의미 지능

AI가 구축한 의미론적 계층 데이터베이스용으로.

데이터베이스에는 이름이 저장됩니다. 시맨틱 인텔리전스는 의미를 부여합니다. 각 테이블과 열의 용도, 상태 열이 저장할 수 있는 값, 그리고 아무도 명시하지 않은 조인까지 파악합니다. 네트워크 에이전트는 스키마와 실제 값을 읽고, 데이터베이스 작업을 위해 구축된 쿼리 스트림 AI인 Nova가 레이어를 작성합니다. 따라서 Nova, Claude, ChatGPT는 실제 데이터베이스 상태를 그대로 쿼리합니다.

무료 플랜을 받으세요 팀 요금제

비즈니스 및 엔터프라이즈 요금제에 포함됨 · 매월 노바 크레딧 지급 후 사용량에 따라 요금 부과

의미 지능 커넥터 erp-prod · 데이터베이스 매상 적용 범위 92%

포착됨

네트워크 에이전트는 사용자가 선택한 일정에 따라, 그리고 사용자가 요청할 때마다 테이블, 뷰, 열, 키 및 인덱스를 읽습니다. 이것이 데이터베이스가 자체에 대해 알려줄 수 있는 전부입니다.

네트워크 에이전트, 네트워크에서 사용 중

ord_hdr · 240만 행

안 돼정수 cno정수 stat_cd문자(1) ord_dt날짜/시간 총액decimal(12,2) rep_id정수

고객_mstr · 38,000개 행

cno정수 고객_nmvarchar(60) 테르문자(3) cr_limdecimal(12,2) act_fl문자(1)

0 외래 키가 선언되었습니다0 칼럼 댓글유효한 상태 코드 목록이 없습니다.

이해했다

Nova는 모든 테이블과 열을 설명하고, 각 열의 유형을 지정하며, 코드 열에 실제로 저장되는 값을 나열하고, 에이전트가 찾은 조인의 이름을 지정합니다. Nova는 이러한 기능을 위해 설계되었습니다. SQL Server 및 Oracle부터 파일 세트 및 Stripe에 이르기까지 Query Streams에서 지원하는 모든 엔진, 방언 및 커넥터를 알고 있습니다. 편집한 내용은 그대로 유지됩니다.

Nova가 작성했으며, 재정의할 수 있습니다.

ord_hdr — 판매 주문 헤더: 고객 주문별로 한 행씩 표시되며, 상태, 날짜, 총액 및 담당 영업 사원 정보가 포함됩니다. 팩트 테이블 · 판매 도메인.

안 돼주문 번호식별자기본 키

cno주문하신 고객님cust_mstr.cno에 참여합니다.다대일데이터와 대조하여 확인했습니다.

stat_cd주문 상태 '에스'배송됨58% '영형'열려 있는31% '시간'보류 중7% '엑스'취소4%

총액주문 총액돈

rep_id주문을 담당하는 영업 담당자emp.emp_id를 조인합니다.데이터와 대조하여 확인했습니다.

cr_lim승인된 신용 한도(고객 통화 기준)돈팀에서 편집했습니다

데이터에서 발견된 조인 0개의 외래 키가 선언되었습니다. · 네트워크에서 4개의 후보를 확인했습니다.

ord_hdr.cno 고객_mstr.cno다대일검증됨모든 주문의 고객 번호는 고객 마스터에 존재합니다.

ord_line.ohno ord_hdr.ohno다대일검증됨주문 내역은 헤더까지 순차적으로 표시됩니다.

고객_mstr.terr hr.territory.terr_cd다대일검증됨동일 서버의 두 데이터베이스에서 발견되었습니다.

ord_hdr.rep_id 고객_mstr.cno-거부됨숫자가 겹치는 것은 우연의 일치일 뿐, 아무런 관계가 없습니다.

지도 받은

일부 정보는 스키마에 포함되어 있지 않습니다. 예를 들어 어떤 테이블이 더 이상 사용되지 않는지, 어떤 계정이 테스트 계정으로 간주되는지, 메트릭이 어떻게 정의되는지 등이 그렇습니다. 누군가가 채팅에서 Nova를 수정하면 Nova는 새로운 사실을 제안합니다. 이 제안은 데이터에 대한 읽기 전용 검사를 통과하거나, 수정된 내용을 한 문장으로 다시 작성하여 확인한 후에만 적용됩니다. Nova는 절대 자동으로 기억하지 않습니다.

쿼리 스트림 검증된 학습

재무 담당자, 채팅 중: 사용하지 마세요 순서 기록그건 은퇴했어요. 그리고 테스트 계정은 수익에서 제외하세요. 그 계정들은 문제가 있는 계정들이니까요. act_fl = 'T'"

신성: 확인 중 순서 기록 ~에 맞서 ord_hdr 현재 네트워크에서 사용 중입니다. 테스트 계정 규칙은 다음과 같이 유지하겠습니다. 다음 조건을 충족하는 고객을 제외합니다. act_fl = 'T' 매출과 고객 수에서맞습니까?

은퇴한 테이블 데이터와 대조하여 검증됨

순서 기록 2014년부터 2018년까지의 주문만 보유하고 있습니다. ord_hdr 그 이후의 모든 것을 다룬다. 노바는 읽기를 멈춘다. 순서 기록 그리고 역사적인 질문에 대해서는 한 줄짜리 메모를 남겨둡니다.

네트워크에서 확인해 본 결과, 날짜 범위가 실제로 서로 떨어져 있습니다.스키마 재스캔 후 매번 재확인합니다.

비즈니스 규칙 해당 내용을 가르친 사람이 확인해 주었습니다.

테스트 계정에는 다음이 있습니다. act_fl = 'T'이들을 매출 및 고객 수 계산에서 제외하십시오.

저자, 증거 및 모든 수정 사항이 기록되어 있습니다.이를 활용한 답변이 받아들여지면서 신뢰를 얻습니다.

신뢰성 확보 정확히 잰

ord_hdr.rep_id 웹 주문의 11%는 해당 항목이 비어 있어서 담당자별 내역을 합산해도 총액과 일치하지 않습니다. Nova는 이 사실을 숨기지 않고 명시적으로 보여줍니다.

데이터 변경 시 측정값을 다시 실행합니다.

사실에 근거한 답변이 수정되기 시작하면 해당 사실은 즉시 보류되고 재검토됩니다. 아무도 사용하지 않는 사실은 사라지고, 사람들이 계속 찾는 사실은 순위가 올라갑니다. 관리자는 모든 사실, 그 근거, 그리고 작성자를 확인할 수 있으며, 해당 사실을 수정하거나, 삭제하거나, 강의를 맡을 사람을 차단할 수 있습니다.

질문했습니다

같은 질문에 대해, 이름만 인식하는 AI와 레이어 정보를 읽는 AI가 각각 다른 답변을 내놓습니다. 이 중 하나만 제대로 작동합니다.

노바 · 클로드 · ChatGPT

쉽게 말해서"지난달 각 고객별로 몇 건의 주문이 배송되었습니까?"

이름만추측했다

선택 c.name, COUNT(*)
FROM   주문 o
JOIN   고객 c
  켜기 c.id = o.customer_id
어디  영형.상태 = '배송됨'
그룹 기준 c.이름;

이러한 테이블이나 열은 존재하지 않습니다. 이름이 맞더라도 상태는 한 글자 코드이므로 필터는 아무것도 일치시키지 못합니다.

의미 지능을 갖춘 Nova실행됨

선택 c.cust_nm, COUNT(*) AS 배송됨
FROM   ord_hdr o
JOIN   고객_mstr c
  켜기 c.cno = o.cno
어디  o.stat_cd = '에스'
  AND  o.ord_dt >= '2026-09-01'
그룹 기준 c.cust_nm;

실제 테이블, 데이터에서 발견된 조인, 그리고 '에스' 해당 열의 값 목록에서 가져옵니다.

에이전트가 사용자 네트워크에서 수행합니다.

네트워크에서 연결을 찾은 다음 검증합니다. ERP 및 기존 데이터베이스는 외래 키를 전혀 선언하지 않는 경우가 많습니다. 에이전트는 어떤 열이 키가 될 수 있는지 파악하고, 각 후보 열을 자체 시스템에서 실제 값과 비교하여 검증한 후, 카디널리티와 결과를 제공하고, 우연히 겹치는 유사 열은 제외합니다. 또한 동일 서버 내의 여러 데이터베이스에 있는 테이블을 연결할 수 있습니다. 검사가 완료되면 점수와 몇 가지 예시 값만 남고 작업 데이터는 삭제됩니다.
이 기능은 데이터베이스에 이미 있는 정보를 읽어옵니다. 엔진 통계는 테이블 스캔이 있는 경우 이를 대신하며, 이미 작성한 열 주석도 함께 제공됩니다.
생산용으로 설계되었습니다. 모든 쿼리는 에이전트가 직접 생성하는 읽기 작업이며, 각 쿼리에는 시간 제한이 있습니다. 속도가 느린 테이블은 대기 후 재시도하며, 검색은 시간 예산 내에서 실행됩니다.
SaaS 및 파일 소스도 포함됩니다. Stripe, Shopify 및 HubSpot은 에이전트의 로컬 캐시에서 프로파일링되므로 공급업체 API 사용량 제한이 발생하지 않습니다.

레이어를 작성하기 위해 Nova에게 전송되었습니다.

테이블 및 컬럼 이름, 유형 및 키
각 열에 몇 개의 예시 값과 몇 개의 샘플 행이 표시되며, 크기 제한이 적용되고 긴 텍스트는 잘리고 이진 데이터는 자리 표시자로 대체됩니다.
상태 및 유형 열에 대한 값 목록과 해당 개수
테이블 복사본은 절대 생성되지 않습니다. 실행 전에 테이블을 제외하고, 언제든지 테이블, 스키마 또는 데이터베이스별로 Nova의 샘플 및 설명을 삭제할 수 있습니다.

주문 입력 스키마 예시입니다. 값 목록은 추측값이 아닌 실제 열 값에서 가져옵니다.

읽은 사람

노바 채팅 쿼리 빌더의 Nova

MCP의 클로드

MCP를 통한 ChatGPT

직접 구축할 필요가 없는 시맨틱 레이어

수작업으로 구축하는 시맨틱 레이어는 모델링 프로젝트입니다. 반면 시맨틱 인텔리전스는 데이터에서부터 시작합니다.

수동으로 구축한 레이어(dbt, LookML)의미 지능

누가 썼나요?데이터 팀 (YAML 또는 LookML 형식)Nova는 스키마와 실제 값을 기반으로 합니다. 원하는 대로 편집할 수 있습니다.

시작하기일반적으로 창고를 대상으로 하는 모델링 프로젝트데이터베이스를 선택하고 활성화하세요.

참여하세요수기로 신고됨발견 후 데이터와 대조하여 확인했습니다.

효과가 있는 곳모델링된 창고에이전트를 통해 실시간 운영 데이터베이스, 파일 세트 및 API 커넥터에 액세스할 수 있습니다.

스키마 변경 사항을 따라잡기누군가가 모델을 수정합니다데이터베이스 크기가 커지면 표시를 해두고, 다음 실행 시에는 새로 추가된 데이터만 채워 넣습니다.

비즈니스 규칙과 부족 지식데이터 팀에서 모델링한 것입니다. (누군가 기억한다면 말이죠.)채팅을 통해 해당 분야 전문가들이 알려주고, 데이터와 대조하여 검증하거나 Nova가 사용하기 전에 확인된 내용입니다.

관리되는 측정 기준 정의네, 그게 그들의 강점이죠.목표가 아닙니다. 데이터를 설명하고 규칙을 학습하는 도구일 뿐, 메트릭 레이어를 대체하는 것은 아닙니다.

이미 dbt 또는 LookML 레이어를 사용하고 계신가요? 그대로 유지하세요. 시맨틱 인텔리전스는 기존 레이어가 지원하지 않았던 데이터베이스까지 지원합니다.

시맨틱 인텔리전스 FAQ

시맨틱 레이어란 무엇인가요?

시맨틱 레이어는 원시 테이블과 질문을 던지는 사람이나 도구 사이에 위치합니다. 각 테이블과 열의 의미, 테이블 간 조인 방식, 유효한 값 등을 정의하며, 일부 도구에서는 이를 시맨틱 모델이라고 부릅니다. 시맨틱 인텔리전스는 이러한 시맨틱 레이어를 자동으로 구축합니다. 네트워크 에이전트가 스키마와 실제 데이터를 읽고, 데이터베이스 작업에 최적화된 쿼리 스트림 AI인 Nova가 레이어를 생성합니다. Nova는 당사가 지원하는 모든 엔진, 방언 및 커넥터에 맞춰 작동하므로 AI 도구는 데이터베이스에 맞는 SQL 쿼리를 작성할 수 있습니다.

프로파일링을 하면 운영 데이터베이스 속도가 느려질까요?

그렇게 설계되지 않았습니다. 모든 쿼리는 읽기 전용이며 에이전트가 생성하고, 각 쿼리에는 시간 제한이 있으며, 느린 테이블은 나중에 재시도되고, 검색은 시간 예산에 따라 실행됩니다. 엔진이 통계를 저장하는 경우 에이전트는 테이블을 스캔하는 대신 해당 통계를 읽습니다. 또한 실행 전에 크거나 민감한 테이블을 제외할 수도 있습니다.

제 데이터베이스에는 외래 키가 없습니다. 그래도 작동할까요?

네, 바로 그 부분이 가장 중요합니다. ERP 및 기존 스키마에는 이러한 키가 없는 경우가 많습니다. 네트워크 에이전트는 후보 키를 찾고, 각 후보 키를 사용자 네트워크의 두 열에 있는 실제 값과 비교하여 테스트한 후, 일치하는 후보 키를 카디널리티와 신뢰도 점수와 함께 기록합니다. 단순히 숫자가 겹치는 후보는 거부되며, 동일한 서버의 서로 다른 데이터베이스에 있는 테이블도 연결할 수 있습니다. Nova 및 MCP 도구는 이러한 테스트를 통과한 조인만을 사용합니다.

만약 노바가 설명을 잘못하면 어떻게 될까요?

직접 편집하세요. 작성한 설명과 유형은 이후 실행 시 덮어쓰기되지 않습니다. Nova는 채팅을 통해 수정 사항을 학습하며, 학습된 모든 정보는 사용자의 데이터와 대조하거나 확인 과정을 거친 후에야 사용됩니다. 관리자는 이러한 정보를 검토, 수정 또는 폐기할 수 있습니다.

Nova는 우리 회사의 업무 규칙을 학습할 수 있을까요?

네. Nova에는 쿼리 스트림 검증 학습 기능이 내장되어 있습니다. 누군가 채팅에서 Nova의 오류를 수정하거나 규칙을 설명하면 Nova는 다음과 같은 사실을 제안합니다. 사용 중지된 테이블, 열의 실제 의미, 조인의 신뢰성, 비즈니스 규칙 또는 메트릭 정의. 스키마 관련 사실은 적용되기 전에 네트워크에서 읽기 전용 쿼리를 통해 검증됩니다. 비즈니스 규칙은 사용자가 Nova의 한 문장으로 된 수정 내용을 확인하면 적용됩니다. 모든 사실은 작성자, 근거 및 이력을 유지합니다. 특정 사실에 기반한 답변이 수정되기 시작하면 해당 사실은 일시 중단되고 재검증되며, 데이터가 변경됨에 따라 측정이 다시 실행됩니다. 관리자는 누가 학습을 진행할 수 있는지, 그리고 어떤 내용을 수정하거나 삭제할 수 있는지를 제어합니다.

어떤 소스와 호환되나요?

SQL Server, PostgreSQL, MySQL, MariaDB, Oracle, Snowflake, BigQuery, SQLite, Microsoft Access 및 DuckDB는 물론 파일 세트와 Stripe, Shopify, HubSpot 및 Google Analytics 4와 같은 API 커넥터를 지원합니다. 각 엔진의 SQL 방언에 맞게 조정됩니다.

어떤 플랜에 해당 기능이 포함되어 있으며, 누가 운영할 수 있나요?

시맨틱 인텔리전스는 비즈니스 및 엔터프라이즈 플랜의 Nova에 포함되어 있습니다. 실행 횟수는 플랜의 데이터 처리량에 포함됩니다. 관리자만 이 기능을 활성화하고, 적용 대상 데이터베이스 및 테이블을 선택하고, 결과를 편집하거나 삭제할 수 있습니다. Nova 또는 MCP를 사용하는 모든 사용자가 이 기능의 혜택을 누릴 수 있습니다.

시맨틱 인텔리전스 기반

Nova AI MCP 서버 쿼리 빌더 보고서 및 데이터 알림 데이터베이스 통합

Nova가 데이터베이스를 학습하도록 하세요.

데이터베이스를 연결하고, 의미론적 지능 기능을 활성화한 다음, 첫 번째 질문을 쉬운 영어로 입력해 보세요.

무료 플랜을 받으세요 팀 요금제

비즈니스 및 엔터프라이즈 요금제에 포함됨 · 매월 노바 크레딧 지급 후 사용량에 따라 요금 부과