기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다. # Amazon Quick Sight에서 기계 학습(ML)으로 인사이트 얻기 Amazon Quick Sight는 기계 학습을 사용하여 데이터의 숨겨진 인사이트와 추세를 발견하고, 주요 동인을 식별하고, 비즈니스 지표를 예측하는 데 도움이 됩니다. 대시 보드에 포함된 자연어 서술에서 이러한 인사이트를 사용할 수도 있습니다. 기계 학습(ML) 및 자연어 기능을 사용하는 Amazon Quick Sight Enterprise Edition은 설명 및 진단 분석을 넘어 예측 및 의사 결정을 시작합니다. 데이터를 한눈에 파악하고 결과를 공유하고 목표 달성을 위한 최선의 결정을 발견할 수 있습니다. 필요한 기계 학습 모델 및 알고리즘을 만드는 개발팀과 기술이 없어도 이 작업을 수행할 수 있습니다. 사용자는 패턴의 조사 및 식별을 위해 어떤 일이 발생했는지, 언제, 어디서, 그리고 드릴다운하는지에 대한 질문에 답변하는 시각화를 이미 구축했을 가능성이 높습니다. ML 인사이트를 사용하면 수작업으로 분석하고 조사하는 데 몇 시간씩 허비하지 않아도 됩니다. 상황에 맞는 사용자 지정 서술 목록에서 *자동 서술*을 선택하여 분석에 추가할 수 있습니다. 자동 서술을 선택하는 것 외에도 예상, 이상 및 이들에 도움이 되는 요소를 볼 수 있습니다. 또한 핵심 요약을 일반 언어로 설명하는 자동 서술을 추가하여 회사에 대해 단일 데이터 중심의 실측 정보를 제공할 수도 있습니다. 시간이 경과하고 데이터가 시스템을 통과함에 따라 Amazon Quick Sight는 보다 관련성이 높은 인사이트를 제공할 수 있도록 지속적으로 학습합니다. 데이터의 의미를 결정하는 대신 제공하는 정보로 수행할 작업을 결정할 수 있습니다. 기계 학습을 기반으로 하는 공유 기반을 통해 모든 분석가와 이해 관계자는 수백만 지표에 기반한 추세, 이상, 예상 및 사용자 지정 서술을 확인할 수 있습니다. 그들은 근본 원인을 확인하고 예상을 고려하고 위험을 평가하고, 정보에 입각한 정당한 결정을 내릴 수 있습니다. 수동 분석, 사용자 지정 개발 기술 및 기계 학습 모델링이나 알고리즘에 대한 이해가 없어도 이와 같은 대시보드를 생성할 수 있습니다. 이 모든 기능은 Amazon Quick Sight Enterprise Edition에 내장되어 있습니다. **참고** 기계 학습 기능은 제품 전반에 걸쳐 필요에 따라 사용됩니다. 기계 학습을 능동적으로 사용하는 기능은 다음과 같이 분류됩니다. ML Insights를 통해 Amazon Quick Sight는 세 가지 주요 기능을 제공합니다. + **ML 기반 이상 탐지 -** Amazon Quick Sight는 Amazon의 검증된 기계 학습 기술을 사용하여 모든 데이터를 지속적으로 분석하여 이상(특이값)을 탐지합니다. 예상보다 훨씬 많은 매출이나 웹 사이트 트래픽의 급감과 같은 중요한 비즈니스 지표 변화에 기여하는 최고 동인을 파악할 수 있습니다. Amazon Quick Sight는 수백만 개의 지표와 수십억 개의 데이터 포인트에 Random Cut Forest 알고리즘을 사용합니다. 이렇게 하면 수동 분석을 통해 액세스할 수 없는 집계에 묻혀있는 깊은 인사이트를 얻을 수 있습니다. + **ML 기반 예측 -** Amazon Quick Sight를 사용하면 비기술 사용자가 주요 비즈니스 지표를 자신 있게 예측할 수 있습니다. 내장형 ML Random Cut Forest 알고리즘은 계절성 및 추세를 감지하고 특이값을 제외하고 누락된 값을 전가하는 것과 같은 복잡한 실제 시나리오를 자동으로 처리합니다. 포인트 앤 클릭 방식으로 데이터와 간단하게 상호 작용할 수 있습니다. + **자동 서술 **- Amazon Quick Sight에서 자동 서술을 사용하면 서술이 내장된 풍부한 대시보드를 구축하여 데이터에 대한 스토리를 일반 언어로 알릴 수 있습니다. 이렇게 하면 차트 및 테이블을 통해 탐색 시간을 절약할 수 있으므로 보고에 대한 중요 인사이트를 확보할 수 있습니다. 또한 조직 내의 데이터를 함께 이해함으로써 의사 결정을 보다 빠르게 내릴 수 있습니다. 추천 자동 서술을 사용하거나 고유한 요구 사항에 맞게 계산 및 언어를 사용자 지정할 수 있습니다. Amazon Quick Sight는 모든 사용자에게 개인 데이터 분석가를 제공하는 것과 같습니다. **Topics** + [Amazon Quick Sight에서 사용하는 ML 알고리즘 이해](concept-of-ml-algorithms.md) + [Amazon Quick Sight에서 ML 인사이트를 사용하기 위한 데이터세트 요구 사항](ml-data-set-requirements.md) + [Amazon Quick Sight에서 인사이트 작업](computational-insights.md) + [Amazon Quick Sight를 사용하여 자동 서술 생성](narratives-creating.md) + [ML 기반 이상 탐지를 사용하여 특이값 탐지](anomaly-detection.md) + [Amazon Quick Sight를 사용한 가정 시나리오 예측 및 생성](forecasts-and-whatifs.md) # Amazon Quick Sight에서 사용하는 ML 알고리즘 이해 | | | --- | | Amazon Quick Sight에서 ML 기반 기능을 사용하기 위해 기계 학습에 대한 기술 경험이 필요하지 않습니다. 이 단원에서는 알고리즘의 작동 방식에 대해 자세히 알아보려는 사용자를 위해 알고리즘의 기술적 측면에 대해 자세히 살펴봅니다. 기능을 사용하기 위해 이 정보를 확인할 필요는 없습니다. | Amazon Quick Sight는 Random Cut Forest(RCF) 알고리즘의 기본 제공 버전을 사용합니다. 다음 섹션에서는 이것이 무엇을 의미하고 Amazon Quick Sight에서 어떻게 사용되는지 설명합니다. 먼저 몇 가지 용어를 살펴보겠습니다. + 이상 - 동일한 샘플에서 대부분의 다른 항목과 두드러지게 차이 나는 것을 의미합니다. 특이값, 예외, 편차라고도 합니다. + 데이터 포인트 - 데이터 세트의 개별 단위, 간단히 말해 행입니다. 하지만 측정에서 여러 차원을 사용할 경우 한 행에 데이터 포인트가 여러 개 포함될 수 있습니다. + 결정 트리 - 데이터의 패턴을 평가하는 알고리즘의 결정 과정을 시각화하는 방법입니다. + 예상 - 현재와 과거의 동작을 기반으로 미래의 동작을 예상합니다. + 모델 - 알고리즘 또는 알고리즘이 학습하는 내용을 수학적으로 표현한 것입니다. + 계절성 - 시계열 데이터에서 주기적으로 나타나는 반복적인 동작 패턴입니다. + 시계열 - 하나의 필드 또는 열에서 순서가 지정된 날짜 또는 시간 데이터 집합입니다. **Topics** + [이상 탐지와 예상의 차이는 무엇입니까?](difference-between-anomaly-detection-and-forecasting.md) + [RCF란 무엇인가요?](what-is-random-cut-forest.md) + [RCF가 이상 탐지에 적용되는 방법](how-does-rcf-detect-anomalies.md) + [RCF가 예상 생성에 적용되는 방법](how-does-rcf-generate-forecasts.md) + [기계 학습 및 RCF에 대한 참조](learn-more-about-machine-learning-and-rcf.md) # 이상 탐지와 예상의 차이는 무엇입니까? 이상 탐지는 특이값 및 해당 기여 동인을 식별하여 “일반적으로 발생하지 않는 일은 무엇입니까?”라는 질문에 답변합니다. 예상은 '모든 것이 예상대로 계속 발생하면 미래에 어떤 일이 발생합니까?'라는 질문에 대해 응답합니다. 예상을 허용하는 수학에서는 '몇 가지 변화가 생기면 어떻게 될까요?'라고 질문할 수도 있습니다. 예외 항목 탐지와 예상 모두 현재 알려진 데이터 포인트를 조사하는 것으로 시작됩니다. Amazon Quick Sight 이상 탐지는 알려진 세트 외부에 있는 것을 설정하고 해당 데이터 포인트를 이상(특이값)으로 식별할 수 있도록 알려진 것으로 시작합니다. Amazon Quick Sight 예측은 변칙적인 데이터 포인트를 제외하고 알려진 패턴을 유지합니다. 예상은 데이터 배포의 확립된 패턴에 초점을 둡니다. 이와 반대로 이상 탐지는 기대한 것과 다른 데이터 포인트에 초점을 맞춥니다. 각 방법은 다른 방향에서 의사 결정에 접근합니다. # RCF란 무엇인가요? *Random Cut Forest*(RCF)는 기계 학습에서 널리 사용되고 성공적인 기술인 *random forest*(RF) 알고리즘의 특수 유형입니다. 데이터 포인트 집합을 임의로 가져와서 동일한 수의 포인트로 축소한 다음 모델 모음을 빌드합니다. 반면에 모델이 결정 트리에 해당하므로 이름이 포리스트입니다. RF를 증분식으로 쉽게 업데이트할 수 없으므로 RCF는 증분식 업데이트가 가능하도록 설계된 트리 구조에서 변수를 사용하여 고안되었습니다. 비지도 알고리즘인 RCF는 클러스터 분석을 사용하여 시계열 데이터의 스파이크, 주기성 또는 계절성의 중단, 데이터 포인트 예외를 탐지합니다. Random cut forest는 동적 데이터 스트림의 개요 또는 스케치(또는 숫자의 타임 인덱스 시퀀스)로 작동할 수 있습니다. 스트림에 대한 질문과 대답은 개요를 기반으로 합니다. 다음은 이상 감지 및 예측에 연결하는 방법과 스트림을 설명하는 특성입니다. + *스트리밍 알고리즘*은 적은 메모리 공간을 차지하는 온라인 알고리즘입니다. 온라인 알고리즘은 **(t\$11)-**st 지점을 보기 전에 시간 **t**로 인덱싱된 입력 지점을 결정합니다. 작은 메모리는 낮은 지연 시간으로 응답을 생성하고 사용자가 데이터와 상호 작용할 수 있는 민첩한 알고리즘을 허용합니다. + 이상 탐지 및 예상에는 *온라인* 알고리즘처럼 시간 기준으로 부여된 순서를 고려해야 합니다. 모레에 무슨 일이 일어날지 이미 알고 있다면 내일 일어날 일을 예측하는 것은 예측이 아닙니다. 단지 알 수 없는 누락값을 보간하는 것뿐입니다. 마찬가지로, 오늘 소개된 신규 제품이 이상일 수 있지만 다음 분기가 끝날 때 반드시 이상을 유지할 필요는 없습니다. # RCF가 이상 탐지에 적용되는 방법 인간은 나머지 데이터와 뚜렷이 구분되는 데이터 포인트를 쉽게 구별할 수 있습니다. RCF는 의사 결정 트리의 “포리스트”를 빌드한 다음 새 데이터 포인트가 포리스트를 변경하는 방법을 모니터링함으로써 동일한 작업을 수행합니다. 이상은 정상 포인트에서 주의를 돌리는 데이터 포인트입니다. 예를 들어 노란 꽃이 만개한 들판에 핀 한 송이의 빨간 꽃과 같습니다. 이 “주의 이동”은 입력 포인트가 차지하는 트리(RCF의 모델)의 (예상되는) 위치에 인코딩됩니다. 이 아이디어는 알고리즘을 학습하기 위해 샘플링된 데이터 파티션에서 각 의사 결정 트리가 성장하는 포리스트를 만드는 것입니다. 기술적 측면에서 각 트리는 샘플에서 특정 유형의 이진 공간 분할 트리를 빌드합니다. Amazon Quick Sight가 데이터를 샘플링할 때 RCF는 각 데이터 포인트에 이상 점수를 할당합니다. 이례적으로 보이는 데이터 포인트에 높은 점수를 줍니다. 점수는 평균적으로 트리 포인트의 결과 깊이에 반비례합니다. Random Cut Forest는 각각을 구성하는 트리로부터 평균 점수를 컴퓨팅하고 샘플 크기에 따라 결과를 조정함으로써 이상 점수를 할당합니다. 각 모델 자체가 취약한 예측 변수이기 때문에 여러 모델의 투표 또는 점수가 집계됩니다. Amazon Quick Sight는 점수가 최근 점수와 크게 다를 때 데이터 포인트를 이상으로 식별합니다. 이상으로 간주되는 항목은 애플리케이션에 따라 다릅니다. [Streams에 대한 Random Cut Forest 기반 이상 탐지](http://proceedings.mlr.press/v48/guha16.pdf)는 백서는 최신 온라인 이상 탐지(시계열 이상 탐지)의 여러 가지 예를 제공합니다. RCF는 데이터의 연속 세그먼트 또는 '슁글'에 사용되며, 여기에서 직속 세그먼트의 데이터는 최신 세그먼트의 컨텍스트 역할을 합니다. 이전 버전의 RCF 기반 이상 탐지 알고리즘은 전체 슁글의 점수를 매깁니다. Amazon Quick Sight의 알고리즘은 현재 확장된 컨텍스트에서 이상 현상의 대략적인 위치도 제공합니다. 이 대략적인 위치는 이상 탐지에 지연이 발생하는 시나리오에서 유용할 수 있습니다. 어떤 알고리즘이 '이전에 확인된 편차'를 '이상 편차'로 특성화해야 하기 때문에 지연이 발생합니다. 이는 일시적으로 전개될 수 있습니다. # RCF가 예상 생성에 적용되는 방법 고정된 시간 순서에서 다음 값을 예상하기 위해 RCF 알고리즘은 '후보 값을 얻은 후 가장 가능성 있는 완료는 무엇입니까?'라는 질문에 응답합니다. 이 알고리즘은 RCF에서 단일 트리를 사용하여 최상의 후보를 검색합니다. 각 트리 자체가 약한 예측기이기 때문에 서로 다른 트리의 후보가 집계됩니다. 또한 집계를 통해 분위 오류를 생성할 수 있습니다. 이 프로세스는 **t**번 반복되어 미래에 **t**번째 값을 예측합니다. Amazon Quick Sight의 알고리즘을 *BIFOCAL*이라고 합니다. 두 개의 RCF를 사용하여 CALIBrated BI-FOrest 아키텍처를 생성합니다. 첫 번째 RCF는 이상을 필터링하고 약한 예상을 제공하는 데 사용되며 초 기준으로 수정됩니다. 전반적으로 이 접근법은 ETS와 같이 널리 사용되는 다른 알고리즘과 비교하여 훨씬 더 견고한 예상을 제공합니다. Amazon Quick Sight 예측 알고리즘의 파라미터 수는 널리 사용되는 다른 알고리즘보다 훨씬 적습니다. 따라서 더 많은 수의 시계열 데이터 포인트에 대해 사람이 조정하지 않아도 즉시 사용할 수 있습니다. 특정 시계열에 데이터가 더 많이 누적되면 Amazon Quick Sight의 예측이 데이터 드리프트 및 패턴 변경에 맞게 조정될 수 있습니다. 추세를 보여주는 시계열의 경우 추세 감지가 먼저 수행되어 시계열이 고정되도록 합니다. 고정 시퀀스의 예상은 추세와 함께 다시 추정됩니다. 알고리즘은 효율적인 온라인 알고리즘(RCF)에 의존하기 때문에 대화형 '가정' 쿼리를 지원할 수 있습니다. 이 중 일부 예상은 조건 예상을 제공하기 위해 가상으로 변경되고 처리될 수 있습니다. 이것은 분석 중 “가정” 시나리오를 탐색할 수 있는 오리진입니다. # 기계 학습 및 RCF에 대한 참조 기계 학습 및 이 알고리즘에 대해 자세히 알아보려면 다음 리소스를 추천합니다. + 문서 [수학적으로 설명되지 않는 Robust Random Cut Forest(RRCF)](https://www.linkedin.com/pulse/robust-random-cut-forest-rrcf-math-explanation-logan-wilt/)는 수학 방정식 없이도 명쾌한 설명을 제공합니다. + 책 [*통계 학습의 요소: 데이터 마이닝, 추론 및 예측*, Second Edition(통계학 Springer Series)](https://www.amazon.com/Elements-Statistical-Learning-Prediction-Statistics/dp/0387848576)은 기계 학습에 대한 철저한 기초를 제공합니다. + [Streams에 대한 Random Cut Forest 기반 이상 탐지](http://proceedings.mlr.press/v48/guha16.pdf)는 이상 탐지 및 예상의 세부적인 사항과 예가 모두 포함된 학술 백서입니다. RCF에 대한 다른 접근 방식이 다른 AWS 서비스에 나타납니다. RCF가 다른 서비스에서 사용되는 방법은 다음을 참조하십시오. + *Amazon Managed Service for Apache Flink SQL 참조: *[RANDOM\$1CUT\$1FOREST](https://docs.aws.amazon.com/kinesisanalytics/latest/sqlref/sqlrf-random-cut-forest.html) 및 [RANDOM\$1CUT\$1FOREST\$1WITH\$1EXPLANATION](https://docs.aws.amazon.com/kinesisanalytics/latest/sqlref/sqlrf-random-cut-forest-with-explanation.html) + *Amazon SageMaker 개발자 안내서: *[Random Cut Forest(RCF) 알고리즘](https://docs.aws.amazon.com/sagemaker/latest/dg/randomcutforest.html). 이 접근 방식은 [비즈니스를 위한 기계 학습](https://www.amazon.com/Machine-Learning-Business-Doug-Hudgeon/dp/1617295833/ref=sr_1_3)의 한 챕터인 [Random Cut Forest 알고리즘](https://freecontent.manning.com/the-randomcutforest-algorithm/)(2018년 10월)에도 설명되어 있습니다. # Amazon Quick Sight에서 ML 인사이트를 사용하기 위한 데이터세트 요구 사항 Amazon Quick Sight의 기계 학습 기능을 사용하려면에 연결하거나 데이터를 가져와야 합니다. 기존 Amazon Quick Sight 데이터 세트를 사용하거나 새 데이터 세트를 생성할 수 있습니다. SQL 호환 소스를 직접 쿼리하거나 데이터를 SPICE(으)로 수집할 수 있습니다. 데이터에는 다음과 같은 속성이 있어야 합니다. + 하나 이상의 지표(예: 판매, 주문, 발송 단위, 가입 등). + 하나 이상의 범주 차원(예: 제품 범주, 채널, 세그먼트, 업종 등) NULL 값이 있는 범주는 무시됩니다. + 이상 탐지를 수행하려면 교육을 위해 최소 15 데이터 포인트가 필요합니다. 예를 들어 데이터 입자가 매일인 경우 최소 15일의 데이터가 필요합니다. 입자가 매월인 경우 최소 15개월의 데이터가 필요합니다. + 데이터가 많을수록 예측이 더 잘 작동합니다. 최적의 결과를 얻으려면 데이터 세트에 충분한 기록 데이터가 있어야 합니다. 예를 들어 데이터 입자가 매일인 경우 최소 38일의 데이터가 필요합니다. 입자가 매월인 경우 최소 43개월의 데이터가 필요합니다. 다음은 각 시간 입자에 대한 요구 사항입니다. + 년: 데이터 포인트 32개 + 분기: 데이터 포인트 35개 + 월: 데이터 포인트 43개 + 주: 데이터 포인트 35개 + 일: 데이터 포인트 38개 + 시간: 데이터 포인트 39개 + 분: 데이터 포인트 46개 + 초: 데이터 포인트 46개 + 이상 또는 예상을 분석하려면 하나 이상의 날짜 차원이 필요합니다. 시작하려는 데이터 세트가 없으면 샘플 데이터 세트인 [ML Insights 샘플 데이터 세트 VI](samples/ml-insights.csv.zip)를 다운로드할 수 있습니다. 데이터 세트가 준비되면 데이터 세트에서 새 분석을 생성하십시오. # Amazon Quick Sight에서 인사이트 작업 Amazon Quick Sight에서는 ready-to-use 수 있는 분석 계산을 분석에 위젯으로 추가할 수 있습니다. 다음 두 가지 방법으로 인사이트를 얻을 수 있습니다. + **추천 인사이트** Amazon Quick Sight는 시각적 객체에 입력한 데이터에 대한 해석을 기반으로 제안된 인사이트 목록을 생성합니다. 이 목록은 컨텍스트에 따라 변경됩니다. 즉, 시각 자료에 추가하는 필드와 선택한 시각적 유형에 따라 다양한 추천을 볼 수 있습니다. 예를 들어 시계열 시각화가 있는 경우 통찰력에 기간별 기간 변경, 이상 및 예상을 포함할 수도 있습니다. 분석에 시각화를 추가하면 인사이트를 더 많이 추천하도록 할 수 있습니다. + **사용자 지정 인사이트** 사용자 지정 인사이트를 사용하면 자신의 단어를 사용하여 위젯에 표시되는 필드에 컨텍스트를 부여하여 자신의 계산을 생성할 수 있습니다. 사용자 지정 인사이트를 생성할 때 이를 분석에 추가한 다음 사용할 계산 유형을 선택합니다. 그런 다음 텍스트와 서식을 추가하여 원하는 모양을 만들 수 있습니다. 필드, 계산 및 파라미터를 더 추가할 수도 있습니다. 분석에 추천 및 사용자 지정 인사이트의 모든 조합을 추가하여 자신의 목적에 가장 잘 맞는 의사 결정 환경을 생성할 수 있습니다. **Topics** + [추천 인사이트 추가](adding-suggested-insights.md) + [분석에 사용자 지정 인사이트 추가](adding-insights.md) # 추천 인사이트 추가 분석에 추천 인사이트를 추가하려면 다음 절차를 사용하십시오. 시작하기 전에 데이터 세트가 [Amazon Quick Sight에서 ML 인사이트를 사용하기 위한 데이터세트 요구 사항](ml-data-set-requirements.md)에 요약된 기준을 충족하는지 확인합니다. 1. 몇 가지 필드가 시각적으로 추가된 분석부터 시작하십시오. 1. 왼쪽에서 **Insights(인사이트)**을 선택합니다. **Insights(인사이트)** 패널이 열리고 즉시 사용할 수 있는 추천 인사이트가 표시됩니다. 또한 각 시각 자료는 상단 경계에 작은 상자를 표시하여 해당 시각 자료에 사용할 수 있는 인사이트의 수를 표시합니다. 이 상자를 선택하여 **Insights(인사이트)** 패널을 열면 가장 최근에 열어 본 보기가 열립니다. 아래로 스크롤하여 더 많은 통찰력을 미리봅니다. 표시되는 인사이트는 시각적 객체에 포함하도록 선택한 필드의 데이터 형식에 의해 제어됩니다. 이 목록은 시각 자료를 변경할 때마다 생성됩니다. 변경한 경우 **Insights(인사이트)**를 확인하여 새로운 내용을 확인하십시오. 특정 인사이트를 가져오려면 [분석에 사용자 지정 인사이트 추가](adding-insights.md) 단원을 참조하십시오. 1. (선택 사항) 인사이트 중 하나에 대해 더 많은 옵션이 있는 컨텍스트 메뉴를 엽니다. 이렇게 하려면 인사이트의 오른쪽 상단에 있는 타원(**…**)을 선택하십시오. 이 옵션은 인사이트 유형마다 다릅니다. 상호 작용할 수 있는 옵션은 다음과 같습니다. + **시계열 집계 변경** - 년, 분기, 월, 주, 일, 시간 또는 분으로 변경합니다. + **지표에 대한 기여 분석** - 분석할 기여자 및 시간대를 선택합니다. + **모든 이상 표시** - 이 시간대의 이상을 찾아봅니다. + **예상 편집** - 예상 길이, 예측 간격 및 계절성을 선택합니다. + **초점 두기** 또는 **제외** - 차원 데이터를 확대하거나 축소합니다. + **세부 정보 표시** - 최근 이상(특이값)에 대한 추가 정보를 확인합니다. + 분석에서 인사이트의 유용성에 대한 피드백을 제공합니다. 1. 인사이트 제목 근처의 더하기 기호(**\$1**)를 선택하여 분석에 추천 인사이트를 추가합니다. 1. (선택 사항) 분석에 인사이트를 추가한 후 표시하려는 서술을 사용자 지정합니다. 이렇게 하려면 **v** 모양의 시각적 메뉴를 선택한 다음 **Customize narrative(사용자 지정 서술)**를 선택합니다. 자세한 내용은 [Amazon Quick Sight를 사용하여 자동 서술 생성](narratives-creating.md) 단원을 참조하십시오. 이상(특이값)에 대한 인사이트가 있는 경우 이상 탐지 작업의 설정을 변경할 수도 있습니다. 이렇게 하려면 **Configure anomaly(이상 구성)**를 선택합니다. 자세한 내용은 [특이값 분석을 위한 ML 기반 이상 탐지 설정](anomaly-detection-using.md) 단원을 참조하십시오. 1. (선택 사항) 분석에서 인사이트를 제거하려면 시각 자료의 오른쪽 상단에 있는 **v** 모양의 시각적 메뉴를 선택합니다. 그런 다음 **삭제**를 선택합니다. # 분석에 사용자 지정 인사이트 추가 추천 인사이트를 사용하고 싶지 않으면 자신만의 사용자 지정 인사이트를 생성할 수 있습니다. 다음 절차를 사용하여 사용자 지정 인사이트를 생성합니다. 1. 기존 분석으로 시작합니다. 상단 메뉴 표시줄에서 **추가\$1**를 선택합니다. 그런 다음 **Add Insight(인사이트 추가)**를 선택합니다. 새로운 인사이트를 위한 컨테이너가 분석에 추가됩니다. 1. 다음 중 하나를 수행하세요. + 목록에서 사용하려는 계산을 선택합니다. 각 항목을 선택하면 해당 인사이트의 출력 예가 표시됩니다. 사용하려는 것을 찾으면 **선택**을 선택합니다. + 이 화면을 종료하고 인사이트를 수동으로 사용자 지정합니다. 구성되지 않은 인사이트에는 **Customize Insight(인사이트 사용자 지정)** 버튼이 있습니다. 버튼을 선택하여 **Configure narrative(서술 구성)** 화면을 엽니다. 표현식 편집기 사용에 대한 자세한 내용은 [Amazon Quick Sight를 사용하여 자동 서술 생성](narratives-creating.md) 단원을 참조하십시오. 인사이트 생성을 시작하기 때문에 기존 시각 자료를 기반으로 하지 않습니다. 인사이트가 분석에 추가되면 요청을 완료하는 데 필요한 데이터의 종류를 나타내는 메모가 표시됩니다. 예를 들어 **1 dimension in Time(시간의 1차원)**을 요청할 수도 있습니다. 이 경우 **시간** 필드 모음에 차원을 추가합니다. 1. 올바른 데이터를 얻은 후에는 나머지 화면 프롬프트를 따라 사용자 지정 인사이트 생성을 완료합니다. 1. (선택 사항) 분석에서 인사이트를 제거하려면 시각 자료의 오른쪽 상단에 있는 **v** 모양의 시각적 메뉴를 선택합니다. 그런 다음 **삭제**를 선택합니다. # Amazon Quick Sight를 사용하여 자동 서술 생성 *자동 서술*은 차트 대신 설명 텍스트를 표시하는 자연어 요약 위젯입니다. 핵심 인사이트 및 콜아웃을 강조 표시하기 위해 분석 전반에 이러한 위젯을 내장할 수 있습니다. 시각 자료를 탐색하고 드릴다운하고 값을 비교하고 결론을 추출하기 위해 아이디어를 다시 검사할 필요가 없습니다. 또한 데이터의 의미를 이해하거나 동료와 다른 해석을 논의할 필요가 없습니다. 대신, 데이터로부터 결론을 외삽하여 분석에 일반 서술로 표시할 수 있습니다. 한 사람의 해석을 모든 사람이 공유할 수 있습니다. Amazon Quick Sight는 대시보드의 차트와 테이블을 자동으로 해석하고 자연어로 제안된 여러 인사이트를 제공합니다. 선택할 수 있는 추천 인사이트는 기성품이며 단어, 계산 및 기능이 함께 제공됩니다. 그러나 원할 경우 변경할 수 있습니다. 고객이 직접 디자인할 수도 있습니다. 대시보드 작성자는 필요에 따라 계산 및 언어를 사용자 지정할 수 있는 완벽한 유연성을 보유하고 있습니다. 서술을 사용하여 일반 언어로 데이터의 스토리를 효과적으로 전달할 수 있습니다. **참고** 서술은 기계 학습과 별개입니다. 예상 또는 이상(특이값) 계산을 추가하는 경우에만 ML을 사용합니다. **Topics** + [자동 서술이 포함된 인사이트](auto-narratives.md) + [서술 표현식 편집기 사용](using-narratives-expression-editor-step-by-step.md) + [표현식 편집기 워크스페이스](using-narratives-expression-editor-menus.md) + [URL 추가](using-narratives-expression-editor-urls.md) + [자동 서술 계산 작업](auto-narrative-computations.md) # 자동 서술이 포함된 인사이트 자동 서술이라고도 하는 인사이트를 분석에 추가할 경우 다음 템플릿에서 선택할 수 있습니다. 다음 목록에 예제별로 정의되어 있습니다. 각 정의에는 자동 서술을 사용하는 데 필요한 최소 필드 목록이 포함되어 있습니다. **Insights(인사이트)** 탭에서 추천 인사이트만 사용하려면 적절한 필드를 선택하여 추천 인사이트 목록에 표시할 인사이트를 가져옵니다. 자동 서술을 사용자 지정하는 방법에 대한 자세한 내용은 [자동 서술 계산 작업](auto-narrative-computations.md) 단원을 참조하십시오. + **최하위 순위** - 예를 들어 판매 수익을 기준으로 최하위 3개 상태입니다. **범주** 필드에 하나 이상의 차원이 있어야 합니다. + **최하위 Mover** - 예를 들어 판매 수익을 기준으로 판매된 최하위 3개 제품입니다. **시간** 필드와 **범주** 필드에 각각 하나 이상의 차원이 있어야 합니다. + **예상**(ML 기반 인사이트) - 예를 들어 “총 매출액은 2016년 1월에 \$158,613가 될 것으로 예상됩니다.” **시간** 필드에 하나 이상의 차원이 있어야 합니다. + **성장률** - 예를 들어 “매출액에 대한 3개월 복합 성장률은 22.23%입니다.” **시간** 필드에 하나 이상의 차원이 있어야 합니다. + **최대** - 예를 들어 “가장 높은 달은 매출액이 \$1112,326인 2014년 11월입니다.” **시간** 필드에 하나 이상의 차원이 있어야 합니다. + **지표 비교** - 예를 들어 “2014년 12월의 총 매출액은 \$190,474로 목표치인 \$181,426보다 10% 더 높습니다.” **시간** 필드에 하나 이상의 차원과 **값** 필드에 두 개 이상의 차원이 있어야 합니다. + **최소** - 예를 들어 “가장 낮은 달은 매출액이 \$14,810인 2011년 2월입니다.” **시간** 필드에 하나 이상의 차원이 있어야 합니다. + **이상 탐지**(ML 기반 인사이트) - 2019년1월 3일 총 매출액에 대한 최상위 3개 특이값 및 기여 동인을 예로 들 수 있습니다. **시간**, **값** 및 **범주** 필드에 각각 하나 이상의 차원이 있어야 합니다. + **기간별 기간** - 예를 들어 “2014년 11월의 총 매출액은 \$177,793에서 \$1112,326으로 44.39%(\$134,532) 증가했습니다.” **시간** 필드에 하나 이상의 차원이 있어야 합니다. + **현재까지 기간** - 예를 들어 “2014년 11월 30일의 연간 누계 매출액은 \$1511,236에서 \$1643,472로 25.87%(\$1132,236) 증가했습니다.” **시간** 필드에 하나 이상의 차원이 있어야 합니다. + **최상위 순위** - 예를 들어 판매 수익을 기준으로 최상위 3개 상태. **범주** 필드에 하나 이상의 차원이 있어야 합니다. + **최상위 Mover** - 예를 들어 2014년 11월의 판매 수익을 기준으로 최상위 제품. **시간** 필드와 **범주** 필드에 각각 하나 이상의 차원이 있어야 합니다. + **총합 집계** - 예를 들어 “총 수익은 \$12,297,200입니다.” **시간** 필드와 **값** 필드에 각각 하나 이상의 차원이 있어야 합니다. + **고유한 값** - 예를 들어 “`Customer_IDs`에는 793개의 고유한 값이 있습니다.” **범주** 필드에 하나 이상의 차원이 있어야 합니다. # 서술 표현식 편집기 사용 다음 연습에서는 서술을 사용자 지정하는 방법의 예를 보여줍니다. 이 예제에서는 기간 계산 유형을 사용합니다. 1. 기존 분석으로 시작하십시오. **기간별 기간** 인사이트를 추가합니다. 가장 쉬운 방법은 \$1 아이콘을 선택한 다음 **Add insight(인사이트 추가)**를 추가한 다음 목록에서 인사이트 유형을 선택하는 것입니다. 자동 서술로 추가할 수 있는 계산 인사이트 유형은 [자동 서술이 포함된 인사이트](auto-narratives.md) 단원을 참조하십시오. 인사이트 유형을 선택한 후 **선택**을 선택하여 위젯을 생성합니다. 빈 서술을 생성하려면 템플릿을 선택하지 말고 이 화면을 닫습니다. 이 예제를 따르려면 **Period over period(기간별 기간)**을 선택합니다. 인사이트를 추가할 때 시각 자료가 선택되면 필드 웰에 날짜, 지표 및 범주에 대한 필드가 미리 구성됩니다. 이는 인사이트를 생성했을 때 선택한 시각화에서 비롯된 것입니다. 필요에 따라 필드를 사용자 지정할 수 있습니다. 새 인사이트 또는 기존 인사이트(텍스트 기반) 위젯에 대해서만 서술을 사용자 지정할 수 있습니다. 다른 유형의 위젯이기 때문에 기존 시각 자료(차트 기반)에 하나를 추가할 수 없습니다. 1. 시각적 메뉴를 선택한 다음 **Customize narrative(사용자 지정 서술)**를 선택하여 표현식 편집기에서 서술을 편집합니다. 이 문맥에서 **Computations(계산)**은 데이터를 설명하기 위해 템플릿에서 참조할 수 있는 미리 정의된 계산입니다(기간별 기간, 현재까지 기간, 성장률, 최대, 최소, 최상위 Mover 등). 현재 Amazon Quick Sight는 인사이트에 추가할 수 있는 13가지 유형의 계산을 지원합니다. 이 예시에서는 추천 인사이트 **기간 별 기간** 템플릿을 선택했기 때문에 **PeriodOverPeriod**가 기본적으로 추가되었습니다. 1. 오른쪽 하단에서 **Add computation(계산 추가)**을 선택하여 새 계산을 추가한 다음 목록에서 하나를 선택합니다. 이 연습에서는 **Growth rate(성장률)**를 선택하고 **다음**을 선택합니다. 1. 계산할 기간 수를 선택하여 계산을 구성합니다. 기본값은 4이며 이 예제에서 작동합니다. 선택 사항으로 화면 맨 위에서 계산 이름을 변경할 수 있습니다. 그러나 이 예제에서는 이름을 변경하지 않고 그대로 둡니다. **참고** 생성하는 계산 이름은 인사이트 내에서 고유합니다. 서술 템플릿에서 동일한 유형의 여러 계산을 참조할 수 있습니다. 예를 들어 판매 수익과 판매 단위라는 두 가지 지표가 있다고 가정해 보겠습니다. 이름이 다른 각 지표에 대해 성장률 계산을 생성할 수 있습니다. 그러나 이상 계산은 동일한 위젯의 기타 계산 유형과 호환되지 않습니다. 이상 탐지는 그 자체로 인사이트 안에 존재해야 합니다. 같은 분석에서 다른 계산을 사용하려면 이상과 별개의 인사이트에 배치합니다. 진행하려면 **추가**를 선택합니다. 1. 오른쪽에서 **Computations(계산)**를 확장합니다. 서술의 일부인 계산은 목록에 표시됩니다. 이 경우 **PeriodOverPeriod** 및 **GrowthRate**입니다. 1. 작업 영역에서 마지막 기간 후에 **Compounded growth rate for the last** 텍스트를 추가한 다음 공백을 추가합니다. 1. 그런 다음 계산을 추가하려면 **last** 단어 뒤의 공백 뒤에 커서를 둡니다. 오른쪽의 **GrowthRate** 아래에서 **timePeriods** 표현식을 선택합니다(추가하려면 한 번만 클릭함). 이렇게 하면 **GrowthRate.timePeriods**라는 표현식이 삽입되며, 이는 **GrowthRate**에 대한 구성에서 설정한 기간 수입니다. 1. ** days is **(앞뒤에 공백 있음)을(를) 사용하여 문장을 완성하고 **GrowthRate.compoundedGrowthRate.formattedValue** 표현식을 추가한 다음 마침표(`.`)를 추가합니다. 표현식을 입력하지 말고 목록에서 선택합니다. 그러나 표현식의 내용을 추가한 후에 편집할 수 있습니다. ![\[열린 표현식 목록이 있는 표현식 편집기.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/narrative-add-expression.png) **참고** **formattedValue** 표현식은 필드의 지표에 적용된 서식에 따라 서식이 지정된 문자열을 반환합니다. 지표 수식을 수행하려면 원시 값을 정수 또는 소수로 반환하는 대신 **값**을 사용합니다. 1. 조건문 및 서식을 추가합니다. `formattedValue` 표현식 뒤에서 커서를 템플릿의 끝에 둡니다. 필요한 경우 공백을 추가합니다. **Edit narrative(서술 편집)** 메뉴 모음에서 **Insert code(코드 삽입)**를 선택한 다음 목록에서 **Inline IF(인라인 IF)**를 선택합니다. 표현식 블록이 열립니다. 1. 표현식 블록을 열고 표현식 목록에서 **GrowthRate**, **compoundedGrowthRate**, **value**를 선택합니다. 표현식의 끝에 **>0**을(를) 입력합니다. **저장**을 선택합니다. 아직 커서를 움직이지 마십시오. 조건부 콘텐츠에 대한 프롬프트가 나타납니다. **better than expected\$1**을(를) 입력한 다음 방금 입력한 텍스트를 선택하고 상단의 서식 지정 도구 모음을 사용하여 초록색으로 바꾸고 굵게 표시합니다. 1. 이전 단계를 반복하여 성장률이 그다지 크지 않은 경우 다른 표현식 블록을 추가합니다. 그러나 이번에는 **<0**(으)로 만들고 **worse than expected** 텍스트를 입력합니다. 녹색 대신 빨간색으로 만듭니다. 1. **저장**을 선택합니다. 방금 생성한 사용자 지정된 서술은 다음과 유사해야 합니다. ![\[맞춤형 내러티브.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/narrative-example-result.png) 표현식 편집기는 서술을 사용자 지정할 수 있는 정교한 도구를 제공합니다. 분석 또는 대시보드에 대해 생성한 파라미터를 참조하고 추가 사용자 지정을 위해 내장 함수 집합을 사용할 수도 있습니다. **작은 정보** 비어 있는 서술을 생성하려면 **\$1** 아이콘을 사용하여 인사이트를 추가한 다음 **인사이트 추가**를 사용합니다. 템플릿을 선택하는 대신 화면을 닫습니다. 서술 사용자 지정을 시작하는 가장 좋은 방법은 기존 템플릿을 사용하여 구문을 학습하는 것입니다. # 표현식 편집기 워크스페이스 표현식 편집기를 사용하여 비즈니스 요구 사항에 가장 적합한 서술을 사용자 지정할 수 있습니다. 아래 정보는 표현식 편집기 워크스페이스의 개요를 제공하고 서술에 대해 구성할 수 있는 모든 메뉴 옵션을 나열합니다. 사용자 지정 서술을 생성하는 방법을 보여주는 연습은 [서술 표현식 편집기 사용](using-narratives-expression-editor-step-by-step.md) 섹션을 참조하세요. 화면 오른쪽에는 서술에 추가할 수 있는 항목 목록이 있습니다. + **계산** - 이 옵션을 통해 이 인사이트에 사용할 수 있는 계산을 선택할 수 있습니다. 이 목록을 확장할 수 있습니다. + **파라미터** - 이 옵션을 통해 분석에 존재하는 파라미터를 선택할 수 있습니다. 이 목록을 확장할 수 있습니다. + **함수** - 이 옵션을 통해 서술에 추가할 수 있는 함수를 선택할 수 있습니다. 이 목록을 확장할 수 있습니다. + **계산 추가** - 이 버튼을 통해 다른 계산을 생성합니다. 새 계산이 **Computations(계산)** 목록에 나타나며 인사이트에 추가할 수 있습니다. 서술 표현식 편집기의 맨 아래에는 작업 시 업데이트되는 서술의 미리 보기가 있습니다. 이 영역에는 서술에 오류가 발생하거나 서술이 비어 있는 경우에도 알림이 표시됩니다. 이상 감지 또는 예상과 같은 ML 기반 인사이트 계산을 미리 보려면 서술을 사용자 지정하기 전에 최소 한 번 이상 인사이트를 실행하십시오. 편집 도구는 화면 상단에 있습니다. 편집 도구는 다음과 같은 옵션을 제공합니다: + **코드 삽입** - 이 메뉴에서 다음 코드 블록을 삽입할 수 있습니다. + **표현식** - 자유형 표현식을 추가합니다. + **Inline IF** - 기존 텍스트 블록과 함께 인라인으로 표시되는 IF 문을 추가합니다. + **Inline FOR** - 기존 텍스트 블록과 함께 인라인으로 표시되는 FOR 문을 추가합니다. + **Block IF** - 별도의 텍스트 블록에 표시되는 IF 문을 추가합니다. + **Block FOR** - 별도의 텍스트 블록에 표시되는 FOR문을 추가합니다. IF 및 FOR 문을 사용하면 조건부 형식의 콘텐츠를 생성할 수 있습니다. 예를 들어, **Block IF(블록 IF)** 문을 추가한 다음 정수와 계산 값을 비교하도록 구성할 수 있습니다. 이렇게 하려면 다음 단계를 사용합니다. [서술 표현식 편집기 사용](using-narratives-expression-editor-step-by-step.md)에도 설명되어 있습니다. 1. 오른쪽의 계산 메뉴를 열고 계산 중 하나에서 파란색으로 강조 표시된 항목 중 하나를 선택합니다. 이렇게 하면 항목이 서술에 추가됩니다. 1. 항목을 한 번 클릭하여 엽니다. 1. 생성하려는 비교를 입력합니다. 표현식이 `PeriodOverPeriod.currentMetricValue.value>0`과 같이 표시됩니다. 1. 이 표현식을 팝업 편집기에 저장하면 **조건부 콘텐츠**를 입력하라는 메시지가 표시됩니다. 1. 인사이트에 표시할 내용을 입력하고 원하는 대로 형식을 지정합니다. 또는 원하는 경우 이미지 또는 URL을 추가하거나 이미지에 URL을 추가할 수 있습니다. + **단락** - 이 메뉴는 글꼴 크기 변경 옵션을 제공합니다. + **H1 큰 헤더** + H2 헤더 + H3 작은 헤더 + ¶1 큰 단락 + ¶ 2 단락 + ¶ 3 작은 단락 + **글꼴** - 이 메뉴 트레이를 통해 텍스트 서식 지정 옵션을 선택할 수 있습니다. 여기에는 굵게, 기울임꼴, 밑줄, 취소선, 텍스트의 전경색(문자 자체) 및 텍스트의 배경색이 포함됩니다. 옵션을 켜려면 아이콘을 선택하고 옵션을 끄려면 아이콘을 다시 선택합니다. + **서식 지정** - 이 메뉴 트레이를 통해 글머리 기호 목록, 왼쪽 맞춤, 가운데 맞춤, 오른쪽 맞춤 서식 등의 옵션을 선택할 수 있습니다. 옵션을 켜려면 아이콘을 선택하고 옵션을 끄려면 아이콘을 다시 선택합니다. + **이미지** - 이 아이콘을 통해 이미지 URL을 추가합니다. 제공된 링크에 액세스할 수 있는 경우 이미지가 인사이트에 표시됩니다. 이미지 크기를 조정할 수 있습니다. 조건에 따라 이미지를 표시하려면 IF 블록 안에 이미지를 넣습니다. + **URL** - 이 아이콘을 통해 정적 또는 동적 URL을 추가할 수 있습니다. 이미지에 URL을 추가할 수도 있습니다. 예를 들어, 빨간색, 주황색, 녹색 조건의 새 시트에 대한 링크와 함께 신호등 표시기 이미지를 경영진 대시보드용 인사이트에 추가할 수 있습니다. # URL 추가 서술 표현식 편집기의 편집 메뉴에 있는 **URL** 버튼을 통해 정적 및 동적 URL(하이퍼링크)을 서술에 추가할 수 있습니다. 바로 가기 키 ⌘\$1⇧\$1L 또는 Ctrl\$1⇧\$1L을 사용할 수도 있습니다. 정적 URL은 변경되지 않는 링크로서 항상 동일한 URL을 엽니다. 동적 URL은 설정 시 제공하는 표현식 또는 파라미터에 따라 변경되는 링크입니다. 동적으로 평가된 표현식 또는 파라미터를 사용하여 빌드됩니다. 다음은 서술에 정적 링크를 추가할 수 있는 경우의 예입니다. + **IF 문에서 조건부 콘텐츠에 URL을 사용할 수 있습니다.** 지표가 예상 값을 충족하지 못하는 경우 링크를 통해 지표를 개선하기 위한 모범 사례 목록이 있는 Wiki로 사용자를 보낼 수 있습니다. + **다음 단계에 따라 정적 URL을 사용하여 동일한 대시보드에서 다른 시트에 대한 링크를 생성할 수 있습니다.** 1. 링크를 생성할 시트로 이동합니다. 1. 해당 시트의 URL을 복사합니다. 1. 서술 편집기로 돌아가서 방금 복사한 URL을 사용하여 링크를 생성합니다. 다음은 서술에 동적 링크를 추가할 수 있는 경우의 예제입니다. + **다음 단계를 사용하여 쿼리를 통해 웹사이트를 검색합니다.** 1. 다음 링크로 URL을 생성합니다. ``` https://google.com?q=<> ``` 이 링크는 다음의 평가 값인 검색 텍스트와 함께 Google에 쿼리를 보냅니다. ``` formatDate(now(), 'yyyy-MM-dd') ``` `now()`의 값이 `02/02/2020`인 경우 서술의 링크에 `https://google.com?q=2020-02-02`이(가) 포함됩니다. + **파라미터를 업데이트하는 링크를 생성합니다.** 이를 위해 링크를 생성하거나 편집하고 URL을 현재 대시보드 또는 분석 URL로 설정합니다. 그런 다음 끝에 파라미터 값을 설정하는 표현식을 추가합니다(예: `#p.myParameter=12345`). 다음과 같이 시작하는 대시보드 링크가 있다고 가정합니다. ``` https://us-east-1.quicksight.aws.amazon.com/sn/analyses/00000000-1111-2222-3333-44444444 ``` 파라미터 값 할당을 추가하면 다음과 같이 표시됩니다. ``` https://us-east-1.quicksight.aws.amazon.com/sn/analyses/00000000-1111-2222-3333-44444444#p.myParameter=12345 ``` URL의 파라미터에 대한 자세한 내용은 [URL에서 파라미터 사용](parameters-in-a-url.md) 단원을 참조하십시오. # 자동 서술 계산 작업 이 섹션을 사용하여 자동 서술을 사용자 지정할 때 사용할 수 있는 기능을 이해하는 데 도움을 받을 수 있습니다. 기본 계산을 변경하거나 빌드하려는 경우 서술을 사용자 지정하기만 하면 됩니다. 자동 서술을 생성하면 표현식 편집기가 열립니다. 시각적 메뉴를 선택한 다음 **Customize Narrative(서술 사용자 지정)**를 선택하여 표현식 편집기를 활성화할 수도 있습니다. 표현식 편집기를 사용하는 동안 계산을 추가하려면 **\$1 Add computation(\$1 계산 추가)**을 선택합니다. 다음 코드 표현식을 사용하여 자동 서술을 빌드할 수 있습니다. 이러한 표현식은 **Insert code(코드 삽입)**라고 표시된 목록에서 사용할 수 있습니다. 코드 문은 인라인(문장) 또는 블록(목록)으로 표시될 수 있습니다. + 표현식 - 나만의 코드 표현식을 생성합니다. + IF - 조건을 평가한 후 표현식을 포함하는 IF 문입니다. + FOR - 값을 루핑하는 FOR 문입니다. 다음 계산을 사용하여 자동 서술을 빌드할 수 있습니다. 구문을 편집하지 않고 표현식 편집기를 사용할 수 있지만 원하는 경우 사용자 지정할 수도 있습니다. 구문과 상호 작용하려면 자동 서술 표현식 편집기에서 계산 위젯을 엽니다. **Topics** + [특이값에 대한 ML 기반 이상 탐지](anomaly-detection-function.md) + [최하위 Mover 계산](bottom-movers-function.md) + [최하위 순위 계산](bottom-ranked-function.md) + [ML 기반 예상](forecast-function.md) + [성장률 계산](growth-rate-function.md) + [최대 계산](maximum-function.md) + [지표 비교 계산](metric-comparison-function.md) + [최소 계산](minimum-function.md) + [기간별 기간 계산](period-over-period-function.md) + [기간 날짜 계산](period-to-date-function.md) + [최상위 Mover 계산](top-movers-function.md) + [최상위 순위 계산](top-ranked-function.md) + [총합 집계 계산](total-aggregation-function.md) + [고유한 값 계산](unique-values-function.md) # 특이값에 대한 ML 기반 이상 탐지 ML 기반 이상 탐지 계산은 데이터에서 특이값 여부를 검색합니다. 예를 들어 2019년 1월 3일에 총 매출액의 상위 3개 특이값을 탐지할 수 있습니다. 기여도 분석을 활성화하면 각 특이값에 대한 주요 동인을 탐지할 수도 있습니다. 이 기능을 사용하려면 **시간**, **값** 및 **범주** 필드에 각각 하나 이상의 차원이 있어야 합니다. 구성 화면에서는 다른 필드의 기여도를 주요 동인으로 분석할 수 있는 옵션을 제공합니다. 이러한 필드가 필드 모음에 없는 경우에도 마찬가지입니다. 자세한 내용은 [ML 기반 이상 탐지를 사용하여 특이값 탐지](anomaly-detection.md) 단원을 참조하십시오. **참고** ML 기반 이상 탐지를 다른 계산에 추가할 수 없으며 다른 계산을 이상 탐지에 추가할 수 없습니다. ## 계산 출력 각 함수는 일련의 출력 매개 변수를 생성합니다. 이 출력을 자동 응답에 추가하여 표시되는 내용을 사용자 지정할 수 있습니다. 고유의 사용자 지정 텍스트를 추가할 수도 있습니다. 출력 파라미터를 찾으려면 오른쪽의 **계산** 탭을 열고 사용할 계산을 찾습니다. 계산의 이름은 인사이트를 생성할 때 제공한 이름에서 가져옵니다. 출력 매개 변수를 한 번만 클릭하여 선택하십시오. 두 번 클릭하면 동일한 출력을 두 번 추가합니다. **`bold monospace font`**에 표시된 항목을 서술에서 사용할 수 있습니다. + `timeField` - **시간** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `timeGranularity` - 시간 필드 세부 수준(**요일**, **연도** 등)입니다. + `categoryFields` - **범주** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `metricField` - **값** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `aggregationFunction` - 지표에 사용된 집계(**SUM**, **AVG** 등)입니다. + `itemsCount` - 이 계산에 포함된 항목의 수입니다. + `items` - 이상 항목입니다. + `timeValue` - 날짜 차원의 값입니다. + `value` - 이상(특이값) 지점의 날짜/시간 필드입니다. + `formattedValue` - 변칙 지점의 날짜/시간 필드의 서식이 지정된 값입니다. + `categoryName` - 범주의 실제 이름(cat1, cat2 등)입니다. + `direction` - 변칙(`HIGH` 또는 `LOW`)으로 식별된 x축 또는 y축의 방향. `HIGH`은(는) “예상보다 높음”을 의미합니다. `LOW`은(는) “예상보다 낮음”을 의미합니다. 항목을 반복할 때는 `AnomalyDetection.items[index].direction`에 `HIGH` 또는 `LOW`을(를) 포함할 수 있습니다. 예: `AnomalyDetection.items[index].direction='HIGH'` 또는`AnomalyDetection.items[index].direction=LOW`. `AnomalyDetection.direction`에는 `ALL`에 대한 빈 문자열이 있을 수 있습니다. 예를 들면, `AnomalyDetection.direction=''`입니다. + `actualValue` - 지표의 이상 또는 특이값 지점의 실제 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 지표 필드에 의해 서식이 지정된 값입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 절대값입니다. + `expectedValue` - 지표의 이상(특이값) 지점의 기대값입니다. + `value` - 원시 값입니다. + `formattedValue` - 지표 필드에 의해 서식이 지정된 값입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 절대값입니다. # 최하위 Mover 계산 최하위 Mover 계산은 자동 서술 데이터 세트의 최하위 순위별로 요청된 범주 수를 날짜를 기준으로 계산합니다. 예를 들어 판매 수익별로 판매된 최하위 3개 제품을 찾기 위해 계산을 생성할 수 있습니다. 이 기능을 사용하려면 **시간** 필드와 **범주** 필드에 각각 하나 이상의 차원이 있어야 합니다. ## 파라미터 *이름* 지정하거나 변경하는 고유한 설명 이름입니다. 자신만의 이름을 생성하지 않으면 이름이 지정됩니다. 이 작업을 나중에 편집할 수 있습니다. *날짜* 순위를 지정할 날짜 차원입니다. *카테고리* 순위를 지정할 범주 차원입니다. *값* 계산이 기반으로 하는 집계된 측정값입니다. *Mover 수* 표시하려는 순위가 매겨진 결과의 수입니다. *순서 기준* 사용할 순서입니다: 퍼센트 차이 또는 절대 차이. ## 계산 출력 각 함수는 일련의 출력 매개 변수를 생성합니다. 이 출력을 자동 응답에 추가하여 표시되는 내용을 사용자 지정할 수 있습니다. 고유의 사용자 지정 텍스트를 추가할 수도 있습니다. 출력 파라미터를 찾으려면 오른쪽의 **계산** 탭을 열고 사용할 계산을 찾습니다. 계산의 이름은 인사이트를 만들 때 제공한 이름에서 유래했습니다. 출력 매개 변수를 한 번만 클릭하여 선택하십시오. 두 번 클릭하면 동일한 출력을 두 번 추가합니다. **볼드**로 표시된 항목은 서술에서 사용할 수 있습니다. **참고** 이들은 상위 이동기 계산에 의해 반환되는 출력 매개 변수와 동일한 출력 매개 변수입니다. + `timeField` - **시간** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `timeGranularity` - 시간 필드 세부 수준(**요일**, **연도** 등)입니다. + `categoryField` - **범주** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `metricField` - **값** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `aggregationFunction` - 지표에 사용된 집계(**SUM**, **AVG** 등)입니다. + `startTimeValue` - 날짜 차원의 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 날짜시간 필드에 의해 서식이 지정된 값입니다. + `endTimeValue` - 날짜 차원의 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 날짜시간 필드에 의해 서식이 지정된 절대값입니다. + `itemsCount` - 이 계산에 포함된 항목의 수입니다. + `items`: 하위 이동 항목입니다. + `categoryField` - 범주 필드입니다. + `value` - 카테고리 필드의 값(내용)입니다. + `formattedValue` - 서식이 지정된 카테고리 필드의 값(내용)입니다. 필드가 null 인 경우, '`NULL`'이(가) 표시됩니다. 필드가 비어 있는 경우 ‘`(empty)`‘이(가) 표시됩니다. + `currentMetricValue` - 지표 필드의 현재 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 지표 필드에 의해 서식이 지정된 값입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 절대값입니다. + `previousMetricValue` - 지표 필드의 이전 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 지표 필드에 의해 서식이 지정된 값입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 절대값입니다. + `percentDifference` - 지표 필드의 현재 값과 이전 값 사이의 백분율 차이입니다. + `value` - 백분율 차이 계산의 원시 값입니다. + `formattedValue` - 백분율 차이의 서식이 지정된 값(예: -42%)입니다. + `formattedAbsoluteValue` - 백분율 차이의 서식이 지정된 절대값(예: 42%)입니다. + `absoluteDifference` - 지표 필드의 현재 값과 이전 값 사이의 절대 차이입니다. + `value` - 절대 차이 계산의 원시 값입니다. + `formattedValue` - 지표 필드의 서식 선호성 설정에 따라 형식화된 절대 차이입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 차이의 절대값입니다. # 최하위 순위 계산 최하위 순위 계산은 자동 서술 데이터 세트의 최하위 순위별로 요청된 범주 수를 값을 기준으로 계산합니다. 예를 들어 판매 수익별로 최하위 3개 상태를 찾기 위해 계산을 생성할 수 있습니다. 이 기능을 사용하려면 **범주** 필드에 하나 이상의 차원이 있어야 합니다. ## 파라미터 *이름* 지정하거나 변경하는 고유한 설명 이름입니다. 자신만의 이름을 생성하지 않으면 이름이 지정됩니다. 이 작업을 나중에 편집할 수 있습니다. *카테고리* 순위를 지정할 범주 차원입니다. *값* 계산이 기반으로 하는 집계된 측정값입니다. *Number of results* 표시하려는 순위가 매겨진 결과의 수입니다. ## 계산 출력 각 함수는 일련의 출력 매개 변수를 생성합니다. 이 출력을 자동 응답에 추가하여 표시되는 내용을 사용자 지정할 수 있습니다. 고유의 사용자 지정 텍스트를 추가할 수도 있습니다. 출력 파라미터를 찾으려면 오른쪽의 **계산** 탭을 열고 사용할 계산을 찾습니다. 계산의 이름은 인사이트를 만들 때 제공한 이름에서 유래했습니다. 출력 매개 변수를 한 번만 클릭하여 선택하십시오. 두 번 클릭하면 동일한 출력을 두 번 추가합니다. **볼드**로 표시된 항목은 서술에서 사용할 수 있습니다. **참고** 이들은 상위 순위 계산에 의해 반환되는 출력 매개 변수와 동일한 출력 매개 변수입니다. + `categoryField` - **범주** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `metricField` - **값** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `aggregationFunction` - 지표에 사용된 집계(**SUM**, **AVG** 등)입니다. + `itemsCount` - 이 계산에 포함된 항목의 수입니다. + `items`: 하위 순위 항목입니다. + `categoryField` - 범주 필드입니다. + `value` - 카테고리 필드의 값(내용)입니다. + `formattedValue` - 서식이 지정된 카테고리 필드의 값(내용)입니다. 필드가 null 인 경우, '`NULL`'이(가) 표시됩니다. 필드가 비어 있는 경우 ‘`(empty)`‘이(가) 표시됩니다. + `metricValue` - 지표의 필드입니다. + `value` - 원시 값입니다. + `formattedValue` - 지표 필드에 의해 서식이 지정된 값입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 절대값입니다. ## 예제 다음 스크린샷은 최하위 순위 계산을 위한 기본 구성을 보여줍니다. ![\[최하위 순위 계산을 위한 기본 구성입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/bottom-ranked-computation.png) # ML 기반 예상 ML 기반의 예상 계산은 이전 지표의 패턴을 계절성 기준에 따라 미래의 지표를 예상합니다. 예를 들어 계산을 생성하여 향후 6개월 동안 총 수익을 예상할 수 있습니다. 이 기능을 사용하려면 **시간** 필드에 하나 이상의 차원이 있어야 합니다. 예상 작업에 대한 자세한 내용은 [Amazon Quick Sight를 사용한 가정 시나리오 예측 및 생성](forecasts-and-whatifs.md) 단원을 참조하십시오. ## 파라미터 *이름* 지정하거나 변경하는 고유한 설명 이름입니다. 자신만의 이름을 생성하지 않으면 이름이 지정됩니다. 이 작업을 나중에 편집할 수 있습니다. *날짜* 순위를 지정할 날짜 차원입니다. *값* 계산이 기반으로 하는 집계된 측정값입니다. *앞으로의 기간* 앞으로 예상할 기간의 수입니다. 1 - 1,000의 범위 *Periods backward* 예상의 기준으로 할 과거의 기간 수입니다. 0 - 1,000의 범위 *Seasonality* 달력 연도에 포함된 계절의 수입니다. 기본 설정인 **automatic(자동)**에서 이를 탐지합니다. 1 - 180의 범위 ## 계산 출력 각 함수는 일련의 출력 매개 변수를 생성합니다. 이 출력을 자동 응답에 추가하여 표시되는 내용을 사용자 지정할 수 있습니다. 고유의 사용자 지정 텍스트를 추가할 수도 있습니다. 출력 파라미터를 찾으려면 오른쪽의 **계산** 탭을 열고 사용할 계산을 찾습니다. 계산의 이름은 인사이트를 만들 때 제공한 이름에서 유래했습니다. 출력 매개 변수를 한 번만 클릭하여 선택하십시오. 두 번 클릭하면 동일한 출력을 두 번 추가합니다. **볼드**로 표시된 항목은 서술에서 사용할 수 있습니다. + `timeField` - **시간** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `timeGranularity` - 시간 필드 세부 수준(**요일**, **연도** 등)입니다. + `metricField` - **값** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `aggregationFunction` - 지표에 사용된 집계(**SUM**, **AVG** 등)입니다. + `metricValue` - 지표 차원의 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 지표 필드에 의해 서식이 지정된 값입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 절대값입니다. + `timeValue` - 날짜 차원의 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 날짜 필드에 의해 서식이 지정된 값입니다. + `relativePeriodsToForecast` - 최신 날짜시간 레코드와 마지막 예측 레코드 사이의 상대적 기간의 수입니다. # 성장률 계산 성장률 계산은 기간별로 값을 비교합니다. 예를 들어 계산을 생성하여 매출에 대한 3개월 복합 성장률을 백분율로 표시할 수 있습니다. 이 기능을 사용하려면 **시간** 필드에 하나 이상의 차원이 있어야 합니다. ## 파라미터 *이름* 지정하거나 변경하는 고유한 설명 이름입니다. 자신만의 이름을 생성하지 않으면 이름이 지정됩니다. 이 작업을 나중에 편집할 수 있습니다. *날짜* 순위를 지정할 날짜 차원입니다. *값* 계산이 기반으로 하는 집계된 측정값입니다. *기간 수* 향후 성장률을 계산하는 데 사용할 기간 수입니다. ## 계산 출력 각 함수는 일련의 출력 매개 변수를 생성합니다. 이 출력을 자동 응답에 추가하여 표시되는 내용을 사용자 지정할 수 있습니다. 고유의 사용자 지정 텍스트를 추가할 수도 있습니다. 출력 파라미터를 찾으려면 오른쪽의 **계산** 탭을 열고 사용할 계산을 찾습니다. 계산의 이름은 인사이트를 만들 때 제공한 이름에서 유래했습니다. 출력 매개 변수를 한 번만 클릭하여 선택하십시오. 두 번 클릭하면 동일한 출력을 두 번 추가합니다. **볼드**로 표시된 항목은 서술에서 사용할 수 있습니다. + `timeField` - **시간** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `timeGranularity` - 시간 필드 세부 수준(**요일**, **연도** 등)입니다. + `metricField` - **값** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `aggregationFunction` - 지표에 사용된 집계(**SUM**, **AVG** 등)입니다. + `previousMetricValue` - 지표 차원의 이전 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 지표 필드에 의해 서식이 지정된 값입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 절대값입니다. + `previousTimeValue` - 날짜시간 차원의 이전 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 날짜시간 필드에 의해 서식이 지정된 값입니다. + `compoundedGrowthRate` - 지표 필드의 현재 값과 이전 값 사이의 백분율 차이입니다. + `value` - 백분율 차이 계산의 원시 값입니다. + `formattedValue` - 백분율 차이의 서식이 지정된 값(예: -42%)입니다. + `formattedAbsoluteValue` - 백분율 차이의 서식이 지정된 절대값(예: 42%)입니다. + `absoluteDifference` - 지표 필드의 현재 값과 이전 값 사이의 절대 차이입니다. + `value` - 절대 차이 계산의 원시 값입니다. + `formattedValue` - 지표 필드의 서식 선호성 설정에 따라 형식화된 절대 차이입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 차이의 절대값입니다. # 최대 계산 최대 계산은 최대 차원을 값 기준으로 찾습니다. 예를 들어 수익이 가장 높은 달을 찾기 위해 계산을 생성할 수 있습니다. 이 기능을 사용하려면 **시간** 필드에 하나 이상의 차원이 있어야 합니다. ## 파라미터 *이름* 지정하거나 변경하는 고유한 설명 이름입니다. 자신만의 이름을 생성하지 않으면 이름이 지정됩니다. 이 작업을 나중에 편집할 수 있습니다. *날짜* 순위를 지정할 날짜 차원입니다. *값* 계산이 기반으로 하는 집계된 측정값입니다. ## 계산 출력 각 함수는 일련의 출력 매개 변수를 생성합니다. 이 출력을 자동 응답에 추가하여 표시되는 내용을 사용자 지정할 수 있습니다. 고유의 사용자 지정 텍스트를 추가할 수도 있습니다. 출력 파라미터를 찾으려면 오른쪽의 **계산** 탭을 열고 사용할 계산을 찾습니다. 계산의 이름은 인사이트를 만들 때 제공한 이름에서 유래했습니다. 출력 매개 변수를 한 번만 클릭하여 선택하십시오. 두 번 클릭하면 동일한 출력을 두 번 추가합니다. **볼드**로 표시된 항목은 서술에서 사용할 수 있습니다. **참고** 이들은 최소 계산에 의해 반환되는 출력 매개 변수와 동일한 출력 매개 변수입니다. + `timeField` - **시간** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `timeGranularity` - 시간 필드 세부 수준(**요일**, **연도** 등)입니다. + `metricField` - **값** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `aggregationFunction` - 지표에 사용된 집계(**SUM**, **AVG** 등)입니다. + `metricValue` - 지표 차원의 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 지표 필드에 의해 서식이 지정된 값입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 절대값입니다. + `timeValue` - 날짜시간 차원의 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 날짜시간 필드에 의해 서식이 지정된 값입니다. # 지표 비교 계산 지표 비교 계산은 다른 측정값을 비교합니다. 예를 들어 계산을 생성하여 판매 목표와 비교한 실제 매출과 같은 두 값을 비교할 수 있습니다. 이 기능을 사용하려면 **시간** 필드와 **값** 필드에 각각 하나 이상의 차원이 있어야 합니다. ## 파라미터 *이름* 지정하거나 변경하는 고유한 설명 이름입니다. 자신만의 이름을 생성하지 않으면 이름이 지정됩니다. 이 작업을 나중에 편집할 수 있습니다. *날짜* 순위를 지정할 날짜 차원입니다. *값* 계산이 기반으로 하는 집계된 측정값입니다. *대상 값* 값과 비교할 필드입니다. ## 계산 출력 각 함수는 일련의 출력 매개 변수를 생성합니다. 이 출력을 자동 응답에 추가하여 표시되는 내용을 사용자 지정할 수 있습니다. 고유의 사용자 지정 텍스트를 추가할 수도 있습니다. 출력 파라미터를 찾으려면 오른쪽의 **계산** 탭을 열고 사용할 계산을 찾습니다. 계산의 이름은 인사이트를 만들 때 제공한 이름에서 유래했습니다. 출력 매개 변수를 한 번만 클릭하여 선택하십시오. 두 번 클릭하면 동일한 출력을 두 번 추가합니다. **볼드**로 표시된 항목은 서술에서 사용할 수 있습니다. + `timeField` - **시간** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `timeGranularity` - 시간 필드 세부 수준(**요일**, **연도** 등)입니다. + `fromMetricField` - **값** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `aggregationFunction` - 지표에 사용된 집계(**SUM**, **AVG** 등)입니다. + `fromMetricValue` - 지표 차원의 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 지표 필드에 의해 서식이 지정된 값입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 절대값입니다. + `toMetricField` - **값** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `aggregationFunction` - 지표에 사용된 집계(**SUM**, **AVG** 등)입니다. + `toMetricValue` - 지표 차원의 현재 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 지표 필드에 의해 서식이 지정된 값입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 절대값입니다. + `timeValue` - 날짜시간 차원의 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 날짜시간 필드에 의해 서식이 지정된 값입니다. + `percentDifference` - 지표 필드의 현재 값과 이전 값 사이의 백분율 차이입니다. + `value` - 백분율 차이 계산의 원시 값입니다. + `formattedValue` - 백분율 차이의 서식이 지정된 값(예: -42%)입니다. + `formattedAbsoluteValue` - 백분율 차이의 서식이 지정된 절대값(예: 42%)입니다. + `absoluteDifference` - 지표 필드의 현재 값과 이전 값 사이의 절대 차이입니다. + `value` - 절대 차이 계산의 원시 값입니다. + `formattedValue` - 지표 필드의 서식 선호성 설정에 따라 형식화된 절대 차이입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 차이의 절대값입니다. # 최소 계산 최소 계산은 최소 차원을 값 기준으로 찾습니다. 예를 들어 수익이 가장 낮은 달을 찾기 위해 계산을 생성할 수 있습니다. 이 기능을 사용하려면 **시간** 필드에 하나 이상의 차원이 있어야 합니다. ## 파라미터 *이름* 지정하거나 변경하는 고유한 설명 이름입니다. 자신만의 이름을 생성하지 않으면 이름이 지정됩니다. 이 작업을 나중에 편집할 수 있습니다. *날짜* 순위를 지정할 날짜 차원입니다. *값* 계산이 기반으로 하는 집계된 측정값입니다. ## 계산 출력 각 함수는 일련의 출력 매개 변수를 생성합니다. 이 출력을 자동 응답에 추가하여 표시되는 내용을 사용자 지정할 수 있습니다. 고유의 사용자 지정 텍스트를 추가할 수도 있습니다. 출력 파라미터를 찾으려면 오른쪽의 **계산** 탭을 열고 사용할 계산을 찾습니다. 계산의 이름은 인사이트를 만들 때 제공한 이름에서 유래했습니다. 출력 매개 변수를 한 번만 클릭하여 선택하십시오. 두 번 클릭하면 동일한 출력을 두 번 추가합니다. **볼드**로 표시된 항목은 서술에서 사용할 수 있습니다. **참고** 이들은 최대 계산에 의해 반환되는 출력 매개 변수와 동일한 출력 매개 변수입니다. + `timeField` - **시간** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `timeGranularity` - 시간 필드 세부 수준(**요일**, **연도** 등)입니다. + `metricField` - **값** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `aggregationFunction` - 지표에 사용된 집계(**SUM**, **AVG** 등)입니다. + `metricValue` - 지표 차원의 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 지표 필드에 의해 서식이 지정된 값입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 절대값입니다. + `timeValue` - 날짜시간 차원의 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 날짜시간 필드에 의해 서식이 지정된 값입니다. # 기간별 기간 계산 기간별 기간 계산은 두 가지 다른 기간의 값을 비교합니다. 예를 들어 계산을 생성하여 이전 기간 이후의 매출액이 증가했는지 또는 감소했는지 확인할 수 있습니다. 이 기능을 사용하려면 **시간** 필드에 하나 이상의 차원이 있어야 합니다. ## 파라미터 *이름* 지정하거나 변경하는 고유한 설명 이름입니다. 자신만의 이름을 생성하지 않으면 이름이 지정됩니다. 이 작업을 나중에 편집할 수 있습니다. *날짜* 순위를 지정할 날짜 차원입니다. *값* 계산이 기반으로 하는 집계된 측정값입니다. ## 계산 출력 각 함수는 일련의 출력 매개 변수를 생성합니다. 이 출력을 자동 응답에 추가하여 표시되는 내용을 사용자 지정할 수 있습니다. 고유의 사용자 지정 텍스트를 추가할 수도 있습니다. 출력 파라미터를 찾으려면 오른쪽의 **계산** 탭을 열고 사용할 계산을 찾습니다. 계산의 이름은 인사이트를 만들 때 제공한 이름에서 유래했습니다. 출력 매개 변수를 한 번만 클릭하여 선택하십시오. 두 번 클릭하면 동일한 출력을 두 번 추가합니다. **볼드**로 표시된 항목은 서술에서 사용할 수 있습니다. + `timeField` - **시간** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `timeGranularity` - 시간 필드 세부 수준(**요일**, **연도** 등)입니다. + `metricField` - **값** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `aggregationFunction` - 지표에 사용된 집계(**SUM**, **AVG** 등)입니다. + `previousMetricValue` - 지표 차원의 이전 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 지표 필드에 의해 서식이 지정된 값입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 절대값입니다. + `previousTimeValue` - 날짜시간 차원의 이전 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 날짜시간 필드에 의해 서식이 지정된 값입니다. + `currentMetricValue` - 지표 차원의 현재 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 지표 필드에 의해 서식이 지정된 값입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 절대값입니다. + `currentTimeValue` - 날짜시간 차원의 현재 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 날짜시간 필드에 의해 서식이 지정된 값입니다. + `percentDifference` - 지표 필드의 현재 값과 이전 값 사이의 백분율 차이입니다. + `value` - 백분율 차이 계산의 원시 값입니다. + `formattedValue` - 백분율 차이의 서식이 지정된 값(예: -42%)입니다. + `formattedAbsoluteValue` - 백분율 차이의 서식이 지정된 절대값(예: 42%)입니다. + `absoluteDifference` - 지표 필드의 현재 값과 이전 값 사이의 절대 차이입니다. + `value` - 절대 차이 계산의 원시 값입니다. + `formattedValue` - 지표 필드의 서식 선호성 설정에 따라 형식화된 절대 차이입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 차이의 절대값입니다. ## 예제 **기간별 기간 계산 생성하기** 1. 변경하려는 분석에서 **인사이트 추가**를 선택합니다. 1. **계산 유형**에서 **기간별 기간**을 선택한 다음 **선택**을 선택합니다. 1. 생성한 새 인사이트에서 비교할 시간 차원 및 값 차원 필드를 추가합니다. 아래 스크린샷에서는 `Order Date` 및 `Sales (Sum)`이(가) 인사이트에 추가됩니다. 이 두 필드를 선택하면 Quick Sight는 지난 달의 연간 누계 매출과 전월과 비교한 백분율 차이를 보여줍니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/periodOverPeriod1.png) 1. (선택 사항) 인사이트를 추가로 사용자 지정하려면 온비주얼 메뉴를 열고 **사용자 지정 서술**을 선택합니다. 표시되는 **서술 편집** 창의 **계산** 목록에서 필요한 필드를 끌어서 놓은 다음 **저장**을 선택합니다. # 기간 날짜 계산 기간 날짜 계산은 지정된 기간의 날짜 값을 계산합니다. 예를 들어 계산을 만들어 오늘까지의 연간 판매액을 확인할 수 있습니다. 이 기능을 사용하려면 **시간** 필드에 하나 이상의 차원이 있어야 합니다. ## 파라미터 *이름* 지정하거나 변경하는 고유한 설명 이름입니다. 자신만의 이름을 생성하지 않으면 이름이 지정됩니다. 이 작업을 나중에 편집할 수 있습니다. *날짜* 순위를 지정할 날짜 차원입니다. *값* 계산이 기반으로 하는 집계된 측정값입니다. *시간 세부 수준* 연누계와 같이 계산에 사용할 날짜 세부 수준입니다. ## 계산 출력 각 함수는 일련의 출력 매개 변수를 생성합니다. 이 출력을 자동 응답에 추가하여 표시되는 내용을 사용자 지정할 수 있습니다. 고유의 사용자 지정 텍스트를 추가할 수도 있습니다. 출력 파라미터를 찾으려면 오른쪽의 **계산** 탭을 열고 사용할 계산을 찾습니다. 계산의 이름은 인사이트를 만들 때 제공한 이름에서 유래했습니다. 출력 매개 변수를 한 번만 클릭하여 선택하십시오. 두 번 클릭하면 동일한 출력을 두 번 추가합니다. **볼드**로 표시된 항목은 서술에서 사용할 수 있습니다. + `timeField` - **시간** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `timeGranularity` - 시간 필드 세부 수준(**요일**, **연도** 등)입니다. + `metricField` - **값** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `aggregationFunction` - 지표에 사용된 집계(**SUM**, **AVG** 등)입니다. + `previousMetricValue` - 지표 차원의 이전 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 지표 필드에 의해 서식이 지정된 값입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 절대값입니다. + `previousTimeValue` - 날짜시간 차원의 이전 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 날짜시간 필드에 의해 서식이 지정된 값입니다. + `currentMetricValue` - 지표 차원의 현재 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 지표 필드에 의해 서식이 지정된 값입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 절대값입니다. + `currentTimeValue` - 날짜시간 차원의 현재 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 날짜시간 필드에 의해 서식이 지정된 값입니다. + `periodGranularity` - 이 계산에 대한 기간 세부 수준(**월**, **년**, 등)입니다. + `percentDifference` - 지표 필드의 현재 값과 이전 값 사이의 백분율 차이입니다. + `value` - 백분율 차이 계산의 원시 값입니다. + `formattedValue` - 백분율 차이의 서식이 지정된 값(예: -42%)입니다. + `formattedAbsoluteValue` - 백분율 차이의 서식이 지정된 절대값(예: 42%)입니다. + `absoluteDifference` - 지표 필드의 현재 값과 이전 값 사이의 절대 차이입니다. + `value` - 절대 차이 계산의 원시 값입니다. + `formattedValue` - 지표 필드의 서식 선호성 설정에 따라 형식화된 절대 차이입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 차이의 절대값입니다. ## 예제 **기간 누계 계산을 생성하기** 1. 변경하려는 분석에서 **인사이트 추가**를 선택합니다. 1. **계산 유형**에서 **기간 누계**를 선택한 다음 **선택**을 선택합니다. 1. 새로 만든 인사이트에 비교하려는 시간 차원 및 값 차원 필드를 추가합니다. 아래 스크린샷에서는 `Order Date` 및 `Sales (Sum)`이(가) 인사이트에 추가됩니다. 이 두 필드를 선택하면 Quick Sight는 지난 달의 연간 누계 매출과 전월과 비교한 백분율 차이를 보여줍니다. ![\[alt text not found\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/periodOverPeriod1.png) 1. (선택 사항) 인사이트를 추가로 사용자 지정하려면 온비주얼 메뉴를 열고 **사용자 지정 서술**을 선택합니다. 표시되는 **서술 편집** 창의 **계산** 목록에서 필요한 필드를 끌어서 놓은 다음 **저장**을 선택합니다. # 최상위 Mover 계산 최상위 Mover 계산은 자동 서술 데이터 세트의 최상위 순위별로 요청된 범주 수를 날짜를 기준으로 계산합니다. 예를 들어 기간 동안 판매 수익 기준 최상위 3개 제품을 찾기 위해 계산을 생성할 수 있습니다. 이 기능을 사용하려면 **시간** 필드와 **범주** 필드에 각각 하나 이상의 차원이 있어야 합니다. ## 파라미터 *이름* 지정하거나 변경하는 고유한 설명 이름입니다. 자신만의 이름을 생성하지 않으면 이름이 지정됩니다. 이 작업을 나중에 편집할 수 있습니다. *카테고리* 순위를 지정할 범주 차원입니다. *값* 계산이 기반으로 하는 집계된 측정값입니다. *Number of results* 찾으려는 최상위 순위 항목의 수입니다. ## 계산 출력 각 함수는 일련의 출력 매개 변수를 생성합니다. 이 출력을 자동 응답에 추가하여 표시되는 내용을 사용자 지정할 수 있습니다. 고유의 사용자 지정 텍스트를 추가할 수도 있습니다. 출력 파라미터를 찾으려면 오른쪽의 **계산** 탭을 열고 사용할 계산을 찾습니다. 계산의 이름은 인사이트를 만들 때 제공한 이름에서 유래했습니다. 출력 매개 변수를 한 번만 클릭하여 선택하십시오. 두 번 클릭하면 동일한 출력을 두 번 추가합니다. **볼드**로 표시된 항목은 서술에서 사용할 수 있습니다. **참고** 이들은 하위 이동기 계산에 의해 반환되는 출력 매개 변수와 동일한 출력 매개 변수입니다. + `timeField` - **시간** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `timeGranularity` - 시간 필드 세부 수준(**요일**, **연도** 등)입니다. + `categoryField` - **범주** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `metricField` - **값** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `aggregationFunction` - 지표에 사용된 집계(**SUM**, **AVG** 등)입니다. + `startTimeValue` - 날짜 차원의 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 날짜시간 필드에 의해 서식이 지정된 값입니다. + `endTimeValue` - 날짜 차원의 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 날짜시간 필드에 의해 서식이 지정된 절대값입니다. + `itemsCount` - 이 계산에 포함된 항목의 수입니다. + `items`: 상위 이동 항목입니다. + `categoryField` - 범주 필드입니다. + `value` - 카테고리 필드의 값(내용)입니다. + `formattedValue` - 서식이 지정된 카테고리 필드의 값(내용)입니다. 필드가 null 인 경우, '`NULL`'이(가) 표시됩니다. 필드가 비어 있는 경우 ‘`(empty)`‘이(가) 표시됩니다. + `currentMetricValue` - 지표 필드의 현재 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 지표 필드에 의해 서식이 지정된 값입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 절대값입니다. + `previousMetricValue` - 지표 필드의 이전 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 지표 필드에 의해 서식이 지정된 값입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 절대값입니다. + `percentDifference` - 지표 필드의 현재 값과 이전 값 사이의 백분율 차이입니다. + `value` - 백분율 차이 계산의 원시 값입니다. + `formattedValue` - 백분율 차이의 서식이 지정된 값(예: -42%)입니다. + `formattedAbsoluteValue` - 백분율 차이의 서식이 지정된 절대값(예: 42%)입니다. + `absoluteDifference` - 지표 필드의 현재 값과 이전 값 사이의 절대 차이입니다. + `value` - 절대 차이 계산의 원시 값입니다. + `formattedValue` - 지표 필드의 서식 선호성 설정에 따라 형식화된 절대 차이입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 차이의 절대값입니다. # 최상위 순위 계산 최상위 순위 계산은 최상위 순위 차원을 값 기준으로 찾습니다. 예를 들어 판매 수익 기준 최상위 3개 상태를 찾기 위해 계산을 생성할 수 있습니다. 이 기능을 사용하려면 **범주** 필드에 하나 이상의 차원이 있어야 합니다. ## 파라미터 *이름* 지정하거나 변경하는 고유한 설명 이름입니다. 자신만의 이름을 생성하지 않으면 이름이 지정됩니다. 이 작업을 나중에 편집할 수 있습니다. *카테고리* 순위를 지정할 범주 차원입니다. *값* 계산이 기반으로 하는 집계된 측정값입니다. *Number of results* 찾으려는 최상위 순위 항목의 수입니다. ## 계산 출력 각 함수는 일련의 출력 매개 변수를 생성합니다. 이 출력을 자동 응답에 추가하여 표시되는 내용을 사용자 지정할 수 있습니다. 고유의 사용자 지정 텍스트를 추가할 수도 있습니다. 출력 파라미터를 찾으려면 오른쪽의 **계산** 탭을 열고 사용할 계산을 찾습니다. 계산의 이름은 인사이트를 만들 때 제공한 이름에서 유래했습니다. 출력 매개 변수를 한 번만 클릭하여 선택하십시오. 두 번 클릭하면 동일한 출력을 두 번 추가합니다. **볼드**로 표시된 항목은 서술에서 사용할 수 있습니다. **참고** 이들은 하위 순위 계산에 의해 반환되는 출력 매개 변수와 동일한 출력 매개 변수입니다. + `categoryField` - **범주** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `metricField` - **값** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `aggregationFunction` - 지표에 사용된 집계(**SUM**, **AVG** 등)입니다. + `itemsCount` - 이 계산에 포함된 항목의 수입니다. + `items`: 상위 순위 항목입니다. + `categoryField` - 범주 필드입니다. + `value` - 카테고리 필드의 값(내용)입니다. + `formattedValue` - 서식이 지정된 카테고리 필드의 값(내용)입니다. 필드가 null 인 경우, '`NULL`'이(가) 표시됩니다. 필드가 비어 있는 경우 ‘`(empty)`‘이(가) 표시됩니다. + `metricValue` - 지표의 필드입니다. + `value` - 원시 값입니다. + `formattedValue` - 지표 필드에 의해 서식이 지정된 값입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 절대값입니다. # 총합 집계 계산 총합 집계 계산은 값의 전체 합계를 생성합니다. 예를 들어 총 수익을 찾기 위해 계산을 생성할 수 있습니다. 이 기능을 사용하려면 **시간** 필드와 **값** 필드에 각각 하나 이상의 차원이 있어야 합니다. ## 파라미터 *이름* 지정하거나 변경하는 고유한 설명 이름입니다. 자신만의 이름을 생성하지 않으면 이름이 지정됩니다. 이 작업을 나중에 편집할 수 있습니다. *값* 계산이 기반으로 하는 집계된 측정값입니다. ## 계산 출력 각 함수는 일련의 출력 매개 변수를 생성합니다. 이 출력을 자동 응답에 추가하여 표시되는 내용을 사용자 지정할 수 있습니다. 고유의 사용자 지정 텍스트를 추가할 수도 있습니다. 출력 파라미터를 찾으려면 오른쪽의 **계산** 탭을 열고 사용할 계산을 찾습니다. 계산의 이름은 인사이트를 만들 때 제공한 이름에서 유래했습니다. 출력 매개 변수를 한 번만 클릭하여 선택하십시오. 두 번 클릭하면 동일한 출력을 두 번 추가합니다. **볼드**로 표시된 항목은 서술에서 사용할 수 있습니다. + `categoryField` - 범주 필드입니다. + `name` - 범주 필드의 표시 이름입니다. + `metricField` - **값** 필드 모음에서 얻습니다. + `name` - 필드의 서식이 지정된 표시 이름입니다. + `aggregationFunction` - 지표에 사용된 집계(**SUM**, **AVG** 등)입니다. + `totalAggregate` - 지표 집계의 합계 값입니다. + `value` - 원시 값입니다. + `formattedValue` - 지표 필드에 의해 서식이 지정된 값입니다. + `formattedAbsoluteValue` - 지표 필드에 의해 서식이 지정된 절대값입니다. # 고유한 값 계산 고유한 값 계산은 범주 필드의 고유한 값을 계산합니다. 예를 들어 차원에 있는 고유한 값의 수를 계산하는 계산식을 생성할 수 있습니다(예: 보유한 고객 수). 이 기능을 사용하려면 **범주** 필드에 하나 이상의 차원이 있어야 합니다. ## 파라미터 *이름* 지정하거나 변경하는 고유한 설명 이름입니다. 자신만의 이름을 생성하지 않으면 이름이 지정됩니다. 이 작업을 나중에 편집할 수 있습니다. *카테고리* 순위를 지정할 범주 차원입니다. ## 계산 출력 각 함수는 일련의 출력 매개 변수를 생성합니다. 이 출력을 자동 응답에 추가하여 표시되는 내용을 사용자 지정할 수 있습니다. 고유의 사용자 지정 텍스트를 추가할 수도 있습니다. 출력 파라미터를 찾으려면 오른쪽의 **계산** 탭을 열고 사용할 계산을 찾습니다. 계산의 이름은 인사이트를 만들 때 제공한 이름에서 유래했습니다. 출력 매개 변수를 한 번만 클릭하여 선택하십시오. 두 번 클릭하면 동일한 출력을 두 번 추가합니다. **볼드**로 표시된 항목은 서술에서 사용할 수 있습니다. + `categoryField` - 범주 필드입니다. + `name` - 범주 필드의 표시 이름입니다. + `uniqueGroupValuesCount` - 이 계산에 포함된 고유한 값의 수입니다. # ML 기반 이상 탐지를 사용하여 특이값 탐지 Amazon Quick Sight는 검증된 Amazon 기술을 사용하여 수백만 개의 지표에서 ML 기반 이상 탐지를 지속적으로 실행하여 데이터의 숨겨진 추세와 특이값을 발견합니다. 이 도구를 사용하면 수시로 집계에 묻히고 수동 분석으로 확장할 수 없는 깊은 인사이트를 얻을 수 있습니다. ML 기반 이상 탐지를 사용하면 수동 분석, 사용자 지정 개발 또는 ML 도메인 전문 지식 없이도 데이터에서 특이값을 찾을 수 있습니다. Amazon Quick Sight는 이상을 분석하거나 데이터에 대한 일부 예측을 수행할 수 있음을 감지하면 시각적 객체에 알립니다. `eu-central-2` 유럽(취리히) 리전에서는 이상 탐지를 사용할 수 없습니다. **중요** ML 기반 이상 탐지는 계산 집약적인 작업입니다. 사용을 시작하기 전에 사용하려는 데이터의 양을 분석하여 비용에 대한 아이디어를 얻을 수 있습니다. 월별로 처리하는 지표 수를 기반으로 하는 계층화된 요금 모델을 제공합니다. **Topics** + [이상 또는 특이값 탐지에 대한 개념](anomaly-detection-outliers-and-key-drivers.md) + [특이값 분석을 위한 ML 기반 이상 탐지 설정](anomaly-detection-using.md) + [ML 기반 이상 탐지 및 기여도 분석을 통해 특이값 및 주요 동인 탐색](anomaly-exploring.md) # 이상 또는 특이값 탐지에 대한 개념 Amazon Quick Sight는 *이상*이라는 단어를 사용하여 전체 배포 패턴을 벗어나는 데이터 포인트를 설명합니다. 특이값, 편차, 특이성, 예외, 불규칙성, 특징 등 과학적 용어인 이상에 대한 다른 단어가 많이 있습니다. 사용하는 용어는 수행하는 분석 유형, 사용하는 데이터 유형 또는 그룹의 기본 설정에 따라 달라질 수 있습니다. 이러한 외부 데이터 포인트는 사람, 장소, 사물 또는 시간과 같은 개체를 나타내며 어떤 면에서는 예외적입니다. 인간은 쉽게 패턴을 인식하고 서로 다른 것을 발견합니다. 인간의 감각은 이 정보를 제공합니다. 패턴이 단순하고 약간의 데이터만 있는 경우 그래프를 만들어 데이터에서 특이값을 강조할 수 있습니다. 몇 가지 간단한 예는 다음과 같습니다. + 파란색 풍선으로 구성된 그룹의 빨간 풍선 + 다른 경주마보다 훨씬 앞서 있는 경주마 + 수업 중에 주의를 집중하지 않는 아이 + 온라인 주문이 증가하지만 배송이 저하된 날 + 다른 사람들은 회복되지 않은 상태에서 회복된 사람 일부 데이터 포인트는 중요한 이벤트를 나타내고 다른 데이터 포인트는 임의로 발생을 나타냅니다. 분석은 이벤트에 기여한 구동 요인(주요 동인)에 따라 조사할 가치가 있는 데이터를 파악합니다. 질문은 데이터 분석에 필수적입니다. 발생한 이유는 무엇입니까? 무엇과 관련이 있습니까? 한번 또는 여러 번 발생했습니까? 권장하거나 권장하지 않기 위해 무엇을 할 수 있습니까? 변형이 존재하는 방법과 이유 및 변형에 패턴이 있는지 여부를 이해하려면 더 많은 생각이 필요합니다. 기계 학습의 지원 없이는 사람마다 다른 경험과 정보를 가지고 있기 때문에 다른 결론을 내릴 수 있습니다. 따라서 사람마다 약간 다른 비즈니스 결정을 내릴 수 있습니다. 고려해야 할 데이터나 변수가 많으면 엄청난 양의 분석이 필요할 수 있습니다. ML 기반 이상 탐지는 데이터 중심의 의사 결정을 내릴 수 있도록 인과 관계 및 상관 관계를 식별합니다. 작업에서 데이터를 사용하는 방식을 정의할 수 있습니다. 고유한 파라미터를 지정하고 기여도 분석에서 주요 동인을 식별하는 등의 추가 옵션을 선택할 수 있습니다. 또는 기본 설정을 사용할 수도 있습니다. 다음 섹션에서는 설정 프로세스를 안내하고 사용 가능한 옵션에 대한 설명을 제공합니다. # 특이값 분석을 위한 ML 기반 이상 탐지 설정 다음 섹션의 절차를 사용하여 특이값을 탐지하고 이상을 탐지하고 특이값을 유발하는 주요 동인을 식별하기 시작하십시오. **Topics** + [예외 항목 및 예측 알림 보기](anomaly-detection-adding-from-visuals.md) + [ML 인사이트를 추가하여 특이값 및 주요 동인 감지](anomaly-detection-adding-anomaly-insights.md) + [주요 동인에 대한 기여도 분석 사용](anomaly-detection-adding-key-drivers.md) # 예외 항목 및 예측 알림 보기 Amazon Quick Sight는 이상, 주요 동인 또는 예측 기회를 감지하는 시각적 객체에 대해 알려줍니다. 프롬프트에 따라 해당 비주얼의 데이터를 기반으로 이상 탐지 또는 예측을 설정할 수 있습니다. 1. 기존 라인 차트에서 시각적 객체 위젯의 메뉴에서 인사이트 알림을 찾아보세요. 1. 전구 아이콘을 선택하여 알림을 표시합니다. 1. ML 인사이트에 대한 자세한 정보가 필요하면 화면 프롬프트에 따라 ML 인사이트를 추가할 수 있습니다. # ML 인사이트를 추가하여 특이값 및 주요 동인 감지 심각해 보이는 특이값인 변칙을 탐지하는 ML 인사이트를 추가할 수 있습니다. 시작하려면 자동 서술이라고도 하는 위젯을 만들어 인사이트를 확보하세요. 옵션을 구성하면 화면 오른쪽의 **미리 보기** 창에서 인사이트의 제한된 스크린샷을 볼 수 있습니다. Insight Widget에서 계산된 필드가 아닌 차원 필드를 최대 5개의 추가할 수 있습니다. 필드 모음에서 **범주** 값은 Amazon Quick Sight가 지표를 분할하는 데 사용하는 차원 값을 나타냅니다. 예를 들어 모든 제품 범주 및 제품 SKU에서 수익을 분석한다고 가정해 보겠습니다. 10개의 제품 카테고리가 있으며, 각 카테고리에는 10개의 제품 SKU가 있습니다. Amazon Quick Sight는 100개의 고유한 조합으로 지표를 분할하고 분할의 각 조합에 대해 이상 탐지를 실행합니다. 다음 절차는 이를 수행하는 방법과 기여도 분석을 추가하여 각 이상 현상을 일으키는 주요 동인을 탐지하는 방법을 보여줍니다. [주요 동인에 대한 기여도 분석 사용](anomaly-detection-adding-key-drivers.md)에 설명된 대로 기여도 분석을 나중에 추가할 수 있습니다. **주요 동인을 포함하여 특이값 분석을 설정하기** 1. 분석을 열고 도구 표시줄에서 **인사이트**를 선택한 다음 **추가**를 선택합니다. 목록에서 **이상 탐지** 및 **Select(선택)**을 선택합니다. 1. 새로운 위젯의 화면 프롬프트를 따르십시오. 그러면 인사이트에 대한 필드를 선택하라는 메시지가 표시됩니다. 하나 이상의 날짜, 하나의 측정 및 하나의 차원을 추가해야 합니다. 1. 위젯에서 **시작하기**를 선택합니다. 구성 화면이 나타납니다. 1. **계산 옵션**에서 다음 옵션의 값을 선택합니다. 1. **분석할 조합**에 대해 다음 옵션 중 하나를 선택합니다. 1. **계층적 분석** 필드를 계층적으로 분석하려면 이 옵션을 선택합니다. 예를 들어 날짜(T), 치수(N) 및 세 가지 차원 범주(C1, C2 및 C3)를 선택한 경우 Quick Sight는 다음과 같이 필드를 계층적으로 분석합니다. ``` T-N, T-C1-N, T-C1-C2-N, T-C1-C2-C3-N ``` 1. **정확한 조합** 범주 필드에 있는 필드의 정확한 조합만 나열되어 있는 대로 잘 분석하려면 이 옵션을 선택합니다. 예를 들어 날짜(T), 치수(N) 및 3차원 범주(C1, C2 및 C3)를 선택한 경우 Quick Sight는 다음과 같이 나열된 순서대로 범주 필드의 정확한 조합만 분석합니다. ``` T-C1-C2-C3-N ``` 1. **모두** 범주 필드의 모든 필드 조합을 잘 분석하려면 이 옵션을 선택합니다. 예를 들어 날짜(T), 치수(N) 및 3차원 범주(C1, C2 및 C3)를 선택한 경우 Quick Sight는 다음과 같이 모든 필드 조합을 분석합니다. ``` T-N, T-C1-N, T-C1-C2-N, T-C1-C2-C3-N, T-C1-C3-N, T-C2-N, T-C2-C3-N, T-C3-N ``` 날짜와 치수만 선택한 경우 Quick Sight는 날짜별로 필드를 분석한 다음 치수별로 분석합니다. **분석할 필드** 섹션에서 참조용으로 필드 모음의 필드 목록을 볼 수 있습니다. 1. **이름**에는 공백 없이 설명하는 영숫자 이름을 입력하거나 기본값을 선택합니다. 이렇게 하면 계산 이름이 제공됩니다. 위젯에 자동으로 표시되는 서술을 편집하려는 경우 이름을 사용하여 이 위젯의 계산을 식별할 수 있습니다. 자동 서술을 편집하려는 경우와 분석에 다른 유사한 계산이 있는 경우에 이름을 사용자 지정할 수 있습니다. 1. **디스플레이 옵션** 섹션에서 다음 옵션을 선택하여 인사이트 위젯에 표시되는 내용을 사용자 지정합니다. 무엇을 표시하든 상관없이 모든 결과를 탐색할 수 있습니다. 1. **표시할 최대 예외 개수** - 서술 위젯에 표시하려는 특이값의 수입니다. 1. **심각도** - 인사이트 위젯에 표시하려는 예외 항목의 최소 심각도 수준입니다. *심각도 수준*은 범위에 포함된 실제 이상 점수 중 가장 낮은 점수를 특징으로 하는 이상 점수 범위입니다. 점수가 더 높은 모든 이상이 범위에 포함됩니다. 심각도를 **낮음**으로 설정하면 순위가 낮음과 매우 높음 중간에 해당하는 모든 이상이 인사이트에 표시됩니다. 심각도를 **매우 높음**으로 설정하면 이상 점수가 가장 높은 이상만 인사이트에 표시됩니다. 다음 옵션을 사용할 수 있습니다. + **매우 높음** + **높음 이상** + **보통 이상** + **낮음 이상** 1. **방향** - 이상으로 식별하려는 x축 또는 y축의 방향입니다. 사용자는 다음 중에서 선택할 수 있습니다. + **예상보다 높을 시** 큰 값을 이상으로 식별합니다. + **예상보다 낮을 시** 작은 값을 이상으로 식별합니다. + **[모두]** - 높고 낮은 모든 이상값을 식별합니다(기본 설정). 1. **Delta** — 이상을 식별하는 데 사용할 사용자 지정 값을 입력합니다. 임계값보다 높은 값이 이상으로 계산됩니다. 여기에 있는 값은 분석에서 인사이트가 작동하는 방식을 변경합니다. 이 섹션에서는 다음을 설정할 수 있습니다. + **절대값** - 사용하려는 실제 값입니다. 예를 들어 48이라고 가정해 보겠습니다. 그런 다음 Amazon Quick Sight는 값과 예상 값의 차이가 48보다 클 때 값을 이상으로 식별합니다. + **백분율** — 사용할 백분율 임계값입니다. 예를 들어 12.5% 라고 가정해 보겠습니다. 그런 다음 Amazon Quick Sight는 값과 예상 값의 차이가 12.5%보다 클 때 값을 이상으로 식별합니다. 1. **정렬 기준** - 결과의 정렬 방법을 선택합니다. 일부 방법은 Amazon Quick Sight가 생성하는 이상 점수를 기반으로 합니다. Amazon Quick Sight는 변칙적으로 보이는 데이터 포인트에 더 높은 점수를 부여합니다. 다음 옵션 중 하나를 사용할 수 있습니다. + **가중 이상 점수** - 이상 점수에 실제 값과 예상 값 간 차이의 절대값에 대한 로그를 곱한 값입니다. 이 점수는 항상 양수입니다. + **이상 점수** - 이 데이터 포인트에 할당된 실제 이상 점수입니다. + **예상 값과의 가중 차이**- 이상 점수에 실제 값과 예상 값 간 차이를 곱한 값입니다(기본값). + **예상 값과의 차이** - 실제 값과 예상 값 간의 실제 차이입니다(실제 값-예상 값). + **실제 값** - 공식이 적용되지 않은 실제 값입니다. 1. **일정 옵션** 섹션에서 인사이트 재계산을 자동으로 실행하도록 일정을 설정할 수 있습니다. 이 일정은 게시된 대시보드에 대해서만 실행됩니다. 분석에서 필요에 따라 수동으로 실행할 수 있습니다. 일정에는 다음 설정이 포함됩니다. + **발생** - 재계산을 실행하는 빈도입니다: 매시간, 매일, 매주 또는 매월. + **일정 시작 시간** - 이 일정 실행을 시작할 날짜 및 시간입니다. + **표준 시간대** - 일정이 실행되는 시간대를 설정합니다. 목록을 보려면 현재 항목을 삭제합니다. 1. **상위 기여자** 섹션에서 이상치(이상)가 감지될 때 주요 동인을 분석하도록 Amazon Quick Sight를 설정합니다. 예를 들어 Amazon Quick Sight는 홈 개선 제품의 미국 매출 급증에 기여한 상위 고객을 표시할 수 있습니다. 데이터 세트에서 최대 4개의 차원을 추가할 수 있습니다. 여기에는 이 인사이트 위젯의 필드 웰에 추가하지 않은 측정기준이 포함됩니다. 기여도 분석에 사용할 수 있는 차원 목록의 경우 **필드 선택**을 선택합니다. 1. 그런 다음 **저장**을 선택해 변경 사항을 확인하세요. 저장하지 않고 종료하려면 **취소**를 선택합니다. 1. 인사이트 위젯에서 이상 탐지를 실행하고 인사이트를 보려면 **지금 실행**을 선택합니다. 이상 탐지를 완료하는 데 걸리는 시간은 분석 중인 고유한 데이터 포인트의 수에 따라 다릅니다. 이 프로세스는 최소 포인트 수로 몇 분이 걸릴 수도 있고 몇 시간이 걸릴 수도 있습니다. 배경에서 실행되는 동안 분석에서 기타 작업을 수행할 수 있습니다. 그러나 구성을 변경하거나 서술을 편집하거나 **이상 탐색** 페이지를 열기 전에 완료될 때까지 기다려야 합니다. 인사이트 위젯을 한 번 이상 실행해야 결과를 확인할 수 있습니다. 상태가 이전 상태라고 생각되면 페이지를 새로 고칠 수 있습니다. 인사이트에는 다음과 같은 상태가 있을 수 있습니다. | 페이지에 표시되는 사항 | Status | | --- | --- | | 지금 실행 버튼 | 작업이 아직 시작되지 않았습니다. | | 이상 분석에 대한 메시지 | 작업이 현재 실행 중입니다. | | 탐지된 이상(특이값)에 대한 서술 | 작업이 성공적으로 실행되었습니다. 이 위젯의 계산이 마지막으로 업데이트되었을 때 메시지가 표시됩니다. | | 느낌표(\$1)가 있는 경고 아이콘 | 이 아이콘은 마지막 실행 중에 오류가 발생했음을 나타냅니다. 서술이 표시되는 경우에도 이상 탐색을 사용하여 이전에 성공적으로 실행된 데이터를 계속 사용할 수 있습니다. | # 주요 동인에 대한 기여도 분석 사용 Amazon Quick Sight는 두 시점 사이의 측정값(지표)에서 이상치에 기여하는 차원(범주)을 식별할 수 있습니다. 특이값을 유발하는 주요 동인은 다음과 같은 질문에 답하는 데 도움이 됩니다. 이러한 이상 현상을 일으킨 원인은 무엇입니까? 기여도 분석 없이 이미 이상 탐지를 사용하고 있다면 기존 ML 인사이트를 활용하여 주요 동인을 찾을 수 있습니다. 다음 절차를 사용하여 기여도 분석을 추가하고 특이값의 주요 동인을 식별하십시오. 이상 탐지를 위한 인사이트에는 시간 필드와 하나 이상의 집계된 지표(합계, 평균 또는 개수)가 포함되어야 합니다. 원하는 경우 여러 범주(차원 필드)를 포함할 수 있지만 범주나 차원 필드를 지정하지 않고 기여도 분석을 실행할 수도 있습니다. 이 절차를 사용하여 예외 항목 탐지의 주요 동인인 필드를 변경하거나 제거할 수도 있습니다. **기여도 분석을 추가하여 주요 동인 식별하기** 1. 분석을 열고 예외 항목 탐지를 위한 기존 ML 인사이트를 찾습니다. 인사이트 위젯을 선택하여 강조 표시합니다. 1. 시각적 객체의 메뉴에서 **메뉴 옵션**(**...**)을 선택합니다. 1. 설정을 편집하려면 **예외 항목 구성**을 선택합니다. 1. **기여도 분석(선택 사항)** 설정을 사용하면 이상치(이상)가 감지될 때 Amazon Quick Sight가 주요 동인을 분석할 수 있습니다. 예를 들어 Amazon Quick Sight는 홈 개선 제품의 미국 매출 급증에 기여한 상위 고객을 보여줄 수 있습니다. 이 인사이트 위젯의 필드 모음에 추가하지 않은 차원을 포함하여 데이터 세트에서 최대 4개의 차원을 추가할 수 있습니다. 기여도 분석에 사용할 수 있는 차원 목록을 보려면 **필드 선택**을 선택합니다. 주요 동인으로 사용하는 필드를 변경하려면 이 목록에서 활성화된 필드를 변경하십시오. 모두 비활성화하면 Quick Sight는이 인사이트에서 기여도 분석을 수행하지 않습니다. 1. 변경 내용을 저장하려면 구성 옵션 아래로 스크롤한 후 **저장**을 선택합니다. 저장하지 않고 종료하려면 **취소**를 선택합니다. 이 설정을 완전히 제거하려면 **삭제**를 선택합니다. # ML 기반 이상 탐지 및 기여도 분석을 통해 특이값 및 주요 동인 탐색 분석에서 기여자(주요 동인)와 함께 이상(특이값이라고도 함)을 대화식으로 탐색할 수 있습니다. 탐색하는 데 사용할 수 있는 분석은 ML 기반 이상 탐지가 실행된 후에 사용할 수 있습니다. 이 화면에서 변경한 내용은 분석으로 돌아갈 때 저장되지 않습니다. 시작하려면 인사이트에서 **이상 탐지**를 선택하십시오. 다음 스크린샷은 처음 열었을 때 나타나는 이상 항목 화면을 보여줍니다. 이 예시에서는 기여자 분석을 설정하여 두 가지 주요 동인을 보여줍니다. ![\[기여자를 포함한 이상 분석이 표시됩니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/anomaly-exploration-v2.png) 화면 섹션에는 왼쪽 상단에서 오른쪽 하단으로 다음 사항이 포함됩니다. + **기여자**는 주요 동인을 표시합니다. 이 섹션을 보려면 이상 구성에서 기여자를 설정해야 합니다. + **컨트롤**에는 이상 탐지를 위한 설정이 포함되어 있습니다. + **이상 수**에는 시간이 지남에 따라 감지된 특이값이 표시됩니다. 이 차트 섹션을 숨기거나 표시할 수 있습니다. + 범주 또는 측정기준 필드의 **필드 이름**은 각 범주 또는 측정기준에 대한 이상을 표시하는 차트의 제목 역할을 합니다. 다음 단원에서는 이상 탐색의 각 측면에 대한 자세한 정보를 제공합니다. **Topics** + [기여자 탐색(주요 동인)](exploring-anomalies-key-drivers.md) + [이상 탐지를 위한 제어 설정](exploring-anomalies-controls.md) + [날짜별 예외 항목 표시 및 숨기기](exploring-anomalies-by-date.md) + [범주 또는 차원별 예외 항목 탐색](exploring-anomalies-per-category-or-dimension.md) # 기여자 탐색(주요 동인) 이상 인사이트가 주요 동인을 감지하도록 설정된 경우 Quick Sight는 기여도 분석을 실행하여 이상치에 영향을 미치는 범주(차원)를 결정합니다. **기여자** 섹션은 왼쪽에 표시됩니다. **기여자**는 다음 섹션을 포함합니다: + **서술** - 왼쪽 상단에 지표의 변경 사항이 요약되어 있습니다. + **상위 기여자 구성** - **구성**을 선택하여 이 섹션에서 사용할 기여자 및 날짜 범위를 변경합니다. + **정렬 기준** - 아래 표시된 결과에 표시되는 정렬을 설정합니다. 사용자는 다음 중에서 선택할 수 있습니다. + **절대 차이** + **영향 비율** (기본값) + **예상과의 편차** + **비율 차이** + **상위 기여자 결과** - 오른쪽 타임라인에서 선택한 특정 시점에 대한 상위 기여자 분석 결과를 표시합니다. 기여도 분석에서는 이상의 최상위 기여 요인 또는 주요 동인 중 최대 4개까지 식별합니다. 예를 들어 Amazon Quick Sight는 미국의 건강 제품 판매 급증에 기여한 상위 고객을 보여줄 수 있습니다. 이 패널은 이상을 구성할 때 기여도 분석에 포함할 필드를 선택한 경우에만 나타납니다. 이 패널이 표시되지 않지만 표시하려는 경우 활성화할 수 있습니다. 이렇게 하려면 분석으로 돌아가서 인사이트 메뉴에서 이상 구성을 선택하고 기여도를 분석할 필드를 최대 4개까지 선택합니다. 기여 동인을 제외하는 시트 컨트롤을 변경하면 **기여도** 패널이 닫힙니다. # 이상 탐지를 위한 제어 설정 화면의 **컨트롤** 섹션에서 이상 탐지에 대한 설정을 찾을 수 있습니다. **컨트롤**이라는 단어를 클릭하여 이 섹션을 열고 닫을 수 있습니다. 설정에는 다음이 포함됩니다. + **컨트롤** - 현재 설정이 작업 영역 상단에 표시됩니다. 오른쪽에 있는 이중 화살표 아이콘을 선택하여 이 섹션을 확장할 수 있습니다. 다음 설정은 ML 기반 이상 탐지에 의해 생성된 특이값을 탐색하는 데 사용할 수 있습니다. + **심각도** - 탐지된 이상(특이값)에 대한 탐지기의 민감도를 설정합니다. 임계값이 **낮음 이상**으로 설정되면 볼 수 있는 이상이 더 많고 **높음 이상**으로 설정되면 볼 수 있는 이상이 더 적을 것으로 예상해야 합니다. 이 민감도는 RCF 알고리즘에 의해 생성된 이상 점수의 표준 편차에 따라 결정됩니다. 기본값은 **보통 이상**입니다. + **방향** - 이상으로 식별하려는 x축 또는 y축의 방향입니다. 기본값은 [모두]입니다. 다음을 선택할 수 있습니다. + 높은 값을 이상으로 식별하려면 **예상보다 높음**으로 설정하십시오. + 낮은 값을 이상으로 식별하려면 **예상보다 낮음**으로 설정합니다. + **[모두]**로 설정하면 높음과 낮음의 모든 변칙 값을 식별할 수 있습니다. + **최소 Delta - 절대값** — 이상 식별을 위한 절대 임계값으로 사용할 사용자 지정 값을 입력합니다. 이 값보다 높은 값은 이상으로 계산됩니다. + **최소 Delta - 백분율** - 이상 식별을 위한 백분율 임계값으로 사용할 사용자 지정 값을 입력합니다. 이 값보다 높은 값은 이상으로 계산됩니다. + **정렬 기준** - 이상 정렬에 적용할 방법을 선택합니다. 화면에 선호 순서대로 나열됩니다. 각 방법에 대한 설명은 다음 목록을 참조하십시오. + **가중 이상 점수** - 이상 점수에 실제 값과 예상 값 간 차이의 절대값에 대한 로그를 곱한 값입니다. 이 점수는 항상 양수입니다. + **이상 점수** - 이 데이터 포인트에 할당된 실제 이상 점수입니다. + **예상 값과의 가중 차이** - (기본값)이상 점수에 실제 값과 예상 값 간 차이를 곱한 값입니다. + **예상 값과의 차이** - 실제 값과 예상 값 간의 실제 차이입니다(실제 값-예상 값). + **실제 값** - 공식이 적용되지 않은 실제 값입니다. + **카테고리** - 하나 이상의 설정이 다른 설정의 끝에 나타날 수 있습니다. 범주 필드에 잘 추가한 각 범주 필드에는 하나씩 있습니다. 카테고리 설정을 사용하여 화면에 표시되는 데이터를 제한할 수 있습니다. # 날짜별 예외 항목 표시 및 숨기기 **이상 수** 차트는 시간 경과에 따라 감지된 이상치를 보여줍니다. 이 차트가 보이지 않는 경우 **날짜별 이상 보기**를 선택하여 차트를 표시할 수 있습니다. 이 차트는 시계열 내 가장 최근 데이터 포인트의 이상(특이값)을 보여줍니다. 확장하면 다음과 같은 구성 요소가 표시됩니다. + **이상** - 화면 중앙에는 시계열에서 가장 최근 데이터 포인트의 이상이 표시됩니다. 하나 이상의 그래프가 시간 경과에 따른 지표의 변화를 보여주는 차트와 함께 표시됩니다. 이 그래프를 사용하려면 타임라인을 따라 점을 선택합니다. 현재 선택된 시점이 그래프에서 강조 표시되고 현재 지표에 대한 영향 분석 옵션을 제공하는 메뉴가 포함됩니다. 특정 시점을 선택하지 않고 타임라인 상에 커서를 드래그하여 해당 시점의 지표 값을 표시할 수도 있습니다. + **날짜별 이상** - **날짜별 이상 표시**를 선택하는 경우 각 시점에 있던 중요한 이상 수를 보여주는 또 다른 그래프가 표시됩니다. 각 막대의 컨텍스트 메뉴에서 이 차트의 세부 정보를 확인할 수 있습니다. + **타임라인 조정** - 각 그래프에는 날짜 아래의 타임라인 조정 도구가 있습니다. 이 도구를 사용하여 압축하거나 확장하거나 볼 기간을 선택할 수 있습니다. # 범주 또는 차원별 예외 항목 탐색 **이상 탐색** 화면의 기본 섹션은 화면 오른쪽 아래에 잠겨 있습니다. 화면의 다른 섹션이 몇 개나 열려 있더라도 이 화면은 그대로 남아 있습니다. 이상이 여러 개 있는 경우 아래로 스크롤하여 강조 표시할 수 있습니다. 차트는 색상 범위의 이상을 표시하고 일정 기간 동안 이러한 이상이 발생하는 위치를 보여줍니다. ![\[이상 화면을 탐색합니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/anomaly-exploration-1.png) 각 카테고리 또는 측정기준에는 필드 이름을 차트 제목으로 사용하는 별도의 차트가 있습니다. 각 차트는 다음 구성 요소를 포함합니다. + **경고 구성** - 대시보드에서 이상을 탐색하는 경우 이 버튼을 선택하여 경고 및 기여도 분석(구성된 경우)을 구독합니다. 심각도 수준(보통, 높음 등)에 대한 경고를 설정할 수 있습니다. **예상보다 높음**, **예상보다 낮음** 또는 모두에 대해 상위 5개 경고를 받을 수 있습니다. 대시보드 리더는 스스로 경고를 구성할 수 있습니다. 분석에서 **이상 탐색** 페이지를 열면 해당 페이지에 이 단추가 표시되지 않습니다. **참고** 경고를 구성하는 기능은 게시된 대시보드에서만 사용할 수 있습니다. + **통계** - **이상** 제목 아래에 있는 상태 섹션에는 마지막 실행에 대한 정보가 표시됩니다. 예를 들어 '2018년 11월 17일 수익의 이상'이 표시될 수 있습니다. 이 레이블은 처리된 지표 수 및 얼마나 오래 전에 처리되었는지 알려줍니다. 링크를 선택하여 세부 정보(예: 무시된 지표 수)에 대해 자세히 알아볼 수 있습니다. # Amazon Quick Sight를 사용한 가정 시나리오 예측 및 생성 ML 기반 예상을 사용하면 포인트 앤 클릭 간소화 방법으로 주요 비즈니스 지표를 예상할 수 있습니다. 기계 학습 전문가가 필요하지 않습니다. Amazon Quick Sight의 기본 제공 ML 알고리즘은 복잡한 실제 시나리오를 처리하도록 설계되었습니다. Amazon Quick Sight는 기계 학습을 사용하여 기존 수단으로 사용할 수 있는 것보다 더 안정적인 예측을 제공합니다. 예를 들어 비즈니스 관리자라고 가정해보십시오. 연말까지 목표를 달성할 것인지 확인하기 위해 판매액을 예상하려 한다고 가정해보십시오. 또는 2주 만에 큰 거래가 시작되고 전체 예상에 어떤 영향을 미치는지 알고 싶다고 가정해보십시오. 다양한 수준의 계절적 변동으로 비즈니스 수익을 예측할 수 있습니다(예: 주간 및 분기별 추세를 모두 포함한 매출). Amazon Quick Sight는 데이터의 이상(예: 가격 인하 또는 홍보로 인한 매출 급증)이 예측에 영향을 미치지 않도록 자동으로 제외합니다. 또한 Amazon Quick Sight에서 자동으로 처리하므로 누락된 값이 있는 데이터를 정리하고 다시 준비할 필요가 없습니다. 또한 ML 기반 예상을 사용하면 대화식 가정 분석을 수행하여 비즈니스 목표를 달성하는 데 필요한 성장 궤도를 결정할 수 있습니다. ## 예상 및 가정 시나리오 사용 예상 위젯을 기존 분석에 추가하고 대시보드로 게시할 수 있습니다. 가정 시나리오를 분석하려면 대시보드가 아닌 분석을 사용하십시오. ML 기반 예측을 통해 Amazon Quick Sight를 사용하면 계절성이 여러 개인 데이터와 같은 복잡한 실제 시나리오를 예측할 수 있습니다. 누락된 값을 식별하고 유추하는 특이값은 자동으로 제외합니다. 다음 절차에 따라 분석에 그래픽 예상을 추가하고 가정 시나리오를 탐색하십시오. 다음 절차는 그래픽 방식으로 예상하기 위한 것이지만 인사이트 위젯에 서술로 예상을 추가할 수도 있습니다. 자세한 내용은 [Amazon Quick Sight를 사용하여 자동 서술 생성](narratives-creating.md)를 참조하세요. ML 기반 예측은 [작은 배수](small-multiples.md)와 호환되지 않습니다. 데이터 및 예측을 정확하게 표시하려면 시각화에 작은 배수를 사용하지 마세요. **분석에 그래픽 예상 추가하기** 1. 단일 날짜 필드와 최대 세 개의 지표(측정값)를 사용하는 시각적 객체를 생성합니다. 1. 시각적 객체의 오른쪽 상단에 있는 메뉴에서 **메뉴 옵션** 아이콘(점 3개)을 선택한 다음 **예상 추가**를 선택합니다. Quick Sight는 ML을 사용하여 기록 데이터를 자동으로 분석하고 다음 14개 기간에 대한 그래픽 예측을 표시합니다. 예상 속성은 비주얼의 모든 지표에 적용됩니다. 각 지표에 대한 개별 예상을 원하는 경우 각 지표에 대해 별도의 시각적 자료를 만들고 각 지표에 예상을 추가하는 것이 좋습니다. ![\[세 가지 지표가 예상된 선형 차트 시각적 객체의 이미지입니다.\]](http://docs.aws.amazon.com/ko_kr/quick/latest/userguide/images/forecast2.png) 1. 왼쪽의 **예상 속성** 패널에서 다음 설정 중 하나 이상을 사용자 지정합니다. + **예상 길이** - **앞으로의 기간**을 예상으로 설정하고 **이전 기간**을 예상을 기반으로 할 패턴 확인으로 설정합니다. + **예측 간격** - 예상의 추정 범위를 설정합니다. 이렇게 하면 예측되는 선을 중심으로 가능성의 범위가 얼마나 넓어지는지를 알 수 있습니다. + **계절성** - 예측 가능한 데이터 계절 패턴과 관련된 기간 수를 설정합니다. 범위는 1\$1180이며 기본 설정은 **자동**입니다. + **예상 경계** - 예상 값이 지정된 값을 초과하거나 밑돌지 않도록 최소 및/또는 최대 예상 값을 설정합니다. 예를 들어 예상에서 회사의 다음 달 신규 고용 규모가 음수로 예측되는 경우 예상 경계를 최소로 설정할 수 있습니다. 이렇게 하면 예상 값이 0 아래로 내려가는 일이 전혀 없습니다. 변경 사항을 저장하려면 **적용**을 선택합니다. 예상에 여러 지표가 포함된 경우 주황색 띠 안의 아무 곳이나 선택하여 예상 중 하나를 분리할 수 있습니다. 이렇게 하면 다른 예상이 사라집니다. 분리된 예상 구간을 다시 선택하면 해당 예상 구간이 다시 표시됩니다. 1. 차트에서 예상 데이터 포인트(주황색 밴드)를 선택한 다음 컨텍스트 메뉴에서 **What-if analysis(가정 분석)**을 선택하여 가정 시나리오를 분석합니다. 왼쪽에 있는 **What-if 분석** 패널이 열립니다. 다음 옵션을 설정합니다. + **시나리오** - 날짜에 대한 대상을 설정하거나 시간 범위에 대한 대상을 설정합니다. + **날짜** - 특정 날짜에 대한 대상을 설정하는 경우 해당 날짜를 여기에 입력합니다. 시간 범위를 사용하는 경우 시작일과 종료일을 설정합니다. + **대상** - 지표에 대한 대상 값을 설정합니다. Amazon Quick Sight는 대상에 맞게 예측을 조정합니다. **참고** 다중 지표 예측에는 **What-if 분석** 옵션을 사용할 수 없습니다. 예상에서 가정 시나리오를 수행하려는 경우 비주얼에는 지표가 하나만 포함되어야 합니다. 1. **적용**을 선택하여 변경 사항을 유지합니다. 이를 무시하려면 **What-if analysis(가정 분석)** 패널을 닫습니다. 변경 사항을 유지하면 대상에 대해 조정된 새 예상과 가정 없이 원본 예상을 함께 확인할 수 있습니다. 가정 분석은 시각적으로 지표선에 점으로 표시됩니다. 예상선의 데이터 포인트 위에 마우스를 올리면 세부 정보를 볼 수 있습니다. 다음과 같은 기타 작업을 수행할 수 있습니다. + 가정 분석과 상호 작용하거나 제거하려면 지표선에서 점을 선택합니다. + 추가 가정 시나리오를 생성하려면 선에서 새 점을 선택하기 전에 가정 분석을 닫습니다. **참고** 가정 분석은 대시보드 내부가 아닌 분석 내부에만 존재할 수 있습니다.