qc-standard 님의 블로그

[내일배움캠프_QA/QC 5기] 49일차 _ 태블로 4강 | (금일) 태블로 라이브세션 복습 | 태블로 5강

qc-standard — Fri, 15 May 2026 23:47:07 +0900

2026/05/15 FRI. 일간 계획		↓주간 계획↓
O	● (오전) 인턴 자소서 최종 수정	O	~~● 인턴 지원 완료~~
O	~~● (점심시간 전까지) 인턴 제출~~	ing	● 라이브 세션 - 복습
O	~~● 아티클 스터디~~	ing	● adsp
O	~~● 태블로 강의 4강~~	ing	● 태블로 완강
O	~~● 태블로 강의 5강~~
X	● ~~라이브세션 복습~~+미니과제

⊙ 아티클 스터티

( https://qc-standard.tistory.com/79 )

⊙ 태블로 강의 4강

● 4-1 Tableau Prep 활용한 데이터 전처리 데이터 필드 생성 및 활용

☑️ Tableau Prep?

데이터 분석 중 전체 업무의 80% 데이터 전처리에 사용 → '전처리하면서 분석할 수 없을까?'에서 착안한 프로그램
데이터 준비 도구
시각적인 인터페이스를 갖추고 있으며, 데이터 연결 → 정제 → 통합 과정을 드래그 앤 드롭 방식으로 수행 가능
결합(Combine) : 서로 다른 데이터 소스를 조인(Join) 또는 유니온(Union)
정리(Clean) : 데이터 안의 불필요하거나 불일치하는 값을 정제
변형(Shape) : 분석 목적에 맞게 피벗(Pivot), 집계(Aggregate), 필터(Filter) 등을 수행
~~Tableau Prep 설치~~

☑️ Tableau Prep 활용한 데이터 전처리

상황
: 상사가 "4개년 매출 현황 확인 / 반품 현황과 관리자별 매출 현황 확인"
: 데이터셋 - 4개년 영업 실적이 각각 파일로 관리
: 데이터셋 - 지역별 관리자 파일
: 데이터셋 - 반품된 주문번호만 가진 파일
→ total 6개 파일
엑셀 - 4개년 아래로 붙이고 VLOOKUP함수로 지역별/반품 정보 옆으로 붙임
파이썬 - Pandas 이용 concat, merge 함수 이용
데이터 DB에 적재 - JOIN과 UNION 활용하여 쿼리 작성
Prep - 그림처럼 합칠 수 있

유니온 : 4개년 / 조인 : 지역별, 반품 정보
실습

● 데이터 유니온

○ 영업실적 필드 : 년도는 다르지만 '필드 명, 필드 타입'이 동일할 것임으로 Union

○ 다른 영업실적은 Union이 아닌 추가

▷ Union 된 상태

○ Union 확인하기
○ 불일치 필드 : Prep으로 간단하게 병합 가능

○ 수익 = 이익 같은 말
○ 수익 누르면 비슷한 필드 추천

○ + 누르면 합쳐짐

○ 드래그 앤 드랍으로도 병합 가능

○ 불일치 해결 후 결과 피드 = Union 잘 됨

● 데이터 조인

○ '영업 실적' 과 '지역별 관리자'는 다른 데이터로 key를 기준으로 수평 결합 = Join

○ 기본적으로 교집합 'inner join'
○ Left / Right로 바꾸고 싶으면 해당 영역 선택
Full outer join : 합집합
여집합도 가능

○ join이 되지 않은 개수 : 1,832

○ "조인 절" join 되지 않은 이유를 나타내는 탭
○ Union에는 서울/경기, 수도권 | join 해야하는 지역별 관리자에는 수도권으로 필드명 상이 함

○ 더블 클릭하면 이름을 바꿀 수 있음 → 수도권으로 바꿔 줌계산된 필드 만들기

○ 일치

○ Join 되지 않은 것 없음

○ 단계상 전처리 진행 = 원본 영향 없음

● 데이터 조인 2

○ 조인 유형 바꾸기 예제

● 데이터 정리

○ 정리 단계 : 값 변경 / 필드 위치 수정 → 다양한 기능 수행
○ 필요없는 필드 삭제 가능

○ 필요없는 컬럼 제거

○ Join으로 인한 중복 필드 제거

○ 사이먼 해당 값들만 볼 수 있음

○ 마우스 오버 = 커서를 가까이 대는 것

○ 드래그 앤 드롭 - 필드 순서 바꾸기

● 데이터 출력

○ 정리까지 된 파일 추출

○ 게시된 데이터 원본 : 태블로 클라우드 또는 태블로 서버 원본을 게시하는

○ hyper : 태블로 전용 데이터 파일

○ 흐름 실행 마침 = 전처리한 데이터 저장 완료
○ 태블로 데스크탑에서 시각화 진행 가능

● 4-2 Tableau 작업 순서와 라이브 VS 추출

☑️ 라이브 VS 추출

라이브(Live)
: 데이터베이스와 실시간 연결을 유지하며 쿼리를 즉시 실행
: 대시보드에서 필터나 계산을 변경할 때마다 원본 데이터베이스에 직접 질의
→ Excel 안에서 값 추가나 변환이 있을 때 새로고침 누르면 대시보드 상에 반영
: 항상 최신 데이터 조회 가능
: 원본 DB의 성능과 네트워크 상태에 크게 의존 - DB 성능이 좋지 않으면 대시보드가 느려질 수 있음
: 데이터 양이 많거나 복잡한 쿼리 시 속도 저하 가능
: 별도 파일 생성 없음 (저장 공간 차지 X)
: 추출과 비교시 속도는 조금 느리지만 최신 데이터 조회 및 데이터 복사X일 때 연결 추천
추출(Extract)
: 원본 데이터 일부 또는 전체를 Hyper 파일로 추출하여 로컬 또는 Tableau Cloud/Server에 저장
: 추출된 데이터로 분석하므로 원본 DB와 실시간 연결 끊김
→ 원본 DB의 일부를 스냅샷처럼 현 상태를 복사한 상태로 연결
: 쿼리 속도 빠름 (인메모리 엔진 사용)
: 데이터 양 많아도 성능 안정적
: 일정 주기(스케줄링)로만 새로고침 필요 → 실시간성 낮음
: Hyper 파일 저장 공간 필요
비교

선택기준

● 라이브	● 추출
● 실시간 데이터 모니터링 필요시 주로 사용 ● 원본 DB 성능과 네트워크 환경이 안정적일 때	● 데이터 크기가 크거나 복잡해 성능이 중요한 경우 ● 오프라인 분석 또는 대시보드 속도 최적화 필요할 때 ● 데이터가 일정 주기(하루 1회 등)로만 갱신될 때
● 태블로 퍼블릭 게시 시, '데이터 추출'로만 게시 가능 - 데이터 원본을 라이브로 연결하는 것 지원 X

실습

○ 데이터 원본 탭 - 우측 상단

☑️ Tableau 작업 순서

데이터 추출 필터 (Extract Filters)
: 적용 시점 - 데이터 추출(.hyper) 단계에서 불필요한 데이터 제거
: 특징 - 데이터 원본에서 아예 제외되므로 추출 파일 크기와 성능 최적화에 효과적

: 증분 새로고침 - 추출된 데이터를 새로고침하는 과정에서 기존 데이터를 유지하고 날짜/ID 기준으로 새로고침할 최소 날짜 범위는 얼마일지 설정하고 기존 데이터 유지하고 새로고침하는 데이터들만 추가할때 사용하는 기능
: 새로운 행 추가에는 적합하지만, 기존 데이터가 수정, 삭제되는 경우 반영되지 않음 → 반드시 전체 새로고침을 주기적으로 병행해야 함

데이터 원본 필터 (Data Source Filter)
: 적용 시점 - 추출 이후, 데이터 소스 전체에 걸쳐 필터링
: 특징 - 보안 목적(사용자별 행 제한)이나 대시보드 전체에서 공통으로 적용되는 필터에 사용

△ 추출 필터 & 데이터 원본 필터 : 데이터 원본 탭에서 적용△

▽ 컨텍스트 & 차원 & 측정값 & 테이블 계산 필터 : 워크시트 탭에서 적용 ▽

컨텍스트 필터 (Context Filters)
: 적용 시점 - 다른 필터보다 먼저 적용되어 기준(Context)으로 사용됨
→ 차원 필터, 측정값 필터보다 우선 돼서 사용
- 특징
  - Top N, 조건부 필터, 집합(Set) 필터, FIXED LOD 계산에서 기준 역할
  - Context로 지정된 필터가 먼저 작동한 후, 나머지 필터가 작동

○ 경상북도 + 매출 top 10 + 제품명 필터 적용 → 8개 나옴

○ 대전광역시 + 매출 top 10 + 제품명 필터 적용 → 4개 나옴

○ 매출 Top 10을 설정했지만 10개가 안나오는 곳이 많음
'시도' 필터 vs '제품명' 필터가 상충했을 때
'제품명'에 있는 Top N 필터가 먼저 작동해서
'제품명'에 대해 10개만 먼저 필터링 후 '시도'필터 적용
제품명에 대
경상북도 + 매출 top 10 + 제품명 필터 적용 → 8개 나옴

○ '시도' 필터 먼저 적용하려면 → 컨텍스트에 추가

○ 4개 나오던 대전광역시 → 10개 나옴

○ 8개 나오던 경상북도 → 10개 나옴

● Fixed 함수와 차원 필터 같이 쓸 때

○ Fixed 값이 우선 적용 돼 바뀌지 않음

○ '고객 세그먼트' 컨택스트 추가 → 값 바뀜

차원필터 (Dimension Filters)
: 적용 시점 - 차원(Dimension) 값에 대한 필터링
: 특징
- INCLUDE/EXCLUDE LOD 계산과 데이터 블렌딩(blending)에도 영향
- 카테고리, 지역 등 불연속형 필드의 필터링 단계
측정값 필터 (Measure Filters)
: 적용 시점 - 집계된 측정값(Measure) 결과를 기반으로 필터링
: 특징
- 집계 후의 값에 조건(예: 매출 > 1000)을 걸 때 사용
- 차원 필터보다 나중에 계산되므로 결과 값에 따라 범위가 달라질 수 있음
테이블 계산 필터 (Table Calculation Filters)
: 적용 시점 - 뷰(View)에서 테이블 계산이 끝난 후 마지막으로 필터링
: 특징
- 순위, 이동평균, 누계 등 테이블 계산 후 필터 적용
- Forecast, Cluster, Total 계산도 이 단계에서 처리

● 4-3 데이터 원본 편집

☑️ 데이터 결합

논리적 계층 vs 물리적 계층

데이터 결합 방식 비교 정리

관계(Relationship)
: 개념
- Tableau 2020.2 이후 도입된 논리적 데이터 모델링 방식
- 테이블 간 논리적 연결을 유지하면서, 뷰에 필요한 필드를 사용할 때만 동적으로 조인 수행
- 지연 조인(Deferred Join) 방식으로 불필요한 데이터 중복 방지
: 특징
- 테이블을 별도로 유지해 다중 집계 레벨 데이터 처리 가능
- 뷰에서 필드를 쓸 때마다 상황에 맞춰 적절한 조인 자동 생성
- 성능 최적화 및 중복 집계 방지에 유리
조인(Join)
: 개념
- 물리적 레벨에서 두 테이블을 하나로 합쳐 단일 테이블 생성
- 조인 키(공통 필드) 기준으로 Inner, Left, Right, Full Join 가능
: 특징
- 데이터 결합이 즉시 일어나므로 데이터 소스 자체가 하나의 테이블로 변환
- 조인 시 중복 레코드나 Null 발생 가능
- 데이터 크기가 커지면 성능 저하 가능
유니온(Union)
: 개념
- 같은 구조(컬럼 이름/형태)의 테이블을 행(Row) 기준으로 이어 붙이는 방식
- SQL의 UNION ALL 과 동일한 개념
: 특징
- 테이블 구조가 동일해야 함
- 기간별 데이터(월별, 분기별 파일) 합치기에 유용
- 열(Column) 기준 결합이 아닌 행 기준 결합

블렌딩(Blending)
: 개념

서로 다른 데이터 소스를 결합하는 방법
기본 데이터 소스(Primary)와 보조 데이터 소스(Secondary) 연결
공통 필드(블렌딩 키)를 기준으로 시각화 단계에서 결합

: 특징

데이터 소스 자체를 합치지 않고, 시각화 단계에서 결합
서로 다른 DB 간 결합 가능 (예: Salesforce + Excel)
LOD(Level of Detail) 차이가 큰 데이터 결합에 적합

● 관계

○ 합쳐지지 않고 각각 데이터 존재만들기 - 구간차원 - 구간차원 크기 제안

○ 물리적 결합은 아니지만 화면상에서 시각화 할 때, 쿼리가 작동

● 조인, 유니온

○ 물리적 결합을 알 수 있음

● 블랜딩

○ 블랜딩으로 연결되어 있음

○ 실제 '매출'과 '목표 매출'을 한 시각화로 할 수 있음

☑️ 통합 문서 합치기 & 데이터 원본, 참조 바꾸기

● 통합 문서 합치기

● 데이터 원본 바꾸기 통합 문서 합치기

○ 화면상 오류 - 대시보드 먹통

○ '수익'이 '이익'으로 바뀌게 되며 대시보드 정상작동

⊙ 태블로 라이브세션 - 5회 - 복습

☑️ Tableau Prep?

○ 하버드 비즈니스 리뷰에 따르면 데이터 분석 중 전체 업무의 80%를 데이터 전처리에 사용한다고 함.
‘전처리를 하면서 데이터 분석을 할 수 없을까’하는 생각에서 착안해 만든 도구 "Tableau Prep"
○ Tableau Prep = 데이터 준비 도구
○ 사용자가 직관적으로 이해할 수 있도록 시각적인 인터페이스를 갖추고 있으며, 데이터 연결 → 정제 → 통합 과정을 드래그 앤 드롭 방식으로 수행할 수 있음
○ 결합 (Combine) : 서로 다른 데이터 소스를 조인(Join) 또는 유니온(Union)
○ 정리 (Clean) : 데이터 안의 불필요하거나 불일치하는 값을 정제
○ 변형 (Shape) : 분석 목적에 맞게 피벗(Pivot), 집계(Aggregate), 필터(Filter) 등을 수행

☑️ 왜 전처리를 해야하나?

= 왜 전처리를 해야하지? 뭘 전처리 해야하지? 전처리의 완료의 기준이 뭐지?

"Tidy DATA = 정돈된 데이터"
○ 데이터셋의 의미를 구조를 기준으로 대응(맵핑)하는 표준적인 방법
○ 데이터 '내용'과 '모양'을 일치시켜 누구나 직관적으로 이해하고 분석하기 쉽게 만드는 것이 핵심
○ 3원칙

○ 각 변수(variable)는 하나의 열(column)을 형성
- 예: 이름, 색상, 아이디 등 데이터의 종류는 세로 줄로 나열

○ 각 관측치(observation)는 하나의 행(row)을 형성
- 예: 데이터 하나하나의 개별 정보는 가로 줄로 나열

○ 각 셀(cell)은 하나의 단일 측정값(single measurement)을 담아야 함
- 예: 표의 칸 하나에는 오직 하나의 데이터 값만 들어가야 함

▶ "한 열에는 한 종류의 정보만, 한 행에는 한 건의 데이터만, 한 칸에는 하나의 값만!" 넣는 것이 바로 Tidy Data의 핵심

☑️ Union | Join | Pivot

● Union

○ 수직으로 결합
○ 위 아래로 결합
○ 필드 개수, 필드 명, 필드 타입이 동일!!

● Join

○ 수평으로 결합
○ 기준 필드 옆으로 결합
○ key 기준으로 옆

● Pivot

○ 행을 열로
○ 열을 행으로

☑️ 실습

● 피벗 변환

● 유니온 결합

○ 이후는 유니온이 아닌 추가
"1개 상자에 계속 담느냐 vs 상자를 풀고 다시 넣고 풀고 다시 넣고" 차이

● 유니온 불일치 해결

○ Productivity = 생산력 '+'로 합치기

" 전처리 결과는 원본 데이터에 영향을 미치지 않는다 "

● 조인 결합

● 조인 전처리 - 복수 필드 정리

○ . 기준 처음 1개 필드만 가져와

● 전처리 파일 저장

⊙ 태블로 강의 5강

● 5-1 대시보드

☑️ 대시보드?

대시보드(Dashboard)는 원래 자동차나 비행기 운전석 앞에 있는 계기판에서 비롯된 용어
: 자동차의 상태를 계기판을 통해 한눈에 알 수 있음 → 자통차 상태를 한 눈에 알고 즉각적인 판단을 내릴 수 있도록 돕는 역할
비즈니스 인텔리전스(BI) 분야에 적용되면서, 대시보드란 다양한 데이터와 정보를 시각적으로 구성하여 하나의 화면에 통합적으로 제시하는 도구를 의미하게 됨
즉, 기업의 의사결정자가 여러 지표와 데이터를 직관적으로 확인하고 빠르게 분석할 수 있도록 돕는 시각화된 정보 관리 패널

▶ 너무 많은 정보를 담으면 사용자에게 혼란 야기 = 목적에 맞게 설계!!

☑️ 대시보드 목적

"문제 정의"가 핵심

누가 보는가?
보는 시점은 언제인가? (ex 업무보고, 모니터링, 미팅 등)
얼마나 피곤한가?
얼마나 자주 보는가?
그 동료랑 얼마나 자주 소통하는가?
내용을 어디까지 공유하는가?
공유할 수 있는 데이터는 무엇이고, 공유할 수 없는 데이터는 무엇인가?

▶ 우선순위, 대시보드 기능의 개발 순서, 콘텐츠 레이블링이 달라짐

○ 전략 대시보드

목적: 경영진이 장기적 목표 달성 현황과 KPI를 모니터링하고, 조직의 전략적 방향 설정 및 성과 평가에 사용
특징: 고위 경영진이 주요 지표를 한눈에 파악할 수 있도록 단순하고 직관적인 시각화 중심, 정보는 주로 집계 데이터 기반, 실시간보다 장기적 추세를 중요시
: 해당 기간 내 발생한 데이터를간단히, 축약해서 간단하게 볼 수 있는 대시보드
사용 예시: 회사의 연간 매출 성장률, 시장 점유율, 부서별 목표 달성률 등

○ 분석 대시보드

목적: 방대한 과거 데이터를 심층적으로 분석하여 인사이트 도출, 복잡한 원인 분석 및 패턴 탐색을 지원
특징: 데이터 드릴다운·필터링 가능, 추세분석·원인분석 강조, 정의된 지표 외 다양한 데이터 탐색과 비교 가능
: 전략 대시보드보다 기능이 많음
사용 예시: 마케팅 캠페인 효과 분석, 고객 행동 패턴 심층 분석, 판매 실적의 변동 원인 탐색 등

○ 운영 대시보드

목적: 실무 및 중간 관리자들이 일상적인 업무와 프로세스 상태를 실시간으로 모니터링하고, 신속하게 문제를 파악하고 대응
특징: 실시간 데이터와 알림, 세부 지표 강조, 사용자·팀·프로세스별 세부 관리가 가능하도록 설계
사용 예시: 생산 현장의 설비 가동 현황, 실시간 콜센터 응답률, 당일 출하/주문 처리 현황 등

☑️ 산업군별 대시보드 사용 예시

○ 마케팅	○ 제조	○ HR
○ 전사 매출 현황 - 핵심 지표들의 트리 계층 구조 파악 ○ 광고 비용 ○ 트래픽 분석 ○ 이메일 마케팅 모니터링	○ 장비 현황 모니터링 - Hexa map \| ○ 공정 흐름 모니터링 ○ 공정-위치-사이즈별 불량을 나타내는 히트맵 - 시계열 트랜드 확인 가능 ○ 센서 결과 모니터링	○ 인력맵 - 직무벼 분포, 연령대별 분포 등 ○ 조직 단위 - 도넛 파이 ○ 업무 현황 - 도넛 파이 ○ 개인 프로파일

● 5-2 대시보드 화면 구성 및 디자인

☑️ 대시보드 화면 구성

Business Question 던지기
: 어떤 제품이 가장 높은 매출을 기록하고 있는가?
: 시간 추이에 다른 매출 패턴은 어떻게 변하는가?
: 등
: 대시보드를 통해서 확인하고자 하는 Business Question이 무엇인지 정하고
그 질문에 답변할 수 있는 대시보드 생성이 중요
화면 설계
표현 방식 결정
차트 선정
액션 설계(마우스 오버 & 동작)
대시보드 제작

☑️ AI 툴을 활용한 대시보드 기획 - 실습

△ 기획 단계를 AI를 활용해 진행하는 추세

● Lovable

https://lovable.dev/

"프로젝트 관리를 위한 대시보드를 설계해줘.
대시보드에는 주요 프로젝트 목록, 진행 상태(예: 진행중, 완료, 보류),
마감일, 담당자, 그리고 미션별 남은 일정(days left)을 포함해줘.
각 항목은 표 형태로 정리하고, 상태별 통계 차트와 월별 완료 프로젝트 그래프를 추가해줘.
전체적으로 직관적이고 한눈에 현황을 파악할 수 있게 레이아웃을 구성해줘.”

☑️ 대시보드 디자인

계층
: 정보를 계층화하고 계층화된 레벨에 따라 사이즈와 비중을 결정
: ex) 책 - 큰 글씨→작은 글씨 | 위→아래 | 오른쪽→왼쪽 으로 읽으니 이를 고려해 KPI 지표는 좌측 상단에 많이 배치
단순성
: 복잡한 정보를 단순하고 이해하기 쉬운 형태로 제공
: 대략 6개 항목이 적당
일관성
: 일관적인 레이아웃을 사용할 때 대시보드가 더욱 보기 좋다
근접성
: 유사한 정보들을 근접한 위치에 배치하는 것은 사용자들이 내용을 더 빠르게 이해하는데 도움을 준다
: ex) 표 | 가로 막대 | 파이 차트 등을 묶어 놓는 것 - 시각적으로 유사한 차트들끼리 묶어서 배치
: 유사한 정보들끼리 묶어야 사용자가 보기 좋음
정렬 : 대시보드의 엘리먼트들은 시각적으로 균형감을 주도록 정렬한다.
여백 : 사용자들에게 잠시 쉬어가는 공간을 제공해 준다.
색상
: 사용자들의 주목을 잡을 수 있도록 효과적인 컬러 스키마를 사용한다
: 대략 3가지 색상 사용 | 메인 key 컬러 사용, 상승-빨강, 하강-파랑
폰트
: 표준 폰트들을 사용하는 것이 특수한 경우가 아니고서는 가장 나은 선택일 수 있다.
: 표준 폰트 사용
숫자형식
: 숫자를 너무 많은 양의 형식으로 제공하면 사용자에게 혼란을 야기할 수 있다.
: 숫자 축약
레이블
: 레이블을 사용하여 사용자들이 정보를 보다 쉽고 효과적으로 이해할 수 있도록 한다.
: 축약 또는 생략해서 표시하는 것이 좋음

☑️ 디자인 관련 참고

핀터레스트 - UIUX 레퍼런스 - 대시보드 검색하면 래퍼런스 많이 나
https://kr.pinterest.com/
Color Hunt - 컬러 팔레트
https://colorhunt.co/palettes/popular
Webgrediant - 컬러 그라데이션
https://webgradients.com/
BairesDev - 컬러 래퍼런스
https://www.bairesdev.com/tools/ai-colors
눈누 - 폰트
https://noonnu.cc/
Flaticon - 아이콘
https://www.flaticon.com/kr/

● 5-3 대시보드 구성 실습

● 장치별 레이아웃

○ 기기 유형 | 모델 별로 만들 수 있음
○ 장치 유형 : 데스크탑 / 태블릿 / 휴대폰
○ 계층적 관계 : 기본 대시보드 - 상위 / 장치별 레이아웃 - 하위

● 대시보드 크기

○ 자동 - 추천 하지 않음 - 글자가 ####으로 깨져 보이는 경우 있음
○ 고정을 추천
○ 너비 1600 높이 1000 으로 만들 예정

● 바둑판식/부동

● 바둑판식(Tiled)	● 부동(Floating)
객체들이 격자(Grid) 형태로 자동 배열됩니다. 레이아웃 컨테이너 내에서 배치 방식이나 분포 방식을 조정할 수 있습니다.	다른 객체 위에 자유롭게 겹쳐 배치할 수 있습니다. 대시보드 창에서 ‘떠다니는’을 선택한 후 원하는 시트를 올려야 합니다. 떠다니는 개체는 순서를 바꾸거나 크기를 자유롭게 조정할 수 있습니다.

○ 그리드 형태 - 각 개체들이 격자 형태로 배열	○ 그리드 X - 내 맘대로 크기, 위치 설정 ○ 피그마로 대시보드에 대한 뒷 배경 디자인 해서 배경을 뒤에 깔아놓고 대시보드 영역에 워크시트들을 위족에 띄워 놓을 때 많이 사용
○ 바둑판 상태에서 ' shift ' + 크기 조절 → 부동으로 바뀜

● 대시보드 개체

○ 바둑판식 - 바깥쪽 여행 - 기본적으로 8픽셀

● 레이아웃 개체

● 5-4 대시보드 동작 및 도구 설명

☑️ 대시보드 동작

○ 동작 필터 전

○ 동작 필터 후

☑️ 도구 설명

☑️ 동적 영역 표시 유형(Dynamic Zone Visibility)

● 5-5 Tableau Cloud를 통한 대시보드 공유

☑️ Tableau Cloud에 대시보드 게시

○ 올라간거 확인 후 삭제 ㅋㅋㅋ

[내일배움캠프_QA/QC 5기] 49일차 _ 아티클 스터디 " “이게 내 피부 색이에요?”…아모레성수, ‘AI맞춤 화장품’ 써보니"

qc-standard — Fri, 15 May 2026 11:51:39 +0900

⊙ 아티클 스터디

주제 : " “이게 내 피부 색이에요?”…아모레성수, ‘AI맞춤 화장품’ 써보니"
( https://theviewers.co.kr/View.aspx?No=4061394 )

요약

: 아모레퍼시픽은 서울 성수동 플래그십 매장 아모레성수에서 AI 피부 분석과 로봇 제조 기술을 활용한 맞춤형 화장품 서비스를 운영하고 있다. AI가 피부 밝기·색상·언더톤을 분석하여 300여 가지 이상의 색상 조합 중 개인에게 맞는 파운데이션을 추천하고, 로봇 장비가 현장에서 즉석 제조한다. 아모레퍼시픽은 오프라인 맞춤 제조와 온라인 생성형 AI 추천 서비스를 결합해 ‘초개인화 뷰티’ 경쟁력을 강화하고 있다.

주요 포인트

정밀한 AI 피부 진단 : 전용 장비로 피부 밝기, 색상, 언더톤을 분석하여 개인에게 가장 자연스러운 색상을 추천
로봇 즉석 제조 시스템 : AI 분석 데이터를 바탕으로 로봇이 현장에서 색소를 자동 배합하여 맞춤형 파운데이션을 생산
색상의 세분화 : 기존의 제한적인 호수(21호, 23호 등)를 벗어나 300여 가지 이상의 방대한 색상 조합 가능
외국인 중심의 경험형 소비: 서비스 이용객 중 외국인 비중이 80% 이상, 단순 제품 구매를 넘어 제조 과정을 촬영하고 SNS에 공유하는 체험형 문화가 확산되고 있음.
디지털 기술 확장: Chat GPT 기반의 '아모레몰' 앱 출시와 CES 혁신상을 받은 가상 메이크업 솔루션 등을 통해 AI 뷰티 분야의 경쟁력 강화

핵심개념

초개인화(Hyper-personalization) : 개인의 고유한 피부 데이터와 취향을 분석하여 단 한 사람만을 위한 맞춤형 제품과 서비스를 제공하는 방식
경험형 소비 : 상품 자체의 소유보다 제품이 만들어지는 과정이나 AI 진단 같은 특별한 체험에 가치를 두고 소비하는 경향
AI 뷰티 플랫폼 : 오프라인 매장의 기술 체험과 온라인의 생성형 AI 추천 서비스를 결합하여 차별화된 뷰티 솔루션을 제공하는 온 · 오프라인 통합 플랫폼

용어정리

CES : 매년 1월 라스베거스에서 열리는 세계 최대 규모 IT · 가전 전시회
K뷰티 : 한국 화장품 및 뷰티 산업 전반을 의미하는 용어
언더톤(Undertone) : 피부 표면 색상 아래에 흐르는 고유의 색조(쿨톤, 웜톤,뉴트 등)를 의미
플래그십 매장(Flagship Store) : 브랜드 체험과 이미지 전달을 목적으로 운영되는 대표 매장
맞춤형 화장품 : 기성 제품이 아니라 고객의 피부 상태나 요구에 맞춰 현장에서 즉석 제조된 화장품
생성형 AI : 사용자의 질문·데이터를 바탕으로 추천이나 콘텐츠를 생성하는 AI 기술
워너-뷰티 AI(Wanna-Beauty AI) : CES에서 혁신상을 수상한 아모레퍼시픽의 맞춤형 메이크업 가상 체험 솔루션

[내일배움캠프_QA/QC 5기] 48일차 _ 태블로 3강

qc-standard — Thu, 14 May 2026 22:04:44 +0900

2026/05/14 Thu. 일간 계획		↓주간 계획↓
O	~~● 인턴 자소서 수정~~	ing	● 인턴 지원 완료
O	~~● 인턴 제출 서류 준비~~	ing	● 라이브 세션 - 복습
O	~~● 인턴 서류 - 최종제출 전 단계까지 시뮬레이션~~	ing	● adsp
O	~~● 태블로 강의 3강~~	ing	● 태블로 완강
X	● 라이브세션 복습+미니과제

⊙ 태블로 강의 3강

● 3-1 데이터 필드 생성 및 활용

데이터 그룹 & 집합을 생성하여 여러 차원을 묶어 관리 가능

☑️ 데이터 그룹

○ 데이터 그룹화

원래 차원의 멤버(예: 국가, 제품명, 고객명 등)를 사용자가 지정한 기준으로 묶어 새로운 범주를 생성
= 각 필드(차)를 사용자가 지정한 기준으로 묶어 새로운 필드를 생성
그룹을 만들면 원본 데이터는 변경되지 않고, 새로운 계산된 차원 필드가 생성
그룹은 분석 중 특정 항목들을 집계하거나 맞춤형 범주를 만들 때 활용

● 그룹화 만들기

○ Ctrl + (그룹화 할 필드 선택) - 멤버 그룹화

○ 시도(그룹) 필드 생성 = '경기도, 서울, 인천' 하나의 필드로 묶임

○ '경기도, 서울, 인천'값들이 정해진 상태로 표시

○ 시도(그룹) - 그룹편집
○ 시도(그룹) - 그룹편집 - '기타'포함 체크

○ 수도권(시도(그룹)) VS 나머지 지역의 매출값 비교

● 데이터 패널에서 그룹화 만들기

○ 수도권(시도(그룹)) VS 나머지 지역의 매출값 비교

○ 권역별 매출 볼 수 있음

○ '권역' 필드를 '지역' 계층에 넣으면
( 맵차트를 권역별 집계해서 시각화 할 수 있음)

○ 대시보드 - '지역별' 시트로 이동
○ 워크시트에서 '권역'을 마크 아래 '시도'에 마우스 오버
'시도 → 권역'으로 대체

○ 각 지열별로 차원들이 합쳐져서 표현

● 기존 필드를 활용해 새로운 필드를 만들어 시각화로 나타낼 수 있음

○ 그룹 계산식으로 구현 가능

IF [시도] IN ('경기도','서울특별시','인천광역시') THEN '경기'
ELSEIF [시도] IN ('강원도') THEN '강원'
ELSEIF [시도] IN ('경상남도','경상북도','대구광역시','부산광역시','울산광역시') THEN '경상'
ELSEIF [시도] IN ('광주광역시','전라남도','전라북도') THEN '전라'
ELSEIF [시도] IN ('제주특별자치도') THEN '제주'
ELSEIF [시도] IN ('대전광역시','세종특별자치시','충청남도','충청북도') THEN '충청'
END

☑️ 집합

차원의 멤버를 조건에 따라 포함(True) 또는 제외(False) 로 나누는 기능
집합은 하나의 Boolean 차원(참/거짓 필드) 을 생성하며, 뷰에서 필터나 색상 구분 등에 활용 가능
조건은 수동으로 멤버 선택하거나, 조건/상위 N/계산식을 통해 동적으로 지정 가능
: 필터와 마찬가지로
수동 선택 집합 - 정적 집합
동적으로 값들이 바뀌는 집합 - 동적 집합

● 정적 집합

○ 강미애 + Shift + 강희수 - 집합 만들기
○ '강씨 성 고객명 집합' 필드 생성

○ 제품 대분류 별 '전체 고객 매출' VS '강씨 성 고객명' 비교 가능
: 회색 = 전체 | 민트색 = 강씨 고객

● 동적 집합

○ 각 지열별로 차원들이 합쳐져서 표현

○ 매출 상위 10명의 고객명을 볼 수 있음

○ 매출 상위 10 IN + 수익 상위 10 IN = 매출과 수익이 동시에 상위 10명 안에 드는 고객

○ 교집합 | 합집합 | 차집합으로 표현할 수 있음

○ 계산된 필드 만들기
○ 만약 [제품 대분류 집합]에 속하면 [제품 중분류]를 가지고 오고
아닌 경우(ELSE)에는 >를 가지고 온다
이름은 "C_제품 대분류 집합 드릴다운"

○ 워크시트 - 동작 - 동작추가

○ 대상 집합 : 제품 대분류 집합 - 선택을 해제할 경우의 결과 : 집합에서 모든값 제거

○ 대상 집합 : 제품 대분류 집합
→ 제품 대분류를 집합으로 함

○ 선택을 할 경우 해당 집합의 대분류가 보이고
선택을 해제할 경우의 결과 : 원래대로 돌아감

☑️ 구간 차원과 히스토그램

연속형 데이터(예: 가격, 연령, 점수 등)를 일정 간격으로 나눠 분포나 패턴을 파악하기 위함
간격(bin size)을 지정하면 각 값이 속하는 구간이 범주로 생성
히스토그램
: 연속형 수치 데이터의 분포를 확인할 때 사용하는 차트
: 값을 일정 구간(=Bin)으로 나누고 각 구간에 속하는 데이터의 개수를 막대의 높이로 표현

● 히스토그램 만들기

○ 만들기 - 구간차원 - 구간차원 크기 제안

○ 매출(구간차이) - 연속형 | 매출 - 측정값 - 카운트

○ 간단 ver

합계 누르고 - 표현방식 - 히스토그램 클릭

○ 매출(구간차원) - 편집
→ 구간차원 크기를 줄일 수록 촘촘한 그래프

☑️ 측정값과 측정값 이름

측정값
: 데이터 연결 시 자동으로 생성되는 필드 - 삭제 불가
: 선택된 측정값의 실제값을 모아둔 가상 측정값
= "해당 측정값 이름에 해당하는 수치"를 표시하는 컨테이너
: 측정값 이름과 짝지어 사용해야 함
: 여러 지표를 하나의 뷰에서 동시에 표현할 때 사용
측정값 이름
:데이터 연결 시자동으로 생성되는 필드 - 삭제 불가
: 데이터 소스의 모든 측정값 필드에 이름을 모아둔 가상차원(Dimension)
= "어떤 측정값을 사용할 것인가"를 나타내는 라벨 역할
: 자동 생성되어 삭제 불가
: 필터 선반에 올리면 특정 측정값만 선택적으로 표시 가능
: 축 또는 레이블로 사용 시 측정값 이름별로 구분된 뷰 생성 가능
: 여러 지표(매출, 이익 등)를 한 차트에 비교할 때 필수적

→ KPI 지표를 측정값과 측정 지표를 이용해 구현할 수 있음

● 실습

○ 측정값 필드들이 측정값 선반 안에 들어가게 되고
각각의 값들을 뷰 안에서 비교 할 수 있음

● '고객수'를 비교한다면

○ '주문번호' 필드를 마우스 오른쪽 누른 채 - 측정값 - 카운트(고유)
○ '고객번호' 필드 마우스 오른쪽 - 측정값 - 카운트(고유)
○ (KPI에서 사용하지 않는 측정값 제거)

○ 행에 있는 측정값 - 레이블

+

○ '별칭'을 이용해 이름을 바꿀 수 있음

○ 머릿글 해제한 최종 ver

● 3-2 계산된 필드와 계산 수준

☑️ 계산된 필드

기존 데이터의 값들을 바탕으로 사용자가 정의한 수식(Formulas)을 통해 새로운 값(필드)을 생성하는 것
집계, 변환, 조건 분기, 사용자 정의 KPI 생성, 데이터 전처리 등의 목적이 있음

● 열, 행 또는 마크카드에 직접 입력 = 임시계산

● 계산된 필드 편집기 사용
데이터 패널 - 계산된 필드 만들기

☑️ 행수준 계산 VS 집계 수준 계산

행 수준 계산 (Row-level Calculation)
: 데이터 소스의 각 행(Row)마다 계산이 수행됨
: 데이터가 집계되기 전에 계산되므로, 세부 데이터 기준으로 값이 계산됨
: Tableau에서 SUM, AVG 같은 집계 함수 없이 작성된 계산식
: 원시 데이터 기준 계산
: 계산 후 결과가 뷰에서 집계됨
: 필드 값 하나하나 변환, 조건 분기 처리 시 사용

○ '행 수준' 계산 먼저 ▷ 각각 값들을 집계
○ '제품'의 '행' 마다 계산을 하고
▷ 수익률 계산 : 수익/매출 행마다 계산
○ '수익률' 필드 = 기본적으로 합계를 한 상태로 표시
각 셀에 나오는 수익률 값들을 다 더한 상태로 화면상에 표시

집계 수준 계산(Aggregate-level Calculation)
: 데이터가 뷰에서 집계된 후 계산되는 방식
: SUM, AVG, MIN, MAX 같은 집계 함수(Aggregation function) 사용
: 뷰의 세부 수준(Level of Detail)에 따라 결과가 달라짐
: 집계된 값끼리 연산 가능
: 전체 평균, 총합 대비 비율 계산 시 사용
: 행 수준 계산과 혼합할 때 주의 필요 (혼합 시 LOD Expressions 고려)

○ 'sum, average' 같은 집계 함수 후 계산이 이루어 진 것
○ 'sum 수익' : 수익을 다 더하고
'sum 매출' : 매출을 다 더하고
▷ 수익/매출을 해서 수익률 계산

실습

● 행수준 계산

○ 필드를 끌어당기면 입력됨

● 집계 수준 계산

○ 복제해서 사용 ㅎ

○ 올바른 수익률 계산방법이긴 하지만 항상 정답은 아님

○ 각각의 범주 안에서 값을 행수준으로 비교해서
매출 > 100만원 = True
매출 < 100만원 = False
를 나타내는 시각화
○ 의자 단건에 대해
100만원 이상 True = 노랑
100만원 이하 False = 파랑

○ 의자에 대한 값의 총합 > 2억 = True = 노랑
전산기기 기준 총합 < 2억 = Fasle = 파랑

○ 만들고 싶은 뷰를 계산 할 때 어떻게 계산할지 판단 중요

● 3-3 매개변수와 계산식

☑️ 매개변수

○ 게임기의 동작을 플레이스테이션을 통해 실행되고 그걸 TV로 볼 수 있는 것
= 매개변수를 계산된 필드를 통해 실행되고 그걸 View로 보는 것

매개변수
: 사용자가 지정한 단일 값을 저장하는 변수
: 대시보드 상에서 사용자가 선택(또는 입력) 하면 그 값이 계산식, 필터, 참조선 등에 반영되어 뷰가 동적으로 변함
: 기본적으로 독립적이며, 데이터와 직접 연결되지 않음
→ 필터처럼 자동 갱신되지 않고, 별도로 계산식이나 필터와 연결해야 작동

● 매개변수를 바꿀 때마다 해당하는 차원이 바뀌는 '차원선택 매개변수'

○ 이름 : P = 파라미터 = 매개변수
○ 꼭 문자열!! 실수열은 값 입력 X
○ 띄워쓰기 인식하므로 값 띄워쓰기 확실히!!

○ 데이터 탭 하단 - 매개 변수에 'P_차원 선택' 생김
○ 우클릭 '매개 변수 표시'하면 우측 상단에 매개변수 표시됨

◎ 차원 선택 시 해당하는 필드를 가지고 오는 계산식 만들기 ◎
매개변수를 만들었다고 해서 되는 것이 아니라 계산식 연결(전원같은 역할)해야 뷰로 볼 수 있음

○ IF 조건문 : 단일 조건문
만약에(IF) 어떤 조건 안에 들어가면
해당가는 값을 가지고 와줘(THEN)
○ IF 조건 1 THEN 값1
ELSEIF 조건2 THEN 값2
ELSEIF 조건3 THEN 값3
ELSEIF 조건4 THEN 값4
ELSE 값5
END

○ 'C_차원 선택' 필드 생성됨

○ '배송 방법' 별 매출 합계

● 매개변수를 측정값과 연결 '측정값 선택'

○ 데이터 탭 하단 - 매개 변수에 'P_측정값 선택' 생김
○ 우클릭 '매개 변수 표시'하면 우측 상단에 매개변수 표시

◎ 차원 선택 시 해당하는 필드를 가지고 오는 계산식 만들기 ◎
매개변수를 만들었다고 해서 되는 것이 아니라 계산식 연결(전원같은 역할)해야 뷰로 볼 수 있음

○ CASE문 : 어떤 필드나 매개변수에서
조건 1일 때, 값 1을 가져오고
조건 2일 때, 값 2를 가져오는 조건문
○ CASE 필드, 매개변수
WHEN 조건1 THEN 값1
WHEN 조건2 THEN 값2
WHEN 조건3 THEN 값3
WHEN 조건4 THEN 값4
ELSE 값5
END

○ 측정값을 보면 단일 행 기준으로 계산
○ 매출 - 매출 값 | 수량 - 수량 값 - 행수준
sum 붙여 집계 수준으로 가능
○단, 행수준으로 가져오려면 모든 조건-값을 행수준
집계수준으로 가져오려면 모든 조건-값을 집계수준

○ '시도'별 '매출'

● 매개변수를 이용해서 'Top N 필터링'

○ 데이터 탭 하단 - 매개 변수에 'P_Top N' 생김
○ 우클릭 '매개 변수 표시'하면 우측 상단에 매개변수 표시

○ ' Top N ' = 10 일 때, '시도'별 '매출'

○ ' Top N ' = 5 일 때, '시도'별 '매출'

● 분석 탭 - 참조선에도 매개 변수를 통해서 값을 바꿀 수 있음

○ 분석 탭 - 참조선 - 필터 - 테이블

○ 데이터 탭 하단 - 매개 변수에 'P_참조선' 생김
○ 우클릭 '매개 변수 표시'하면 우측 상단에 매개변수 표시

○ '참조선 = 3억' 기준으로 선이 생김

------------

● 계산식 - 분석 탭 - 참조선

○ 'C_참조선 색상 강조' 필드 '마크-색상'에 넣기

○ '참조선=3억'을 기준으로
큰 값 = Ture = 노랑
작은 값 = False = 파랑

증감비

: 어떤 기준 시점의 값과 비교 시점의 값 사이의 변화율을 백분율(%)로 나타낸 것
: 양수(+) → 이전보다 증가
음수(–) → 이전보다 감소
0 → 변화 없음

● KPI 카드에서 활용할 수 있는 전년비 비표 구하기

● 매개변수를 활용해 매개변수에 해당하는 연도의 매출값을 보여주고 전년대비 '증감비'

{ (전년 매출 - 올해 매출) / 올해 매출 } *100

1. 연도 만들기

○ 데이터 탭 하단 - 매개 변수에 'P_년도' 생김
○ 우클릭 '매개 변수 표시'하면 우측 상단에 매개변수 표시

2. 'P매개변수 년도' 에 해당하는 매출값을 가져오는 조건문 생성 - 금년 매출
= 실행시키기 위한 동력 = 조건문

○ 행 - '주문일자' | 마크 - 텍스트 - '금년 매출'

○ 'P_년도 2021'년 - 해당 년도 매출

○ 'P_년도 2023'년 - 해당 년도 매출

2. 'P매개변수 년도' 에 해당하는 매출값을 가져오는 조건문 생성 - 전년 매출

○ 행 - '주문일자' | 마크 - 텍스트 - '전년 매출'

○ 'P_년도 2022'년 - 해당 년도 매출 + 전년 매출

○ 'P_년도 2024'년 - 해당 년도 매출 + 전년 매출

3. 증감비 생성

4. 증감비 - 양수

4. 증감비 - 음수

5. 증감비 - 색상 설정

○ 마크 - 텍스트 - 편집

○ 서식 - 숫자 - 백분율 변환

○ 'P_년도 2024년' - 금년 매출 + 증감비

○ 'P_년도 2021년' - 금년 매출 + 증감비 0
: 2021년은 2020년에 대한 정보가 없어서 알 수 없음

● 3-4 계산식 주요 함수 정리

☑️ 계산식 주요 함수

	○ 데이터 탭 - 계산된 필드 만들기
	○ 함수창 "작은 삼각형" 함수 유형 및 해당 함수 설명 나옴

문자열 함수

● 결합 → 문자열 결합은 +

○ '시도' + 공백 + '시군

○ 대한민구 + 공백 + '시도' + 공백 + '시군구'

● 길이 확인

○ '고객명' 길이 2 / 3 / 4
○ '고객명' - 2 : 12개
○ '고객명' - 2 : 781개

○ '고객명' - 2 인 구체적 '고객명'

● 추출 = 임시계산식 이용

○ '고객번호' 기준 - 왼쪽(LEFT) - 2개 추출
○ '고객번호' 기준 - 오른쪽(RIGHT) - 5개 추출

● 중간에 있는 글자 추출

○ MID(필드, 시작위치, 길이)

● 익명화

○ LEFT(필드명,1)+""
: 왼쪽(LEFT) 1개 추출 + (나머지는) 표현

● 대/소문자 전환

○ UPPER(필드명) : 대문자 전환
○ LOWER(필드명) : 소문자 전환

● 특정 문자열 찾기 = 컨테이너 함수 이용

○ 어떤 문자를 포함하는지 포함하지 않는지 확인 가능
○ 컨테이너 함수 - 필터 이용

○ CONTAINS(필드명, 부분 문자)
○ 참 : 부분 문자 들어간 것만 추출

● 시작하는 글자 찾기

○ STARTSWITH(필드명, 부분 문자) : '부분 문자'로 시작하는 값 추출

● 끝 글자 찾기

○ ENDSWITH(필드명, 부분 문자) : '부분 문자'로 끝나는 값 추출

● Split : 구분 기호 기준 각 문자의 위치를 반환 할 수 있음

○ SPLIT(필드, 구분 기호, 번호) : '구분 기호'를 기준으로 '번호'번째 값 추출

○ ' - (dash) '를 기준으로 1번째 값 추출 → FUR 추출

○ ' - (dash) '를 기준으로 2번째 값 추출 → BO 추출

숫자 함수

● 절대값

● 올림

CEILING(3.14)

○ 추출된 값 : 4

● 버림

FLOOR(3.14)

○ 추출된 값 : 3

● 반올림

ROUND(3.14)

○ 추출된 값 : 3

날짜 함수

● DATEADD 값을 더함

○ DATEADD(날짜 카테고리, 간격, 날짜 필드) : '날짜 필드'의 '날짜 카테고리' 부분에 '간격'을 더한다

○ 주문일자 - 정확한 날짜 - 불연속형

○ 날짜는 더해졌으나 시간까지 나옴

○ 날짜만 남게

● DATEDIFF 날짜 간의 차이

○ DATEDIFF(날짜 카테고리, 시작날짜, 끝날짜)

○ DATEDIFF를 마크-레이블 - 차원

○ 배송일이 얼마나 걸렸는지 알 수 있음

+ 활용

○ '배송 방법' 별 소요일자 알 수 있음

+ 활용

○ 배송일에 대한 분포가 어떻게 되는지 알 수 있음

순위 함수

● RANK : 공동순위 만큼 건너띄고 다음 숫자를 반환하는 함수

○ RANK(필드명)

○ '제품명' 별 순위
○ '제품명' 공동 5위 3개 → 그 다음 8위

● RANK_DENSE : 공동순위 이후 숫자들을 순차적으로 반환하는 함수

○ RANK_DENSE(식)

○ 5위 - 공동순위 3개 표시
○ 6위 - 공동순위 2개 표시

● RANK_MODIFIED
: 순위 중 가장 큰 숫자로 표시
: 공동순위 일 때, 가장 큰 숫자 반환하는 함수

○ RANK_MODIFIED(식)

○ 5위 - 공동순위 3개 - 7 표시

● RANK_PERCENTILE
: 가장 큰 값 - 1 | 가장 작은 값 - 0 으로 해서 백분위 수 기준으로 순위를 반환하는 함수
: 백분위수 기준으로 순위를 반환하는 함수

○ RANK_PERCENTILE(식)

○ 백분위

● index : 순위와 상관없는 행 위치 값 함수

○ INDEX()

☑️ LOD (Level Of Detail expressions)

○ 화면 안에서 차원들을 쓸 때마다 화면에 대한 뷰 수준이 차원에 맞게 쪼개지는데,,,,
○ LOD의 경우, 뷰 수준을 무시하고 화면상에 표시
○ 데이터 집계 수준을 제어해서 원하는 계산을 할 수 있게 해주는 Tableau의 핵심 기능
○ 차트에서 보이는 집계 수준과 무관하게, 특정 수준에서 계산할 수 있는 기능

→ 뷰 수준 상관 없이 고정한 차원에 해당하는 값을 반환하는 함수

실습

○ '시도'별 '매출'에 대해 표시했는데
화면 상 뷰 수준은 '시군구' 표현
구하고 싶은 값은 '시도'에 대한 '매출 값'을 구하고 싶을 때 → FIXED 사용 → '시도' '매출' 고정

○ { FIXED 고정할 필드 : 출력할 값 }

○ 뷰 수준을 '시군구'로 쪼갰을 때
'시도' 별 '매출'은 뷰 수준이 '시군구'더라도
'시도 값'만 화면상 표시

+ 활용

○ ↓ 분기별 신규 고객 추이 ↓

→ Tableau 문법의 경우 '계산된 필드 만들기' - '함수 참고' 활용
→ AI를 활용해 '이런 계산식을 작성하고 싶은데 어떻게 만들지? 계산식 짜 줘'라고 하면 잘 짜줌

[내일배움캠프_QA/QC 5기] 47일차 _ 태블로 2강

qc-standard — Wed, 13 May 2026 23:05:19 +0900

2026/05/13 Wed. 일간 계획		↓주간 계획↓
O	~~● 인턴 자소서 수정~~	ing	● 인턴 지원 완료
X	● 인턴 제출 서류 준비	ing	● 라이브 세션 - 복습
O	~~● 태블로 강의~~	ing	● adsp
X	● 라이브세션 복습+미니과제	ing	● 태블로 완강
X	● adsp 공부

⊙ 태블로 강의 2강

● 2-1 다양한 차트 시각화

더블클릭
: 필드 특성에 맞춰 적절한 차트를 자동 생성
: 복잡한 조작 없이 데이터 성격에 맞는 기본 시각화를 빠르게 확인할 수 있음
- 측정값 더블 클릭 : 합계 값들을 다 더한 상태로 올라감
- 차원 더블 클릭 : 측정값들을 차원에 따라서 뷰 수준을 나눠
드래그 앤 드랍
: 데이터를 원하는 선반 (행, 열, Color, Size 등)에 자유롭게 배치해서 의도한 시각화를 만들어낼 수 있음
: 색상(Color)에 끌어다 놓으면 카테고리별 색 구분이 되고, 수익을 크기(Size)에 넣으면 수익 크기에 따라 마크 크기가 달라지는 것처럼 마크에서 활용할 수도 있음
표현방식

● 어느 선반에 어떤 필드를 올려야 할지 모를 때 사용
● ex) 고객 세그먼트 별 매출을 보고 싶을 때
고객 세그먼트 + ctrl + 매출 → 원하는 그래프 클릭
● 선택한 차원/측정값 조합에 따라 태블로가 가능한 차트 유형을 보여주고 선택할 수 있음
● 사용자는 ‘표현 방식(Show Me)’ 패널에서 원하는 차트를 클릭해 바로 적용할 수 있음

☑️막대차트 : 가장 자주 많이 사용하는 차트

범주별 값을 비교할 때

세그먼트별 (막대 차트)
- 열 : 고객 세그먼트
- 행 : 합계(매출)
- 색상 : 합계(수익)

☑️ 라인차트 : 시간의 흐름에 따른 데이터 변화를 확인할 때 가장 자주 사용하는 차트

특정 지표가 일정 기간 동안 어떻게 증가하거나 감소했는지를 한눈에 파악 가능

	불연속형 날짜 (Discrete Date) 아이콘 색상: 파란색 (Blue) 특징: 날짜를 구간별로 끊어서 보여줌 각각의 값이 “독립적인 카테고리”처럼 취급 시각화에서는 헤더(Header)로 표시되어 축을 나누어 줌
	연도에 대한 월별 추이 : 불연속

	연속형 날짜 (Continuous Date) 아이콘 색상: 초록색 (Green) 특징: 날짜를 시간의 흐름(연속된 축)으로 보여줌 값들이 하나의 연속적인 수치 축(Axis)으로 표현 시각화에서는 축(Axis)으로 표시되어 값이 이어져 보임
	<연속형 그래프 만들기> 1. 드래그 앤 드랍 "주문일자 + 마우스 오른쪽" 드래그 앤 드랍으로 열에 놔둠
	2. 마우스 우클릭 열 - '주문일자' + 마우스 우클릭

☑️ 맵차트

맵 차트는 지역(지리적 위치)에 따른 값을 비교할 때 가장 많이 활용하는 차트입니다.
특히, 시/도, 국가, 지역별 매출이나 고객 수 등을 시각적으로 쉽게 파악할 수 있습니다.

● 좌클릭 - 지리적 역할

● 수동 계층형 데이터 만들기

● 페인트 맵뷰
: 지역을 색상으로 나타냄

→ 색의 진하기로 매출 표시

● 심볼 맵뷰
: 지역 위치에 원을 나타냄

→ 원의 크기, 색상의 진함으로 매출, 수익을 알 수 있음

차트 꾸미기

☑️ 파이차트 : 전체에서 각 범주가 차지하는 비율(구성비)

	● 제품 대분류 + ctrl + 매출 → 표현방식 - 파이차트
	● 제품 대분류 + ctrl → 레이블 - 드래그앤드롭 → 레이블 추가 ● 합계(매출)도 똑같이 레이블 추가
● 퀵테이블 추가
● 정렬 : 12시를 기준으로 값들을 시계 방향으로 정렬 : 가나다 순 - 사전 순
	● '수익'을 마크-색상에 드래그앤드롭하면 파이의 크기로는 매출을 파이의 색상으로는 수익을 비교하는 뷰를 만들 수 있음 ● 10개를 넘지 않아야함

☑️ 트리맵 : 계층적 데이터를 직사각형 블록의 크기와 색상으로 표현

면적은 값 | 색상은 추가적인 비교 지표
공간을 효율적으로 활용하여 많은 범주를 한눈에 비교할 수 있지만, 블록이 너무 많아지면 작은 항목이 잘 보이지 않을 수 있습니다. 따라서, 항목이 많을 때도 전체적인 비중과 패턴을 파악하기에 효과적

각각의 색상을 통해 수익비교 가능
→ 탁자에서 수익 -

버블 차트

워드 클라우드 : NLP 감성 분석에 주로 사용

☑️KPI ?

KPI(Key Performance Indicator, 핵심성과지표)는 조직, 부서, 개인이 전략적 목표 달성 정도를 측정하는 핵심 지표
를 의미합니다. 단순한 숫자나 데이터가 아니라, 기업의 성과를 객관적으로 평가하고 의사결정을 지원하는 역할을 합니다

☑️ KPI 종류

☑️KPI 설정 방법 (SMART 원칙)

Specific(구체적): 무엇을 측정하는지 명확해야 함
Measurable(측정 가능): 수치로 확인 가능해야 함
Achievable(달성 가능): 현실적이고 도전적이어야 함
Relevant(관련성): 조직 목표와 직접 연결되어야 함
Time-bound(시간 제한): 특정 기간 안에 달성 여부를 판단할 수 있어야 함
→ ✅ “올해 4분기까지 온라인 매출을 전년 동기 대비 15% 성장시킨다” → SMART KPI

☑️ KPI 실습 (매출 / 수익 / 주문 / 고객)

● 매출

● 수익

● 주문

차원형식이 되버림,,,

마우스 오른쪽 드래그앤드롭 하여 마크-텍스트 → 필드창 생성

카운트(고유) = 중복없는 순수한 주문 건
: 모든 로우 카운트의 행을 다 세는게 아니라, 한 주문 안에서 여러 상품을 구매했다면 ▷ 1건으로 봄

● 2-2 분석을 위한 다양한 기능 활용

☑️ 정렬과 필터

정렬

오름차순 내림차순

축 정렬

차원 정렬
중첩 : 상위 차원 그룹 안에서 하위 차원을 다시 정렬

워크시트 필터
- 필터란?
  - 관련 정보에 초점을 맞추기 위해 뷰에 표시된 데이터 범위를 좁힘
  - 필터 선반에는 사용 중인 필터가 표시
  - 옵션은 필드 유형(차원, 측정값, 날짜)에 따라 다름
대시보드 필터 표시

2024년만 필터링 → 해당 워크시트에만 적용됨

모든 워크시트 필터링

= 전역 필터

관련 데이터 원본~ / 이 데이터 원본 ~ : 해당 필터를 원본에 적용
선택한 워크시트 : 특정 워크시트에 적용을 선택할 수 있음
이 워크시트만 : 해당 워크시트만 적용

범주별 필터링

각 워크시트에 다 적용하면

각 워크시트별 '가전'에 해당하는 데이터만 볼 수 있음

필터링 된 상태에서 ESC 누르면 필터 해제

☑️ 테이블 계산과 분석 패널 활용

크로스탭 = 텍스트 테이블 = 엑셀과 비슷한 형태
특정 숫자 값을 뷰에 표시해야 할 때 사용

만드는 방법

열의 차원 1개
행에 차원 1개
뷰의 Abc 자리 표시자에 대한 측정값 1개 or
기존 보기에서: 사용하려는 워크시트의 탭을 마우스 오른쪽 단추로 클릭하고 크로스탭으로 복제 선택

장점 → 엑셀로 내보낼 수 있다

테이블 계산

각각의 값의 구성비율

총계 추가

각각에 대한 행을 100% 계산

테이블 계산 편집

마크 - 사각형 / 합계+ctrl+색상 → 히트맵으로 볼 수 있음

스캐터 차트(Scatter plot)
: 2개 이상의 연속형 측정값 간의 관계를 시각적으로 보여줄 때 사용
: 패턴, 상관관계, 이상치 탐색에 적합

만드는 방법
- 열(Columns): 연속형 측정값 1개
- 행(Rows): 연속형 측정값 1개
- 세부정보(Detail) / 색상(Color) / 모양(Shape) 등에 차원(Dimension)을 배치하면 카테고리별 구분 가능
또는
- 표현방식(Show Me) 패널에서 스캐터 차트 아이콘 선택

제품 대분류 - 색상 // 제품 대분류 - 도형 // 제품 중분류 - 세부정보
(마크에서 한꺼번에 없앨 때 shift)

스캐터 차트 분석 기능

내가 드래그한 값들의 평균을 재집계 해줌

추세선에서 마우스 오른쪽

클러스터(비지도 학습) : K Means 클러스터 사용

하나의 추세선만 표시하고 싶다면

하나의 추세선만

클러스터를 필드로 활용할 수 있음

● 2-3 이중축을 활용한 시각화

☑️ 이중축

두 개의 축을 겹쳐 하나의 뷰에 표시
서로 다른 단위의 데이터를 비교 가능
축을 축동기화하여 맞추거나
비교 가능한 비율로 조정 가능
각 축의 서로 다른 차트 유형 적용 가능 ▷ 라인 + 막대 혼합

매출과 수익 각각 두가지 차트가 화면에 표시

각각 다른 축을 사용하고 있어 전체적인 두 차트의 월별 흐름만 본다

축 동기화

매출과 수익이 동일한 축 사용

도넛차트
- Dummy Measure 기능 사용
- Dummy Measure? 데이터 상에서 가지고 있지 않은 가짜 임시값을 만들어 화면상에서 사용 : 주로 0,1 사용

첫번째 차트 크기 키우고
두번째 차트는 흰색으로 바꿈

중간선을 없애고 싶다 - 마우스 오른쪽 - 서식

머리글 표시 해제하면 min(0) 사라짐

버터플라이 차트
- Dummy Measure 기능 사용

3가지 그래프가 만들어 짐

● 2-4 대시보드 저장 및 공유

태블로 통합문서(twb/twbx)

● 패키지 통합 문서(.twbx) 파일은, 로컬 파일 데이터 및 배경 이미지와 통합 문서를 전부 포함하는 단일 zip 파일
● 통합 문서(.twb) 파일은, 하나 이상의 워크 시트가 포함된 단순 통합 문서 파일

PowerPoint 내보내기

이미지 내보내기와 다르지 않음

이미지(PNG) 내보내기

크로스탭 → Excel로 내보내기

워크시트 - 오른쪽 마우스 - 크로스탭 복제 - 워크시트탭 - 내보내기 - 크로스탭을 Excel로

서버를 통한 공유 - Tableau Server & Cloud

서버를 통한 공유 - Tableau Public

https://public.tableau.com/

ex) HR Dashboard 검색하며 HR 대시보드를 볼 수 있고 다운로드 할 수도 있음

대시보드에 사용된 워크시트 숨김처리

shift + 선택 + 마우스 오른쪽 + 삭제

URL을 노션에 임베딩하면 노션페이지 안에서 작동 가능

[내일배움캠프_QA/QC 5기] 46일차 _ 태블로 1강 | 태블로 라이브세션 2회차

qc-standard — Tue, 12 May 2026 23:10:38 +0900

2026/05/12 Tue. 일간 계획		↓주간 계획↓
O	~~● 인턴 자소서 수정~~	ing	● 인턴 지원 완료
X	● 인턴 제출 서류 준비	ing	● 라이브 세션 - 복습
O	~~● 태블로 강의~~	ing	● adsp
O	● ~~라이브세션 복습~~+미니과제	ing	● 태블로 완강
O	● adsp 공부
X	~~● 아티클 스터디~~

⊙ 아티클 스터티

( https://qc-standard.tistory.com/75 )

⊙ 태블로 강의 - 1강

● 커리큘럼 : 강의 + 라이브세션 + 미니과제 + 과제

● 시각화를 해야하는 이유

시각피질 (Visual cortex)
- 망막에서 전달되는 시각 정보를 수신 및 통합 처리하는 뇌의 주요 피질 영역 - 눈을 통해 들어온 시각적 정보는 시신경을 거쳐 후두부에 위치한 시각 피질에서 시각적 처리를 담당

시각 피질에 전달되어 0.2~0.5초 사이에 주의해야하는 정보와 주의받지 못한 정보로 구분
→ 크기나 모양, 색깔 등 특징이 있는 정보들은 단기 기억으로 전환되어 7개의 항목을 약 10~15초 동안 저장
→ 이 상태에서 학습이 이루어지면 장기기억으로 전환되고, 그렇지 않으면 망각하게 됨

시각적 분석에 사용할 영역은 감각 기억과 단기 기억 활용 → 효과적으로 정보 전달 가능

색상, 크기, 모양 등을 활용하면 단기 기억을 활용하여 기억에 오래 남게 됨

Visual Analytics
인간의 시각적 지각 능력을 활용해서 데이터를 표현하고 분석하는 과정

● BI ? = 비즈니스 인텔리전스 = Business Intligence

조직에서 비즈니스 데이터를 수집, 분석 및 시각화하여 실행 가능한 통찰과 의미 있는 정보를 생성하기 위해 사용하는 기술, 전략 프로세스를 의미
유용한 정보를 얻기 전에 데이터의 수집, 축적, 분석, 보고와 같은 과정을 거침
핵심 구성 요소 및 주요 프로세스

데이터 시각화
데이터 분석
대시보드 생성
여러 데이터 소스와의 통합
데이터 변환 및 모델링
공유 및 협업
실시간 데이터 모니터링

대표적인 BI 도구
: Salesforce - 'Tableau'
: Microsoft - 'Power BI'
: Google - 'Looker Studio'

● 태블로란?

단순 시각화 툴이 아니라 데이터 전처리(데이터 병합, 정리, 변형)부터 시각적 분석 / 협업 / 자동화 / 거버넌스까지 가능한 시각적 분석 플랫폼
Tableau Prep
: 데이터를 결합, 변형, 정리하는 전처리 과정 담당 → 데이터 정리 작업 시간 단축
Tableau Desktop
: 데이터 탐색, 시각화, 분석 수행 → 데이터 분석 및 시각화 담당
: 추세 및 분포 시각화 / 집계 / 데이터 필터링 / 데이터 정렬 또는 그룹화 / 특정 이상값 드릴 다운
Tableau Server & Tableau Cloud
: 조직 내 협업, 배포, 거버넌스 관리 → 공유 담당
: 데이터 관리 / 콘텐츠 관리 / 구독, 댓글, 알림, 다운로드 기능
Tableau 구조

Creator (크리에이터)

대상 : 데이터 분석가, BI 개발자, 데이터 사이언티스트
비용 : $75/month
주요 기능:
- Tableau Desktop + Prep + Server/Cloud Creator 권한 포함
- 데이터 연결: 다양한 데이터 소스(파일, DB, 클라우드)에 직접 연결 가능
- 데이터 준비: Tableau Prep으로 데이터 정제, 변환, 결합 가능
- 분석 및 시각화 제작: 차트, 대시보드, 스토리 생성
- 게시: 만든 콘텐츠를 Tableau Server/Cloud에 배포

Explorer (익스플로러)

대상: 비즈니스 사용자, 팀 리더, 실무 분석 담당자
비용 : $42/month
주요 기능:
- Tableau Server/Cloud에서 웹 브라우저 기반으로 사용
- 데이터 탐색 & 분석: 게시된 데이터 소스에 연결해 새로운 워크북/뷰 생성 가능
- 편집 및 저장: 기존 대시보드를 수정하고 저장 가능
- 협업: 구독, 알림, 댓글 기능 활용

Viewer (뷰어)

대상: 경영진, 보고서 수요자, 일반 사용자
비용 : $15/month
주요 기능:
- Tableau Server/Cloud에서 제공되는 대시보드와 리포트를 보기 전용
- 필터, 하이라이트, 드릴다운 같은 기본 상호작용 가능
- 구독/알림/댓글 기능으로 협업 가능

● 왜 태블로를 써야하는가?

1. 데이터 요청 및 문제 정의
2. 데이터 수집 및 접근
3. 데이터 정제 및 전처리
4. 탐색적 데이터 분석(EDA)
5. 분석 및 모델링
6. 데이터 시각화 및 대시보드 구축
7. 인사이트 전달 및 커뮤니케이션
8. 데이터 품질 및 지표 관리
9. 협업 및 지원 업무
10. 운영 및 개선 활동

이 모든 작업을 수작업하기에는 시간적으로 부족하기에 "검증된 솔루션을 빌려 쓰기 위함"이다

● 태블로 장점

1. 사용자 친화적 인터페이스
: 마우스로 필드를 드래그 앤 드롭 가능 / 단순 조작으로 데이터 분석 및 시각화 가능
2. 자유도 높은 시각화
: 단순한 그래프가 아닌 게임처럼 생긴 대시보드, 인터랙티브 스토리텔링, 웹 애플리케이션 형태의 시각화도 가능
3. 다양한 데이터 소스에 쉽게 연결 가능
: 서버주소, 계정 정보만 입력하면 대부분 자동 연결 가능
4. AI 기술을 통한 분석
○ Tableau Pulse
: 중요한 지표(KPI)에 변화가 생기면, Slack, 이메일, 모바일 앱을 통해 실시간 알림을 받음
○ Tableau GPT (자연어 분석)
: 사용자가 “지난달 가장 많이 팔린 제품은 뭐야?”라고 질문만 입력하면, 태블로가 적절한 시각화로 자동 응답
SQL이나 수식 없이도 누구나 분석 가능
5. 활성화된 커뮤니티
○ Tableau Conference -수천 명의 분석가, 개발자, 기획자, 디자이너들이 모여 직접 만든 대시보드를 소개하고, 최신 기능을 체험하며, 데이터와 관련된 고민과 경험을 나눔
○ Tableau Public - 누구나 대시보드를 무료로 만들고 공유할 수 있는 공간

● Tableau 기초

○ 연결 유형

파일에 연결
- 텍스트 파일 or 자세히
서버에 연결
저장된(또는 게시된) 데이터 원본에 연결

○ 연결 방법

텍스트 파일 or 자세히
(csv 파일을) 태블로 통합문서에 드래그 앤 드랍

● Tableau UI

⊙ 태블로 라이브세션 - 2회차

● 13개 필드 151개 행 = 13개 열 151개 행

● 필드명 / 물리적 테이블 / 원격 필드명 = 필드에 대한 정보
- 필드명을 바꿀 수 있어서 : 실제 필드명 + 화면상 필드명이 나타남
● 샘플 데이터를 통한 데이터 정보를 알 수 있음
● 데이터 정보

☑️ 실습

차원 (Dimension) - 정성적 데이터
: 데이터를그룹화, 분류, 필터링하는 기준이 되는 값

측정값 (Measure) - 정량적 데이터
: 데이터를 집계(합계, 평균, 최대, 최소 등)할 수 있는 수치형 값

☑️ 막대 차트

	시트 지우기 / 오름차순 / 내림차순 / 마크다운(그래프에 숫자 표기)
tip 행/열에 뭘 올려야할지 모르겠다? ctrl + 행 또는 열에 들어갈 필드 선택 : 필드 다중 선택 → 표현방법 - 원하는 그래프 선택

	필터를 이용할 수 있음
	타입별 색상을 바꿀 수 있음
	화면 우측에 필터를 표시할 수 있음
	마우스 오른쪽을 누른 상태로 드러그앤드랍하면 됨 카운트(고유) : 겹치는거 제외하고 볼때

Q) 제일 많은 타입은?

Q) 체력이 가장 많은 포켓몬은?

Q) '리'자로 끝나는 포켓몬?

Q) 타입 1이 격투 타입 중 공격력이 가장 강한 포켓몬은?

Q) 타입2가 있는 포켓몬 중에 제일 많은 타입1+타입2 조합은?

Q) 합계 능력치가 높은 상위 30개 중 두번째로 많은 포켓몬은?
필터를 남겨놓은 상태로

☑️ 히스토그램 : 수치형 데이터의 분포를 시각화한 데이터

구간차원 : 어디부터 어디까지 자를 것이냐

	왜도 첨도를 이용해 치우침의 정도를 알 수 있음
간단한 방법 총합을 히스토그램에 드러그앤드롭하면 간단하게 만들 수 있음

☑️ 박스플롯

☑️ 스캐터 차트

- 공격과 방어 모두 약함
- 공격은 약하고 방어는 강함 = 방어형
- 공격은 높은데 방어는 약함 = 공격형
- 공격과 방어 모두 강함

파생변수 만들기

클러스터 만들기 = 군집 만들기

K - means 만들 수 있음
K - means 클러스터 : 유사한 데이터를 $K$개의 그룹(클러스터)으로 자동 분류하는 비지도 학습 알고리즘

☑️ 레이더 차트?

[내일배움캠프_QA/QC 5기] 46일차 _ 아티클 스터디 "AI 품질관리로 시작하는 스마트 제조 혁신"

qc-standard — Tue, 12 May 2026 12:15:06 +0900

⊙ 아티클 스터디

주제 : "AI 품질관리로 시작하는 스마트 제조 혁신"
( https://saige.ai/blog/ai-quality-management/ )

요약

: 제조업에서 숙련된 기술자들의 육안 검사로 진행하던 품질검사가 AI 비전 검사로 전환하는 시대가 도래함으로써 AI 품질관리 시스템이 어떤 방식을 채택해 품질검사를 진행하는지, 이점, 도입 시 고려사항 , 트렌드 까지를 제시하며 생산성 극대화의 전략을 제시한다.

주요 포인트

전통적 방식의 한계 극복 : 작업자의 컨디션이나 숙련도에 따라 결과가 달라지는 수동 검사의 주관성과 비효율성을 AI 자동화로 해결함으로 검사의 정확도와 속도를 높이고 생산성을 높이는데 기여할 수 있다
딥러닝 기반의 정밀 검사 : 복잡하고 불규칙한 형태의 미세 결함까지 탐지해 내어 기존 룰 기반(Rule-based) 방식보다 높은 검출률을 기록한다. 이는 휴먼에러로 인한 불량률 감소, 실시간 결함 발견 및 즉시 수정 가능해진다.
비용 절감 및 공정 효율화 : 불량 원인을 실시간으로 파악하여 폐기 비용을 줄이고, 전체 공정의 병목 현상을 해소한다.
데이터 선순환 구조(Feedback Loop) : 현장에서 발생하는 데이터를 지속적으로 학습시켜 AI 모델의 성능을 고도화하고 변화하는 생산 환경에 유연하게 대응한다.
의사결정 속도 향상 : 관리자 입장에서 올바른 방향성의 판단 가능 및 전체 제조 전력에 영향을 준다.
AI 품질관리 이점 : 당장의 생산 리스크 줄이는 해법
도입 시 봐야할 것
: 현재 사용 중인 장비, MSE(제조 실행 시스템), ERP 시스템과 AI가 제대로 연동돼야 실시간 검사가 결과 반영이 가능한데 호환문제가 생기면 데이터 누락, 판단 기준이 엇갈려 생산성이 되려 떨어진다. 설비 호환성 테스트 및 표준 설정이 꼭 필요하다.
: 우리 환경에 맞는 데이터 유출 위험 및 클라우드 연동시 암호화 등을 고려해야 한다.
AI 품질관리 전망 : 예측 중심의 스마트 유지 보수 시스템 및 지속가능성 중심 제조 전략. 이는 단순히 불량을 찾는게 아닌 고장을 미리 예상하고 방지하는 역할 기대

핵심개념

AI 비전 검사 : 카메라와 AI 알고리즘을 결합해 제품의 결함 여부를 실시간으로 판정하는 기술입니다.
품질 지능화 : 단순히 불량을 골라내는 것을 넘어, 축적된 품질 데이터를 분석해 공정 자체를 최적화하는 단계입니다.
결함 탐지(Defect Detection) : 이미지 데이터를 분석하여 제품의 균열, 스크래치, 이물질 등 비정상적인 특징을 찾아내는 과정입니다.

용어정리

머신 비전(Machine Vision) : 기계에 인간의 시각 능력을 부여하여 이미지를 촬영하고 처리 및 해석하는 기술
딥러닝(Deep Learning) : 방대한 데이터를 스스로 학습하여 복잡한 패턴을 인식하는 인공신경망 기술로, AI 비전 검사의 핵심 엔진 역할
미탐(False Negative) : 불량품을 정상으로 잘못 판정하는 오류로, 품질 신뢰도에 치명적인 영향을 미침
과검(False Positive) : 정상 제품을 불량으로 잘못 판정하는 오류로, 불필요한 재작업이나 폐기 비용을 발생
ESG : 환경(Environment), 사회(Social), 지배구조(Governance)를 의미. 이러한 요소를 고려해 지속가능한 발전을 추구하는 경영 방식
downtime : 비가동 시간 / 사용이 불가능한 시간 = 불가용성 시간

+ 실무 적용 사례(도메인 : 제악)

○ 실무 적용
고형제(정제/캡슐) 외관 자동 검사	기존의 육안 검사나 단순 룰 기반(Rule-based) 장비가 식별하기 어려웠던 정제의 미세한 깨짐, 이물 부착, 색상 편차 등을 딥러닝 비전 알고리즘으로 판별
주사제 이물 및 성상 검사	투명한 액체 속에 부유하는 미세 유리 파편이나 불용성 이물질을 고속 카메라와 AI로 분석하여, 인간의 눈보다 빠르고 정확하게 불량품을 배출
포장 공정의 완결성 확인	PTP 포장의 실링 상태, 알루미늄 호일의 찍힘, 가변 정보(제조번호, 사용기한)의 오타 및 인쇄 불량을 실시간으로 감정하여 휴먼 에러를 차단

○ 관련 사례
바이오 의약품의 외관 검사 고도화	세포 치료제나 백신 등 고부가가치 제품군의 용기(Vial) 크랙이나 캡핑(Capping) 상태를 딥러닝으로 검사하여, 제품 손실 비용을 획기적으로 절감하고 있습니다
대형 제약사의 스마트 팩토리 도입	국내 상위 제약사들은 생산 라인에 AI 비전 검사기를 도입하여 품질 관리(QC) 인력의 주관적 개입을 줄이고 있습니다. 특히 대량 생산 체제인 만성질환 치료제 라인에서 미탐(False Negative)률을 0%에 가깝게 낮추는 것을 목표로 운영 중입니다
	한미 : 경기도 팔탄에 위치한 '스마트 플랜트'를 통해 국내 제약업계의 디지털 전환을 주도하고 있습니다. : 이물 검사실에서 8개의 고성능 카메라를 이용해 정제 외관의 결함을 자동으로 검사하는 시스템을 운영 중입니다. : 실시간 공정 검사 장비를 통해 얻은 데이터를 바탕으로 공정 조건을 최적화하는 피드백 루프를 구현하여 야간 무인 운전이 가능한 수준의 자동화를 달성했습니다.
	삼성바이오로직스 : 글로벌 CDMO 기업으로서 생성형 AI와 업무 자동화 솔루션(Brity Automation)을 연계하여 품질 관리 업무의 효율성을 높이고 있습니다. 대규모 생산 라인에서 일관된 품질을 유지하기 위해 데이터 기반의 스마트 제조 환경을 구축하고 있습니다.
	SK바이오사이언스 : 대한민국 최초로 백신 개발 및 품질 관리 공정에 AI를 활용한 'ADO 시스템'을 도입했습니다. 또한, 생성형 AI 기반의 안전 및 품질 관리 시스템을 통해 작업 현장의 위험 요소를 데이터화하여 관리하고 있습니다.

○ 가상 시나리오
가상시나리오	A 제약사는 고혈압 치료제 대량 생산 공정에서 코팅 불량으로 인한 무작위 미세 균열(Micro-crack) 문제로 고민하고 있습니다. 기존 광학 장비는 조명 반사로 인해 정상 제품을 불량으로 오인하는 '과검'이 자주 발생했다.
아티클 적용	딥러닝 기반 AI 비전 시스템을 도입합니다. 다양한 조명 조건과 각도에서 학습된 AI는 빛 반사와 실제 균열을 정확히 구분하기 시작
인사이트	검사 속도가 분당 수천 정 단위로 유지되면서도 과검률이 이전 대비 40% 감소했습니다. 또한, 탐지된 불량 데이터를 분석하여 코팅기(Coater)의 특정 분사 노즐 문제를 역으로 추적해 공정 자체를 개선하는 '품질 지능화'를 달성

[내일배움캠프_QA/QC 5기] 45일차 _ 태블로 발제 | 인턴 자소서 작성

qc-standard — Mon, 11 May 2026 21:04:20 +0900

2026/05/011 Mon. 일간 계획
O	~~● 인턴 자소서 작성~~
O	~~● 자소서 첨삭~~
X	● 태블로 1강
X	● 태블로 발제 복습
X	● 팀프로젝트 정리 해놓기
↓주간 계획↓
ing	● 인턴 지원 완료
ing	● adsp 공부
ing	● 태블로 라이브세션 - 복습
ing	● 태블로 완강

⊙ 인턴 자소서 작성

질병관리청 청년 인턴

● 주요 업무

감염병 병원체 및 매개체 감시 보조 업무
감염병 실험실 검사를 위한 검체 접수 및 전처리, 감염병 진단 및 분석 보조 업무
실험실 운영을 위한 생물안전관리 보조업무
실험실 운영을 위한 시약, 장비 관리 보조 업무

● 자격 조건

미생물학, 분자생물학, 임상병리학, 생물학, 생명공학 등 관련분야 전공자

실험+분석 보조를 할 수 있는 기회라고 생각해서 지원이라도 해보기 위해 지원서를 작성했습니다.

지원 동기 및 진로 계획
직무 관련 전문성 획득을 위한 활동 내용
문제 해결 경험
소통 및 협업 능력
기대하는 점 및 각오

생각보다 많은 문항에 하루를 쏟아부었습닏다.

그래도 경험 정리를 해놓은 것이 있어서,,,, 예전보다는 덜 시간을 들인거 같습니다

[내일배움캠프_QA/QC 5기] 44일차 _ 팀 프로젝트 end.

qc-standard — Fri, 8 May 2026 17:55:48 +0900

2026/05/08 FRI.

O	~~● 팀 프로젝트~~
O	~~● 아티클 스터디~~
O	~~● 이번주 아티클 스터디 2개 올리기~~

⊙ 아티클 스터디

주제 : "양질의 데이터를 판별하는 5가지 방법 : ① 데이터 양은 충분한가"
( https://yozm.wishket.com/magazine/detail/1070/ )

⊙ 팀 프로젝트

◑_ ◐ 프로젝트 힘들었다,,,, 꼬박 일주일 만에 쓰는 TIL
프로젝트,,, 초기에 생각했던 recall, ROC-AUC 값도 안나오고
모든게 생각대로 되지 않는 와중에,,, 데이터 불균형도 심하고,,,,
한계점을 인정하는 ppt&발표로 끝냈다,,,,
~~휴,,,, 힘들었다,,,, 다시는 만나지 말자 1999~2008 미국 당뇨 데이터~~

[내일배움캠프_QA/QC 5기] 44일차 _ 아티클 스터디 "양질의 데이터를 판별하는 5가지 방법 : ① 데이터 양은 충분한가?"

qc-standard — Fri, 8 May 2026 17:07:53 +0900

⊙ 아티클 스터디

주제 : "양질의 데이터를 판별하는 5가지 방법 : ① 데이터 양은 충분한가"
( https://yozm.wishket.com/magazine/detail/1070/ )

요약

: 빅데이터 시대에 데이터의 가치는 품질에 좌우되며, 특히 충분한 데이터 양은 분석 결과의 신뢰도를 결정하고 효과적인 AI 모델 학습을 가능하게 하는 양질의 데이터의 첫 번째 조건입니다.

주요 포인트

품질과 활용도의 상관관계: 고품질 데이터일수록 분석 결과의 해석이 용이하고 실제 비즈니스에 활용될 확률이 높습니다.
양질의 데이터 판단 기준: 충분한 양, 적은 오류, RDB 형식 준수, 수치형 데이터 보유, 목적 적합성 등 5가지 특징을 가집니다
데이터 양의 중요성: 표본이 모집단을 충분히 대표해야 분석 결과의 왜곡을 막을 수 있으며, 딥러닝 등 최신 알고리즘일수록 방대한 데이터가 필수적입니다
적정 데이터 양의 가이드라인: 절대적 기준은 없으나 통상 통계 분석은 500개 이상, 머신러닝은 변수(Column) 개수의 100배 이상의 데이터를 권장합니다

핵심개념

데이터의 품질: 데이터가 명확하고 깔끔하여 분석가가 의도한 목적에 따라 결과를 도출하기에 적합한 정도를 의미합니다
대표성: 수집된 표본 데이터가 실제 분석 대상인 전체 집단(모집단)의 특성을 얼마나 정확하게 반영하고 있는지를 나타내는 지표입니다.
통계적 유의미성: 분석 결과가 단순히 우연에 의해 나타난 것이 아니라 신뢰할 수 있는 패턴임을 증명하는 통계적 지표입니다.

용어정리

모집단(Population): 분석의 대상이 되는 전체 집합
표본(Sample): 모집단을 파악하기 위해 실제로 수집하거나 추출한 데이터의 부분 집합
변수(Variable/Column): 데이터셋에서 세로축을 담당하는 개별 속성이나 항목
딥러닝(Deep Learning): 방대한 데이터를 통해 스스로 학습하여 성능을 높이는 AI 기술로, 데이터 양이 많을수록 정확도가 향상되는 특성이 있음

[내일배움캠프_QA/QC 5기] 40일차 _ 팀 프로젝트 Day+3

qc-standard — Fri, 1 May 2026 21:21:15 +0900

2026/05/01 FRI.

~ ing

● 팀 프로젝트 데이터 만지기

▽ 오전 시간에는 방향성을 잡은 듯 했으나 오후 시간이 되면 길을 잃는 중

qc-standard 님의 블로그

[내일배움캠프_QA/QC 5기] 49일차 _ 태블로 4강 | (금일) 태블로 라이브세션 복습 | 태블로 5강

2026/05/15 FRI. 일간 계획

↓주간 계획↓

⊙ 아티클 스터티

( https://qc-standard.tistory.com/79 )

⊙ 태블로 강의 4강

● 4-1 Tableau Prep 활용한 데이터 전처리 데이터 필드 생성 및 활용

☑️ Tableau Prep?

☑️ Tableau Prep 활용한 데이터 전처리

● 데이터 유니온

○ 영업실적 필드 : 년도는 다르지만 '필드 명, 필드 타입'이 동일할 것임으로 Union

○ 다른 영업실적은 Union이 아닌 추가

▷ Union 된 상태

○ Union 확인하기○ 불일치 필드 : Prep으로 간단하게 병합 가능

○ 수익 = 이익 같은 말○ 수익 누르면 비슷한 필드 추천

○ + 누르면 합쳐짐

○ 드래그 앤 드랍으로도 병합 가능

○ 불일치 해결 후 결과 피드 = Union 잘 됨

● 데이터 조인

○ '영업 실적' 과 '지역별 관리자'는 다른 데이터로 key를 기준으로 수평 결합 = Join

○ 기본적으로 교집합 'inner join'○ Left / Right로 바꾸고 싶으면 해당 영역 선택 Full outer join : 합집합 여집합도 가능

○ join이 되지 않은 개수 : 1,832

○ "조인 절" join 되지 않은 이유를 나타내는 탭○ Union에는 서울/경기, 수도권 | join 해야하는 지역별 관리자에는 수도권으로 필드명 상이 함

○ 더블 클릭하면 이름을 바꿀 수 있음 → 수도권으로 바꿔 줌계산된 필드 만들기

○ 일치

○ Join 되지 않은 것 없음

○ 단계상 전처리 진행 = 원본 영향 없음

● 데이터 조인 2

○ 조인 유형 바꾸기 예제

● 데이터 정리

○ 정리 단계 : 값 변경 / 필드 위치 수정 → 다양한 기능 수행○ 필요없는 필드 삭제 가능

○ 필요없는 컬럼 제거

○ Join으로 인한 중복 필드 제거

○ 사이먼 해당 값들만 볼 수 있음

○ 마우스 오버 = 커서를 가까이 대는 것

○ 드래그 앤 드롭 - 필드 순서 바꾸기

● 데이터 출력

○ 정리까지 된 파일 추출

○ 게시된 데이터 원본 : 태블로 클라우드 또는 태블로 서버 원본을 게시하는

○ hyper : 태블로 전용 데이터 파일

○ 흐름 실행 마침 = 전처리한 데이터 저장 완료○ 태블로 데스크탑에서 시각화 진행 가능

● 4-2 Tableau 작업 순서와 라이브 VS 추출

☑️ 라이브 VS 추출

● 라이브

● 추출

○ 데이터 원본 탭 - 우측 상단

☑️ Tableau 작업 순서

△ 추출 필터 & 데이터 원본 필터 : 데이터 원본 탭에서 적용△

▽ 컨텍스트 & 차원 & 측정값 & 테이블 계산 필터 : 워크시트 탭에서 적용 ▽

○ 경상북도 + 매출 top 10 + 제품명 필터 적용 → 8개 나옴

○ 대전광역시 + 매출 top 10 + 제품명 필터 적용 → 4개 나옴

○ '시도' 필터 먼저 적용하려면 → 컨텍스트에 추가

○ 4개 나오던 대전광역시 → 10개 나옴

○ 8개 나오던 경상북도 → 10개 나옴

● Fixed 함수와 차원 필터 같이 쓸 때

○ Fixed 값이 우선 적용 돼 바뀌지 않음

○ '고객 세그먼트' 컨택스트 추가 → 값 바뀜

● 4-3 데이터 원본 편집

☑️ 데이터 결합

● 관계

○ 합쳐지지 않고 각각 데이터 존재만들기 - 구간차원 - 구간차원 크기 제안

○ 물리적 결합은 아니지만 화면상에서 시각화 할 때, 쿼리가 작동

● 조인, 유니온

○ 물리적 결합을 알 수 있음

● 블랜딩

○ 블랜딩으로 연결되어 있음

○ 실제 '매출'과 '목표 매출'을 한 시각화로 할 수 있음

☑️ 통합 문서 합치기 & 데이터 원본, 참조 바꾸기

● 통합 문서 합치기

● 데이터 원본 바꾸기 통합 문서 합치기

○ 화면상 오류 - 대시보드 먹통

○ '수익'이 '이익'으로 바뀌게 되며 대시보드 정상작동

⊙ 태블로 라이브세션 - 5회 - 복습

☑️ Tableau Prep?

☑️ 왜 전처리를 해야하나?

= 왜 전처리를 해야하지? 뭘 전처리 해야하지? 전처리의 완료의 기준이 뭐지?

☑️ Union | Join | Pivot

● Union

● Join

○ Union 확인하기
○ 불일치 필드 : Prep으로 간단하게 병합 가능

○ 수익 = 이익 같은 말
○ 수익 누르면 비슷한 필드 추천

○ 기본적으로 교집합 'inner join'
○ Left / Right로 바꾸고 싶으면 해당 영역 선택
Full outer join : 합집합
여집합도 가능

○ "조인 절" join 되지 않은 이유를 나타내는 탭
○ Union에는 서울/경기, 수도권 | join 해야하는 지역별 관리자에는 수도권으로 필드명 상이 함

○ 정리 단계 : 값 변경 / 필드 위치 수정 → 다양한 기능 수행
○ 필요없는 필드 삭제 가능

○ 흐름 실행 마침 = 전처리한 데이터 저장 완료
○ 태블로 데스크탑에서 시각화 진행 가능

○ 이후는 유니온이 아닌 추가
"1개 상자에 계속 담느냐 vs 상자를 풀고 다시 넣고 풀고 다시 넣고" 차이

○ 기기 유형 | 모델 별로 만들 수 있음
○ 장치 유형 : 데스크탑 / 태블릿 / 휴대폰
○ 계층적 관계 : 기본 대시보드 - 상위 / 장치별 레이아웃 - 하위

○ 자동 - 추천 하지 않음 - 글자가 ####으로 깨져 보이는 경우 있음
○ 고정을 추천
○ 너비 1600 높이 1000 으로 만들 예정

○ 그리드 X - 내 맘대로 크기, 위치 설정
○ 피그마로 대시보드에 대한 뒷 배경 디자인 해서 배경을 뒤에 깔아놓고 대시보드 영역에 워크시트들을 위족에 띄워 놓을 때 많이 사용