Google은 AI 기술을 사용하여 콘텐츠를 사용자의 기본 언어로 번역합니다. AI 번역에는 오류가 있을 수 있습니다.

데이터 품질 프로파일링 및 검증

이 빠른 시작에서는 Knowledge Catalog (이전 명칭: Dataplex Universal Catalog)를 사용하여 BigQuery 테이블을 프로파일링하고, 프로필 통계를 기반으로 데이터 품질 규칙을 정의하고, 데이터 품질 스캔을 실행하는 방법을 보여줍니다.

다음 단계를 완료합니다.

의도적인 이상치(예: 중복 및 null 값)가 포함된 샘플 자전거 공유 데이터로 BigQuery 데이터 세트와 테이블을 만들어 스캔 기능을 테스트합니다.
테이블에서 데이터 프로필 스캔을 만들어 실행합니다. 데이터 프로파일링은 null 비율, 고유 값 수, 값 분포와 같은 열 수준 통계를 계산합니다. 자세한 내용은 데이터 프로파일링 정보를 참고하세요.
데이터 프로필 스캔 결과를 검토하여 패턴과 잠재적 이상치를 찾습니다.
프로필 결과를 기반으로 데이터 품질 규칙을 정의하고 데이터 품질 스캔을 실행합니다. 데이터 품질 스캔은 정의된 규칙에 따라 데이터를 검증하여 이상을 식별합니다. 자세한 내용은 자동 데이터 품질 정보를 참고하세요.
평가 결과를 검토하여 통과하거나 실패한 품질 규칙을 확인합니다.

시작하기 전에

프로젝트를 다음과 같이 설정하세요.

Google Cloud 계정에 로그인합니다. Google Cloud를 처음 사용하는 경우 계정을 만들고 Google 제품의 실제 성능을 평가해 보세요. 신규 고객에게는 워크로드를 실행, 테스트, 배포하는 데 사용할 수 있는 $300의 무료 크레딧이 제공됩니다.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Go to project selector

If you're using an existing project for this guide, verify that you have the permissions required to complete this guide. If you created a new project, then you already have the required permissions.

Verify that billing is enabled for your Google Cloud project.

Enable the Knowledge Catalog and BigQuery APIs.

Roles required to enable APIs

To enable APIs, you need the serviceusage.services.enable permission. If you created the project, then you likely already have this permission through the Owner role (roles/owner). Otherwise, you can get this permission through the Service Usage Admin role (roles/serviceusage.serviceUsageAdmin). Learn how to grant roles.

Enable the APIs

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Go to project selector

If you're using an existing project for this guide, verify that you have the permissions required to complete this guide. If you created a new project, then you already have the required permissions.

Verify that billing is enabled for your Google Cloud project.

Enable the Knowledge Catalog and BigQuery APIs.

Roles required to enable APIs

Enable the APIs

필요한 역할

데이터 프로필 및 데이터 품질 스캔을 만들고 실행하고 BigQuery 리소스를 관리하는 데 필요한 권한을 얻으려면 관리자에게 프로젝트에 대한 다음 IAM 역할을 부여해 달라고 요청하세요.

데이터 스캔 만들기, 실행, 삭제: Dataplex DataScan 편집자 (roles/dataplex.dataScanEditor)
샘플 테이블 만들기, 채우기, 삭제: BigQuery 데이터 소유자 (roles/bigquery.dataOwner)
BigQuery에서 SQL 쿼리 실행: BigQuery 작업 사용자 (roles/bigquery.jobUser)

역할 부여에 대한 자세한 내용은 프로젝트, 폴더, 조직에 대한 액세스 관리를 참조하세요.

커스텀 역할이나 다른 사전 정의된 역할을 통해 필요한 권한을 얻을 수도 있습니다.

프로젝트에서 IAM 액세스를 관리하는 데 필요한 권한이 있는 경우 다음 gcloud 명령어를 실행하여 사용자 계정에 이러한 역할을 부여할 수 있습니다.

gcloud projects add-iam-policy-binding PROJECT_ID \
    --member="user:USER_EMAIL" \
    --role="roles/dataplex.dataScanEditor"

gcloud projects add-iam-policy-binding PROJECT_ID \
    --member="user:USER_EMAIL" \
    --role="roles/bigquery.dataOwner"

gcloud projects add-iam-policy-binding PROJECT_ID \
    --member="user:USER_EMAIL" \
    --role="roles/bigquery.jobUser"

다음을 바꿉니다.

PROJECT_ID: Google Cloud 프로젝트 ID입니다.
USER_EMAIL: 사용자 계정 이메일 주소 (예: name@example.com)

Knowledge Catalog 서비스 에이전트에 권한 부여

서비스 에이전트는 Knowledge Catalog가 사용자를 대신하여 BigQuery에서 스캔 쿼리를 실행하는 데 사용하는 Google 관리 서비스 계정입니다.

Google Cloud 콘솔의 툴바에서 Cloud Shell 활성화를 클릭합니다. 환경을 프로비저닝하고 연결하는 데 몇 분 정도 걸립니다.
Knowledge Catalog 서비스 에이전트를 만듭니다.
```
gcloud beta services identity create --service=dataplex.googleapis.com
```
이 명령어는 서비스 에이전트가 아직 프로비저닝되지 않은 경우 서비스 에이전트를 만들고 이메일을 출력합니다. 프로젝트에 이미 Knowledge Catalog 서비스 에이전트가 있는 경우 명령어는 변경 없이 기존 ID를 반환합니다.

출력은 다음과 비슷합니다.
```
serviceAccount:service-PROJECT_NUMBER@gcp-sa-dataplex.iam.gserviceaccount.com
```
다음 단계를 위해 출력에서 PROJECT_NUMBER를 기록합니다.
Knowledge Catalog가 프로젝트에서 쿼리 작업을 실행할 수 있도록 BigQuery 작업 사용자 (roles/bigquery.jobUser) 역할을 부여합니다.
```
gcloud projects add-iam-policy-binding PROJECT_ID \
   --member="serviceAccount:service-PROJECT_NUMBER@gcp-sa-dataplex.iam.gserviceaccount.com" \
   --role="roles/bigquery.jobUser"
```
다음을 바꿉니다.
- PROJECT_ID: Google Cloud 프로젝트 ID입니다.
- PROJECT_NUMBER: Google Cloud 프로젝트 번호입니다.
서비스 에이전트가 테이블 데이터와 스키마를 읽을 수 있도록 BigQuery 데이터 뷰어 (roles/bigquery.dataViewer) 역할을 부여합니다.
```
gcloud projects add-iam-policy-binding PROJECT_ID \
   --member="serviceAccount:service-PROJECT_NUMBER@gcp-sa-dataplex.iam.gserviceaccount.com" \
   --role="roles/bigquery.dataViewer"
```
다음을 바꿉니다.
- PROJECT_ID: Google Cloud 프로젝트 ID입니다.
- PROJECT_NUMBER: Google Cloud 프로젝트 번호입니다.

샘플 데이터 세트 및 테이블 만들기

프로덕션 데이터를 건드리지 않고 안전하게 프로파일링 및 데이터 품질 스캔을 사용해 보려면 전용 BigQuery 데이터 세트를 설정하고 프로젝트에 직접 샘플 데이터가 포함된 테이블을 만드세요.

콘솔

Google Cloud 콘솔에서 BigQuery 페이지로 이동합니다.

BigQuery로 이동
탐색기 창에서 프로젝트 ID 옆에 있는 작업 보기를 클릭한 다음 데이터 세트 만들기를 클릭합니다.
데이터 세트 ID 필드에 quickstart_data_profile를 입력합니다.
데이터 위치 목록에서 us-central1 (아이오와)을 선택합니다.
데이터 세트 만들기를 클릭합니다.

쿼리 편집기에서 다음 SQL 쿼리를 입력하여 bikeshare_trips 테이블에 샘플 자전거 공유 데이터를 생성합니다.

CREATE OR REPLACE TABLE `PROJECT_ID.quickstart_data_profile.bikeshare_trips` AS
SELECT
-- Duplicate and null IDs
IF(MOD(x, 100) = 0, NULL, IF(x > 9900, 1000 + (x - 9900), 1000 + x)) AS trip_id,
-- Nulls and unrecognized category values
CASE
  WHEN MOD(x, 50) = 0 THEN 'INVALID_TIER'
  WHEN MOD(x, 25) = 0 THEN NULL
  WHEN MOD(x, 4) = 0 THEN 'Local Rider'
  WHEN MOD(x, 4) = 1 THEN 'Walk Up'
  WHEN MOD(x, 4) = 2 THEN 'Student Membership'
  ELSE 'Weekender'
END AS subscriber_type,
-- Nulls and malformed bike IDs
CASE
  WHEN MOD(x, 60) = 0 THEN 'UNKNOWN'
  WHEN MOD(x, 30) = 0 THEN NULL
  ELSE CAST(2000 + x AS STRING)
END AS bike_id,
-- Null dates and future timestamps
CASE
  WHEN MOD(x, 70) = 0 THEN NULL
  WHEN MOD(x, 40) = 0 THEN TIMESTAMP_ADD(CURRENT_TIMESTAMP(), INTERVAL x MINUTE)
  ELSE TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL x MINUTE)
END AS start_time,
-- Nulls and placeholder station values
CASE
  WHEN MOD(x, 20) = 0 THEN 'STATION_UNKNOWN'
  WHEN MOD(x, 10) = 0 THEN NULL
  ELSE CAST(100 + MOD(x, 50) AS STRING)
END AS start_station_id,
-- Negative durations, zeros, and extreme outliers
CASE
  WHEN MOD(x, 15) = 0 THEN -10.0
  WHEN MOD(x, 35) = 0 THEN 0.0
  WHEN MOD(x, 200) = 0 THEN 99999.0
  ELSE CAST(MOD(x, 120) + 1.5 AS FLOAT64)
END AS duration_minutes
FROM UNNEST(GENERATE_ARRAY(1, 10000)) AS x;

PROJECT_ID를 Google Cloud 프로젝트 ID로 바꿉니다.

실행을 클릭합니다.

gcloud

Cloud Shell에서 us-central1 리전에 quickstart_data_profile 데이터 세트를 만듭니다.
```
bq --location=us-central1 mk --dataset PROJECT_ID:quickstart_data_profile
```
PROJECT_ID를Google Cloud 프로젝트 ID로 바꿉니다.

bikeshare_trips 샘플 테이블을 만들고 채웁니다.

bq query \
--use_legacy_sql=false \
"CREATE OR REPLACE TABLE \`PROJECT_ID.quickstart_data_profile.bikeshare_trips\` AS
SELECT
  IF(MOD(x, 100) = 0, NULL, IF(x > 9900, 1000 + (x - 9900), 1000 + x)) AS trip_id,
  CASE
    WHEN MOD(x, 50) = 0 THEN 'INVALID_TIER'
    WHEN MOD(x, 25) = 0 THEN NULL
    WHEN MOD(x, 4) = 0 THEN 'Local Rider'
    WHEN MOD(x, 4) = 1 THEN 'Walk Up'
    WHEN MOD(x, 4) = 2 THEN 'Student Membership'
    ELSE 'Weekender'
  END AS subscriber_type,
  CASE
    WHEN MOD(x, 60) = 0 THEN 'UNKNOWN'
    WHEN MOD(x, 30) = 0 THEN NULL
    ELSE CAST(2000 + x AS STRING)
  END AS bike_id,
  CASE
    WHEN MOD(x, 70) = 0 THEN NULL
    WHEN MOD(x, 40) = 0 THEN TIMESTAMP_ADD(CURRENT_TIMESTAMP(), INTERVAL x MINUTE)
    ELSE TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL x MINUTE)
  END AS start_time,
  CASE
    WHEN MOD(x, 20) = 0 THEN 'STATION_UNKNOWN'
    WHEN MOD(x, 10) = 0 THEN NULL
    ELSE CAST(100 + MOD(x, 50) AS STRING)
  END AS start_station_id,
  CASE
    WHEN MOD(x, 15) = 0 THEN -10.0
    WHEN MOD(x, 35) = 0 THEN 0.0
    WHEN MOD(x, 200) = 0 THEN 99999.0
    ELSE CAST(MOD(x, 120) + 1.5 AS FLOAT64)
  END AS duration_minutes
FROM UNNEST(GENERATE_ARRAY(1, 10000)) AS x;"

데이터 프로필 스캔 만들기 및 실행

데이터 프로필 스캔은 테이블 행을 살펴 고유 값 수, null 비율, 데이터 분포 범위를 비롯한 통계적 유용한 정보를 계산합니다.

콘솔

Google Cloud 콘솔에서 데이터 프로파일링 및 품질 페이지로 이동합니다.

데이터 프로파일링 및 품질로 이동
데이터 프로필 스캔 만들기를 클릭합니다.
유형 선택에서 데이터 프로필 검사를 선택된 상태로 둡니다.
일반의 표시 이름 필드에 bikeshare-trips-profile를 입력합니다.
스캔할 테이블의 테이블 필드에서 찾아보기를 클릭하고 프로젝트에서 quickstart_data_profile.bikeshare_trips 테이블을 선택한 다음 선택을 클릭합니다.
모드에서 표준을 선택합니다.
범위에서 전체 데이터를 선택합니다.
예약에서 주문형을 선택합니다.
다른 설정은 기본값으로 둡니다.
스캔 실행을 클릭합니다.

스캔 작업이 시작됩니다. Knowledge Catalog에서 스캔을 실행하고 표의 통계를 계산하는 데 일반적으로 3~5분이 소요됩니다.

gcloud

Cloud Shell에서 데이터 프로필 스캔을 만듭니다.

gcloud dataplex datascans create data-profile bikeshare-trips-profile \
 --location=us-central1 \
 --data-source-resource="//bigquery.googleapis.com/projects/PROJECT_ID/datasets/quickstart_data_profile/tables/bikeshare_trips" \
 --description="Data profile scan for sample bikeshare dataset"

PROJECT_ID를Google Cloud 프로젝트 ID로 바꿉니다.

데이터 프로필 스캔을 실행합니다.
```
gcloud dataplex datascans run bikeshare-trips-profile \
 --location=us-central1
```
스캔 작업이 백그라운드에서 시작됩니다. 스캔을 완료하는 데 일반적으로 3~5분이 소요됩니다.

데이터 프로필 스캔 결과 검토

스캔이 완료되면 열 통계를 검토하여 데이터 특성을 파악합니다.

Google Cloud 콘솔에서 데이터 프로파일링 및 품질 페이지로 이동합니다.

데이터 프로파일링 및 품질로 이동
스캔 목록에서 bikeshare-trips-profile을 클릭합니다.
아직 검사를 실행하지 않은 경우 지금 실행을 클릭합니다.
개요 섹션에서 최신 스캔 작업이 성공으로 표시될 때까지 기다립니다.

다음 이미지는 개요 섹션의 스캔 작업을 보여주며 상태는 성공입니다.

스캔 결과를 검사하여 테이블의 데이터 분포를 파악하고 잠재적인 데이터 품질 검증 타겟을 식별합니다. 최신 작업 결과 탭에서 Knowledge Catalog는 Null %, 고유 개수 및 %, 상위 값, 요약 통계를 비롯한 열 수준 측정항목을 표시합니다.

다음 표에는 각 테이블 열에 대해 확인할 프로필 측정항목, 결과를 해석하는 방법, 타겟팅할 데이터 품질 규칙이 나와 있습니다.

테이블 열	프로필 결과 측정항목	확인해야 할 사항 및 해석 방법	데이터 품질 검증 타겟
`duration_minutes`	요약 통계	음수 값 감지됨: 최소 값은 `-10.0`분입니다. 경과된 이동 시간은 음수일 수 없으며, 이는 센서 또는 라이딩 녹음이 잘못되었음을 나타냅니다.	유효성 (범위) 규칙 (예: `duration_minutes ≥ 1.0`)으로 타겟팅하여 경과된 탑승 시간이 양수여야 합니다.
`start_station_id`	Null %	null 값 약 5%: null 비율이 0%보다 크므로 일부 레코드에 스테이션 체크아웃 식별자 (예: 도크 없는 또는 키오스크 없는 이동)가 누락되어 있습니다.	완전성 (null 아님) 규칙으로 타겟팅하여 누락된 방송국 ID가 있는 레코드를 포착하고 플래그를 지정합니다.
`subscriber_type`	상위 값	예상치 못한 카테고리: 자주 사용하는 값 목록에 유효한 멤버십 등급과 함께 비표준 카테고리 (예: `INVALID_TIER`)가 표시되어 유효성이 검사되지 않은 사용자 입력 또는 수집 문제가 있음을 나타냅니다.	유효성 (설정) 규칙으로 타겟팅하여 모든 수신 값이 허용된 멤버십 유형 목록에 속하도록 강제합니다.
`trip_id`	고유 개수 및 비율	중복 ID 감지됨: 고유성이 100%보다 낮습니다(약 98%). 이는 식별자 레코드가 반복됨을 나타냅니다. 기본 키와 여행 식별자는 100% 고유해야 합니다.	고유성 규칙으로 타겟팅하여 중복 이동 기록을 플래그로 지정하고 방지합니다.

이러한 프로필 결과를 통해 타겟팅된 데이터 품질 규칙을 만들 수 있는 증거 기반 기준을 얻을 수 있습니다.

데이터 품질 스캔 만들기 및 실행

데이터의 모양을 확인했으므로 이제 데이터 품질 자동 규칙을 설정하여 이상치를 포착합니다. 이 단계에서는 프로필 발견 항목을 기반으로 네 가지 일반적인 규칙 유형을 구성합니다.

콘솔

Google Cloud 콘솔에서 데이터 프로파일링 및 품질 페이지로 이동합니다.

데이터 프로파일링 및 품질로 이동
데이터 품질 스캔 만들기를 클릭합니다.
일반의 표시 이름 필드에 bikeshare-trips-quality를 입력합니다.
스캔할 테이블의 테이블 필드에서 찾아보기를 클릭하고 quickstart_data_profile.bikeshare_trips 테이블을 선택한 다음 선택을 클릭합니다.
범위에서 전체 데이터를 선택합니다.
예약에서 주문형을 선택합니다.
다른 설정은 기본값으로 두고 계속을 클릭합니다.
데이터 품질 규칙 섹션에서 규칙 추가를 클릭하고 기본 제공 규칙 유형을 선택합니다.

참고: Knowledge Catalog는 프로필 기반 추천을 사용하여 기준 규칙을 자동으로 생성할 수 있지만 이러한 추천은 이상치를 포함한 기존 데이터 분포를 반영합니다. 비즈니스 기대치를 적용하고 데이터 결함을 포착하려면 기본 제공 규칙 유형을 사용하세요.
규칙 추가 패널에서 열과 규칙 유형을 선택합니다.
- 열 선택 필드에서 찾아보기를 클릭하고 duration_minutes, start_station_id, subscriber_type, trip_id를 선택합니다.
- 선택을 클릭합니다.
- 규칙 유형 선택 목록에서 범위 확인, NULL 확인, 값 집합 확인, 고유성 확인을 선택한 후 확인을 클릭합니다.
- 생성된 규칙 목록에서 다음 각 규칙의 체크박스를 선택합니다.
  - duration_minutes: 범위 확인
  - start_station_id: NULL 확인
  - subscriber_type: 값 집합 확인
  - trip_id: 고유성 검사
- 선택을 클릭합니다.
데이터 품질 규칙 표에서 값이 필요한 규칙의 매개변수를 구성합니다.
- duration_minutes (범위 확인)의 경우 수정을 클릭하고 최소값 필드에 1.0을 입력한 후 저장을 클릭합니다.
- subscriber_type (값 집합 확인)의 경우 수정을 클릭하고 값 추가를 클릭하여 허용된 값 (Local Rider, Walk Up, Student Membership, Weekender)을 각각 추가한 다음 저장을 클릭합니다.
계속을 클릭한 다음 스캔 실행을 클릭합니다.

gcloud

Cloud Shell에서 프로필에서 발견된 비정상 값을 타겟팅하는 규칙 사양이 포함된 dq_bikeshare.yaml 파일을 만듭니다.

cat << 'EOF' > dq_bikeshare.yaml
rules:
  - column: trip_id
    dimension: UNIQUENESS
    uniquenessExpectation: {}
  - column: start_station_id
    dimension: COMPLETENESS
    nonNullExpectation: {}
  - column: duration_minutes
    dimension: VALIDITY
    rangeExpectation:
      minValue: "1.0"
  - column: subscriber_type
    dimension: VALIDITY
    setExpectation:
      values:
        - "Local Rider"
        - "Walk Up"
        - "Student Membership"
        - "Weekender"
EOF

데이터 품질 스캔을 만듭니다.

gcloud dataplex datascans create data-quality bikeshare-trips-quality \
 --location=us-central1 \
 --data-source-resource="//bigquery.googleapis.com/projects/PROJECT_ID/datasets/quickstart_data_profile/tables/bikeshare_trips" \
 --data-quality-spec-file="dq_bikeshare.yaml" \
 --description="Data quality scan for sample bikeshare dataset"

PROJECT_ID를Google Cloud 프로젝트 ID로 바꿉니다.

데이터 품질 스캔을 실행합니다.

gcloud dataplex datascans run bikeshare-trips-quality \
 --location=us-central1

데이터 품질 규칙 평가 검토

데이터 품질 결과를 확인하여 규칙이 샘플 데이터를 평가하고 이상치를 식별한 방식을 확인합니다.

Google Cloud 콘솔에서 데이터 프로파일링 및 품질 페이지로 이동합니다.

데이터 프로파일링 및 품질로 이동
검사 표에서 bikeshare-trips-quality 검사를 클릭합니다.
개요 섹션에서 결과 보기를 클릭하여 작업 세부정보를 엽니다.
작업 세부정보 패널에서 평가 결과를 검토합니다.
- 데이터 품질 상태: 예상대로 평가된 3가지 측정기준 모두 실패 상태를 보여줍니다.
  - 유효성: 실패 duration_minutes 열에 음수 값이 포함되어 있고 subscriber_type에 잘못된 멤버십 값(INVALID_TIER)이 포함되어 있습니다.
  - 완전성: 실패 start_station_id 열에 null 값이 포함되어 있습니다.
  - 고유성: 실패 trip_id 열에 중복 레코드가 포함되어 있습니다.
- 규칙: 규칙 표에서 평가된 4개의 규칙 모두 상태가 실패로 표시됩니다.
  - duration_minutes: 범위 확인 (실패)
  - start_station_id: NULL 검사 (실패)
  - subscriber_type: 값 집합 검사 (실패)
  - trip_id: 고유성 확인 (실패)
  실패한 규칙의 경우 실패한 레코드를 가져오는 쿼리 열에서 SQL 쿼리를 복사하고 BigQuery에서 실행하여 무효한 행을 격리하고 검사할 수 있습니다.

이제 BigQuery 테이블을 프로파일링하여 열 통계를 파악하고 이러한 통계를 사용하여 자동 데이터 품질 규칙을 정의하고 검증했습니다.

삭제

이 페이지에서 사용한 리소스 비용이 Google Cloud 계정에 청구되지 않도록 하려면 다음 단계를 수행합니다.

콘솔

Google Cloud 콘솔에서 데이터 프로파일링 및 품질 페이지로 이동합니다.

데이터 프로파일링 및 품질로 이동
스캔 표에서 bikeshare-trips-quality 및 bikeshare-trips-profile을 선택합니다.
삭제를 클릭하여 확인합니다.
BigQuery 페이지로 이동합니다.

BigQuery로 이동
탐색기 창에서 데이터 세트를 클릭합니다.
quickstart_data_profile 데이터 세트를 선택한 다음 삭제를 클릭합니다.

gcloud

Cloud Shell에서 데이터 품질 스캔, 데이터 프로필 스캔, 샘플 데이터 세트를 삭제합니다.

gcloud dataplex datascans delete bikeshare-trips-quality --location=us-central1 --quiet
gcloud dataplex datascans delete bikeshare-trips-profile --location=us-central1 --quiet
bq rm -r -f -d PROJECT_ID:quickstart_data_profile

PROJECT_ID를Google Cloud 프로젝트 ID로 바꿉니다.