Nova AI는 어떻게 데이터베이스 스키마를 자동으로 학습하는가?

이 가이드 외에도 쿼리 스트림의 모든 기능 보기 무료로 시작하기

지원

+더 보기

라이브 데이터

내보내기를 온디맨드 SQL로 바꾸기

Excel 시트

BI 및 AI 분석

Nova에 문의하여 SQL + 차트 가져오기

노바 만나기

데이터베이스 REST API

파트너당 키 1개. 자격 증명은 공유되지 않습니다.

API를 구축하세요

+더 보기

자동화

6개 이상의 플랫폼에 예약 동기화

탐색

+더 보기

API에서 SQL로

코드 없이 SQL로 API 쿼리

탐색

+더 보기

AI 데이터베이스 MCP

Claude, Cursor, ChatGPT 및 Grok은 여러분의 데이터와 소통합니다.

Connect AI

Query Streams는 안전한 실시간 데이터베이스 통합 플랫폼으로, AI 엔진인 Nova가 SQL 쿼리를 생성하기 전에 데이터베이스 스키마를 자동으로 학습합니다. QueryStreams.com에서 더 자세히 알아보세요. 그리고 무료로 가입하세요 데이터베이스에 질문을 쉬운 말로 하기 시작하세요.

시맨틱 인텔리전스는 AI가 구축한 것입니다. 의미 계층 데이터베이스의 경우, Nova는 테이블, 열 및 관계를 한 번만 매핑하면 해당 매핑을 기반으로 모든 질문에 답변합니다.

AI SQL에서 스키마 이해가 중요한 이유

AI 기반 SQL 생성에는 대부분의 플랫폼이 간과하는 근본적인 문제가 있습니다. 바로 AI가 사용자의 데이터베이스를 알지 못한다는 점입니다. 일반적인 챗봇은 구문적으로 올바른 SQL을 작성할 수 있지만, 실제 테이블 이름, 열 유형, 데이터 값 또는 테이블 간 관계에 대해서는 전혀 알지 못합니다. 예를 들어, 판매 데이터를 조회해 달라고 요청하면 그럴듯하게 들리는 열 이름을 만들어낼 것입니다. 총 매출액 또는 고객 이름 해당 열이 스키마에 존재하지 않을 수 있습니다. 쿼리는 올바르고 컴파일도 되지만, 오류가 발생하거나, 더 심각한 경우에는 우연히 일치하는 다른 열에서 잘못된 결과가 반환될 수 있습니다.

이것은 환각 문제를 데이터베이스 스키마 분석에 적용한 것입니다. 문제는 AI가 SQL 구문을 작성하는 능력에 있는 것이 아닙니다. 최신 언어 모델은 SQL을 능숙하게 작성합니다. 문제는 그것을 아는 데 있습니다. 무엇 SQL 쿼리를 작성하려면 어떤 테이블이 존재하는지, 어떤 열이 포함되어 있는지, 테이블 간의 관계는 무엇인지, 필터 열에 어떤 값이 나타나는지, 대상 데이터베이스가 어떤 SQL 방언을 사용하는지 등의 정보를 알아야 합니다. 이러한 기본 지식이 없으면 아무리 정교한 AI 쿼리 빌더라도 추측에 의존할 수밖에 없습니다. 노바(Nova)는 시맨틱 인텔리전스를 통해 이러한 추측을 완전히 없애고, 확률적 추론이 아닌 검증된 지식을 기반으로 작동하는 AI SQL 어시스턴트를 제공합니다.

5단계 의미 지능 파이프라인

Nova의 자동 스키마 학습은 데이터 소스를 연결하는 순간 구조화된 5단계 파이프라인을 실행합니다. 각 단계는 이전 단계를 기반으로 구축되어 데이터베이스 구조에 대한 AI의 이해도를 점진적으로 심화합니다. 이 파이프라인은 속도를 위해 최대 10개의 테이블을 동시에 처리하고, 9가지 SQL 방언을 지원하며, 학습된 모든 정보를 영구적으로 저장하므로 스키마가 변경되지 않는 한 데이터베이스당 한 번만 분석을 실행하면 됩니다.

1단계: 스키마 카탈로그 캡처

첫 번째 단계에서는 다음을 통해 데이터베이스에 연결합니다. 쿼리 스트림 에이전트 이 단계에서는 정보 스키마 카탈로그를 읽습니다. 모든 접근 가능한 스키마에 걸쳐 테이블 이름, 열 이름, 데이터 유형, 인덱스 정의, 외래 키 제약 조건, 행 수 및 개발자 주석을 캡처합니다. 에이전트는 사용자 네트워크에서 실행되며 안전한 아웃바운드 전용 연결을 설정하므로 인바운드 포트, VPN 터널 또는 방화벽 변경이 필요하지 않습니다. 스키마 카탈로그 캡처는 데이터가 아닌 메타데이터를 읽기 때문에 속도가 빠릅니다. 일반적으로 테이블이 200개 있는 데이터베이스는 이 단계를 3초 이내에 완료합니다. 출력은 Nova가 이후 모든 단계와 생성하는 모든 SQL 쿼리의 기반으로 사용하는 완전한 구조 맵입니다.

2단계: 데이터 샘플링

Nova는 어떤 테이블과 열이 있는지 파악한 후에는 해당 테이블과 열에 어떤 값이 포함되어 있는지 이해해야 합니다. 2단계에서는 단일 값을 전송합니다. AI용 프로필 테이블 쿼리 스트림 에이전트를 통해 테이블별로 호출합니다. 이 특수 프로파일링 작업은 테이블당 11~28개의 개별 쿼리가 필요했던 작업을 대체합니다. 즉, 고유 값 샘플링, 값 분포 감지, NULL 비율 식별, 열거형 패턴 발견 및 카디널리티 측정 작업을 모두 한 번의 네트워크 왕복으로 수행합니다. 데이터 샘플링을 통해 Nova는 테이블의 특정 값을 파악할 수 있습니다. 상태 칼럼에서 "캘리포니아" 대신 "CA"와 같은 두 글자 약어를 사용하거나, 귀하의 상태 해당 필드에는 0/1 대신 "활성"/"비활성" 값이 포함됩니다. 이렇게 하면 가장 골치 아픈 유형의 문제를 방지할 수 있습니다. 텍스트를 SQL로 변환 오류: 구조적으로는 올바르지만 데이터에 존재하지 않는 값을 기준으로 필터링하는 쿼리입니다.

3단계: 암묵적 외래 키 발견

많은 실제 운영 데이터베이스에는 공식적인 외래 키 제약 조건으로 선언되지 않은 테이블 간의 관계가 존재합니다. 고객 ID 컬럼과 주문.고객_ID 컬럼들이 서로 명확하게 관련되어 있더라도 스키마에 외래키(FK) 제약 조건이 없으면 기본적인 카탈로그 읽기로는 연결을 감지할 수 없습니다. 3단계에서는 컬럼 이름, 데이터 유형, 값 중복을 분석하여 테이블 간의 선언되지 않은 관계를 식별함으로써 이 문제를 해결합니다. 이러한 암묵적인 FK 발견은 여러 테이블을 조인해야 하는 복잡한 자연어 데이터베이스 쿼리에 매우 중요합니다. 이 기능이 없으면 Nova는 선언된 외래키가 있는 테이블만 조인할 수 있는데, 실제 데이터베이스에서는 이러한 방식이 실제 관계의 절반도 채 되지 않습니다. Nova는 선언된 관계와 암묵적인 관계 모두를 매핑하여 전체 스키마에서 조인 경로를 추적하고 "고객 이름과 제품 세부 정보가 포함된 주문을 보여주세요"와 같은 질문에서 정확한 다중 테이블 쿼리를 생성할 수 있습니다.

4단계: LLM 심화 과정

4단계에서는 구조 및 프로파일링 데이터를 AI에 전달하여 의미론적 보강을 수행합니다. LLM은 모든 테이블과 열에 대해 사람이 읽을 수 있는 설명을 생성하고 의미 유형을 분류합니다(식별된 의미 유형은 다음과 같습니다). created_at 생성 타임스탬프입니다. 이메일 연락처 필드입니다. 스쿠 (제품 식별자)와 같은 요소를 감지하고, 유한한 값 집합이 여러 행에 걸쳐 반복되는 열거형과 유사한 열을 찾아 테이블을 판매, 재고, 인사 또는 재무와 같은 비즈니스 도메인에 매핑합니다. 이러한 보강 작업을 통해 원시적인 기술 메타데이터를 문맥에 맞는 지식으로 변환합니다. "부서별 직원 급여를 보여주세요"라고 요청하면 Nova는 단순히 "직원"이라는 단어를 테이블 이름과 패턴 매칭하는 데 그치지 않습니다. 어떤 테이블이 인사 도메인에 속하는지, 어떤 열이 급여 데이터를 나타내는지, 어떤 열이 부서를 분류하는 데 사용되는지 파악합니다. 의미론적 분류는 키워드 매칭 도구와 데이터 모델을 진정으로 이해하는 AI SQL 도우미를 구분하는 핵심 요소입니다.

5단계: 결과 처리

최종 단계에서는 학습된 모든 지식을 저장하고 적용 범위 지표를 계산합니다. Nova는 분석 완료 여부를 세 가지 수준에서 추적합니다. 데이터베이스별(프로파일링된 테이블 수), 테이블별(보강된 열 수), 그리고 열별(유형 분류 및 값 프로파일링 완료 여부)입니다. 결과 처리에는 기여자 추적 기능도 포함됩니다. 학습된 모든 지식은 AI 생성 또는 사용자 기여로 태그됩니다. 팀 구성원은 대화형 학습 인터페이스를 통해 AI 학습을 보완할 수 있습니다. Nova는 모호한 열이나 테이블에 대한 구체적인 질문을 생성하고 사용자는 자연어로 답변합니다. 이러한 협업 방식은 AI의 속도와 사용자의 전문 지식을 결합하며, 기여자 태그를 통해 각 주석의 출처를 항상 파악할 수 있습니다.

시맨틱 인텔리전스가 Nova를 차별화하는 방법

Nova와 일반적인 AI 챗봇의 차이는 검증된 지식과 확률적 추측에 있습니다. 범용 AI가 데이터베이스에 대한 SQL 쿼리를 작성할 때, 학습 데이터의 통계적 패턴을 기반으로 쿼리를 구성합니다. 물론 추측에 의존할 수도 있습니다. 사용자 테이블이 실제로 앱 사용자또는 가정해 보세요 가격 컬럼이 다음과 같을 때 단위 비용이러한 추측은 쿼리가 실패하거나 잘못된 결과를 반환할 때까지 사용자에게 보이지 않습니다.

Nova는 추측을 완전히 없애줍니다. 생성된 쿼리에서 참조되는 모든 테이블, 열, 관계 및 데이터 패턴은 실제 데이터베이스와 대조하여 검증된 시맨틱 인텔리전스 지식 기반에서 가져옵니다. 또한 Nova는 스키마 한정 명명법(스키마 한정 명명법 사용)을 강제합니다. 스키마.테이블 다음과 같은 형식 공개 고객) 그리고 생성된 모든 쿼리를 통과시킵니다. SQLGlot 실행 전에 구문 유효성 검사를 수행합니다. 참조된 열이 rapidfuzz를 통해 60% 유사도 임계값을 충족하지 못하면 Nova는 이를 표시하고 자동으로 수정하거나 설명을 요청합니다. 따라서 Nova는 단순한 AI 데이터베이스 스키마 판독기가 아니라 데이터에 도달하기 전에 오류를 잡아내는 SQL 품질 게이트 역할을 합니다.

의미 지능 인터페이스

시맨틱 인텔리전스 인터페이스는 다음에서 접속할 수 있습니다. /노바/지능 쿼리 스트림 포털에서는 Nova가 연결된 각 데이터베이스에 대해 알고 있는 정보를 시각적인 대시보드로 보여줍니다. 테이블별 분석 상태, 열 및 관계에 대한 적용 범위 비율, 각 주석의 출처(AI 생성 또는 사용자 입력)를 확인할 수 있습니다. 개별 테이블 또는 열에 대한 분석 버튼을 사용하여 필요에 따라 개별 테이블 또는 열에 대한 분석을 시작하거나 다시 실행할 수 있습니다.

네 가지 학습 모드를 통해 데이터베이스별로 시맨틱 인텔리전스의 작동 방식을 제어할 수 있습니다. 자동 새로운 데이터 소스가 연결되면 전체 5단계 파이프라인을 자동으로 실행합니다. 보조 분석을 실행하기 전에 사용자에게 알림을 보내고 확인을 요청합니다. 수동 이 기능을 사용하면 엔티티별 버튼을 사용하여 개별 테이블에 대한 분석을 실행할 수 있습니다. 끄다 수동으로 SQL 쿼리를 작성하는 것을 선호하는 데이터베이스의 경우 의미 지능 기능을 완전히 비활성화할 수 있습니다. 학습 인터페이스는 인간의 전문 지식과 AI의 속도가 만나는 곳입니다. Nova는 이해 부족 부분을 파악하기 위한 구체적인 질문을 생성하고, 팀 구성원은 대화형으로 답변합니다. 각 답변은 자동화된 분석을 보완하는 인간 기여 지식으로 저장되며, 이는 특히 명확하지 않은 명명 규칙을 가진 데이터베이스나 열 이름이 용도를 명확하게 나타내지 않는 레거시 스키마에서 매우 유용합니다.

SQL을 모르시나요? Nova AI가 쿼리를 자동으로 생성해 드립니다.

노바를 시도해 보세요

1

무엇을 설명하시오
필요한 데이터

Nova는 스키마를 읽습니다.
SQL을 생성합니다.

저장 후 실행
엑셀 또는 시트

지난달 제품별 매출액을 조회하는 쿼리를 만드는 데 도움을 주세요. 주간 매출 보고서에 필요합니다.

설립하다 주문 항목 그리고 제품 스키마에서 확인하세요. 다음은 쿼리입니다. 실행하여 미리 보기를 확인한 후 라이브러리에 저장하고 팀과 공유하세요.

SQL 결과

복사 실행 저장

선택
    p.제품명,
    SUM(oi.quantity * oi.unit_price) AS 수익
FROM   public.order_items oi
JOIN   공개 제품 p 켜기 oi.product_id = p.id
어디  oi.created_at >= 날짜_트렁크('month', 지금() - 간격 '1개월')
그룹 기준 p.제품_이름
주문 기준 수익 DESC

자동 스키마 학습의 수혜자는 누구인가?

시맨틱 인텔리전스는 특정 역할에만 국한되지 않습니다. 데이터베이스를 다루는 모든 팀은 쿼리를 생성하기 전에 데이터 모델을 이해하는 AI의 도움을 받을 수 있습니다. 자동 데이터베이스 스키마 분석을 통해 다양한 역할에서 얻을 수 있는 이점은 다음과 같습니다.

자주 묻는 질문

시작하기

관련 가이드: Nova AI를 사용하여 텍스트를 SQL로 변환 | 모든 기능 | Microsoft Excel의 데이터베이스 | Google 스프레드시트의 데이터베이스 | API 커넥터

카테고리: 노바 AI

태그: Nova AI, 시맨틱 인텔리전스, 데이터베이스 스키마, AI 분석, 텍스트-SQL 변환, 머신 러닝, 데이터베이스 자동화

메타 설명: Nova AI는 데이터베이스 스키마를 자동으로 학습합니다. 처음부터 더 나은 SQL을 사용하세요. 무료로 사용해 보세요.

저자 소개:
Query Streams 팀은 데이터 관리, 분석 및 보안 소프트웨어 개발 분야에서 25년 이상의 경력을 보유한 숙련된 데이터베이스 전문가, 네트워크 보안 전문가 및 엔터프라이즈 네트워킹 전문가로 구성되어 있습니다.