데이터는 쌓여있는데, 왜 다함께 쓰지 못할까요?

많은 기업들이 Snowflake를 비롯한 다양한 데이터 플랫폼에 방대한 데이터를 쌓아두고 있습니다. 그런데 아이러니하게도, 데이터가 많아질수록 원하는 답을 찾기는 더 어려워졌습니다. 데이터를 꺼내 쓰는 일이 SQL을 다룰 줄 아는 소수 전문가의 영역으로 남아 있는 한, 조직 대부분의 구성원에게 데이터는 있지만 쓰기 어려운 것에 가깝습니다.

정보는 넘쳐나지만, 필요한 인사이트를 얻으려면 매번 전문가를 거쳐야 하는 구조는 조용하지만 분명하게 데이터 활용의 속도와 범위를 제한하고 있습니다. 🤯

방대한 데이터 속에서 내가 원하는 데이터를 찾기 어려웠던 경험, 있으신가요?

이 문제는 트렌드 사이클이 빠른 요즘 시대에 특히 중요합니다. 시장의 변화를 읽는 속도가 곧 경쟁력입니다. 연구 개발의 성과가 상품 기획으로, 그리고 실시간 매출 데이터로 이어지는 흐름을 즉각 파악할 수 있어야 선두경쟁에서 살아남을 수 있습니다. 그러나 현업 담당자가 매번 데이터팀에 요청하고 며칠을 기다리는 구조에서는 그 속도를 낼 수 없습니다.

그래서 우리에게 필요한 것은 데이터를 조직 전체의 공통 언어로 만드는 것입니다. 소수 전문가의 영역에 머물러 있던 데이터 분석을, 누구나 쉽게 활용할 수 있는 환경으로 바꾸는 Snowflake Intelligence와 구축 과정을 소개해드리겠습니다.

📚목차

1. Snowflake Intelligence란?

2. Snowflake Intelligence 구축 과정

3. PoC 사례: 글로벌 뷰티 기업 아모레퍼시픽

1. Snowflake Intelligence란?

(출처: 공식홈페이지)

스노우플레이크 인텔리전스(Snowflake Intelligence)는 비즈니스 사용자가 기업 데이터에 숨겨진 깊은 인사이트를 직관적으로 발견할 수 있도록 돕는 엔터프라이즈 인텔리전스 에이전트 입니다. 복잡한 코딩이나 쿼리 없이도 일상적인 자연어를 통해 정형 데이터는 물론 비정형 데이터와 상호 작용할 수 있는 대화형 인터페이스를 제공하며, 클라우드 기반이기에 별도 설치 없이 바로 접속할 수 있습니다.

한마디로 조직 내 흩어져 있는 모든 지식을 하나로 엮어, 직무나 기술 수준에 관계없이 모든 임직원에게 통찰력을 제공하는 '신뢰할 수 있는 엔터프라이즈 에이전트'라고 할 수 있습니다.

스노우플레이크 인텔리전스가 기존의 데이터 분석 도구와 차별화되는 주요 특징은 다음과 같습니다.

🔎 '무엇(What)'을 넘어 '왜(Why)'를 분석

단순히 ‘무슨 일이 일어나고 있는가?’를 보여주는 정적인 대시보드나 보고서를 넘어, ‘왜 이런 일이 발생했는가?’라는 근본 원인을 분석합니다. 데이터 및 시장 인텔리전스를 포함한 방대한 데이터를 기반으로 추론하는 사용자의 파트너(Thought Partner) 역할을 수행합니다.

📈 정형·비정형 데이터의 통합 분석

대부분의 AI 솔루션이 비정형 데이터 처리에만 집중하는 것과 달리, 스노우플레이크 인텔리전스는 수십만 건의 논문, 보고서, 문서 같은 비정형 데이터는 물론 스노우플레이크에 저장된 정형 데이터에 대해서도 별도의 사전 처리 파이프라인 없이 실시간으로 정확한 분석을 수행합니다.

💡 분석을 넘어선 직접적인 조치(Action)

데이터를 바탕으로 인사이트를 도출하는 것에 그치지 않고, 업무 흐름과 연계하여 사용자를 대신한 직접적인 후속조치 까지 취할 수 있습니다.

🔐 검증된 답변과 강력한 보안

도출된 모든 답변은 참조 문서나 SQL 쿼리 등 원본 출처를 추적할 수 있어 투명성과 신뢰성을 보장합니다. 스노우플레이크의 기존 데이터 관리 및 보안 체계 내에서 작동하므로, 행 기반 액세스 제어나 데이터 마스킹과 같은 엄격한 기업 내 데이터 보호 규칙을 기본적으로 준수합니다.

스노우플레이크 인텔리전스는 누구나 데이터 전문가의 도움 없이 스스로 데이터를 탐색하게 함으로써 조직의 데이터 장벽을 허물고, 보다 빠르고 확신 있는 의사결정을 내릴 수 있도록 돕는 혁신적인 솔루션입니다.

2. Snowflake Intelligence 구축 과정

Snowflake Intelligence 구축 과정을 소개합니다.

본격적인 검증 전, 정형·비정형 샘플 데이터와 분석 질문지를 먼저 준비합니다.

1단계 데이터 적재: 정형과 비정형 데이터를 Snowflake에 담기

가장 먼저 통합 데이터 분석 환경 구축을 위해 기업으로부터 제공받은 데이터를 Snowflake에 적재하고 필요한 변환 작업을 수행합니다. 매출, 상품 등 수치 중심의 데이터는 정형 데이터(Structured Data)로, 내부 문서, PDF 등 텍스트/이미지 기반 자료 등은 비정형 데이터(Unstructured Data)로 구분해 구성합니다.

2단계 시맨틱 레이어 구성: AI가 비즈니스 맥락을 이해하게 하기

데이터를 적재했다고 해서 AI가 곧바로 올바른 답을 내놓는 건 아닙니다. AI가 '5월 매출 베스트는?'이라는 질문을 받았을 때, 어떤 테이블의 어떤 컬럼을 봐야 하는지 알아야 하기 때문입니다. 이를 위해 비즈니스 맥락을 AI에게 전달하는 메타데이터 구조인 Semantic Layer를 설계합니다.

Semantic Layer는 Cortex Analyst, Cortex Search, 그리고 필요에 따라 Custom Tool과 연결됩니다. 이 중 정형 데이터 분석을 담당하는 Cortex Analyst는 메타데이터 기반의 시맨틱 뷰를 필요로 하는데, Snowsight UI에서 코드 작성 없이 클릭만으로 손쉽게 구성할 수 있습니다. 이 구조 덕분에 AI는 단순히 데이터를 검색하는 것을 넘어, 비즈니스 맥락에 맞는 정확한 SQL 쿼리를 생성할 수 있습니다.

시멘틱 레이어 예시 (가상의 데이터입니다)

시맨틱 레이어와 연결되는 Agent UI 설정 단계에서는 분석에 사용할 AI 모델을 선택할 수 있습니다. Snowflake Cortex AI는 AWS, Google Cloud, Microsoft Azure 등 Snowflake 계정이 배포된 클라우드 리전에서 Claude Sonnet 4.6, Sonnet 4.5, Haiku 4.5 등 다양한 모델을 Snowflake의 보안 경계 안에서 호출할 수 있도록 제공합니다. 이를 통해 분석 과정에서 데이터가 Snowflake의 보안·거버넌스 경계 밖으로 나가지 않으므로, 기업 데이터 관리 정책에 맞게 활용할 수 있습니다. 또한 기업마다 고유한 비즈니스 용어나 계산식을 AI가 미리 참고할 수 있도록 설정해두면, 추론 정확도를 크게 높일 수 있습니다.

❄️ Snowflake Cortex AI X Anthropic Claude Sonnet 4.6

3단계 비정형 데이터 연결: 내부 문서 및 기타 PDF 내용에 대해서 질문할 수 있게 하기

정형 데이터 환경이 준비되었다면, 다음은 비정형 데이터 분석 환경을 구성할 차례입니다. Cortex Search Service를 다음 5단계로 구성합니다.

비정형 데이터 연결 5단계

📋 비정형 데이터 연결 5단계

1️⃣ 파일 스테이징: 비정형 데이터를 전처리해 Snowflake Stage에 업로드

2️⃣ 청크 테이블 생성: 텍스트를 일정 단위로 분할해 테이블에 저장

3️⃣ Cortex Search Service 생성: 청크를 검색할 수 있는 하이브리드 검색 엔진 구축

4️⃣ Agent 연결: Cortex Search Service를 Agent Tools에 등록

5️⃣ 통합 분석 완성: 자연서 질문 시 Agent가 사용자가 정형·비정형 데이터를 자동으로 통합 분석

환경이 완성되면 사용자는 데이터 유형을 신경 쓸 필요가 없습니다. Snowflake Intelligence에 자연어로 질문하면, Cortex Agent가 적절한 도구를 선택해 통합된 분석 결과를 제공합니다.

3. PoC 사례: 글로벌 뷰티 기업 아모레퍼시픽

SPH는 아모레퍼시픽과 함께 Snowflake Intelligence PoC를 진행했습니다. 

글로벌 뷰티 트렌드를 선도하는 아모레퍼시픽은 Snowflake 기반의 데이터 환경을 운영하고 있었으며, 데이터를 더 효율적으로 탐색하고 활용할 수 있는 방안을 검토하고 있었습니다.

이번 PoC를 통해 구성원의 데이터 활용 편의성을 높이는 방향을 확인하고, 비정형 데이터를 분석에 연결해 폭넓은 비즈니스 인사이트를 확보할 수 있는 가능성을 검증했습니다.

새로운 기술 도입에는 항상 검증이 필요합니다. 실제로 우리 조직에서 작동하는지, 어떤 성과를 기대할 수 있는지 직접 확인하는 과정이 있어야 하죠.

SPH의 PoC는 범위 산정 → 데이터 수집 및 적재 → 성능 테스트 → 결과 리포트 4단계로 진행됩니다. 자연어를 통한 데이터 질의, 한국어 기반의 분석 도출, 도출된 데이터의 시각화 및 요약까지 처음부터 끝까지 함께 인사이트를 찾습니다.

Snowflake Intelligence를 통해 복잡한 코드 없이, 동료에게 묻듯 자연스럽게 질문하여 누구나 원하는 답을 찾고, 더 빠르게 판단하며 협업할 수 있는 환경의 가능성을 확인해 보세요.

비슷한 고민을 갖고 계신가요? 데이터가 소수 전문가의 전유물이 아닌, 조직 전체의 공통 언어가 되는 과정을 만들고 싶으시다면 SPH에 문의해 주세요. PoC 기획부터 도입까지, 검증된 방법으로 빠르게 함께 답을 찾아드리겠습니다.

SPH는 Snowflake 국내 공식 파트너사이자 Snowflake Intelligence 런칭 파트너로서, PoC 설계부터 구축, 고도화까지 데이터 도입의 전 과정을 함께합니다. 😊

👉SPH 문의하기
👉Snowflake 더 알아보기