페더레이션 쿼리 모드에서 데이터 클라우드 커넥터를 연결하면 Gemini Enterprise는 모델 컨텍스트 프로토콜 (MCP)을 사용하여 데이터 소스를 제자리에서 쿼리합니다. MCP 도구 정의는 어시스턴트에게 SQL을 실행하는 메커니즘을 제공하지만, 높은 정확성과 짧은 지연 시간으로 자연어 비즈니스 질문에 답변하려면 두 가지 추가 안내 레이어가 필요합니다.
- 기본 분석 하네스: Gemini Enterprise 어시스턴트에게 쿼리를 계획하고, 필터 값을 확인하고, 고급 분석 함수를 사용하고, 전문 데이터 분석가처럼 오류를 처리하는 방법을 알려주는 엔진별 절차 기술입니다.
- 조직 컨텍스트: 회사의 비즈니스 어휘, KPI 정의, 거버넌스 가드레일을 올바른 기본 테이블 및 모델에 매핑하는 도메인별 기술, 커스텀 안내, Knowledge Catalog 메타데이터입니다.
이 문서에서는 데이터 클라우드 커넥터가 Google에서 관리하는 기본 제공 분석 기술을 사용하는 방법과 Knowledge Catalog, 커스텀 기술, 어시스턴트 안내를 사용하여 데이터에 조직 컨텍스트를 제공하는 방법을 설명합니다.
기본 분석 하네스 이해
기본 제공 MCP 도구는 테이블 나열 또는 SQL 문자열 실행과 같은 하위 수준 작업을 노출하며, 이러한 작업만으로는 복잡한 다단계 데이터 분석에 충분하지 않은 경우가 많습니다. 퍼스트 파티 데이터 클라우드 커넥터는 대화형 분석 에이전트 하네스에서 파생된 Google 관리형 기본 제공 스킬 집합인 기본 분석 하네스를 번들로 묶어 이 격차를 해소합니다. 이러한 기본 제공 기술은 읽기 전용 SELECT 쿼리 생성, SQL 컴파일러 오류 복구, 기본 제공 BigQuery AI, ML, 그래프 함수 (예: AI.FORECAST, AI.DETECT_ANOMALIES, AI.CLASSIFY, AI.AGG, AI.GENERATE, GRAPH_TABLE) 호출과 같은 핵심 분석 작업을 자동으로 처리하므로 사용자가 구성하거나 조치를 취할 필요가 없습니다.
Google은 이러한 기본 제공 커넥터 기술을 제어하므로 커넥터에 컨텍스트를 직접 수정하거나 추가할 수 없습니다. 대신 커넥터 설정을 구성하거나, Knowledge Catalog에서 메타데이터를 선별하거나, Gemini Enterprise 앱에서 커스텀 기술을 만들고 사용하여 일반적인 쿼리 실행, 검색 지연 시간, 측정항목 정확성 문제를 해결할 수 있습니다.
다음 표에서는 데이터 클라우드 커넥터를 사용할 때 발생할 수 있는 일반적인 문제와 이를 해결하는 옵션을 설명합니다.
| 문제 | 해결 방법 |
|---|---|
| 모든 BigQuery 쿼리가 단일 프로젝트에서 실행되도록 보장 |
BigQuery 데이터 스토어를 만들 때 고급 옵션에서 결제 프로젝트 ID를 구성합니다. 결제 프로젝트를 설정하면 커넥터를 통해 실행되는 모든 BigQuery 쿼리 작업이 지정된 Google Cloud 프로젝트에서 실행되고 청구됩니다. |
| 검색 지연 시간 단축 또는 특정 데이터 우선순위 지정 |
다음 옵션 중 하나 또는 둘 다를 사용하여 에이전트가 데이터를 검색하고 쿼리하는 범위를 좁힙니다.
|
| 상담사가 측정항목의 잘못된 정의를 사용하거나 잘못된 키를 조인함 |
다음 옵션 중 하나 이상을 사용하여 정의 및 조인 로직을 표준화합니다.
|
Knowledge Catalog와 커스텀 기술 사용의 장점을 비교하려면 비즈니스 측정항목을 정의할 위치 선택: 커스텀 기술과 Knowledge Catalog 비교를 참조하세요. 앱에서 스킬을 만들고 사용 설정하는 방법에 관한 단계별 안내는 스킬 만들기 및 관리 및 스킬 관리를 참고하세요.
스킬 및 Knowledge Catalog를 사용하여 조직 컨텍스트 제공
데이터 클라우드 커넥터는 단일 데이터 세트나 테이블로 제한되지 않으며, 인증된 사용자가 쿼리할 권한이 있는 연결된 데이터 소스의 모든 리소스에 액세스할 수 있으므로, 어시스턴트가 어떤 애셋이 신뢰할 수 있는지, 비즈니스에서 주요 측정항목을 어떻게 계산하는지 파악하려면 조직 컨텍스트가 필요합니다.
Knowledge Catalog, 조직 전체 커스텀 스킬, 사용자 개인화를 결합하는 계층화된 접근 방식을 사용합니다.
1. Knowledge Catalog를 사용한 그라운딩 데이터 검색
제휴 쿼리 모드에서 BigQuery 또는 데이터베이스 커넥터를 연결하면 Gemini Enterprise 앱의 어시스턴트 탭에서 Knowledge Catalog가 자동으로 사용 설정됩니다. 에이전트는 원시 데이터베이스 스키마에서 순차적인 탐색 호출을 수행하는 대신 Knowledge Catalog 도구를 사용하여 사용자가 액세스할 수 있는 데이터를 검색하고 단일 워크플로에서 풍부한 메타데이터 컨텍스트를 조회합니다.
조직에서 서드 파티 카탈로그 (예: DataHub) 또는 내부 문서 위키에서 메타데이터를 선별하는 경우 해당 설명을 Knowledge Catalog에 동기화하거나 조직 전체 커스텀 기술에서 필수 비즈니스 규칙을 캡처하여 에이전트가 이를 검색할 수 있도록 합니다.
2. 비즈니스 측정항목을 정의할 위치 선택: 커스텀 기술과 Knowledge Catalog 비교
조직별 분석 규칙을 코드화하고 대화 전반에서 비즈니스 측정항목 정의와 SQL 수식을 표준화하려면 다음 중 하나를 수행하면 됩니다.
- Gemini Enterprise에서 직접 커스텀 스킬을 만들고, 업로드하고, 공유하고 공유 스킬을 관리할 수 있습니다.
- 데이터 관리 책임자와 협력하여 Knowledge Catalog에서 기업 측정항목 정의, 비즈니스 용어집, 사전 검증된 예시 쿼리를 선별합니다(Knowledge Catalog에서 용어집 관리 및 데이터 제품 개요 참조).
회사 KPI에 대한 정확한 계산 로직과 필터 규칙을 정의하면 어시스턴트가 추측할 필요가 없습니다. 예를 들어 '활성 고객'은 지난 30일 동안 플랫폼 로그인이 10회 이상인 analytics_prod.crm.user_events_log의 계정 (event_type = 'LOGIN' 및 is_test_account = FALSE)을 엄격하게 의미하거나 '순 공헌 이익'은 프로모션 경품 (order_type != 'PROMO') 및 재고 감소(status != 'SHRINKAGE')를 제외해야 한다고 정의할 수 있습니다.
Gemini Enterprise의 커스텀 기술 또는 Knowledge Catalog에서 측정항목 정의를 구현할지 여부를 선택할 때는 다음 장단점을 고려하세요.
- Knowledge Catalog:
- 장점:
- 사용자와 에이전트가 볼 권한이 있는 메타데이터와 정의만 검색할 수 있도록 Identity and Access Management (IAM) 액세스 제어를 적용합니다.
- Gemini Enterprise 외부의 다른 에이전트 하네스, 도구, 플랫폼 (예: BigQuery Studio 및 MCP 클라이언트)에서 재사용할 수 있습니다.
- 개별 앱 사용자가 기술을 사용 설정할 필요 없이 데이터 거버넌스팀에서 중앙에서 유지보수합니다.
- 단점:
- 엄격한 절차적 안내 대신 설명 메타데이터 컨텍스트와 샘플 쿼리를 제공하므로 에이전트가 복잡한 다단계 계산 흐름에 대한 추가 프롬프트를 필요로 할 수 있습니다.
- Gemini Enterprise의 조직 전체 맞춤 스킬:
- 장점:
- 에이전트가 앱 내에서 결정론적으로 준수하는 구체적이고 규범적인 절차 안내와 정확한 SQL 수식을 제공합니다.
- 기업 카탈로그 리소스를 수정하지 않고도 Gemini Enterprise 앱 관리자가 빠르게 만들고 업데이트할 수 있습니다.
- 단점:
- Gemini Enterprise에서 사용자와 공유하고 사용 설정해야 하며, 다른 하네스나 플랫폼이 아닌 Gemini Enterprise 내에서만 적용됩니다.
3. 사용자 기술 및 맞춤설정을 통한 분석 맞춤설정
개별 분석가와 비즈니스 사용자는 조직 전체 기술 위에 개인별 컨텍스트를 레이어링할 수 있습니다.
- 사용자 생성 스킬: 최종 사용자는 반복적인 분석 작업 또는 팀별 기본값에 대해 개인 스킬을 만들 수 있습니다. 예를 들어 사용자가 '주간 제품 실적'을 요청할 때마다 어시스턴트가 자동으로 제품 라인을 필터링하고, QA 트래픽을 제외하고, 회계 주별로 결과를 그룹화하도록 지정하는 스킬을 만들 수 있습니다.
- Gemini Enterprise 메모리 및 개인화: 개인화가 사용 설정되면 어시스턴트는 세션 전반에서 사용자별 환경설정과 설명을 유지하여 시간이 지남에 따라 반복되는 모호성 해소 프롬프트를 줄일 수 있습니다.
각 유형의 컨텍스트를 구성할 위치 선택
Google은 데이터 클라우드 커넥터에 연결된 기본 제공 기술을 제어하므로 커넥터에 커스텀 컨텍스트를 직접 추가할 수 없습니다. 대신 다음 표를 사용하여 분석 규칙 및 비즈니스 컨텍스트를 구성할 위치를 결정하세요.
| 컨텍스트 레이어 | 관리 리소스: | 최적의 용도 | 예 |
|---|---|---|---|
| Knowledge Catalog 메타데이터 | 데이터 관리 책임자 및 카탈로그 관리자 | 대규모 데이터 자산, 테이블 및 열 설명, 데이터 품질 신호, 데이터 세트 용어집, 검증된 샘플 SQL 쿼리에 대한 동적 애셋 검색 | 에이전트가 공신력 있는 테이블과 측정항목 정의를 탐색할 수 있도록 analytics_prod에서 인증된 데이터 제품과 비즈니스 용어집 용어를 선별합니다. |
| 조직 전체 커스텀 스킬 및 어시스턴트 요청 사항 | Gemini Enterprise 관리자 및 데이터 운영자 | 결정론적 프로젝트 및 데이터 세트 범위 지정, 회사 전체 KPI 정의, 모호성 해소 규칙, 응답 규칙 | 쿼리를 특정 프로덕션 데이터 세트로 제한하고 '가중 순 ARR'에 대한 정확한 SQL 계산을 정의합니다. |
| 사용자 기술 및 맞춤설정 | 개별 최종 사용자 및 분석가 | 역할별 기본 필터, 선호하는 측정항목 레이아웃, 반복되는 팀 워크플로 | 사용자가 '월간 파이프라인 측정항목'을 요청하면 EMEA 지역 및 활성 QA 필터를 자동으로 적용합니다. |
다음 단계
- Gemini Enterprise에서 스킬을 만들고 관리하고 공유 스킬을 관리하는 방법을 알아보세요.
- 데이터 클라우드 커넥터 개요 및 보안 데이터 클라우드 커넥터를 검토합니다.