연관 엔진은 로드 시점에 실행되는 일방적인 SQL 결합으로 인한 데이터 손실 없이 다자간 외부 결합과 동일한 성능을 제공합니다.

 

이진 인덱싱

데이터는 성능을 최적화하고 연관 사용자 경험을 유도하는 고도로 최적화 된 메모리 내 압축 이진 형식으로 인덱싱되고 저장됩니다. 데이터 관계는 다중 테이블 모델의 공통 열 이름을 통해 정의된 엔진에 의해 관리됩니다. 엔진은 값을 반복적으로 저장하는 대신 각각의 고유 값에 대해 이진 포인터를 생성하여 실제 값을 한 번만 저장합니다. 분석이 사전 계산되어 있지 않으므로 어떤 계산이든 필요할 때마다 수행할 수 있고, 탐색 및 집계를 할 때 유연성이 제한을 거의 받지 않습니다. 또한, 사용자가 탐색할 때 엔진이 동적으로 테이블 결합을 실행하므로 항상 정확한 테이블 및 정확한 값의 세트에서 계산이 수행되며, 결과가 잘못될 염려가 없습니다.

이 고유 컬럼식 이진 인덱싱 기능은 Qlik 연관 엔진의 기반으로 다수의 동시 사용자와 대규모 데이터 세트 전반에 걸쳐 반응형, 연관 데이터 탐색 및 on-demand 계산을 지원합니다.

 

논리적 추론 및 계산

많은 수의 사용자가 정보를 탐색할 때 각 사용자에게 필요한 유연성과 '생각의 속도' 응답을 제공하는 것은 어려운 일입니다. 사용자는 지속적으로 상호 작용하면서 즉각적으로 선택하여 새로운 정보를 검색하고, 사전에 예측하지 못한 다양한 데이터 부분 집합에 대해 복잡한 계산을 실행합니다. Qlik 연관 엔진은 사용자가 애플리케이션과 상호 작용할 때마다 2단계 프로세스를 통해 이 어려운 작업을 처리합니다.

 

논리적 추론

1단계는 논리적 추론으로, 현 컨텍스트에 대한 데이터 연관성을 결정하는 것입니다. 사용자가 선택을 하기 전에 모든 데이터가 실행됩니다. 하지만 사용자가 선택 항목을 고를 때마다 엔진이 관련 테이블 내의 고유한 값이 새로운 컨텍스트와 어떤 연관을 가지는지를 즉각적으로 계산합니다. 이를 통해 엔진이 연관이 있는 값과 연관이 없는 값을 모두 표시하여 데이터 내의 중요한 관계를 사용자에게 보여줍니다. 또한 엔진은 이 프로세스를 통해 이후 계산에 필요한 데이터를 최소화하므로 성능이 극대화됩니다. 논리적 추론은 Qlik 연관 엔진이 어떤 테이블의 데이터를 사용해야 하는지를 정확히 알고, 항상 가장 빠른 경로를 통해 올바른 데이터를 불러오게 합니다.

 

동적 계산

2단_계는 동적 계산입니다. 논리적 추론이 연관된 데이터 세트를 결정하면 Qlik 연관 엔진이 모든 분석과 집계를 실시간으로 계산하여 캐시된 하이퍼 큐브에 결과를 저장합니다. 필요에 따라 계산이 여러 조각으로 나뉘어져 다양한 테이블에서 수행되며, 다양한 첨단 기술을 사용해 성능을 극대화합니다. 사용자 상호 작용이 일어날 때마다 엔진에서 하이퍼큐브에 저장된 값을 재계산하여 사용자의 고유한 질문에 적합한 응답을 제공합니다. 또한, 데이터가 메모리 내에 고도로 압축 및 최적화되고 논리적 추론이 계산을 위해 데이터 세트를 최소화하기 때문에 계산 속도가 무척 빠릅니다.

Qlik의 특허 받은 엔진 기술에 대한 더 많은 점은 Intelligent Business Strategies의 Mike Ferguson이 작성한 "Interactive Data Exploration With An In-Memory Analytics Engine(메모리 내 분석 엔진을 통한 대화식 데이터 탐색)"라는 제목의 백서 를 참조하시기 바랍니다.

 

쿼리가 따라잡지 못하는 것들

쿼리 기반 도구에서도 이러한 유연성과 성능의 결합이 불가능하지는 않지만 사실 무척 어렵습니다. 간단히 말해, 사전에 정의되지 않은 질문을 하며 복잡한 대규모 데이터 세트를 분석하는 동시 사용자가 많으면 '생각의 속도'로 응답을 제공하지 못합니다. 임시 쿼리를 지원하는 메모리 기술을 보유했다고 주장하는 쿼리 기반 도구에서도 여전히 동일한 쿼리 구조에 의존하고 있으므로 매우 제한적인 성능을 보여줍니다.

압축된 이진 데이터 저장, 논리적 추론 및 동적 계산의 독특한 조합으로 구성된 Qlik 연관 엔진을 사용하면 아주 복잡한 작업도 매우 간단하고 투명하게 파악할 수 있습니다. 당사의 엔진은 15년 동안 혁신과 투자를 통해 발전하여 45,000여 고객에게 전례 없는 가치를 제공하였습니다.

 

For more information

https://qliksense.tistory.com/

https://blog.naver.com/about_qlik

qliker@kakao.com

Qliker

 

Qlik Sense 소개자료-연관분석.pdf

0.88MB